1概述1.1PHM技术功能完备的PHM系统至少需要4个组成部分，分别是数据层、方法层、功能层和决策层[1]。数据层的主要功能是获取反映设备运行状态的相关数据，对相关数据进行预处理。方法层的主要功能是利用数据分析方法、模型和专家知识对数据特征进行提取和分类。功能层的主要功能是基于方法层的结果，对设备的运行状态监测和预警，对装备零部件的剩余寿命进行预测，得出科学的分析报告。决策层的主要功能是参照功能层提供的设备状态信息，围绕任务需求、避免发生突发故障、维修成本最小等目标，对设备维修策略进行优化，围绕设备任务计划制定合理的维修策略。1.2PHM技术在铁路车辆领域的应用随着智能化、信息化在铁路车辆运行状态监测中的应用不断深入，众多监测设备能够获取多角度、多维度的车辆运行状态数据。牛齐明等[2]采用PHM技术对高铁牵引电机滚动轴承进行了健康状态预测。梁建英[3]基于PHM技术建立了高速列车智能诊断与故障预测系统，并以转向架轴承为例验证了该系统预测结果的准确性。舒冬[4]基于PHM技术的框架，根据有轨电车的相关标准，提出了一种适用于现代有轨电车的车辆状态维修策略。张萌[5]基于PHM技术对北京地铁13号线车辆客室电动车门系统进行了大数据统计与发展趋势分析，并依据分析结果科学合理地制定了该线路车辆电动车门的维修策略。李权福等[6]基于PHM技术中关于故障预测的相关方法，利用神华铁路货车信息技术管理系统和神华铁路“5T”系统所得的车辆运行状态数据，提出了重载货车状态修综合诊断模型。王后闯等[7]依托客车运行安全监控系统（TCDS）地面专家系统，建立了铁路客车PHM系统构架，并以转向架轮对为例验证了TCDS地面专家系统评估结果的准确性。调研结果表明，PHM技术在铁路车辆上得到了广泛运用，其中高速动车组应用较多。1.3客车转向架检修现状传统的客车转向架检修策略主要分为两种，一种是基于车辆运行时间（定期）或运行里程（定里程）的预防性检修，另一种是在转向架出现故障或性能达不到运行需求时的故障事后检修。两种检修策略在实际执行过程中暴露出“检修不足”和“检修过剩”等弊端，例如检修效率低、检修成本高且易对零部件产生过度维修损害。随着传感器技术、通信技术和计算机技术的快速发展，车辆运营部门正积极推动智能化监测设备在客车、轨旁和检修站的应用，如车辆轴温智能探测系统（THDS）、客车运行安全监控系统（TCDS）、车辆运行品质轨旁动态监测系统（TPDS）、客车故障轨旁图像检测系统（TVDS）等。在TCDS系统的应用中，有学者提出利用客车车载检测设备采集转向架部件的振动、温度和压力数据，采用时间轴纵向对比方法，在故障发生前对渐变故障进行预警，并给出检修建议。组成客车转向架的各零部件状态参量涉及时间、空间多个维度，不同零部件状态相互关联，但获取的数据互不关联，形成数据孤岛，难以对客车转向架运行状态、剩余寿命进行全面、精确预测。2客车转向架故障预测系统设计基于多个维度的客车转向架运行状态数据，利用PHM技术对数据预处理、数据特征提取、数据特征分类，对客车转向架运行状态、剩余寿命进行预测，得出客车转向架故障预测分析报告，制定合理的客车转向架检修策略。客车转向架故障预测系统由4个层级组成，分别为数据层、方法层、功能层和决策层，各层级内部由不同的功能区组成，各层级之间相互关联。课程转向架故障预测系统框架如图1所示。10.19301/j.cnki.zncs.2024.01.008.F001图1客车转向架故障预测系统框架2.1数据层2.1.1客车转向架组成目前，25T型客车转向架主要有3种，分别为CW-200K型、SW-220K型和AM96型[8]。以CW-200K型非动力转向架为例，组成转向架的零部件可分为4类。轮对轴箱装置：车轮、车轴、车轮轴承、轴箱和相关紧固件；H形整体焊接构架；弹性悬挂装置：一系弹簧、空气弹簧、抗蛇行减振器、横向减振器、抗侧滚扭杆、牵引支座、牵引拉杆；基础制动装置。铁路客车零部件可分为按相关标准具有规定使用里程或年限的全寿命零部件，无规定使用期限、依据零部件自身性能状态判断到限时间的使用寿命零部件[6]，对运行安全影响较小、成本较低的状态寿命零部件。2.1.2信号采集按监测设备的布置位置，可分为客车转向架车载监测系统和客车转向架地面监测系统。客车转向架车载监测系统由两级网络结构Lonworks组成，各监测子系统的监测设备产生的相关信号经车辆级网络Vbus传输至车辆级主机。车辆级主机不能诊断或诊断条件不充分时，信号通过列车级网络TBUS传输至列车级主机。各监测子系统包含在转向架轮对轴箱上安装温度传感器，对车轮轴承温度监测；在转向架构架上安装横向、垂向振动传感器，对转向架振动状态进行监测；在列车支风管和制动风管上安装压力传感器，对基础制动装置工作状态监测；通过与车辆级主机联网，报告防滑器有无故障，如果有故障则指出故障部位。