一种高速机车走行部齿轮箱大数据健康管理装置的制作方法

本发明属监测诊断领域，具体涉及一种高速机车走行部齿轮箱大数据健康管理装置。

背景技术

随着我国铁路的高速发展，高速列车已经成为中国高端制造业崛起的重要标志。然而，高速列车属于典型复杂机电系统，以分布式、网络化方式集成了机、电、气、热等多个物理域的部件，部件之间以多种物理作用复杂交互，导致故障表现方式高度复杂化。高速列车的维护普遍沿用不计成本保安全的劳动力密集型计划维修体制，已成为制约我国高铁发展乃至出口的瓶颈，为此，铁路维修保障部门特别提出未来维修方式应该在精确掌握列车状态的前提下，逐渐向状态维修体制过渡，从而保障运行安全、提高维修效率，满足国内和海外维修保障需求。

目前，高速列车上的电气元件的控制与监测已趋已成熟，而针对机械部分在线监测还非常少，主要原因在于机械故障诊断和健康管理的难度非常大。常规的监测设备无法直接在高速列车上使用，无法在特定的空间安装，无法在监测的基础上智能报警，无法满足高速机车的特殊工作条件。目前健康管理系统多在在线监测方面的侧重比较多，而对状态数据的深度挖掘还不够，不能提前预测齿轮箱的故障，更无法预测剩余寿命，无法为齿轮箱备品备件计划、预知维修计划提供技术支持。

技术实现要素：

本发明的目的在于，提供一种高速机车走行部齿轮箱大数据健康管理装置，具备智能监测与诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测等功能，实现了高速机车走行部齿轮箱的监测诊断向运维管理的过渡，为下一步相关企业的智能运维、协同管理的服务奠定基础。

为了实现上述目的，本发明采取的技术方案是：

大数据健康管理装置包括信息感知单元1、智能监测单元2、车载phm系统3、服务器4和企业phm系统5。其中，信息感知单元1、智能监测单元2、车载phm系统3直接安装在高速机车上，全面监测高速机车走行部齿轮箱运行状态，并提供智能监测、存储和报警服务，在特定站点组网与服务器4连接，组建大数据传输系统。服务器4用于数据存储与大数据管理。企业phm系统对齿轮箱监测数据进行深度挖掘，实现故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测。

所述的信息感知单元1包含振动传感器11、转速传感器12、温度传感器13和油液传感器14，可全方位获取齿轮箱的状态信息。

所述的智能监测单元2根据高速列车的现场测试要求设计，直接集成在高速机车的机柜中，实时采集齿轮箱状态信息，将原始数据存放在高速缓存区，计算时频域统计特征，按照报警机制判断故障，当故障发生时，保存故障时刻前后一定时间段内的原始数据，并给出相应的报警指示；当无故障时，只存储统计特征数据。智能监测单元2配备1t的硬盘，实现列车运行和非上传站点的数据存储。另外，智能监测单元2还配备无线传输模块，可在不打开机柜、不影响列车运行的情况下实现与移动存储设备的数据传输。

所述的车载phm系统3主要用于列车的监测和短时间内的故障预测，直接从智能监测单元2硬盘中获取数据，显示齿轮箱的当前状态，读取齿轮箱的历史趋势，预测短期内的发展趋势。

所述的服务器4采用双机热备模式，web服务+数据存储的结构，一台服务器宕机，另一台5s内接管应用，确保业务不中断，数据不丢失。

所述的智能监测单元2与服务器4在特点站点通过以太网连接，组建大数据传输系统，实现服务器4的数据更新。

所述的企业phm系统5从服务器4获取数据，进行深度的数据挖掘，依托专家知识库，具备故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测等功能。同时，这些功能的实现进一步丰富了专家知识库，为专家知识库注入新知识。在故障诊断中，运用fft、包络谱、自适应滤波解调、小波分析、二代小波分析、多小波分析等现代信号处理方式精确判断故障；在趋势分析，结合故障特征和多变量回归方法分析齿轮箱状态发展规律；在故障预测中，运用贝叶斯网络、隐马尔科夫链模型预测齿轮箱故障趋势；在混合智能诊断中，运用深度神经网络、超限学习机等综合判断故障的可能性，给出故障的出现的百分比。在剩余寿命预测中，基于模型驱动与数据驱动两个方面分别进行，综合获得更为准确的预测结果，为齿轮箱备品备件计划、预知维修计划提供技术支持，实现了高速机车走行部齿轮箱的监测诊断向运维管理的过渡

