铁路公司使用基于红外线热传感器的温度检测器来测量轴承、车轮、车轴和刹车所发出的热量(图1和图2)。在北美的货运铁路网络中，大约有6,000个这样的温度热箱侦测器，平均间距约为15英哩(约25公里)。光学过滤器确保侦测器只观察所需波段的红外线辐射，整个系统只有在火车接近时才被启动，因此它在其他时间并不会“望向天空”。

                                                                                                                                                                    编辑：感知芯视界

你可能已经注意到今年2月3日发生在美国俄亥俄州东巴勒斯坦镇(East Palestine, Ohio)的载货火车脱轨爆炸事件，因为在这列火车长达35节的车厢中有几节车厢载有危险物质。这起事故引发大众对于该地区居民和周围环境的关切。虽然有关事故原因的正式分析和报告尚未完成，但似乎非常肯定的是，原因是其中一个车轮上的“轴承”(journal bearing;即热箱[hot box])过热。

列车行经温度传感器——通常被称为热箱或热轴承的侦测器时，显示料斗车的组件在行驶中变热了。显示轴承达到临界温度的侦测器距离前一个侦测器之间约20英哩。在收到关于温度读数的警报后，工作人员随即尽力使列车停下来，但除非轴承失效，否则他们已无法让列车停下来了。与汽车不同的是，以中高速行驶的载货列车因为质量和动能太大了，可能需要几英哩的缓冲才能使其停下来。

当然，专家学者和政客们坚持要求铁路部门“做些什么”或甚至要求能够“多做一点”以便超前部署，防止再次发生此类事故。然而，现场的实际情况是，检查过热的轴承和其他即将发生的问题已经都加以处理了。虽然还可以更进一步完善整个状况，但也面对着技术上的困难。

几年前，有一位资深工程师曾经告诉我，当涉及温度时，“测量很容易，但感测困难”(measuring is easy, but sensing is hard.)。换句话说，实际环境往往让人难以“进去”获得准确、一致的读数，特别是在恶劣的操作环境中或是目标移动时，如铁路车辆等。

铁路公司使用基于红外线热传感器的温度检测器来测量轴承、车轮、车轴和刹车所发出的热量(图1和图2)。在北美的货运铁路网络中，大约有6,000个这样的温度热箱侦测器，平均间距约为15英哩(约25公里)。光学过滤器确保侦测器只观察所需波段的红外线辐射，整个系统只有在火车接近时才被启动，因此它在其他时间并不会“望向天空”。

图1：轴承是最有可能的问题来源，但车轮/车轴组件的其他组件也可能造成问题。(来源：University of Texas Rio Grande Valley)

尽管各铁路的具体情况不同，但如果传感器的读数高于环境温度170°F (~75°C)至200°F (~°93°C)，或者同一车轴上的轴承之间差异达到或超过115°F (~46°C)，列车人员应该就会收到警报，然后暂停并检查设备，如图2所示。

图2：热箱侦测器必须扫描轴承、车轴和煞车组件。(来源：University of Texas Rio Grande Valley)

还有什么可以做或应该做的?侦测器的间距越接近，就越能发挥作用吗?也许吧，但还要再多少个才会有意义?另外，降低温度警报阈值会有帮助吗?同样地，也许会吧，但这也可能导致更多的错误警报。而且这不仅成本高、影响进度，而且还可能导致众所周知的“忽略 ”(just ignore it)症候群。此外，在铁路严苛的运作条件下，确实要考虑到任何安全系统由于多种原因而发生故障并中断服务的问题。

在学术界以及现场环境均已针对这个问题进行广泛的研究，这从美国德州大学(University of Texas)的一项研究计划——“路边热盒侦测器资料的有效性分析”(An Analysis of the Efficacy of the Wayside Hot-Box Detector Data)中即可看出。同时，为了测量其他参数，目前也在测试并部署新技术。例如“利用高频声学发射信号的时间频谱峰度分析对铁路车轴轴承的故障进行路边检测”(Wayside detection of faults in railway axle bearings using time spectral kurtosis analysis on high-frequency acoustic emission signals)研究，即使用了声学传感器，它主要由横跨约25英呎轨道长度的一系列麦克风数组组成。该系统分析来往车辆轴承组件所产生的声学发射，以确定该车的哪个组件即将出现故障(图3)。

图3：研究人员正在研究使用声学发射来评估轴承以及其他即将发生的问题，但这是一个环境恶劣和声音嘈杂的测量环境。(来源：Sage)

基于声学的系统能够辨识的可能缺陷——至少以理论上而言，包括轴承剥落或磨蚀、松动、破裂或断裂的组件、剥落或涂抹、车轮有平斑和润滑错误等。毫无疑问地，在一个具挑战性的环境中，要分析和鉴定的声学特征列表有一长串。这比起在固定位置的工业环境中试图评估轴承的问题更加困难。

这些方案并不仅针对铁道机车车辆(rolling stock)，因为问题也可能发生在车轮和轴承之外。有一些传感器可以检查静态组件的问题，如轨道裂纹。这可以透过测量注入的电流和电阻、磁场变化以及正在评估的先进光电和光纤等方法来进行。

此外，感测方面只是问题的一部份。由于传感器数组串联于数英哩长的轨道上，因而存在着连接性的问题以及有关可靠性的考虑。故障报告透过无线链路传送到列车工程师、调制解调器、局域网络(LAN)或GSM手机。但你如何确保该回报的机制正常运作?极端的环境温度、不可避免的振动以及整体的滥用，都很容易造成连接方案的故障。

建议可采取的解决方案之一是放弃或补强铁路边的就地测量，以及把传感器放在每辆车的轴承和轮组上。这可以排除一些问题，但也会产生新的问题。每辆车都需要仪控、电源以及连接在一个坚固的封装中。考虑到铁路货运车辆的实际情况，即使成本不是问题(但确实也是)，这也很难实现。

你是否曾经参与过温度或其他实际参数的感测，原则上这似乎很容易，但实际上却难以充分执行?你或其他人对于这种情况会有多么惊讶?

*免责声明：本文版权归原作者所有，本文所用图片、文字如涉及作品版权问题，请第一时间联系我们删除。

本平台旨在为读者提供行业研究型深度资讯。本文仅代表作者本人观点，不代表艾恩森传感立场。