深圳市地铁集团有限公司运营总部 广东省深圳市 518000
摘要：伴随着网络技术的高速发展和大数据技术的应用，在车辆故障诊断中也是受到了越来越广泛的使用，地铁车辆牵引控制单元是地铁系统的核心单元之一，准确判断其故障状态对车辆安全运行至关重要。本文探讨了地铁车辆牵引控制单元的故障诊断方法，并针对于牵引系统的故障诊断技术发展进行了分析。
关键词：地铁车辆；牵引控制单元；故障诊断
1车辆故障诊断系统
车辆故障在诊断过程中的系统可以分为两种类型：第一是车外诊断系统；结合相关的检测仪器能准确判断出故障，其中可以充对测试台进行利用，对存在的故障实施模拟，这样做的目的能利于找出故障出现的原因。现阶段结合故障自身存在的随机性特点，应该充分采用车外诊断系统这种方式会花费相对来说比较长的时间，对故障捕捉过程中的难度进行提高；第二是车载诊断系统分析；目前大多数车辆牵引都会在一定程度上安装参数记录仪，保证车辆在实际进行运行时能够对电压电流输入、输出进行实时有效的记录，同时还能记录电动机运行时存在的温升参数，对于参数而言，都属于离散的，在司机操作台上会显示一些较为简单的参数，如果出现故障的情况下，也只能对故障做到提示，不能对故障实施有效、准确的分析。上述的两个系统他们都不能对潜在的故障进行及时有效的预拌，所以会在车辆运行中的安全带来相应的隐患。针对于车载系统的数据处理以及传输的工作来说，也是经过辅助的控制单元和控制推进器等内容所组成的，并且也是对每一个子系统运行中的实际参数和故障记录进行合理的搜集，将其可以传输到内部的嵌入式系统之中，并且根据其以太网以及无线网卡将其数据可以直接的传输到地面之上，但是对于数据的维护以及运行的系统来说，主要是作为两个独立的，并且相互之间也是不存在着影响的，所以能够对整个系统的安全以及稳定性进行全面的提升。
2TCU的故障诊断
2.1数据提取与处理利用
某地铁实测数据验证IWO-FCM故障诊断模型的准确性和高效性。本文实验数据的提取与处理借助于维护终端PTU软件，在地铁运行过程中，中央控制单元能记录下地铁车辆的运行数据和故障数据。
将地铁车辆牵引控制单元７种有代表性的故障分为1~7类型，分别为：380V供电故障，荷载信号故障，牵引电机警告级过热，逆变器故障，滤波电压超过2150V，电机电流超过2200A，HSCB跳闸故障。同时选取14个与TCU有关的特性量作为输入，包括：地铁车辆速度，级位，接触网电压，TCU硬线收到的PWM信号，牵引电制动力平均值，TCU硬线收到的制动指令，逆变器脉冲施加信号，无高压状态，电制动退出信号，TCU硬线收到的制动缓解信号，TCU硬线收到的牵引指令，空转滑行信号，HSCB状态，KIC状态。
故障样本分布见表1。
2.2实验结果及分析
在现场实验数据中，共选出271组有代表性的故障数据作为样本，其中选出217组故障特性明显而且不冗余的数据作为测试样本，剩下的54组用作验证算法的有效性和正确性。
IWO-FCM参数设定为：样本类别数为7，模糊系数为2.1，种群规模为30，个体维数D=7×14=98，最大迭代次数为300。通过Matlab2010b进行基于IWO-FCM的地铁车辆牵引控制单元故障诊断仿真分析。常规FCM算法的诊断正确率是4种方法中最低的，只有73.9%。FCM算法一般用于处理分布均匀的数据集，面对复杂、交叠的故障样本聚类效果不佳。GA-FCM和PSO-FCM的诊断正确率明显高于传统的FCM算法，分别为85.5%和84.8%，说明经过智能搜索算法优化的FCM能有效改善容易陷入局部最优的缺点。IWO-FCM的诊断正确率明显高于其它方法，达到93.6%。这是因为虽然GA-FCM和PSO-FCM有机会搜索到全局最优点，但它们容易陷入局部最优，这种弊端在数据维数较多的情况下尤为突出。而IWO算法由于空间扩散操作的存在，能有效加强算法的全局搜索能力，同时能较好地维持种群的多样性。实例表明，本文所提出的IWO-FCM算法能有效改善常规FCM算法的不足，可对地铁车辆牵引控制单元故障诊断的准确性有很大提高。
