工业智能实践 天字0002号：轨旁设备预测性维护

背景介绍

轨道交通因为其安全、快速、准时的特点为现代社会提供着不可或缺的出行及货运方式。从绿皮到空调，从120km到300km，从有节奏的轨缝冲击到平滑舒适，每一次的技术革新，每一次的提速都为我们出行提供耳目一新的感受。在我们享受便利出行的同时，安全无小事，再小的故障也会引起人员伤亡的重大事故。为保障轨道交通的安全准确运行，将PHM技术应用于轨道交通的各个子系统，全面保障设备正常运行势在必行。

UK RSSB的报告指出，近年来轨道交通故障大部分源于信号系统以及轨旁系统[1]。由于技术进步，重大故障、例如脱轨等鲜有发生，但是由于轨旁设备或者信号系统故障造成的列车延误却常有发生。在如今这个效率至上并高速运转的年代，一时一刻的延迟都会造成可观的损失。

转辙器，用于帮助列车换轨，一直以来都拥有很高的设计可靠性。但是由于工作环境恶劣、冲击大、或其他原因造成故障，一旦发生，就会直接导致重大事故。例如列车脱轨，追尾等。在2002年Potters Bar[2]和2007年Grarigg脱轨事故之后，对轨旁设备的在线监控与故障诊断被认为是提高系统安全性的重要手段。将PHM应用于轨道交通也从那时起受到了更大重视。

图1 Patters Bar 脱轨事故和转辙器示例

目标

对转辙器进行远程监控，通过监控数据准确诊断早期故障并完成故障定位，为轨旁设备整体维修维护提供决策支持，最终达到降低系统风险，并降低系统维修维护费用的目的，从而达到安全性和经济性的平衡点。

转辙器由几大核心部件组成，包括电机、定位杆、固定轨、移动轨、驱动杆等，精确的故障诊断和定位有助于维修维护团队准确及时的解决问题。常见的故障模式包括不对准、摩擦力上升、有异物等。

图2转辙器示例[3]

对关键设备的早期故障诊断及故障定位，核心在于发现或者创造相应的故障特征。故障特征可以是原始信号，也可以是由原始信号加工得到。主要运用技术包括数字信号处理、特征选择、降维、时间序列分析、以及多变量状态估计等。在实际系统构架当中，各种技术需要搭配使用，相辅相成，最终实现目的。

如下图所示，从原始信号中，例如电机电压、电流、扭矩等，得到的特征应该在设备性能发生衰退时呈现出逐渐偏移的趋势，并且偏移的速率与衰退的速率成正比。当然，这是理想状态下的完美特征，也是无数工业数据分析工作者的完美伴侣。在通常情况下，受制于原始信号的完整性，以及工作环境的变化等，这样的完美伴侣总是如“戈多”一样的可遇而不可求。

图3转辙器示例[3]

在与欧洲某知名轨道交通设备厂商的合作当中，我们开发了针对转辙器不同工况下的在线监测与故障诊断系统，并且与市面上已有的商业软件以及科研成果做了大量比对认证，所开发系统具有技术领先性，可以准确的识别17种不同的失效模式（包括不同的失效级别），系统输出结果有较高的准确性和稳定性。 所使用方法完全依靠电机的监测参数诊断设备故障，为远程监控提供可行的解决方案。所使用方法包括：基于特征的方法和基于自相关模型的方法。详细内容可参照[4]。

图4测试台实物

转辙器实物试验台安放于一个综合试验箱当中，在实际测试时还引入了温度和湿度变化模拟设备在不同自然环境的实际使用情况。在分析中发现，温度对设备运行状态影响较大，在最终的模型中引入归一化机制，降低温度对最终结果的影响。

图5原始信号示例，有功功率

所采集原始信号均来自于驱动电机，这样的非侵入式检测有助于未来实施远程监测，同时可以有效地降低实施成本。

图6自相关神经元网络结构示例

自相关神经元网络的方法多被用来基于多变量检测单变量的异常，最早被用于核电站核岛中传感器的衰退检测。在本案例中被用来评价往复信号的异常状态及区域并与不同的故障模式对应。

参考文献

[1]Rail Safety and Standards Board. (2012). Annual Safety Performance Report.

[2]HSE Potters Bar Investigation Board. (2003). Train Derailment at Potters Bar 10May 2002, (May), 87.

[3Oyebande, B. O., & Renfrew, A. C. (2002). Condition monitoring of railwayelectric point machines. Electric Power Applications, IEE Proceedings, 149(6),465–473.

[4Jin, W., Shi, Z., Siegel, D., Dersin, P., Douziech, C., Pugnaloni, M., … Lee,J. (2015). Development and Evaluation of Health Monitoring Techniques forRailway Point Machines.