軌道交通車輛健康診斷及智能維護系統

陳美霞，黃蘇平，王 維

（中車南京浦鎮車輛有限公司，南京 210031）

目前，軌道車輛的維修思路大部分都是傳統思路，即響應維修以及計劃維修。響應維修是出現故障，然后進行響應式維護，1該維修方式針對性較強，故障的準確度判斷最高，但實時性較差，且維修周期較長，如果故障的部件需要更換，則更換部件及部件的調運周期較長，并且故障車輛一直處于停運狀態，導致車輛使用率大幅下降。計劃維修是在故障發生前進行維修，按照時間和定期檢測進行維修。該維修方式針對性較弱，但能起到一定的預防作用，是對響應式維修的補充。

隨著軌道交通的蓬勃發展，軌道交通方式逐漸成為了人們交通的首選。在當前緊迫的交通壓力下，如何進一步提升維修效率，提高軌道車輛產品的可用性，延長產品的使用壽命，是當前維保系統迫切需要解決的問題。而傳統維修方式成本居高不下，造成車輛維修部門的經濟效益低迷，如何降低運營維護成本，是目前車輛維修思路改變的核心。此外，隨著大量車輛投入使用，維護工作量巨大，如何通過自動化的維護減少工作量，減少人力成本同樣是迫切需要研究的課題。

隨著技術的不斷發展，預測性維護的思路逐漸被提出。預測性維護是通過數據建模對故障發生情況進行預測，依據數據進行趨勢分析，根據系統預測的狀態進行維修，即智能化維修。通過智能化的維修思路，可在故障發生之前進行預測，從而達到維修的智能化。

通過故障預測減少了計劃外的糾正性維修工作，大幅度地降低維修成本。故障發生之前進行針對性的維修，能夠確保車輛產品在第一時間被檢修完成，極大地提升了車輛產品的可用性，提升了車輛廠商的商業形象。

在不同時期、不同車型上關于如何開展故障診斷，很多科研人員對此進行了研究。比如曾嶸[1]進行了機車狀態監測、智能診斷與維護支持系統的研究與設計，研究和開發了車載相應的人機接口界面、列車與地面之間的無線通信連接等；李帥[2]對軌道交通車站機電智能設備智能監控和健康維護關鍵技術進行了研究并提出了一種預警和診斷模型，設計了相應的軟件；劉毅斌[3]在2009年對SS9型電力機車進行了故障診斷研究，介紹了數據采集模塊和車載故障診斷專家系統模塊；楊連報[4]在2015年對高速鐵路信號系統進行了大數據規范化研究與運維決策支持研究，他利用決策樹經典的ID3算法并結合專家知識，構建了高鐵信號系統的智能維護決策樹模型；劉志亮等[5]從故障檢測和遠程診斷兩個方面研究了軌道車輛故障診斷的特點，同時提出了故障診斷技術及理論發展方向。以上科研人員分別從不同角度、不同側重點對車輛健康診斷進行了研究，都具備一定的參考價值，但是缺少系統的研究方案，因此筆者從車地通訊如何將數據從車上發送到地面、數據落地后如何處理分析、采用什么樣的算法進行挖掘等方面進行一整套的介紹，可操作性強。本文針對現階段軌道車輛健康診斷及智能維護的迫切需求，提出了系統地、完整地、具體地解決方案。從平臺的組成、功能等方面進行了描述，可直接應用到高鐵、地鐵、低地板等各種不同車型中，為研究車輛健康診斷及智能維護人員提供有力的參考。

1 系統結構

列車健康診斷及智能維護系統主要由四部分組成，分別為：車載檢測系統；軌旁檢測系統；數據倉庫及分析中心；資產管理系統。

系統總體結構如圖1所示。

圖1 系統總體結構Fig. 1 Overall structure of the system

1.1 車載檢測系統

車載檢測系統主要以列車控制與監測系統（TCMS）為依托，獲取列車實時狀態及各種故障記錄，并通過無線系統實時發給車載系統的地面服務器，地面服務器對這些信號進行轉化，使之成為可識別的信息。必要的實時故障信息在車載系統的地面服務器可通過屏幕進行顯示提醒，實現車載顯示屏落地的功能。所有的信息通過構建的互聯網通信渠道發送至數據倉庫及分析中心（見圖2）。

