动车组数字化检修技术分析

发表时间:2020/12/2   来源:《当代电力文化》2020年20期   作者:王力 单浩宇 韩梅
[导读] 本文通过故障信息采集的数字化,实现了车间故障的全覆盖采集
        王力 单浩宇 韩梅
        中车唐山机车车辆有限公司 河北省唐山市  064000
         
        摘  要:本文通过故障信息采集的数字化,实现了车间故障的全覆盖采集。通过科学的分析方法,可以掌握人员变动、设备和工具故障对生产的影响,为实际生产过程的管理和控制奠定基础。
        关键词:动车组 数字化维修 检修技术
         

一.动车组数字化检修技术概述
        智能制造系统自提出以来,受到世界各国政府、企业和研究开发机构的高度重视和大力发展,并产生了大量的研究和应用成果,促进了“未来工厂、下一代制造系统”和“数字工厂”等技术理念的生产和应用。在动车组转向架的先进维修中,故障处理的数字化应用应通过以下措施来实现
二.动车组数字化检修工作的技术探究
2.1 电机数字化检修预测算法设计
        目前,时速250公里以上的高速列车在许多国家得到了广泛的应用。仅在中国,高速铁路已超过3.5万公里,约有3000节高速动车组车厢正常运营。运营安全和经济性是高速列车公共服务的两个首要问题。毫无疑问,动车组电机的性能直接关系到这些优先目标。确保轮对轴承处于良好状态以避免非计划停机或灾难性故障不仅至关重要,而且还可以显著降低成本和提高盈利能力,延长运营商的轴承寿命。然而,由于轮对轴承在高速运行环境下易受到加速磨损和性能恶化的影响,保证轮对轴承在高速运行时的可靠性和可持续性是一项重要任务。目前,常用的维修程序主要是基于时间或基于进度的预防策略。根据这种方案,无论轴承状况如何,都要在一定的运行时间或动车组行驶距离后进行轴承的检测和更换。显然,基于时间的方法既不能实时识别关键电机问题,也不能降低定期更换的成本,因为许多轴承在达到预定的安全寿命或工作距离时仍处于良好的工作状态。为了实时监测轴承的健康状况,延长电机的实际使用寿命,防止出现灾难性故障,节约使用成本,预测性维修或基于状态的维修策略得到了广泛的认可。轮对电机的车载状态监测和健康诊断或预测在高速列车运行中被认为是绝对必要的。
        近年来,学者们开展了高速列车电机故障诊断的研究。用脉冲包络流形方法对高速列车转向架电机进行了故障诊断研究。试验台是一个装有工件电机的转向架结构。虽然这种缺陷电机已经在高速列车上进行过测试,但测试速度只有200公里/小时,不足以暴露所有可能的噪音影响。在工业试验台上对具有天然缺陷的高速列车轮对电机进行了试验研究。采用阶次跟踪和谱峰度法选择滤波器带宽。最高测试速度为250km/h。虽然滤波后的包络谱能够显示出缺陷电机的滚珠通过频率,但即使在160km/h 的速度下,故障频率也不显著。易和李在同一台高速火车轮对试验台上进行了实验。被测试的电机有相对较大的规模文物切割线电极切割机。虽然测试速度只有100km/h,但无论是采用集成经验模式分解(EEMD)方法还是基于多尺度形态滤波的特征选择方案,都没有观测到明显的故障谱。利用车载振动监测系统对高速列车轮对电机进行了监测试验。采用了一种简单的包络谱分析方法,测试的速度只有60 km/h,其中球的通过频率从包络谱中模糊地辨认出来。
        数据驱动的预后方法也被广泛研究。数据驱动的优点是不需要建立基于物理、力学和材料原理的复杂的滚动体疲劳接触数学模型。避免了解析模型边界条件的不合理假设。人工智能或统计分布方法是实现数据驱动预测方法学的两种主要方法,其目的是基于信号特征(如 RMS、峭度等)揭示故障诊断规则。RUL 预测通常包括两个步骤,第一步是基于从相同应用环境中获得的大量训练数据集构造最优神经网络或统计概率分布。第二步是评估当前的生育条件和预测 RUL 时,新的数据被提供给建立的模型训练的第一步。

