机车走行部旋转部件主要包括轴箱轴承、齿轮箱轴承、电机轴承、传动齿轮、轮对踏面等，其质量状态直接关系着机车运行安全。目前，铁路机务部门等采取了多种措施来保证机车运行安全，如建立计划维修制度、安装走行部在线监测系统等。但是，计划修可能导致部分部件失修或过度修^[1-2]，造成部件寿命无法充分利用^[1]，运维成本过高，亟需对现有维修制度进行改革，实施部件状态修，解决单纯采取计划修而引发的问题。

近年来，故障预测与健康管理（PHM）技术在轨道交通行业不断深入应用，智慧运维理念在轨道交通行业的不断传播，机车管理机构在保证行车安全前提下，寄希望于将PHM技术应用于机车维修保障，推进机车关键部件实施状态修，实现安全性、可靠性与经济性的平衡。机车走行部旋转部件实现状态修的关键在于实现部件健康评估技术，其结论直接影响着智慧运维技术的应用效果 ^[3]。近年来，国内相关人员在机车健康评估技术的研究及工程应用方面已取得一些成果^[4]。文献[2]针对和谐电力机车，提出了一种适用于机车走行部健康评分模型，建立基于健康评分的健康评估方案，指导机车状态修，在南宁机务段生产调度指挥中心落地应用。文献[5] 提出基于 PHM 技术和车辆综合检测技术与装备体系构建适用于重载货运车辆的健康状态分析技术，并建立了基于状态分析的状态修模型，用于指导修程优化。文献[6]基于射频识别的物联网技术,提出一种适用铁路机车轮对踏面的健康状态评估方法，并建立定制化运维方案。文献[7]基于提出一种适用于走行部关键部件的状态分析方法，建立以牵引电机、变流器关键部件、高压部等关键部件为主的城轨车辆状态修方案。文献[8] 针对轴承部件，提出一种基于鸡群优化的支持向量机模型（CSO-SVM）的健康状态评估方法，基于在轴承健康状态评估领域应用数据表明轴承健康状态评估精度达到97%。文献[9]提出一种基于多域特征的时空融合方法的旋转机械部件状态评估方法，融合自注意力 （SA）、长短期记忆 （LSTM） 和一种改进的卷积自动编码器 （ICAE），并经西安交通大学标准轴承数据库验证，不同工况下平均准确率约为85.3%。文献[10]基于轴承健康阶段划分策略，提出一种用于轴承健康阶段评估和退化模式分析的 PDA 方法，并通过轴承退化数据验证该方法的实际应用效果。

本文利用机车走行部在线监测系统采集的相关数据，以及机车车辆走行部专家系统积累的故障诊断知识，建立机车走行部旋转部件健康评估系统，实现走行部旋转部件健康评估，给出部件健康评估结论和维修建议，为实现机车走行部旋转部件状态修提供指导。

1   机车走行部相关系统简介

1.1   机车走行部在线监测系统简介

机车走行部在线监测系统^[11]（简称：在线监测系统）是一种针对走行部旋转部件（轴箱轴承、齿轮箱轴承、电机轴承、传动齿轮、轮对踏面）的在线安全监测系统，对机车走行部部件进行在线实时监测和故障诊断，具备故障分级报警功能，出现重大故障会立即向司机报警，指导司机和地面调度人员及时采取措施，保障列车运行安全。该系统安装在机车上，由车载主机、数据前置处理器、复合传感器、转速传感器等组件组成。安装在走行部附近的转速传感器能够采集车轮转速信号，复合传感器能够实时采集、处理和传输冲击、振动、温度等信号；由前置处理器和车载主机完成基于广义共振与共振解调原理的故障诊断功能，实现机车走行部部件在线运行状况监测。

机车走行部在线监测系统可实时采集车轮转速数据、温度数据，提供故障诊断功能输出的部件状态数据，包括冲击、振动和温度报警趋势数据、dB趋势数据、SV趋势数据、振动趋势数据。此外，该系统可从列车运行监控记录装置（LKJ）获取运行公里标数据、运营里程数据。

