高速动车组大数据PHM系统研究与应用

宋德刚; 牛齐明

高速动车组大数据PHM系统研究与应用

宋德刚¹,
牛齐明²

1.
中车青岛四方机车车辆股份有限公司技术中心, 青岛 266111;
2.
北京交通大学计算机与信息技术学院, 北京 100044

基金项目: 中国铁路总公司科技研究开发计划项目（2017X001-K）

详细信息

作者简介:
宋德刚，高级工程师；牛齐明，副教授

中图分类号: U266.2:TP39
计量
- 文章访问数: 219
- HTML全文浏览量: 8
- PDF下载量: 54
出版历程
- 收稿日期: 2018-01-12
- 刊出日期: 2018-10-24

Fault prognostics and health management system of high-speed EMU based on big data

SONG Degang¹,
NIU Qiming²

1.
Research and Development Center, CRRC Qingdao Sifang Co. Ltd., Qingdao 266111, China;
2.
School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044, China

摘要

摘要: 针对延长高速动车组使用寿命和提高使用效率的问题，在研究了工业大数据、故障预测与健康管理（PHM）的定义和应用、PHM相关标准以及国外PHM软件开发平台的基础上，搭建了基于大数据的车载、地面故障预测与健康管理系统一体化的功能架构并提出技术实现方案，应用动车牵引电机轴承温度健康状态模型,以牵引电机轴承温度和环境温度数据为基础,进行了实例分析。
- 高速动车组 /
- 牵引电机轴承 /
- 大数据 /
- 故障预测与健康管理
Abstract: In order to prolong the service life and improve the efficiency of the high-speed EMU, the paper studied on the definition and application of industrial big data, fault prognostics and health management(PHM), PHM related standards and the foreign PHM software development platform, built up an integrated function structure of the ground and onboard fault prognostics and health management system based on big data, and put forward technical implementation plan. Based on the data of traction motor bearing temperature and ambient temperature, an example analysis was made on the temperature health state model of traction motor bearing.
- high-speed EMU /
- traction motor bearing /
- big data /
- fault prognostics and health management

HTML全文

参考文献(13)

[1]	周斌，谢名源，吴克明，等. 动车组维修体制现状分析及展望[J]. 机车电传动，2017，254（1）：17-21.
[2]	卫凤林，董建，张群. 工业大数据白皮书解读[J]. 信息技术与标准化，2017， 388（4）：13-17.
[3]	Kunche Surya,Chen Chaochao, Pecht Michael. A Review of Phm System’s Architectural Frameworks[C]// The 54th Meeting of the Society for Machinery Failure Prevention Technology, Dayton Ohio, 2012 ：2-15.
[4]	黄磊. 基于QAR 数据的飞机性能监控[D]. 天津：中国民航大学， 2016.
[5]	李田科，于仕财，余春卫. 导弹发射车综合诊断与健康管理系统[J]. 兵工自动化，2012，31（4）：11-14.
[6]	齐渡谦，付毅飞. 航天科工PHM 系统正式搭载C919[N]. 科技日报，2016-08-05（001）.
[7]	姚晓山，张卫东，周平，等. 基于油液监测的船舶柴油机故障预测与健康管理技术研究[J]. 武汉理工大学学报（交通科学与工程版），2014，38（4）：874-877.
[8]	马剑，吕琛，陶来发，等. 船舶主推进系统故障预测与健康管理设计[J]. 南京航空航天大学学报，2011，43（7）：119-124.
[9]	何正友，程宏波. 高速铁路牵引供电系统健康管理及故障预警体系研究[J]. 电网技术，2012，36（10）：259-264.
[10]	蒋觉义，李璠，曾照洋. 故障预测与健康管理标准体系研究[J]. 测控技术，2013，32（11）：1-5.
[11]	景博，汤巍，黄以锋，等. 故障预测与健康管理系统相关标准综述[J]. 电子测量与仪器学报，2014，28（12）：1301-1307.
[12]	崔涛. 基于Web 的TADS 实时监控功能设计[J]. 铁路计算机应用，2011，20（7）：23-26.
[13]	毕汉岗. 第二代红外线热轴判别准则算法的探讨[J]. 铁路计算机应用，1995，4（4）：26-28.

施引文献(24)

期刊类型引用(15)

1.	施建明. 用于状态监测与诊断的Flink流式处理系统. 计算机应用与软件. 2025(02): 391-397 . 百度学术
2.	刘通，程亚萍，许鑫，王菲儿，金锋，王峰. 钢轨故障预测与健康管理系统方案设计. 铁道技术监督. 2025(01): 34-40 . 百度学术
3.	张晓明，王玥，李冬，张鸿嘉. 动车组塞拉门PHM技术研究. 铁道车辆. 2023(01): 53-55 . 百度学术
4.	屈利杰，吴强，杨苡辰，王亮. 基于智能运维系统列车跳站问题研究. 智慧轨道交通. 2023(05): 62-66 . 百度学术
5.	延九磊，张瑞芳，申宇燕，卢万平，刘峰. 动车组安全与运维集成平台方案技术研究. 铁道机车车辆. 2022(01): 65-70 . 百度学术
6.	史晓磊，王华伟，刘宗洋，祁苗苗. 铁路货车配件信息管理系统设计. 铁路计算机应用. 2022(06): 40-43 . 本站查看
7.	郭燕辉. 城轨列车车载健康管理系统设计与应用研究. 铁道机车车辆. 2022(06): 131-138 . 百度学术
8.	徐博. 动车组牵引电机的故障预测与健康管理技术的研究. 石家庄铁路职业技术学院学报. 2022(04): 65-69 . 百度学术
9.	宋杰. 城市轨道交通车辆及设备状态监测系统. 铁路计算机应用. 2021(02): 68-73 . 本站查看
10.	谈宏志. 故障预测与健康管理技术在民用领域的应用. 机械制造. 2021(06): 69-74 . 百度学术
11.	王中尧. 京张高铁智能动车组PHM系统以太网传输规范. 轨道交通装备与技术. 2020(01): 56-59 . 百度学术
12.	李昊，张吉斌. 永磁同步电机牵引电传动系统研究. 现代工业经济和信息化. 2020(04): 25-28 . 百度学术
13.	李宏峰. 基于大数据平台的接触网健康管理. 电气化铁道. 2020(S2): 50-53 . 百度学术
14.	张吉斌，詹哲军，张瑞峰，丁志勇. 高速列车永磁牵引系统研究与应用. 现代工业经济和信息化. 2019(05): 16-18 . 百度学术
15.	高凯，宋娜，王红艳，张宇，李悦. 基于大数据的地铁车辆智能故障监测系统研究. 铁道机车车辆. 2019(S1): 35-39 . 百度学术