动车组高级修健康状态评估方法

宋文彬， 傅双波， 吴克明

（1.中国铁路上海局集团有限公司 车辆部，上海 200071；2.中国铁路上海局集团有限公司 科技和信息化部，上海 200071；3.中国铁路上海局集团有限公司 上海动车段，上海 201812）

0 引言

随着社会经济建设的快速发展，高铁在国民交通体系中发挥的作用越来越大，而动车组作为旅客运输的载运装备，其健康状态的良好是确保运输任务顺利完成的重中之重。近年来，我国动车组列车的设计制造能力越来越强，运维经验越加丰富，掌握的检测监测数据体量巨大，各科研院所和运维单位对动车组全生命周期性能演化规律的研究也越发深入，中国国家铁路集团有限公司（简称国铁集团）也在进一步积极推动动车组修程修制改革成果的广泛应用和故障预测及健康管理（PHM）等先进技术的实施推广［1-4］。然而，如何更全面、客观、准确地评价动车组健康状态却是运维技术研究进一步深入后的技术关键点。目前，我国在动车组健康评估方面的研究主要集中在对个别关键系统或设备的健康状态评估，通常为基于数据驱动的部分对象状态评估分析，针对各类参数指标拟合和权重计算的手段主要有层次分析、聚类分析、灰色关联及神经网络等［5］，绝大多数研究更侧重于对实时运用状态的评估，研究中的数据和特征限值与实际存在偏差，成果转化应用于实际生产的很少。也有部分人员从部件的机理模型出发，研究其全生命周期健康状态的评估方法。

动车组属大型复杂集成装备，在现阶段缺乏部件全品类机理模型研究的有效成果时，可基于已积累的大量运维检测数据进行性能退化规律分析，以运维生产中的规程和技术指南为依据，建立部分寿命阶段状态评估的方法体系。因此，以动车组高级修状态评估作为研究切入点，相比于运用状态，高级修中获取的参数指标数据更多、深度和广度更好，更能准确客观地反映设备健康状态。动车组高级修阶段的状态评估对指导日常运维生产、修程修制改革评估、全生命周期性能与成本分析及自主维修体系标准的建立等工作具有重要意义。

1 健康评估元素选取原则

将参与健康评估的设备对象统称为元素，将表征元素性能状态的特征参数或计算结果统称为指标。影响动车组健康状态的因素很多，设备自身性能退化、维修方式、运用负荷、环境工况等，但无论何种因素，各类影响叠加并最终呈现在动车组装备上所表现出来的都是各类元素的可观测特征指标或以故障形式表现出来的状态指标。在大型复杂装备的状态评估中，所选的评估元素和指标并不是越多越好，关键是要考虑评估对象的代表性，尽可能全面、客观、准确地反映出高度系统化和集成化的动车组健康状态的优劣［6］。所选评估元素能覆盖主要层级的关键设备，确保指标的完备性、独立性、客观性、灵敏性和一致性。在动车组高级修状态评估时，选择评估对象基于以下4 个原则：

（1）合规适用。根据动车组使用管理单位实施的检修及运用规程规章和企业标准的要求，同时结合设计制造单位提供的维护指南等资料，合理选择高级修各修程下的评估对象，确保健康评估结果在运维生产中的合规性和适用性。

（2）运用层面。评估对象能够反映动车组日常运行工况中的客观规律，包括设备重要度、性能退化特征、故障关联性、可用性等。

（3）维修层面。评估元素或指标能够在高级修修程中被定量或定性观测、计算得到，在信息量上能足够多地反映装备自身性能状态，包括现在及历史的检修记录、测试记录、故障记录、同类设备质量史等。

（4）数据层面。使用数据相关性分析工具，选取与元素性能衰退相关性最强的指标来表征健康状态，常用的有协方差及协方差矩阵、相关系数、信息熵等［7］。

2 健康评估关键技术

2.1 健康评估准则定义

为更好地量化评估，首先定义元素健康值H，H∈［0，1］，H值越接近1 表示评估对象越健康，越接近0则表示劣化程度越高。为得到多变量耦合作用下的动车组系统健康评估准则，借鉴其他健康评估技术经验，结合动车组实际，将健康值分为4个等级［8］：