1.2   机车车辆走行部专家系统简介

机车车辆走行部专家系统（简称：专家系统）是唐智科技公司在收集整理和分析处理机车和车辆走行部旋转部件相关数据，包括中国国家铁路集团有限公司下属100多个机务段和车辆段共计21000多台机车和车辆走行部监测数据、2000多种轴承、齿轮箱、电机等关键机械部件全寿命周期监测数据，以及超过50000起故障案例知识库数据（涵盖故障发生、发展到维修的全过程）的基础上，针对机车车辆走行部故障诊断建立专家系统。该系统包含案例库、履历库、专家分析知识库等，在不断积累机车车辆走行部故障诊断专业知识的同时，可为机车车辆走行部旋转部件故障程度与维修建议的关联分析，以及走行部旋转部件故障规律挖掘提供专家知识数据。

2   机车走行部旋转部件健康评估系统

2.1   系统构成

机车走行部旋转部件健康评估系统基于走行部在线监测系统和专家系统，通过开发健康评估子系统，并提供与机务段业务应用系统（机车检修管理系统、机车调度系统）进行信息交互的数据接口，实现走行部旋转部件轴箱轴承、齿轮箱轴承、电机轴承、传动齿轮、轮对踏面的健康评估功能，为机车检修与运用提供指导，其系统架构如图1所示。

图  1  机车走行部旋转部件健康评估系统架构示意

下载: 全尺寸图片 幻灯片

（1）走行部在线监测系统完成部件故障诊断，提供走行部旋转部件的实时状态数据和采集数据，并从LKJ获取运行公里标数据、运营里程数据，从机车车载安全防护系统（简称：6A系统）中获取载荷数据和机车基础信息数据，将这些数据存储在健康评估数据库中。专家系统提供专家分析知识及故障诊断与维修案例数据。

（2）健康评估子系统包括数据预处理、健康评估和维修决策3个模块；其中，数据预处理模块从在线监测系统读取走行部旋转部件的状态数据，对数据进行清洗和修正，以利于分析处理；健康评估模块基于预处理后的数据，实现旋转部件的健康评估功能，对旋转部件健康状态进行判定；维修决策模块根据部件健康状态，结合人工分析经验形成的专家知识库规则，实现旋转部件维修决策功能。

（3）机车检修系统、机车调度系统可通过数据接口获取健康评估子系统输出的健康评估结论及运用维修建议，作为制定机车检修和运用计划的依据。

2.2   数据处理过程

机车走行部旋转部件健康评估系统数据处理过程可划分为数据输入、数据分析、数据输出3个阶段，数据处理过程如图2所示。

图  2  系统数据处理过程示意

下载: 全尺寸图片 幻灯片

2.2.1   数据输入阶段

完成实时监测数据、状态数据、基础数据、维修数据和专家知识数据5类获取和输入。实时监测数据是通过人工转储方式从走行部旋转部件在线监测系统获取，包括振动、冲击、温度、转速等数据，以及由走行部旋转部件在线监测系统通过RS485接口从LKJ获取的实时公里标、运营里程数据。状态数据是通过人工转储方式从走行部旋转部件在线监测系统获取，包括报警、冲击dB、冲击SV、振动有效值等。基础数据是由走行部旋转部件在线监测系统通过RS485接口从6A系统获取的，包括机车基础信息，包括载荷、车次、质量、走行部旋转部件基本参数等。维修数据是从机车检修管理系统通过数据接口获取，包括走行部旋转部件维修信息，如轴承的更换数据、轮对踏面的镟修信息等。专家知识数据是从专家系统中自动导入健康评估数据库，包括专家分析经验、故障案例数据、部件故障程度、故障部件维修措施等。

2.2.2   数据分析阶段

包括故障诊断分析、数据预处理分析、健康评估分析、维修决策分析4个过程。

（1）利用走行部旋转部件在线监测系统采集的振动、冲击、温度、转速源数据，完成在线故障诊断分析过程，输出走行部旋转部件的实时状态数据。

（2）数据预处理分析过程对获取的状态数据、实时监测数据、维修数据、基础数据进行数据平滑处理、缺失值填补、异常值剔除与修正，以提升数据质量，以及对文本数据进行数值化处理，以用于关联分析。

（3）健康评估分析过程利用预处理后的数据进行旋转部件状态特征提取，建立多维数据的健康评估模型，实现旋转部件的健康评估，输出旋转部件的健康评估结论。

（4）维修决策分析过程基于已有的专家知识数据，如部件故障案例数据等，进行故障程度与维修建议关联分析，建立健康等级运维标准，实现匹配搜索健康评估结论对应的维修建议。

2.2.3   数据输出阶段

主要将经过健康评估分析阶段形成的结论信息，包括走行部旋转部件的健康评估结论、维修建议，通过数据接口推送至机车检修管理系统、机车调度系统。旋转部件的健康评估结论用于指导机务段开展针对性的旋转部件状态监测，而维修建议用于指导机务段制定维修作业计划。

