城轨车辆轮对故障预测关键技术研究_黄世明.pdf

技术应用科技创新与应用Technology Innovation and Application2023年6期城轨车辆轮对故障预测关键技术研究黄世明（中铁第四勘察设计院集团有限公司，武汉 430063）城市轨道交通车辆在轨道上运行时，列车钢轮与钢轨表面直接接触，发生摩擦，车轮踏面会出现磨损磨耗现象。城轨车辆在曲线线路行驶过程中，车轮轮缘与钢轨侧面挤压接触，发生摩擦，因此产生急剧磨损磨耗，导致轮缘参数改变。轮对产生的磨损磨耗进一步造成轮对不圆度增大，踏面损伤、轮辋断裂等问题，轮对的各方面损伤直接影响城轨车辆运行的安全性和稳定性。国内外相关研究表明，轮对故障是城轨车辆故障率较高、对行车安全影响较大的问题。冯舒通过分析车辆走行部长期的运用和检修数据发现了走行部的常见故障。通过数据统计并研究分析，课题组发现城轨车辆走行部故障主要有轮对踏面、电机齿轮及轴承等旋转类零部件，这些故障极大地影响城轨车辆行车安全，其发生频率相对较高，且定期检修时难以被发现，其中最频繁出现的故障是轮对踏面故障。许艳华和黄贵发等人通过对北京 2 号线的故障研究，得出了类似的结论，城轨车辆走行部发生故障的部位主要包括轴承（包括轴箱，齿轮箱和牵引电机轴承）、传动齿轮及车轮踏面等旋转部件。因此，研究城轨车辆轮对故障诊断及预测技术对提高城轨车辆运行安全性具有重要意义。1城轨车辆轮对损伤机理随着车辆轮对使用时间的延长，车轮轮辋中央应力增量较轮辋表面应力的增量高。车轮使用过程中，在热负荷和机械负荷的作用下轮辋应力状态发生改变，车轮沿圆周向的压缩应力逐步变成扩张应力（图 1）。踏面微小的缺陷一般出现在轮对踏面的表面，在应力影响下会逐渐扩大而引起轮对的问题。特别是由于材料具有极限应力，当应力达到材料所能容忍的极限应力时，裂纹就会出现，踏面表层缺陷主要集中在踏面以下 26 mm 区域。车轮踏面剥离：根据产生的形式分类，车轮踏面剥离可分为 4 类，分别是接触疲劳剥离、制动剥离、局部作者简介：黄世明（1990），男，硕士，工程师。研究方向为机车车辆。摘要：针对城轨车辆轮对故障率高从而对行车安全影响大的问题，采用激光位移测量技术、高精度图像测量技术、机器视觉图像分析技术、超声波无损探伤等技术，构建一套完善的城轨车辆轮对故障智能检测诊断系统。在该系统的基础上，综合多源检测数据，运用智能诊断专家系统实现轮对故障、寿命预测，并提出经济化镟修建议。通过在城市轨道交通的实际应用验证轮对故障诊断及预测的研究成果，促进我国城市轨道交通的绿色健康发展。关键词：轮对智能检测；故障诊断；寿命预测；轮对镟修；损伤机理中图分类号：U279.3文献标志码：A文章编号：2095-2945（2023）06-0191-06Abstract:In view of the problems of high failure rate of urban rail vehicle wheelset and great impact on driving safety,acomplete set of intelligent detection and diagnosis system for urban rail vehicle wheelset failure is constructed by using laserdisplacement measurement technology,high-precision image measurement technology,machine vision image analysis technology,ultrasonic nondestructive testing and other technologies.On the basis of the system,the intelligent diagnosis expert system is usedto realize the