客车转向架地面监测系统主要有车辆运行品质轨旁动态监测系统（TPDS）和客车故障轨旁图像检测系统（TVDS）。TPDS系统是在轨道平台上安装的板式和剪力传感器，对客车车轮与钢轨间垂向力和横向力进行连续测量，对车辆动力学性能、车轮踏面损伤状态和车辆偏载状态进行评估。TVDS系统是在轨道平台上安装高速线阵相机，对客车转向架各零部件进行连续拍摄，对各零部件故障和各零部件间相对位置进行人机结合诊断。2.1.3信号预处理由于车辆运行环境的复杂性和电气化线路产生的电磁干扰等因素，获取的信号中掺杂了各种干扰信号，因此需要有效的信号预处理方法保障数据质量。保障数据质量的常见方法为数据清洗、数据整合、数据转换。数据清洗是为了删除输入信号中包含的无关数据、重复数据、异常数据等信号。数据整合是将多个数据源中的信号合并存放在一个一致的数据库中。数据变换是将信号转换成规范化且适合后期处理的形式。2.2方法层2.2.1基于物理模型的预测方法基于物理模型的预测方法试图将设备准确的数学模型与设备在线状态监测数据结合，从而预测该设备的剩余寿命。常见的基于物理模型的方法主要使用裂纹扩展模型、碎裂增长模型等[9]。根据车轮疲劳裂纹扩展模型与转向架振动状态相结合，预测车轮裂纹扩展至需要维修的时间。该方法还可以扩展到其他使用寿命零件，例如牵引拉杆、牵引支座等。针对已经建立了较精确数学模型的零部件，利用该方法的优势在于无须大量该零部件的历史数据，即可获得较精确的预测结果。对于复杂系统，例如基础制动装置，建立完善的物理模型会相当复杂，预测准确性也难以保证。2.2.2基于监测状态的预测方法基于监测状态的预测方法通过专家经验来确定设备失效阈值随运行时长的变化规律，利用状态监测数据与失效阈值比较预测设备的剩余寿命。通过转向架构架振动加速度跟踪某个固有频率，基于监测状态的预测方法给定一个固有频率失效阈值，便可以预测转向架构架的剩余寿命。2.2.3基于统计的预测方法基于统计的预测方法通过历史数据确定设备失效概率随运行时长的变化规律，利用状态监测数据预测设备失效的概率值，预测设备剩余寿命。通过转向架车轮轴承的温度，基于统计的预测方法得出轴承在该温度下失效的概率，便可以预测转向架车轮轴承的剩余寿命。2.2.4基于相似性的预测方法基于相似性的预测方法通过正在服役的设备剩余寿命乘以一个权值，预测其他同类设备在某一时刻剩余寿命，权值根据两个设备间的相似性计算。通过相同车辆一位端转向架构架的振动加速度，基于相似性的预测方法，判断相同时刻二位端转向架构架的振动加速度是否异常。2.2.5基于深度学习的预测方法深度学习利用众多神经元组成多层神经网络，通过逐层分析从原始数据中提取更多的隐藏特征，在自适应方面具有良好的数据适应性。利用长短期记忆神经网络（LSTM）可以积累数据训练中的经验的能力，对转向架一系弹簧断裂的振动加速度特征进行记忆，判别转向架一系弹簧断裂的故障。2.3功能层2.3.1转向架故障预警对于没有明显退化过程的失效类零部件和容易发生突变的参数，难以建立退化模型，设置失效阈值和失效概率可对该零部件或该参数进行故障预警。对于全寿命零部件，在本次检修未失效的前提下，在运行一定里程或使用一定时间后计算其失效概率，如失效概率超过一半则发出预警，并生成派工单。转向架性能的重要参数需要根据失效阈值进行预警。主要参数有列车支风管和制动风管压力，车轮轴承温度，TPDS系统中所得的车辆动力学指标、车轮踏面损伤指标和车辆偏载指标，TVDS系统中转向架零部件裂纹长度和相对位置偏移距离。2.3.2转向架零部件剩余寿命预测对于存在明显退化过程的退化类零部件，容易建立退化模型，设置失效阈值和失效概率可对该零部件的剩余寿命进行预测。当零部件的退化机制不清晰、退化模型难以确定时，可基于相似性对比和深度学习预测零部件剩余寿命。2.4决策层决策层主要是根据客车转向架故障预测的结果对客车转向架进行健康管理。健康管理主要分为两个方面，一方面是根据转向架零部件的剩余寿命和状态监测数据对转向架进行评估，给出评估的分值后更新相应零部件的失效阈值和失效概率。当相同车辆一位端转向架的评分高于二位端转向架时，基于相似性对比时，转向架各性能参数需要乘以一个权值。另一方面是根据转向架评估结果，围绕转向架后续任务需求、维修成本最小等目标，制定合理的转向架检修策略。3结语文章提出了一种基于PHM技术的客车转向架状态维修策略，对转向架各部分零部件进行寿命类型分类，利用车载、地面监测设备所获取的转向架运行状态数据，构建车载、地面监测数据融合方法，解决监测数据孤岛的问题，形成客车转向架运行状态、剩余寿命预测模型，为铁路客车转向架由基于车辆走行公里和时间间隔的计划维修向状态维修转变提供技术路线，为铁路客车转向架检修提效率、降成本提供可行方案。