3   关键技术

3.1   故障诊断

走行部旋转部件故障诊断基于走行部在线监测系统监测的振动、温度、冲击信号数据，结合走行部旋转部件机械结构的几何学、运动学规律，应用广义共振与共振解调原理，建立走行部旋转部件轴承、齿轮、踏面的故障诊断模型，可从定性（确定故障）和定量（确定故障程度）两个层面进行故障分析，实现走行部旋转部件故障诊断和故障预警。

以轴承为例，对走行部旋转部件故障诊断的定性、定量故障分析技术进行说明。轴承是走行部的一个重要旋转部件，安装在车轴上，支撑着轴上机械部件的正常运转。轴承主要由内环、外环、保持架、滚子构成，其仿真结构如图3所示。

图  3  轴承仿真结构示意

下载: 全尺寸图片 幻灯片

其中，${D}_{0}$为轴承中径，mm； d为轴承滚动体直径，mm； ${f}_{n}$指轴承运转时内外环相对转速频率，r/m；${Z}$ 为滚动体的数量，${A}$为滚动体的接触角度。

（1）故障定性分析：轴承运转过程中的监测数据为转速跟踪采样数据，依据运转过程中轴承各零部件的运动学规律，可利用轴承参数和轴的转速频率计算出轴承各零件的故障特征频谱，据此定性分析轴承故障，轴承故障特征频谱计算公式如表1所示。

表  1  轴承故障特征频谱计算公式

故障名称	故障特征频谱
保持架碰外环	${f}_{BW}=\dfrac{{D}_{0}-d{\mathrm{cos}}A}{2{D}_{0}}\cdot{f}_{n}$
保持架碰内环	${f}_{BN}=\dfrac{{D}_{0}+d{\mathrm{cos}}A}{2{D}_{0}}\cdot{f}_{n}$
外环故障	${f}_{W}=\dfrac{{D}_{0}-d{\mathrm{cos}}A}{2{D}_{0}}\cdot{Zf}_{n}$
内环故障	${f}_{nei}=\dfrac{{D}_{0}+d{\mathrm{cos}}A}{2{D}_{0}}\cdot{Zf}_{n}$
滚子单（端）故障	${f}_{d}=\dfrac{{D}_{0}^{2}-{d}^{2}{\mathrm{cos}}^{2}A}{2{D}_{0}*d}\cdot{f}_{n}$
滚子双（周）故障	${f}_{d}=\dfrac{{D}_{0}^{2}-{d}^{2}{\mathrm{cos}}^{2}A}{{D}_{0}*d}\cdot{f}_{n}$

下载: 导出CSV 

| 显示表格

以轴承外环为例，若某个时刻采集的数据出现了外环故障频谱，则可判定出现外环故障。

（2）故障定量分析：经定性分析确定轴承故障类型之后，可进一步确定故障程度。基于经验累积，建立轴承故障定量分析模型，即有轴承冲击强度${A}_{\mathrm{d}\mathrm{B}}$

其中，SV为冲击值（无量纲）；N表示运转转速，$\mathrm{r}/\mathrm{m}\mathrm{i}\mathrm{n}$；D表示轴的直径，mm；以轴承外环为例，依据某个时刻采集的数据，当定性为外环故障后，若计算出${A}_{\mathrm{d}\mathrm{B}}=64$，可认为此刻轴承外环故障程度为64 dB。

3.2   数据预处理

从机车走行部在线监测系统、机车检修管理系统中直接获取到的数据存在噪声大、数据缺失和数据异常等问题，在利用健康评估分析模型处理这些数据前，需对其进行必要的预处理。

（1）文本数据数值化处理：机车检修管理系统中录入的维修信息数据多数为文本类型数据，如轴承部件维修方式字段取值为“换新”“修复”“换油脂”等；在将文本数据输入分析模型进行处理前，采用One-hot法、二进制法等方法对文本类型字段进行数值化处理。

（2）数据平滑处理：受到环境中电磁干扰的影响，机车走行部在线监测系统采集的数据存在一定噪声，在进行分析前，需对数据进行平滑处理，剔除噪声的影响，提升数据准确性。例如，冲击SV趋势数据在传感器采集的原始信号受到干扰时会产生随机误差，本文采用n阶n重移动平滑处理方法，消弱噪声的影响，其中平滑处理方法中的阶数和重数可进行适应性调整。假如${t}_{j}$时刻的SV原始数据为${y}\left({t}_{j}\right)$，1阶N重平滑后的数据为${{y}}_{smooth}\left({t}_{j}\right)$，${{y}}_{smooth}\left({t}_{j}\right)$计算公式为