3针对于牵引系统的故障诊断技术发展分析
目前在我国电子技术的高速发展和人工智能技术在不断成熟的同时，也是出现了一些集检测以及控制和处理等融为一体的诊断技术，并且通过将这种技术应用到地铁牵引系统故障诊断之中，能够促进其向着智能化以及自动化的方向去不断的发展。
3.1关于故障检测时候的智能化分析
智能化通过对专家系统的技术进行不断研究，并且在实践中得到有效应用，能够在一定程度上对诊断的整体范围可以进行相应的扩大，例如系统显示出来的牵引电动机的过电流，通过对专家系统进行充分的利用，可以对电流原因进行分析，并且探究问题存在的主要原因，进一步为相关的维修工作人员提供出相应的帮助。因为机电一体化和有关的计算机技术已经是取得了十分快速的一个发展，并且也是促进了非接触式的传感器得到十分普遍的应用，通过对其进行应用能够采集多很多的数据，因此能对故障本质进行准确有效的反映。
3.2故障结果的精准化分析
由于大数据技术的不断进步和发展，在一定程度上根据故障树技术以及神经网络等一系列分析方式，能够对故障诊断过程中的精确性加强。例如：神经网络故障身段专家系统具备相对来说很好的容错性，不仅在信息获取方面存在较大优势，同时也利于处理，并且结果具备一定精确性。
3.3故障信息的网络化分析
故障在发生的过程中，因为有关的工作维修人员对其各种车型的技术掌握程度存在着限制，所以需要能够提高维修所带来的限制进行解决，然而针对于故障网络信息化来说，不仅能突破信息传递中的空间局限性，同时还能提高在时间上的速度，在一定程度上保证资源可以得到一定的共享，并且能够和专家进行技术方面的交流，当今对于大数据技术而言，因为地铁车辆牵引系统故障诊断过程中的应用主要是属于起步阶段，大部分的理论以及实践需要进行不断的研究和分析，但是在日后的发展以及应用前景相对来说是比较广阔的。
结束语
地铁作为一种快速、舒适和环保的交通工具，是缓解地面交通压力的重要一环。为保证地铁车辆安全稳定运行，快速、有效排查地铁车辆故障，并根据故障诊断结果提供相应的维修建议显得十分重要。牵引控制单元（TCU）是地铁车辆控制的重要组成部分，地铁车辆通过向TCU传输指令信息，从而实现对整个牵引系统的控制。因此，对TCU的故障诊断研究具有重要的理论价值和实用价值。
参考文献：
[1]李永新.地铁永磁同步电机驱动系统传感器故障诊断[D].西南交通大学，2016.
[2]岳忠奇.基于SaCE-ELM的地铁牵引控制系统故障诊断[D].大连理工大学，2016.
[3]岳忠奇，吴涛，顾宏.基于SaCE-ELM的地铁牵引控制单元快速故障诊断[J].大连理工大学学报，2016，03：270-278.
[4]徐晓璐，吴涛，顾宏.基于IPSO-SVM的地铁车辆牵引控制单元故障诊断[J].大连理工大学学报，2015，01：67-72.
[5]徐晓璐.基于IPSO-SVM地铁牵引控制单元故障诊断[D].大连理工大学，2015.
论文作者:邱安
论文发表刊物:《基层建设》2017年第22期
论文发表时间:2017/11/21
标签：故障论文; 地铁论文; 故障诊断论文; 车辆论文; 数据论文; 单元论文; 系统论文; 《基层建设》2017年第22期论文;