prediction of wheel set fault and service life by integrating multi-source detection data,and the economic latherepair suggestions are put forward.Through the practical application in urban rail transit,the research results of wheel set faultdiagnosis and prediction are verified,and the green and healthy development of urban rail transit in China is promoted.Keywords:wheel set intelligent detection;fault diagnosis;life predictionl;Wheel-set turning repair;damage mechanismDOI：10.19981/j.CN23-1581/G3.2023.06.045191-2023年6期技术应用科技创新与应用Technology Innovation and Application擦伤剥离和局部接触疲劳剥离。当闸瓦制动时，车轮踏面产生的剥离称为制动剥离，制动剥离又分为 2 种表现形式，第一种是踏面整圈出现刻度状热裂纹，第二种是踏面整圈出现层片状剥离掉块。因车轮与钢轨之间的强烈摩擦产生的剥离称为擦伤剥离，主要有 2 种表现形式，第一种是车轮踏面局部擦伤，第二种是因轮轨接触应力导致的剥离掉块。根据材料失效机理分类，车轮踏面剥离可分为 2 类，分别是接触疲劳损伤和热疲劳损伤，前者是由交变接触应力引起的，后者是由摩擦热循环引起的。图1车轮的应力分布和变化趋势车轮疲劳缺陷：车轮高速运转时，会承受各种周期性荷载，造成轮对踏面裂纹、剥离、掉块，内部裂纹，轮辋、轮毂裂纹等现象，称为车轮疲劳缺陷。踏面裂纹、剥离及掉块等现象有一定的发展规律，首先沿着圆周方向扩展，然后再沿径向扩展（也有直接沿径向扩展的）。据统计，车轮内部裂纹一般有周向和径向 2 种，轮辋裂纹方向主要是沿周向延伸，轮毂裂纹的主要方向是与径向呈 45夹角。在城轨车辆运用检修过程中，及时可靠检测出这些缺陷，对提高轮对安全性有重大意义。车轮内部疲劳裂纹及裂损简称为“辋裂”，轮辋内部只有“贝纹状”疲劳弧线及疲劳裂纹源，裂纹源通常位于踏面下约 15 mm 处，当车轮踏面发生辋裂时，通过超声波探伤可以大致判断其内部裂纹扩展区域及深度（图 2）。裂纹产生的原因除特殊情况外，裂纹源处一般存在较大颗粒的非金属夹杂物，属于冶金制造缺陷。如不及时发现，在列车运行时发生轮辋裂损，很可能造成切轴事故。在轮辋及辐板过渡区存在周向疲劳裂纹（辐板裂纹）和在车轮辐板工艺孔边缘向两侧发展为周向疲劳裂纹（辐板孔裂纹）（图 3图 5）。图2车轮损伤示意图图3轮辋内部疲劳缺陷图4轮辋辋裂结合车轮的缺陷及应力分布规律，轮对的安全质量控制应重点关注车轮的轮缘、轮辋、轮辐等区域，对于应力集中区域，需要进行疲劳缺陷探伤；对于轮对踏面表层缺陷，可采用动态检测技术及图像识别技术进行实时轮辋内表面轮辋外表面制动功率75 kW5667 kW新造时应力/MPa100500-50-100-150辐板裂纹和崩裂轮辋外侧面轮辋疲劳裂纹和裂损辐板孔轮毂裂纹轮辋辐板轮毂踏面轮缘剥离或擦伤制动热裂纹和崩轮热疲劳裂纹断口脆性崩裂断口轮缘磨耗轮缘辗边踏面磨耗外侧面辗边192-技术应用科技创新与应用Technology Innovation and Application2023年6期监测；对于轮辋轮辐内部缺陷，可通过超声波等探伤技术进行定期检测，全面探测车轮表面和内部缺陷。图5车轮轮辐缺陷2轮对智能检测技术2.1硬件体系针对城轨车辆轮对故障检测需求，如轮对内部伤损，轮对表面伤损，轮对磨耗等病害均会导致城轨安全受到威胁；轮辋破裂将导致脱轨等严重安全事故的潜在风险；城轨车辆轮对多边形的产生，会产生持续性的轮轨冲击力，城轨车辆的车轮多边形产生较多，车底关键零部件遗失或损坏现象频发。本研究从列车运营正线、入段线、列车库内定期在线检测、定期落轮检测 4个层次构造了一个综合立体的走行部智能检测体系，如图 6 所示。其中，城轨车辆运营正线的车辆运行品质在线监测系统采用激光-位移测量技术，可在车速为 30160 km/h 时，动态测量车辆的车轮不圆度、轮轨接触位置产生的踏面损伤、车辆超偏载和车辆晃动，动态测量轮轨作用力，通过多参数综合计算可有效在线检测车辆走行部状态，从而评估运行品质因素（图 7）。图7车辆运行品质在线监测系统入段线的车轮故障在线检测系统采用多光截图像测量技术，对轮对尺寸参数，踏面缺陷损害进行每日自动检测，通过大量的轮对尺寸数据检测分析，可对车轮廓形状态进行准确跟踪。同时及时尽早发现针对踏面表面伤损，保障车辆轮对运行安全（图 8）。城轨车辆智能巡检机器人基于深度学习技术，设计了基于孪生网络的异常检测网络、基于目标检测的一系簧断裂检测网络及基于深度学习的双目视差重构网络等。系统可高效解决车底检修人工作业存在的高风险、易疲劳和效率低等问题，系统适用于各型城轨车辆的车底检查作业，解决了传统机器视觉检测类设备故障检出率低、虚警率高的问题，提升设备可用性，为机检代替人检迈出了关键的一步。图8轨旁轮对动态智能检测图6轮对智能检测硬件体系车轮故障在线检测系统轮对尺寸测量车轮踏面缺陷检测城轨车辆 360动态图像智能检测系统走行部部件缺失、变形、异物、松动检测走行部部件故障分析车辆运行品质监测系统轮轨关系检测车轮损伤检测车轮多边形检测车辆晃动、平稳性检测城轨智能检测机器人关键部件异常检测关键部件异常参数测量走行部车底部件故障分析走行部构架涡流探伤机器人构架焊缝不除漆探伤构架焊缝缺陷分析固定式车轮车轴超声波探伤车轮车轴超声波无损探伤车轮车轴内部缺陷分析193-2023年6期技术应用科技创新与应用Technology Innovation and Application在检修库内配的固定式车轮车轴超声波探伤系统，该系统结合城轨车辆车轮运用特点设计研发，利用相控阵超声探伤技术自动检测车轴内部缺陷和疲劳裂纹，满足城轨车辆架大修期间车轮车轴内部缺陷超声波探伤（图 9）。图9固定式车轮车轴超声波探伤系统2.2软件体系车辆走行部关键部件的大数据分析具体流程可以分为 3 部分：一是多维度的数据采集及融合，包括实时的走行部正线检测、走行部入段线轨旁综合检测、检修库库内智能巡检机器人检测和走行部架大修关键部件探伤检测的故障分析数据；二是数据关联分析，结合故障数据采集时刻的车辆运用数据、维修数据和历史数据进行数据的分析与挖掘；三是数据分析的应用包括轮对状态预警，以及修程修制的调整。数据信息流如图10 所示。数据采集与分析。采集的数据，形式多样，有数值类数据，有诊断结论性数据。经过数据的汇总、清理及转换过程，建立标准化数据集合，通过多类型数据算法挖掘故障发生规律，预测部件使用寿命。数据分析方法。数据分析包括 2 类，一是对车辆运行时状态，轨旁检测进行实时的分析，给出关键部件的状态诊断结果，包括故障的类型及级别。二是根据历史检测数据，预测故障发生的趋势，给出未来故障发生时间，例如：轮对踏面镟修、换轮及受电弓磨耗到限更换的时机。数据应用。车辆及部件健康状态，来自各检测系统。检测系统上报的故障信息，需要进行分类与分级。对于不同的故障类型与故障等级，给出不同的维修策略。针对车辆走行部关键部件，根据“故障的影响及严重程度”给出相应的维修建议，严重时需要立即停运维修，相对不严重的问题择机进行维修即可。3轮对故障预测及镟修建议3.1构建智能诊断专家系统通过加装在走行部上的车载监测传感器、轨旁检测工艺设备及库内检修作业设备，采集轮对实时运行数据、轴温、轮对外形尺寸、镟轮和探伤数据等进行融合处理故障统计分析，确