中国中车长春轨道客车股份有限公司 张旭 130000
伴随我国铁路建设事业的蓬勃发展，铁路运输也发生了质的飞跃。现在社会人均收入水平的不断提高，不仅刺激了生活消费，同时也带来了更多的出行旅游消费，给高速铁路运输带来了很大压力。高速动车转向架是高速动车的机动核心，因此，提高高速动车转向架的承载力和高速行驶时转向架的稳定力，是我国铁路车辆发展必须面对的重大问题。通过对规模巨大的数据进行分析，从而获得有价值的信息的大数据分析。基于大数据的转向架状态检测，就是根据高速动车组转向架的历史故障信息，总结故障的规律,为诊断转向架故障提供关键依据。
1大数据应用于动车组转向架的现状
转向架在日文中又名台车，转向架直接承载高速动车的车体和车辆载重，保障车辆沿着铁道轨道顺畅地行驶、转弯，及减缓车辆高速行驶时所带来的摩擦和震动，是高速动车车辆上最重要的部件之一。换而言之，高速动车组的行驶稳定性和搭乘旅客的乘车舒适性，转向架的质量直接起到绝对性的决定。为了建立高效快捷的动车组运输模式，针对高速动车组数量庞大、运行速度快、运行环境复杂的特点,我国 基于“大数据”环境和技术对高速动车组在运行过程中转向架的状态数据和故障诊断数据进行归纳整合,构建了大数据平台系统，准确的进行高速动车转向架故障诊断和预警。
在中国铁路信息化和高速动车组技术的迅猛发展中，大量高速动车组运行数据被记录在数据库中，即整合的高速动车组采集到的状态数据。这其中就包含了高速动车组转向架故障信息及状态信息:故障描述,故障编号,动车组编号,列车编号,车厢编号,车厢类型,运行周期, 速度,里程数,温度,经度、纬度等。
高速动车组在运行过程中各个部位和零件高速运转，难免会产生一定的损耗和故障，而由于高速动车组的设计结构复杂且零件众多，人为检测和比对转向架状态和故障原因又耗时耗力，因此将信息数据化存储后再通过运用网络技术关联进行比对，能够快速匹配故障的关联信息，能够使车辆故障得到快速高效的确定。
在我国大数据应用于动车组转向架故障检测的现状概括 为如下三点：
（一）故障数据库：收集高速动车组在运行过程中转向架的状态数据，记录故障原因，建立故障数据库；
（二）关联规则：由于故障数据库包含的内容非常庞大，因此需要把故障数据库的数据进行预处理。这其中就应用到了关联规则，通过关联规则的算法对预处理后的故障库进行联想比对，最后产生故障规则；
（三）依据故障规则排查故障：根据大数据比对确定的故障原因进行评价，并且对大数据产生的解决措施进行可行性评价。若确定无误,则进行实施，否则重新提交并进行评价。
2转向架状态检测软硬件的架构
2.1传感器。
传感器是能够接收到被检测的信息，且能够将测量信息按照一定方式和规律转换为电信号或其他形式输出，将检测信息传递给外界，属于检测装置的一种类型，能够实现传输、处理、存储、显示、记录和控制被测信息的功能。
高速动车组传感器的类型包括速度传感器、红外轴温探测传感器、轨道清障器、激光位移传感器、加速度传感器等等。我们通常在高速动车组上就能够看到显示的高铁实时运行速度的电子屏，运用到速度传感器。其次就是使用红外轴温探测传感器测定温度的温度传感器，也是传感器最常见的一种。这种传感器能够测定出高速动车组在运行中车轴与轴承相互摩擦所产生热能是否异常。因此，只要在合适位置上，分别安装传感器，就能够实时监控高铁动车组的运行状态。当转向架出现故障时，摩擦力增大热能增加，车轴与轴承的温度随之升高。从而通过温度传感器可以得知转向架是否发生异常情况。
2.2数据采集处理系统
移动网络以及云计算等技术的快速发展便捷了高速动车组等
交通工具的移动办公和数据处理，将其应用于转向架检测中，从而形成了数据采集处理系统，并且整个转向架检测架构的核心就是数据采集处理系统。数据采集处理系统使用嵌入式设计，内部包含高性能处理器、数据采集模块、电源转换模块、GPS 模块、路由模块、存储模块等。数据采集处理系统会一直处于待机的工作状态，直到上级软件发布命令触发系统时，数据采集系统就开始进行采集数据、处理和分析数据的工作，并且将采集到的信号和数据存储在系统中。
2.3终端设备
高铁动车组使用的终端设备具有便携、多媒体化的特点，并且成熟的运用了移动互联网技术、移动应用开发技术。在高速动车组运行维护中应用移动终端设备，可以为高速动车组的工作人员提供便捷、科学、高效的技术支持。终端设备通过故障系统提供的信息， 为高铁动车组运维人员提供相关资料查阅、反馈故障和排除故障， 为运维人员的决策方案提供强有力的信息支持。
3转向架故障诊断方法
3.1基于故障树
故障树方法是用事件符号、逻辑门符号和转移符号对系统中各种事件之间的因果关系进行描述，故障树的逻辑因果关系图的形态类似于倒立树状。采用逻辑的方法，直观、明了，思路清晰，逻辑性强的分析故障原因，不仅可以做定性分析，也可以做定量分析。是高速动车组装箱架状态检测及故障诊断的主要分析方法之一，用系统工程的方法对转向架安全问题进行系统性、准确性和预测性的诊断。
3.2基于贝叶斯网格
贝叶斯网络又被叫做信度网络，是 Bayes 方法的扩展，在不确定表述和推理领域里是目前非常有效的理论之一。[3]贝叶斯网格故障诊断方法可以理解为，在适当条件下运用计算机网格程序和预报系统进一步补充新信息，目的是使决策结果更为准确，同时利用新信息修正概率，以便于使用修正的概率得出新决策。正因为高速动车组转向架故障因素众多零件琐碎，属于不确定和概率性故障，因此可以适用于贝叶斯网格表达和分析故障原因，从不确定、具有概率性的故障信息中做出推理。
3.3基于模糊推理算法
模糊推理算法是计算机网络科学发展的产物，并且随着算法自身的发展逐渐成为了处理模数信息的重要信息技术工具。和贝叶斯网格适用情况类似，模糊推理算法被广泛应用于计算机算法的模糊控制领域以及其他技术中，目的是通过提供数据库而对一个模糊问题给出接近性答案。在高速动车组转向架故障因素不确定，故障原因复杂的情况下，运用模糊推理算法能够在一个大概范围内快速诊断故障。
结语
由于高速动车组车辆构造的精密性和复杂性，高速动车组的故障原因往往是是因为多种因素引起的。其中转向架是高速动车组的核心部件，对转向架的故障诊断需要对全面的分析判断。在网络信息现代化的今天，面对高速动车组运行过程中产生和收集的海量数据，要加大轨道信息化发展力度，完善转向架故障检测信息大数据。
参考文献：
[1]赵艳杰,杨东晓. 高速动车组踏面与不同钢轨匹配关系研究[J]. 机械,2020,47(01):57-63.
[2]韩俊臣,宋春元,徐芳,高广军,张琰,田振. 基于离散相的高速动车组转 向架 区域 积雪 问题 研究 [J]. 铁道 科学 与工 程学报,2020,17(02):280-287.
[3]张宝安,虞大联,郑静,曲文强,张志波,李娜. 钢轨波磨对高速动车组构架疲劳寿命的影响[J]. 铁道车辆,2020,58(01):1-3+31+4.