数据驱动的预测方法的问题是,在特殊情况下很难,甚至不可能收集到足够数量的代表性数据集,以便在不同的工作条件下进行训练。
        虽然基于模型和数据驱动的预测方法已经得到了广泛的研究,但是在实际应用中仍然存在一些局限性。例如: (1)对于已建立的模型的使用寿命结束没有明确的定义。在使用 RUL 之前,首先确定使用寿命的结束是至关重要的。然而,使用寿命的结束受到应用的影响。它可能取决于电机的物理损坏,例如基本链断裂,导致无法持有滚子,或取决于最低成本,例如维持最长的使用寿命,以减少更换成本。高速列车轮对电机使用寿命的终止可能与安全性有关,也可能与成本和安全性有关,这是高速列车轮对电机监测预测的主要目的。在任何情况下,如果不能首先清楚地定义使用寿命的结束,那么它就缺乏对 RUL 预测的基本支持。(2)无论是基于模型的还是基于数据驱动的 RUL 预测方法,在给定置信水平的情况下,通常都选择一个特征门限进行 RUL 预测。由于置信水平一般以概率分布为基础,预测 RUL 仍有一些不确定性。这些不确定性抑制了 RUL 预测的重要性。更具体地说,如果没有大量实际数据的核实,几乎不可能核准置信水平,因此,在安全性在应用中具有最高优先权的情况下,不能使用拟议的预测方法。(3)在以往的许多电机预测研究中,基于稳定和不变的动车组工作条件,如恒载荷和恒转速的假设,预测了 RUL。但是在实际的工业应用中,这个假设可能是无效的,尤其是对于高速列车的情况。在高速运行中,如加速、减速和不同速度水平下的运行,速度经常发生变化。随着乘客上下火车,垂直载荷也会发生变化。侧向荷载随着铁路曲率和风速的变化而变化。铁路基本情况和轨道踏面在整个轨道距离上是变化的,这也会影响电机的工作状态,进而影响电机的使用寿命。在基于模型的方法中,不可能建立一个包含所有关键影响因素的模型,特别是一些因素不能通过分析寻址和实际测量,例如轨道踏面或者轨道地形。在数据驱动的方法中,很难获得足够的训练数据集,这些训练数据集已经经历了所有可能的条件。(4)无论是基于模型的方法还是基于数据驱动的方法,选择正确的特征或数据类型作为预测方法的输入参数至关重要。振动信号的均方根(RMS)和峰态被广泛用作模型的输入数据。
2.2 车间内数字化网络的架构
        区域内的 Wi-fi 覆盖范围。已建立的无线网络有一个专有服务器的数据存储,同时通过路由器连接到现有的有线以太网,这样就可以做到与现有的网络通信连接。以员工每天持有的手机作为数据采集终端,对发生的故障拍照,简单编辑并上传。故障信息需要为特定的工作站进行选择。上传后,故障位于相应的工作站模块,由相应的质量检验员和技术人员处理。平板电脑或台式电脑终端具有相应的软件功能,用于管理人员检查在线故障状态,使故障的开闭环管理,如判断、处理、反馈。当故障处理完成后,形成故障处理案例并存储在数据库中,供管理人员参考。
2.3 故障案例统计系统的设计和完善
        通过对各种故障处理信息的长期积累,逐步形成故障知识库,建立故障知识库作为故障树。将故障数据库与转向架数字模型相连接,建立了一个包含文本、图形和视频的多媒体数据库,根据一定的规则提取故障定位和故障内容中的关键词,以匹配故障知识库中的故障定位和标准化语言(类似于 Internet 的搜索引擎功能)中的故障现象,实现了故障信息的自动统计和分类功能。如果添加了新的故障信息,则可以手动对其进行分类,并可以对信息进行编辑和添加到故障知识库中。
三.结束语
        综上所述,数字化故障处理的建设有很大的发展空间,在未来的生产过程中,通过在物流配送管理范围内的对象上附加电子标签,实现整个车间配件、配件、紧固件的量化,从而实现物联网在物料管理、配件管理领域的先进管理。同时,通过电子扭矩扳手扭矩反馈、大型螺母端紧固装置扭矩信号传输等实时反馈信息,实现生产过程控制和质量管理的实时反馈,进一步保证质量和安全。
参考文献:
[1]白雨. 动车组数字化在线检修与调试系统研究[D].北京交通大学,2018.
[2]宋佳伟. CJW-3000型数字化通过式整体磁化线圈复合磁场车轴荧光磁粉探伤机在高速动车组轮对四五级检修的应用[J]. 中国新技术新产品,2014,(17):16.
[3]陈拓. 数字化在动车组转向架高级检修故障处理中的应用[J]. 科技资讯,2014,12(06):32.
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: