Operation state detection and health management system design for EMU wheelset
-
摘要:
总结了动车组轮对管理的现状，在此基础上提出了轮对健康管理的思路，分别从状态监控、健康趋势评估预测、故障诊断及运维决策方面进行阐述。结合现有轮对检测系统，从基础数据收集、数据管理、数据分析以及数据应用方面对动车组轮对运行状态监测及健康管理系统构架作了详尽分析，并对管理流程进行了相应规划。最后，以轮对镟修方案的选择为例，介绍了健康管理的经济性和实用性，为轮对全寿命周期的管理提供了参考依据。
Abstract:This article summarized the current situation of wheelset management of EMU, and put forward the idea of wheelset health management, which was elaborated from the aspects of condition monitoring, health trend assessment and prediction, fault diagnosis and operation and maintenance decision-making. Combining with the existing wheelset detection system, the article made a detailed analysis of the system framework from the aspects of basic data collection, data management, data analysis and data application, and made corresponding planning for the management process. Taking the selection of wheelset lathing repair scheme as an example, the introduced the economy and practicability of health management, which provided a reference for the management of wheelset throughout its life cycle.
-
Key words:
- EMUs wheelset /
- operation state detection /
- healthy management
-
表 1 检测系统配置
系统分类 设备 层次 周期 检测内容 自检系统 IMS 动态 实时 失稳检测 传感器 动态 实时 轴温监测 辅助检测系统 TADS 动态 每天 轴承故障 LY 动态 入所 几何尺寸踏面状态 LU LA 定期 18万km 轮辋轮辐缺陷 镟修机床 动态 20~30万km 踏面修型尺寸检测 LB 临时 复核 尺寸检测 
下载: 导出CSV
-
[1] 矫健.动车组轮对全生命周期管理平研究[J].铁路计算机应用, 2017, 26(7):61-65. http://tljsjyy.xml-journal.net/article/id/4300 [2] 申丽民.车辆轮对检修实时信息采集统设计[J].小型内燃机与车辆技术, 2017, 46(2):50-53. http://www.cnki.com.cn/Article/CJFDTotal-XXNR201702010.htm [3] 黄小钢, 王黎, 张甫斌, 等.动车组轮对安全诊断云技术系统[J].铁道勘测, 2012(5):73-77. doi: 10.3969/j.issn.1672-7479.2012.05.022 [4] 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):259-263. http://www.cnki.com.cn/Article/CJFDTotal-DWJS201210046.htm [5] 马小俊, 左洪福, 刘昕.大型客机运输监控与健康管理系统设计[J].交通运输工程学报, 2011, 11(6):120-126. http://www.cnki.com.cn/Article/CJFDTotal-JYGC201106022.htm [6] 刘博.民航客机飞控系统健康管理关键技术研究[D].天津: 中国民航大学, 2017. [7] 朱凤宇.液体火箭发动机试车台健康管理关键技术研究[D].哈尔滨: 哈尔滨工业大学, 2014. [8] 李刚, 于长海, 刘云鹏, 等.电力变压器故障预测与健康管理:挑战与展望[J].电力系统自动化, 2017, 41(23):156-166. doi: 10.7500/AEPS20170213002
点击查看大图