其中，$N$为平滑窗口大小；${t_j}$代表数据的各个采样时刻。

（3）数据缺失值处理：获取的实时监测数据、状态数据等存在数据缺失的问题，需进行缺失值插补处理，提升数据的完整性。例如，在遇到走行部在线监测系统设备异常断电、或者人工下载的数据包丢失等情况时，冲击dB趋势数据会出现数据缺失，本文采用三次样条插值法完成缺失数据填充，确保数据完整性。

（4）数据异常值处理：获取的运行数据存在数据异常现象，需对异常数据进行识别和剔除，保证数据的准确性。例如，可能因数据存储或数据采集设备异常等原因，从LKJ系统获取的运营里程数据会突然增大。为此，结合公里标和设备工况信息，对运营里程数据进行修正，即利用公里标数据对运营里程数据进行校对和替换，或结合设备自检工况信息来识别和剔除异常数据，保证运营里程数据的单调性。

3.3   健康评估

健康评估模块从经过预处理的数据中提取走行部旋转部件状态，采用多物理量、多维度加权融合分析方法，完成健康评估分析，输出健康评估结论，包括特征提取、健康评估分析两个数据处理过程，如图4所示。

图  4  健康评估流程

下载: 全尺寸图片 幻灯片

3.3.1   特征提取过程

（1）对于dB、振动加速度趋势数据，分别按天计算dB有效值、dB日均值、振动加速度有效值、振动加速度日均值，并完成dB、振动加速度趋势数据异常变化标志提取。

以dB趋势数据为例，假如某天的dB趋势数据序列为${y}\left({t}\right)$，则dB有效特征值为${{y}}_{rms}$，${{y}}_{rms}$计算公式为

其中，$\bar y$为均值；$n$为数据长度。

dB趋势数据异常变化标志提取方法为：将趋势数据按天分组，若当天dB趋势数据提取的特征值比前一天的要大k1%（k1可配置），则认为dB趋势数据异常变化，dB趋势数据异常变化标志为1。

（2）对于SV趋势数据，完成SV限幅、突变判断，提取其限幅、突变、趋势上升标志，识别方法与dB趋势数据异常变化识别方法一致，若识别到SV趋势数据限幅、突变、趋势上升，则其对应标志均标记为1。

（3）对于温度趋势数据，完成同部件监测温度对比偏高判断，提取其温度偏高标志；将趋势数据按天分组，若当天的某个部件的温度平均值比其他同部件的温度平均值都高，则温度偏高标志标记为1。

（4）对于报警趋势数据，通过统计分析生成报警最高等级标志、连续性标志；将趋势数据按天分组，若当天的最高报警级别为二级，则报警最高等级标志标记为1；若连续两段最高报警级别为二级，则报警连续性标志标记为1。

（5）对于维修数据，完成部件维修标志提取；若部件最近一个月内部件有过维修，则部件维修标志标记为1。

（6）对于机车基础信息、运行公里标及载荷等数据，利用Apriori等数据挖掘算法实现机车走行部件旋转部件故障与线路的关系挖掘，完成部件结论（健康评估结论）可靠性的置信度标志提取。若算法分析结论显示部件故障与线路无关，则部件结论可靠性的置信度标志标记为1。

3.3.2   健康评估分析

（1）基于从报警数据、冲击dB趋势数据、振动趋势数据、冲击SV趋势数据、温度趋势数据中提取的走行部旋转部件状态标志，利用专家分析经验，对特征标志进行权值分配，采用多维度加权融合分析方法，对走行部旋转部件健康状态进行综合评估。走行部旋转部件在t时刻的健康状态表示为$\mathrm{\mathit{H}}\left(\mathit{\mathit{\mathit{t}}}\right)$，计算公式为

其中，$t$为时刻；$i$为提取的特征标志个数； ${h}_{i}\left(t\right)$为$i$时刻提取的各维度数据特征标志； ${w}_{i}$为特征标志的权重，其中$\displaystyle{\sum }_{i=1}^{m}{w}_{i}=1$。