（1）健康：H∈（0.9，1］。说明元素特征指标总体远离规程中的门限值或劣化值，性能表现好，可靠性和可用性好，能很好地执行任务要求。

（2）良好：H∈（0.8，0.9］。说明元素部分特征指标开始远离健康值，性能开始退化，总体性能表现达到一般或较好水平，能较好地执行任务要求。

（3）堪用：H∈（0.6，0.8］。说明元素特征指标偏离较多，性能退化较明显，故障率偏高，可执行一般或强度较小任务，必须加强监控，安排优先或强化维修。

（4）故障：H∈［0，0.6］。说明元素总体性能已达不到合规要求，安全性和可靠性无法保证，无法执行运用任务要求，必须立刻进入维修。

各评价等级区段的划分决定了设备或系统极限安全使用的评估准则。考虑到动车组是一个大型复杂集成装备，根据其使用工况特点，将故障和堪用等级的区间长度设置为健康和良好区间长度的4 倍，确保系统健康状态评估结果的可靠性裕量。以上评价等级及区间限值等为初步定性给出，待累计的动车组评估数据足够多时，可根据不同技术平台、不同车型、不同寿命阶段动车组的特点，进一步优化调整评价等级细则。

2.2 功能逻辑结构关系构建

为客观表述动车组各层级元素互相影响依赖的主要拓扑关系，便于后续评估模型化构建和计算，以国铁集团发布的《动车组系统功能分类》为基础，兼顾健康评估的实用性需要，采用功能逻辑结构框图的形式将各评估元素以一定层次关系组织成树状结构。总体分为7 个层级：参数级、组件级、设备级、功能组级、子系统级、系统级、整车级。根节点表示整车系统，叶节点表示评估对象无需再分支的元素，非叶节点是由其他子节点构成的元素。叶节点是某系统中的最小评估层级，叶节点的上一级定义为最小维修层，即实施维修作业的最底层，可根据评估对象特点选择任一层级作为最小维修层［9］。动车组系统结构树采用串行、并行、串并混合3种典型模型：

（1）串行。若某一层级元素的下级构成元素间功能互相依赖耦合，当1 个组成元素性能退化或功能缺失，则上级节点元素就无法正常工作。

（2）并行。若某一层级元素的下级构成元素中有1 个或部分失效，则上级节点元素功能不受影响或部分丧失。

（3）串并行混合。若某一层级元素的下级构成元素中，既有串行元素又有并行元素，则整体结构表现为串并混合结构。

2.3 叶节点元素健康评估

叶节点即最低评估层元素的健康值是各级元素健康评估的基础，为选择合适的方法计算叶节点健康值，可根据该元素是否换件更新、定量数据是否足量，将叶节点元素健康评估分为3种，即更新元素评估、参数指标评估、设备元素评估。

2.3.1 更新元素评估

针对本轮高级修中要统一换件更新的元素，其健康状态全部为初始状态，可按部件的历史故障率、重要程度及安全裕度进行简单等级划分组合后，定性给其健康值赋予0.95～0.98范围的值。

2.3.2 基于测试数据的参数指标评估

对于有足够测量数据的评估对象，若设备性能退化或发生异常，必然有某项或多项表征指标的实际数值偏离正常值或区间。因此，将设备状态评估中选取的特征参数测量值与期望的正常值或最佳值相比较的偏差程度定义为参数级指标的健康值，其取值范围为［0，1］，参数测量值越接近期望的最佳值或区间，健康值越接近1，反之则越劣化。依据不同参数期望的最佳值不同，参数级指标健康值计算分为4类。高级修修竣动车组所有检测指标一定是在规程范围内，因此不考虑测量值超出合规范围的情况。

（1）测量值越大越好的指标，其健康值为：

式中：xi为参数测量值；xmax为参数在合规范围内最大值；xmin为参数在合规范围内的最小值。

（2）测量值越小越好的指标，其健康值为：

（3）测量值为某一中间值最佳时，其健康值为：

式中：xs为参数在合规范围内的最佳中间值。

（4）测量值在某一区间内（xi∈［x1，x2］）最佳时，其健康值为：

式中：x1、x2分别为最佳取值区间的上下限值。

此外，考虑到高级修规程中定义的各检修部件测量值的门限值区别于性能劣化至故障时的阈值，动车组在高级修阶段内做的所有功能测试和检修测量值都必须达到规程要求的限度范围内，所有参数型特征指标只要测量值满足规程要求即合格。因此，高级修修竣后的动车组各类参数指标健康值至少达到堪用等级。此特征是区别于设备实时运行工况下健康状态评估的重要一点。