圖2 車地通信邏輯結構圖Fig. 2 Train-Ground communication logic structure

1.2 軌旁檢測系統

軌旁檢測系統通過軌旁檢測設備獲取列車外部設備的狀態信息，通過地面網絡將數據發送至數據倉庫及分析中心。

1.3 數據倉庫及分析中心

由于數據倉庫及分析中心將會存儲并處理若干項目的數據，提供若干指導性意見，故該分析中心需要具備以下特性要求。

1.3.1 可靠性

系統架構健壯、運行穩定、功能可靠。保持系統運行穩定，確保數據不因意外情況丟失或損壞。

1.3.2 安全性

技術平臺符合國家信息安全體系的管理要求，并遵循國際安全設計規范。系統關鍵信息進行機密管理，實現關鍵信息的加密保存；系統數據完整，有效防止信息被非法修改。

1.3.3 可擴展性

系統有良好的可擴展性，能夠快速響應業務需求的變化。系統采用松耦合構件方式進行設計，對于應用功能的擴展可采用發布新構件方式實現。

1.3.4 開放性

系統的主要數據、功能具備開放性，通過標準或通用的接口向外部提供數據和功能的支持，且對接口設有安全性的保護控制。

1.3.5 可伸縮性

在不用修改系統架構的情況下，通過增加或增強相應的設備即可實現系統功能的擴展支持，包括垂直擴展和水平擴展。

數據倉庫采用國際通用的平臺軟件。數據倉庫及分析中心收到車載檢測系統及軌旁檢測系統的數據，將進行預處理，即分析出數據類別，并將不同數據發往相應的倉庫進行分類存儲。同時，分析中心的數據挖掘模型同時啟動，對正存儲和已存儲的數據進行基于各種屬性的模型計算、比較分析，分析結果將根據決策模型中的定義進行處理。如果分析結果通過決策模型指示該部件已到達故障臨界點，需要進行維修，則數據倉庫及分析中心會將該結果的詳細信息發送至資產管理系統。數據倉庫及分析中心主要用于存儲車輛現場發回的數據，通過數據的過濾、抽取、轉化，將按照已定義的數據模型進行存儲數據。

從原始數據到終端的各類應用，將經過多層工序對數據進行處理，如圖3所示。

圖3 數據流向Fig. 3 Data flow direction

在數據獲取層，可采用市場成熟的商用或開源的數據倉庫技術（extract-transform-load，ETL）工具與自主開發相結合的方式，對數據進行加工過濾，最后得出結構化的元數據，存儲于數據存儲層。數據存儲層除了配置大容量存儲器外，同時將運行綜合分析工具，按自定義的分析模型對元數據進行分析。該分析模型可根據需要不斷調整，最終完成符合需求的分析策略。綜合分析工具得出的結果，將通過數據倉庫服務器的輸出端口進行輸出，用戶根據需要可使用 BI軟件，如 Pentaho等成熟的工具對結果進行可視化展示，同時也可按決策模型定義的策略，將故障警報等關鍵信息發送給資產管理系統等應用。

1.4 資產管理系統

資產管理系統收到數據倉庫及分析中心給出的故障預判結果后，將智能地制訂維修計劃，自動生成維修工單并發送至被預判故障所在的城市項目車輛段，同時以短信的方式提醒維修責任人。維修責任人可使用手機登錄維修 APP中查看維修工單，并根據維修工單附帶的維修操作標準進行維修作業，并將維修結果反饋至手機APP中。

通過建立資產分類管理、備件分類管理、備件編碼管理及資產構型管理準確地定位到每個部件，從而達到部件級別報告故障，部件級別解決方案和指導措施。資產管理系統除了可對車輛進行管理，其他設備如車站的機電設備等也可納入管理。

2 車輛健康評估

車輛健康評估是數據倉庫及分析中心應具備的基本功能。為了能夠對每一列車輛的健康程度進行評估，健康診斷及智能維護系統需要建立車輛健康度評估模型。該模型能夠綜合性能和警告數據，對每輛列車的健康度進行實時的評估。評估方法為首先進行數據清洗，然后篩選維度，根據歸一化后的事件（性能和告警）觸發的扣分累積值進行綜合加權，從而得到綜合評估的健康度總分。

2.1 設備健康度權重分配的算法設計

2.1.1 Boruta算法

采用 Boruta算法選擇影響健康度的重要變量。Boruta算法首先通過創建混合副本的所有特征為給定的數據集增加隨機性；然后訓練一個隨機森林分類的擴展數據集，并采用一個特征的重要性措施（默認設定為平均減少精度），以評估每個特征的重要性，越高則意味著越重要；在每次迭代中，它檢查一個真實特征是否比最好的陰影特征（即各維度變量）具有更高的重要性（即該特征是否比最大的陰影特征得分更高）并且不斷刪除它視為非常不重要的特征；最后，當所有特征得到確認或拒絕，或算法達到隨機森林運行的一個規定的限制時，算法停止，如圖4所示。

圖4 Boruta算法基本原理Fig.4 Principle of Boruta algorithm

2.1.2 CBC算法

采用CBC（choice-based conjoint analysis）算法，獲取各重要變量的貢獻度即維度權重。首先，標準化變量值以便得到標準化的模型系數；然后建立多元回歸模型，計算變量相對重要性（通過所有可能的自變量順序組合計算序列平方和的均值），將重要性折合得到貢獻百分比即為變量權重。

2.2 健康度算法

設備健康度算法使用基于Boruta算法選取的告警數據和性能數據，其權重值為CBC模型計算出的權重值，首先將告警、性能按照一定規則清洗后，計算告警、性能總扣分，然后將扣分數據標準化，乘以各自權重，最終得到健康度分值，具體步驟如下：

1）數據清洗，按照各自清洗規則進行處理；

2）將清洗后的數據標準化處理，使得數據都在[0，100]范圍內；

3）計算健康度分值，即：

其中，H為設備健康度，wi和pi分別為某車輛設備的第i個告警數據和性能數據，ωp和ωq分別為根據歷史數據通過CBC模型算法計算得到的告警或性能指標的權重。scale函數為