（2）依据部件维修标志和结论可靠性置信度标志，完成对维修处理或更换过的部件进行健康评估结论修正。当健康评估结论为亚健康及以上，若维修标志或结论可靠性置信度标志标记为1，则将健康评估结论修正为健康。

3.4   维修决策

基于专家系统提供的走行部故障旋转部件实际维修案例数据，采用关联分析方法（如Apriori算法），进行旋转部件故障程度与运用维修的关联分析，建立旋转部件健康等级与运用维修建议标准，维修决策流程如图5所示。

图  5  维修决策流程

下载: 全尺寸图片 幻灯片

当走行部旋转部件健康状态判定为轻微故障、中等故障、严重故障时，参考健康等级与运用维修建议标准实施视情检修，健康等级运用维修建议标准具体内容如表2 所示。

表  2  机车走行部旋转部件健康等级与运用维修建议标准

序号	健康等级	运用维修建议
1	正常	状态正常
2	亚健康	状态参数部分偏离，注意关注
3	轻微故障	发现问题，根据严重程度进行视情检修
4	中等故障
5	严重故障

下载: 导出CSV 

| 显示表格

4   应用成效

目前，机车走行部旋转部件健康评估系统已在多个机务段投入应用，在应用期间发现多起机车走行部部件故障，系统适用性得到初步验证。

4.1   轴承故障

济南西机务段HXD3机车在2022年5月1日—2022年6月12日运营期间，监测子系统采集的单样本数据时域波形图如图6所示，表明存在明显的轴承内环故障冲击，其轴承监测数据的内环频率与内环故障频率对应，其冲击dB值达50 dB。

图  6  济南西机务段HXD3机车51位轴承单样本数据时域波形图

下载: 全尺寸图片 幻灯片

车载故障诊断子系统输出该机车51位轴承出现一级报警，健康评估子系统判定为中等故障，并给出需根据严重程度视情检修的建议。济南西机务段于2022年6月12日对该机车51位轴承进行拆解，发现该位轴承内侧列内环滚道存在一处贯穿剥离现象，轴承拆解照片如图7所示，轴承检查结果与机车走行部旋转部件健康评估系统给出的健康评估结论一致。

图  7  济南西机务段 HXD3机车51位轴承拆解照片

下载: 全尺寸图片 幻灯片

4.2   齿轮故障

济南西机务段DF8B机车在2018年2月17日—2018年5月2日运行期间，走行部在线监测系统输出该机车12位齿轮一级报警，对应的单样本数据时域波形图如图8所示，频谱图的前三阶谱线与诊断抽象谱图中的齿轮谱线一一对应。

图  8  济南西机务段DF8B机车12位齿轮单样本数据时域波形图

下载: 全尺寸图片 幻灯片

健康评估系统判定为轻微故障，并给出需根据严重程度视情检修的建议。济南西机务段于2018年5月3日检修发现，该位大齿轮面存在阶段性磨痕，拆解照片见图9所示，与机车走行部旋转部件健康评估系统给出的健康评估结论相符。

图  9  济南西机务段DF8B机车12位齿轮拆解照片

下载: 全尺寸图片 幻灯片

4.3   踏面故障

济南机务段HXD3C机车在2022年3月21日—2022年5月17日运行期间，走行部在线监测子系统输出该机车36位轮对踏面一级报警，对应的单样本数据时域波形图如图10所示。

图  10  济南机务段HXD3C机车36位踏面单样本数据时域波形图

下载: 全尺寸图片 幻灯片

健康评估子系统判定为踏面轻微故障，并给出需根据故障严重程度视情检修的建议。济南机务段于202年5月18日对该机车36位踏面进行检查，发现踏面存在麻点剥离及不圆度，踏面损伤照片如图11所示。

图  11  济南机务段HXD3C机车36位踏面损伤照片

下载: 全尺寸图片 幻灯片

5   结束语

本文提出的机车走行部旋转部件健康评估系统，基于走行部在线监测系统采集的实时监测数据、状态数据、机车基础数据，结合机车检修管理系统提供的维修数据，采用多维数据融合分析方法完成机车走行部旋转部件健康状态评估，并结合专家系统数据，采用关联分析方法，依据走行部旋转部件健康等级生成运用维修建议。该系统在多个机务段投入应用期间发现了多起机车走行部旋转部件故障，系统适用性得到初步验证，能够提前发现走行部旋转部件故障，输出合理的运用维修建议，有助于优化机车维修策略，为机车走行部旋转部件实施状态修提供有力技术手段。