APP下载

基于人工智能的高速动车组轴承剩余寿命预测方法研究

2020-06-29

中国科技纵横 2020年5期
关键词:故障模型

(中车青岛四方机车车辆股份有限公司,山东青岛 266111)

0 引言

轴承作为动车组转向架的重要部件,该工件的好坏直接影响着动车的安全性能和维护成本。经调查美国每年有超过10起与轴承相关的列车故障发生[1],而我国机车轴承每年有40%需要下车检验,33%需要更换[2]。动车组长期工作在沙漠、高盐、高海拔、高湿度、多涵洞、永冻土、超载等各种复杂恶劣环境,对轴承的健康状态有着极大的影响,一旦轴承故障,轻则停运救援,重则脱轨。恶劣的环境及高额的故障成本,进一步加剧了轴承寿命预测工作的紧迫性,但实验室通过工况模拟很难做到与现场复杂的工况数据一致;因此,在大数据背景下,应用车载传感器的完整数据,对轴承的剩余寿命进行预测,可有效降低事故率,为轴承从故障修、计划修向预测修、状态修转变提供重要的技术支撑;从而有效提高动车组安全性、降低运维成本。随着大数据、5G等互联网技术逐渐成熟,轴承剩余寿命预测将变得更加智能、精准、高效。

目前,国内外学者对于航空、轿车、风电、精密机床主轴配套轴承等高端轴承都有着广泛而深入的研究,但铁路轴承及其寿命的研究仍然较少。国内动车组运行工况较国外复杂,国内外各大轴承厂商大多根据各自的研究结果及现场经验提出各种轴承寿命的计算方法,针对轴承寿命预测至今没有统一的被行业接受的方法。长期以来大都通过统计分析或振动信号分析开展……

登录APP查看全文

猜你喜欢

故障模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
故障一点通
3D打印中的模型分割与打包
奔驰R320车ABS、ESP故障灯异常点亮
FLUKA几何模型到CAD几何模型转换方法初步研究
故障一点通
故障一点通
故障一点通
江淮车故障3例