缩略图
Mobile Science

动车组制动管路泄漏故障的快速定位技术研究   

作者

徐强 李广坤 徐雷

中车青岛四方机车车辆股份有限公司 山东青岛 266000

一、动车组制动管路泄漏故障机理分析

1.1 泄漏故障的类型与特点

动车组制动管路出现泄漏的时候,其种类繁多,特点也不尽相同,但是有一个共同点,就是泄漏故障都隐藏较深,并且波及面广,危害较大。根据统计的数字看,管路里面的小裂缝泄漏造成的损失,也许仅仅每分钟有几滴,可是这样缓慢的损失慢慢积累下来,就会影响到制动系统的压力,进而影响动车组制动的效果和行车的安全程度。在有些案例当中,由于制动管路接头处的密封不佳,泄漏故障就会在动车组运行的时候一下子变严重起来,有时候甚至引起紧急制动,危及乘客的人身安全,探究泄漏故障的各种表现形式和特点,有益于提升动车组制动系统的可靠水平,维护行车的安全。

1.2 泄漏故障产生的原因

动车组制动管路泄漏故障产生的原因多种多样,涉及材料老化、制造缺陷、安装不当以及维护保养不足等诸多因素,制动管路长期暴露于恶劣的外部环境,诸如高温、高湿或者化学腐蚀等,这会使管路材料老化,从而造成裂纹并出现泄漏现象,制造过程中的细微瑕疵。比如气孔、夹杂物或者材料分布不均之处,这些地方在长时间承受机械应力时可能会慢慢发展成为泄漏点,安装过程中若弯曲半径不合适或者应力集中度过大,也会促使管路加速疲劳损伤,维护保养不到位的情况也不少见,如果未及时替换磨损的密封件或者未对管路执行定期检查,同样会导致泄漏故障出现。

1.3 泄漏故障对制动性能的影响

动车组制动管路泄漏故障对于制动性能的影响是多方面的,并且是具有危险性的。在制动系统中,制动管路泄漏会使得制动压力下降,从而导致制动距离延长,根据相关研究制动管路泄漏达到 5% 时,制动距离就会增加 10% 以上,这对于高速运行的动车组来说是不可接受的。而且制动管路泄漏故障还会导致制动响应时间的延迟,影响列车的紧急制动性能,在一些案例中,由于制动管路的微小泄漏,列车在紧急制动时未能及时停止,导致了严重的安全事故。

二、动车组制动管路泄漏故障快速定位技术

2.1 声发射技术在泄漏检测中的应用

声发射技术依靠捕捉材料受外力作用时发出的瞬态弹性波,也就是声发射信号,来辨别并确定泄漏点。动车组制动管路系统当中,管路出现泄漏的时候,气体或者液体迅速流动就会产生声波,这些声波能够被高灵敏度的声发射传感器捕捉到,经过对声发射信号的频率,强度以及波形等特征加以分析,就可以对泄漏的位置和程度实施精确判定。在实验中研究者把好几个声发射传感器安置在制动管路系统之中,泄漏发生之后的几秒钟之内,就找到了泄漏点,定位误差小于5%。

2.2 基于压力波动分析的泄漏定位方法

动车组制动管路泄漏故障快速定位技术研究当中,基于压力波动分析的泄漏定位技术属于重要的研究方向,这种方法借助于监测制动管路中压力的变化情况,通过分析压力波动信号的特性来判定泄漏点的位置。实际应用时会在制动管路的重要部位安装压力传感器,用来实时获取压力数据。通过分析压力波动的频率、幅度以及相位等参数,再结合动车组制动系统动态模型,就能较为准确地找出泄漏发生的地方,实验研究人员把正常工作状态和出现泄漏时的压力波动数据加以比较之后,发觉泄漏处附近的压力波动频率明显增多,波动幅度也存在差别,借助傅里叶变换等数学手段对压力信号执行频域分析,能够更加清楚地辨别出泄漏引发的异常波动。

2.3 机器学习驱动的泄漏故障模式识别在动车组制动管路泄漏故障快速定位技术研究当中,依托机器学习的泄漏故障模式识别技术是非常重要的一环,通过搜集很多动车组制动管路处于不同工况之下的运行数据,涵盖压力、温度、振动这些参数,便能形成一个包含正常状况和各种故障状况的数据集,凭借这个数据集,可以对机器学习模型加以训练,诸如支持向量机(SVM),随机森林,神经网络等等,从而识别并区分不同种类的泄漏故障模式。在实际应用当中,对机器学习模型的评估和验证是必不可少的环节,把机器学习模型同传统的检测手段加以比较,就能评判机器学习模型在识别泄漏故障方面的准确度和效率,从案例分析来看,机器学习模型有时能提前数小时乃至数天预知泄漏故障,从而大幅提升了动车组的安全性与可靠性。

三、实验验证与案例分析

3.1 实验设计与数据采集

在动车组制动管路泄漏故障快速定位技术研究里,实验设计和数据采集属于非常关键的部分,先设计出一系列模拟泄漏的实验,要保证涵盖各种可能的泄漏状况,不管是不同管路部位的轻微泄漏还是明显泄漏,实验期间用到高精度的压力传感器和声发射传感器,随时监测制动管路在不同压力情况下的变化,搜集了不少有关压力波动和声发射信号的数据。在数据搜集过程中采用先进的数据同步技术,使得声发射信号和压力波动数据能准确对应起来,进而提升故障检测的精准度。通过对数据进行训练让模型能区分正常的和泄漏的状态数据,实验结果表明使用机器学习的模型识别泄漏故障非常容易,准确度也非常高,并且效率也比较高。

3.2 实验结果分析与讨论

实验结果的分析讨论是检验技术有效性和可靠性的关键部分,经过一系列精心安排的实验,得到了很多有关制动管路泄漏的数据,这些数据包含不同种类的泄漏故障,接头松动、管路裂纹、密封件老化等等。实验期间用声发射技术获取到的信号同压力波动加以融合,从而把泄漏点找出来,实验中声发射传感器在泄漏出现之后立刻察觉到异常信号,通过分析这些信号的频率和强度,我们就能把泄漏点定位于距离传感器1.5 米之处。

3.3 典型案例分析与故障定位

在动车组制动管路泄漏故障快速定位技术研究及应用当中,典型案例分析和故障定位效果评价属于验证技术实用性和精确性的重要环节,针对特定案例展开深入分析之后,研究团队可以评判所开发技术在实际应用中的表现情况。某案例中凭借声发射技术检测到的泄漏信号同压力波动分析相融合,最终找到一处被常规检查忽略的隐蔽泄漏点,实验数据表明,声发射技术在泄漏检测方面的准确率达到 95% ,而压力波动分析方法在定位精准度上又增添了 10% 。

参考文献:

[1] 王飞, 宋扬民, 江海军. 车辆空气制动管路泄漏点定位检测新技术[J].机车车辆工艺, 2023(2):33-35+41 .

[2] 杨乐 , 安聪 , 韩妍松 , 张乾乾 , 姚懿笑 . 地铁车辆制动系统健康管理技术研究 [J]. 铁道机车车辆 ,2024,44(5):166-172.