因此，可根据不同车型、寿命阶段的动车组在高级修修竣后质保期内的健康状态情况，在堪用等级区间内选取Hb∈［0.6，0.8］作为基值，用于参数指标健康值计算修正，使得参数指标的健康值范围映射在［Hb，1］的区间。以CRH380B 型动车组为例，取基值为0.65，换算公式为：

2.3.3 基于故障数据的设备元素评估

对于缺乏测量数据、本轮修程中不检修或仅做简单状态检查但同时又是动车组状态评估中不可或缺的关键设备元素，可采取基于故障数据的评估方法。

（1）健康值退化模型。通常大型复杂装备的失效分布符合指数分布规律，因此假设动车组集成度高的设备的健康值退化符合指数分布变化规律。引入目前广泛应用于欧美地区设备状态评估的老化健康值经验公式［10］。该公式由英国EA 公式根据设备老化远离描述出设备健康值随运行时间呈指数退化的规律，在变压器、变流器等电力设备中应用很多。改进的健康值老化公式为：

式中：HVt为设备在t时刻的健康值；t为设备评估时的对应时间；HV0为设备在t0时刻的健康值；t0为设备初始投入运行时间；B为老化系数；HVs为设备退役时健康值，可取多列动车组同类设备退役时健康均值或根据健康等级合理取值；Td为预期寿命；TD为设备设计寿命；f1为安全系数（f1＞1），取值为1.1～1.3，依据设备重要度和同类设备历史状态统计得出；f2为负荷系数（f2＞1），取值为1.05～1.50，根据设备日常使用强度及环境工况综合给出，如根据动车组日均走行公里与同车型平均值、规程允许最大值等数据综合计算得出。

（2）计算元素故障概率。计算元素故障概率时，参与计算的动车组为某单位实际运用的该型全部动车组。考虑不同故障模式在健康评估值中均有体现，因此计算元素故障率时肯定要考虑不同故障模式的严酷度影响，可依据严酷度等级进行量化修正换算后再参与计算。某元素i在最近2 次高级修间隔内的故障发生概率Pi计算如下：

式中：λi为元素i的百万公里故障率；Li为元素i所在动车组的最近2 次高级修间隔走行里程；mj为元素i的故障模式j发生数量；Ej为元素i的故障模式j的换算系数，依据严酷度等级计算而得；Mi为标准组中元素i的总数量；∑L为该型动车组参与统计的所有动车组累计走行里程。

（3）基于健康值的故障概率函数。元素故障概率越高，其健康值理应越低，反之则越高。为合理刻画这种内在联系，假定设备故障概率与健康值之间符合指数函数规律［11］，描述如下：

式中：Pi为元素i的故障概率；K为比例系数；C为曲率系数；H为元素健康值。

故障发生概率与健康值关系函数示意见图1。为利用式（11）计算评估元素的健康值，需确定函数中K和C值。通过计算抽样样本（某单位配属动车组）中某评估元素一段时期内的故障发生概率Pit和依据老化公式计算所得的健康值均值HVit，以及样本动车组中该元素初始投入运用前3 个月的故障发生概率Pi3和老化公式计算所得的健康值HV3，即可计算得出该元素健康值函数中的K和C值。最后，将评估时刻该动车组某元素的最近2 次高级修间隔内的故障概率值Pi代入式（11）即可计算得到相应的健康值。

图1 故障发生概率与健康值关系函数示意图

2.4 元素权重计算

在动车组健康评估中，各层级元素的权重计算十分重要。权重计算的方法较多，根据动车组高级修修竣状态评估的特征指标健康值总体偏好、元素数量多、指标样本量大等特点，采用主客观相结合的静态权重计算方法，即熵权法（EWM） 和模糊层次分析法（FAHP）。该2种权重计算方法是广泛应用的数学工具，简述其在动车组状态评估中的应用。

对于测量参数指标多或元素数量多的对象，计算其权重时可优先使用EWM，若技术人员对评估对象同层级元素的功能和作用有深刻了解和认知，可运用FAHP 计算得到第二组权重，最后运用矩估计理论进行权重组合［12］，计算如下：

式中：ωp、ωq分别为2 种权重法计算所得权重系数；aj、bj分别为指标权重ωp、ωq的相对重要程度，aj=ωpj/(ωpj+ωqj)、bj=ωqj/(ωpj+ωqj)。