本发明具有下列区别于传统采集器的显著优势：

1）具备智能监测、存储和报警功能，可及时发现齿轮箱故障，保存报警时的原始信号，利于后期的分析与故障溯源。

2）具备故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测等功能，实现了高速机车走行部齿轮箱的监测诊断向运维管理的过渡。

3）组建大数据网络进行数据管理与挖掘，为下一步相关企业的智能运维、协同管理的服务奠定基础。

附图说明

图1所示为大数据健康管理装置整体结构图；

图2所示为大数据健康管理装置车载phm功能图。

具体实施方式

下面结合附图对本发明的内容作进一步详细说明：

参考图1，大数据健康管理装置包括信息感知单元1、智能监测单元2、车载phm系统3、服务器4和企业phm系统5。其中，信息感知单元1、智能监测单元2、车载phm系统3直接安装在高速机车上，全面监测高速机车走行部齿轮箱运行状态，并提供智能监测、存储和报警服务，在特定站点组网与服务器4连接，组建大数据传输系统。服务器4用于数据存储与大数据管理。企业phm系统对齿轮箱监测数据进行深度挖掘，实现故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测。

所述的信息感知单元1包含振动传感器11、转速传感器12、温度传感器13和油液传感器14，可全方位获取齿轮箱的状态信息。在某型号高速列车齿轮箱在线监测装置中，电压输出的振动传感器3个，电压输出的油液传感器1个，电流输出的转速传感器，电阻输出的温度传感器2个。其中振动传感器分别安装在输入轴轴承座、输出轴轴承座和啮合中心对应的齿轮箱外壁上；油液传感器串联进齿轮箱的油路中；电流传感器分别安装在输入轴和输出轴的外壳上，监测输入轴和输出轴的转速；温度传感器的探头深入到输入轴和输出的轴承座外圈上。

所述的智能监测单元2根据高速列车的现场测试要求设计，直接集成在高速机车的机柜中，实时采集齿轮箱状态信息，将原始数据存放在高速缓存区，计算时频域统计特征，按照报警机制判断故障，当故障发生时，保存故障时刻前后一定时间段内的原始数据，并给出相应的报警指示；当无故障时，只存储统计特征数据。智能监测单元2配备1t的硬盘，实现列车运行和非上传站点的数据存储。另外，智能监测单元2还配备无线传输模块，可在不打开机柜、不影响列车运行的情况下实现与移动存储设备的数据传输。

所述的车载phm系统3主要用于列车的监测和短时间内的故障预测，直接从智能监测单元2硬盘中获取数据，显示齿轮箱的当前状态，读取齿轮箱的历史趋势，预测短期内的发展趋势。

所述的服务器4采用双机热备模式，web服务+数据存储的结构，一台服务器宕机，另一台5s内接管应用，确保业务不中断，数据不丢失。

所述的智能监测单元2与服务器4在特点站点通过以太网连接，组建大数据传输系统，实现服务器4的数据更新。

参考图2，所述的企业phm系统5从服务器4获取数据，进行深度的数据挖掘，依托专家知识库，具备故障诊断、趋势分析、故障预测、混合智能诊断和剩余寿命预测等功能。同时，这些功能的实现进一步丰富了专家知识库，为专家知识库注入新知识。在故障诊断中，运用fft、包络谱、自适应滤波解调、小波分析、二代小波分析、多小波分析等现代信号处理方式精确判断故障；在趋势分析，结合故障特征和多变量回归方法分析齿轮箱状态发展规律；在故障预测中，运用贝叶斯网络、隐马尔科夫链模型预测齿轮箱故障趋势；在混合智能诊断中，运用深度神经网络、超限学习机等综合判断故障的可能性，给出故障的出现的百分比。在剩余寿命预测中，基于模型驱动与数据驱动两个方面分别进行，综合获得更为准确的预测结果，为齿轮箱备品备件计划、预知维修计划提供技术支持，实现了高速机车走行部齿轮箱的监测诊断向运维管理的过渡。