2.5 评估模型和算法

计算各元素健康值时，首先计算叶节点元素健康值，再依据3种逻辑结构模型拟合逐层逐级计算上级元素健康值，依次类推得出动车组整车健康值。

（1）并行结构健康值计算。假设3个元素（A、B、C）构成并行功能逻辑结构（见图2），则采用加权求和的方式计算其上级元素健康值：

图2 3个元素并行功能逻辑结构示例

式中：HA、HB、HC分别为3个元素对象的健康值；ωA、ωB、ωC分别为3个元素的权重系数。

（2）串行结构健康值计算。假设3个元素（A、B、C）构成串行功能逻辑结构（见图3），在计算串行结构模型的健康指数时，借鉴可靠性计算的指数加权乘积形式，其上级元素健康值计算方式如下：

图3 3个元素串行功能逻辑结构示例

（3）串并行混合结构健康值计算。实际应用中，设备或系统的功能逻辑层次结构并不总是单纯的并行或串行结构，往往是某些层级元素间既有串行又有并行关系，甚至还有串并行混合结构。参考文献［13］所提方法计算串并行混合结构健康值。

以CRH380B 型动车组1 车牵引子系统为例，其下属元素为牵引变流器及其冷却功能组和牵引电机及其冷却功能组，从功能逻辑上分析，牵引变流器及其冷却功能组（MMU A）属串行元素，牵引电机及其冷却功能组（MMU B）属并行元素。为进一步推导上级元素健康值，需引入一个带权重的无故障支路（MMU X），即可合理实现对串并行混合结构的数学表达，1 串行1 并行的混合结构见图4。

图4 1串行1并行混合结构框图

根据并行、串行结构健康值的计算方法，考虑1 串行1并行混合结构在总体上仍属于串行结构，由此可推导出混合结构的健康值计算方式如下：

为进一步得到通用计算方法，设某元素下属层级中包含m+n个元素，其中前m个元素符合并行结构，后n个元素符合串行结构，则可推导得到串并混合结构健康值计算的通用公式如下：

3 健康状态评估实例

3.1 评估元素选取

基于以上动车组高级修健康状态评估方法，以CRH380B 型动车组为例进行实例计算，运用所提评估对象选取方法，共选取10 个系统、45 个子系统/功能组、180 多个设备、300 余项参数级特征指标作为状态评估的组成元素。

限于篇幅，仅以CRH380B 型动车组的牵引电机及其冷却功能组三级修修竣状态评估为例，简述主要步骤和结果。该功能组下属2类设备：冷却风机和牵引电机组成。冷却风机由于缺乏足量测量数据，其最低评估层即为其自身。牵引电机组成按实际最小维修单元分解为电机定子、电机转子、电力电缆、轴承和温度检测5 个组件。轴承为更新件，无参数级指标；其他4 类组件的参数级指标共12 个，为线缆单相屏蔽最大值、线缆相间屏蔽最大值、定子清洗后介质损耗、UV间绕组阻值、VW 间绕组阻值、WU 间绕组阻值、绕组阻值不平衡度最大值、传动端不平衡量、非传动端不平衡量、传动端轴温度传感器阻值、非传动端轴温度传感器阻值、定子温度传感器阻值。

3.2 功能逻辑结构关系构建

对动车组评估元素各层级间的功能逻辑关系进行分析，按照3种功能逻辑结构模型进行构建（见图5）。

图5 CRH380型动车组牵引电机及其冷却功能组功能逻辑结构

3.3 叶节点元素健康值计算

3.3.1 参数指标健康值

CRH380B 型动车组共有16 个电机，全车共192 个参数指标，数据量过大，仅以1 车4 个电机的参数指标健康值为例（见表1）。

表1 所选CRH380B型动车组1车牵引电机参数指标健康值

3.3.2 组件级叶节点健康值

由于电机轴承为换件更换元素，根据其在CRH380B 型动车组上的历史使用情况，给其新件健康状态初始值定为0.970。

3.3.3 设备级叶节点健康值

由于牵引电机冷却风机在三级修中仅为一般性状态检查，无其他深入检修和足量测量参数。因此该设备在三级修状态评估中采用基于故障数据的健康评估方法，运用老化健康值模型和健康值函数计算得出该车冷却风机健康值为0.913。

3.4 元素权重计算

3.4.1 参数级元素权重

牵引电机参数指标和部件量都足够多，计算元素权重时可用EWM方法［12］，结果见表2。

表2 电机各参数指标权重系数

3.4.2 组件级元素权重

采用FAHP方法计算组件级各元素的权重［13］。

（1）建立重要程度对比关系的模糊互补矩阵。对同一电机组件级的各元素进行两两重要程度比较，建立模糊互补矩阵R1：

（2）转换并验证模糊互补矩阵的一致性，方法如下：

式中：rij为元素i相对于元素j的重要度量化值，取值范围0.1～0.9。

（3）根据模糊互补矩阵求取权重向量，方法如下：

式中：α为权重转换系数，α≥(n- 1)/2；n为元素数量。本次计算取α最小值，计算得到权重向量Ω1=[0.25，0.25，0.2，0.2，0.1]。

3.4.3 设备级元素权重

牵引电机及其冷却功能组层级中每个元素由6个下属元素构成，按照FAHP方法对元素进行两两比较，得到模糊一致矩阵R2：

同理，进一步计算得到6 个元素的权重向量为：Ω2=[0.193，0.193，0.113，0.193，0.193，0.113]。

3.5 非叶节点元素健康值计算

3.5.1 组件级元素健康值

按照健康值计算方法和功能逻辑结构关系（见图5），可逐级自下而上计算各元素健康值，4个非叶节点组件健康值见表4。

表4 组件级元素健康值

3.5.2 设备级元素健康值

同理，可计算出全列16 个电机健康值，特别注意的是计算时要将叶节点的轴承健康值纳入，以1 车1 轴电机为例，计算公式为：

计算可得全列牵引电机健康值见表5。

表5 全列牵引电机健康值

3.5.3 功能组级元素健康值

每个功能组级的6个元素为串行结构，将冷却风机健康值纳入，计算得到4个车的牵引电机及其冷却功能组健康值为：1 车0.867 5、3 车0.908 3、6 车0.912 1、8 车0.899 0。

同理，由功能组级逐级向上，可得到子系统和系统级元素健康值。

3.6 健康评估结论

实例计算的该动车组牵引电机及其冷却功能组设备已累计使用里程达320多万km，4个动车的牵引电机及其冷却功能组健康等级中，有2个处于健康级下限，2个处于良好级上限，结合本轮高级修前使用情况说明该车装配的牵引电机及其冷却功能组的整体健康状态正处于降级发展趋势。进一步对各元素健康值进行相关性分析等统计，得出其他低层级元素健康值有以下4点规律：

（1）头尾车的牵引电机健康状态普遍较中间车偏低，经分析主要由头尾车电机定子、电机转子和温度检测组件的健康值相对偏低导致，反映在参数层则是由电机定子3个相间绕组阻值的健康值偏低引起。该点结论与历史故障分布规律具有高度一致性。

（2）进一步分析发现，状态突出的几个电机的定子相间绕组阻值偏差较大，但阻值不平衡度的健康值很好，需结合电机机理特性对其进行深入研究。在日常运用中，需加强对头尾车牵引电机状态的检测监测。

（3）电机温度检测组件的健康值普遍较低，反映其总体性能退化较多，回溯该动车组距上次高级修以来的历史状态数据、故障数据，发现温度传感器类部件故障率总体偏高，与评估结论高度一致。

（4）头尾车电机转子健康值较其他车偏低，特别是4轴电机，分析发现是该位置转子的传动端和非传动端不平衡量健康值较其他偏低。根据电机转子的工作机理，不平衡量偏大时会导致轴承激振力和离心惯性力偏大，进而加速轴承性能劣化和磨损。从数据层面看，此点结论与日常监控到的电机轴承温度发展趋势和故障规律具有一致相关性，可由此针对该处部件性能退化机理原因展开进一步研究。

通过以上健康评估分析，应从高级修生产工艺和运维的问题和需求出发，对健康状态退化较多和集中的部件与动车组，高级修作业时需强化部分检修项点、优化周转件装配关系，以提升整体指标健康度，确保设备整体性能均衡和配合最优化，日常运用中还应对劣化明显部件加强监控并优先安排检修。

4 结束语

以现场适用性和合规性为导向，建立动车组高级修修竣后健康状态评估的方法体系。给出一种动车组健康状态评估的功能逻辑结构模型，针对动车组高级修时不同部件检修范围和深度的差异性，提出不同种类部件健康评估的方法，特别是针对缺乏足量测量数据或不检修部件的评估方法具备很好的适应性。最后通过实例对所提方法进行验证，结果表明，该方法的评估结果更符合实际使用经验，评估结果与历史状态、运用工况和主观认知具有高度一致性，具有一定的优势和有效性，对开展高级修动车组健康状态评估及全生命周期健康评估工作具有一定参考意义。