其中，X為告警（性能）總扣分，Xmax為告警（性能）扣分值中最大值，Xmin為告警（性能）扣分值中最小值。

scale函數是將數據歸一化，即將扣分后的數據歸一化到[0，100]區間范圍內，消除各維度數據間的差異。

車輛健康度評估模型同時可以實時評估系統級別的健康程度。通過構建設備健康度算法檢測設備狀況，從而提高車輛健康診斷及智能維護系統的設備健康管理能力。

3 系統功能

該系統首先實時自動地將數據發送到地面服務器，節省了維護人員逐列車手動捧著電腦進行下載的時間，大大減少了維護人員的工作量。其次，由于地面服務器配備了基本的維護分析軟件，對所下載的所有的數據進行統計分類，給出不同等級的故障提示，使維護人員可以重點地關注那些影響嚴重的故障。通過軟件分析，保證了數據分析的全面性，提高了處理數據的速度，避免因人為原因漏掉一些重大故障的處理。

系統主要有3種類型的支持功能：實時支持、離線支持和長期維護支持，用以解決不同迫切程度的故障。

3.1 實時支持

實時監控主要用于查看車輛在正線上運行的實際情況，包括對線路和車輛的監控，變量查詢等。可以進行線路配置、能耗管理等，根據系統查看各自的關鍵參數。

3.2 離線支持

離線支持主要包括對已下載的故障進行查看，對歷史故障可以根據不同的條件進行查詢及統計，有餅圖、柱圖、線圖等多種圖形展現方式；用戶可以通過專家知識庫查看具體子系統/設備的維修建議方案、作業指導書等相關內容，也可以更新完善專家知識庫。

3.3 長期維護支持

3.3.1 預防性維護

健康診斷系統建立車輛健康評估模型，根據獲取的大量車載數據，綜合分析判斷每列車的健康狀態，適當給出車輛維護建議。車輛健康評估主要分為子系統級和列車級。

用戶可以根據系統的評估結果以報表的形式進行預覽。針對該部分內容可以獨立構成顯示模塊，系統管理員可以為瀏覽的用戶進行配置，單獨顯示該模塊，使用戶可以直觀地了解地鐵車輛健康狀況。

3.3.2 關鍵部件的狀態維修建議

對于關鍵部件或子系統，有很多人在做這方面的研究。如杜林森[6]對齒輪箱、軸箱、電機、輪對和構架等部件做了深入的研究，建立了分析的公式，收集了一些實際的數據，同時運用了多種分析方法，這些分析方法對研究健康診斷系統的人員具有一定的啟發性。北京交通大學的邵一琨[7]在對地鐵列車牽引供電系統關鍵結構故障診斷的研究中指出，牽引電動機故障、受電弓故障和逆變器是牽引供電系統的關鍵結構，也是容易產生故障的部位。考慮到影響地鐵車輛運行因素的多樣性以及故障特征與故障源關系的復雜性，提出了基于模糊邏輯理論和自適應網絡模糊邏輯推理理論，建立了地鐵列車牽引供電系統的故障診斷系統。張乳燕[8]基于因果圖理論并采用近似推理算法實現專家系統診斷，最終對整個牽引系統的故障診斷系統進行了軟件實現。變流器是故障高發的設備之一。對于弓網的狀態監測與故障診斷國內外研究相對豐富，Zhang等[9]利用弓網動力學模型對接觸網不平順與接觸力間的關系進行了深入的分析，最終建立了基于接觸網不平順的弓網系統狀態預測模型。南京理工大學的孫宇多年來以康尼公司生產的城市軌道交通車輛自動門為對象，指導其學生梅繼雄[10]設計和開發了軌道交通自動門遠程智能監控、診斷與維護系統，并投入實際應用，達到了預定目標。其中，蔣超[11]著重闡述了運用于該系統的智能診斷方法，提出了結合故障樹和產品樹的混合結構樹，以此建立一個邏輯系統使得診斷結果不僅能表明故障類型還能體現故障部位的結構設計信息，便于故障排除，同時引入模糊推理方法和知識編碼算法來實現混合結構樹模型下的推理和決策。健康診斷系統需要獲取其關鍵的性能監測參考量，并對數值長期跟蹤。跟蹤的數據將持續與該數據的理論值進行比較。健康診斷系統建立模型能預測設備性能數據的發展趨勢，然后根據子系統提供的維修分級處理措施，對性能數據發生較大偏差的設備給出適當的維修建議，達到車輛修程修規的智能化管理。

通過長期的數據積累，健康診斷系統可以較為準確地判斷車輛或子系統的健康狀態，健康診斷系統通過算法及模型，將車輛健康狀態與修程修規進行關聯性匹配，使得健康診斷系統能夠依據車輛的實際健康情況智能地管理車輛修程修規，在適當的時候對用戶提出車輛的維修建議。該系統應用到軌道交通后，可大大提升車輛的可用性、提升管理效率和維修效率，節約成本、優化設計和提升服務質量。

4 結語

近年來隨著軌道交通車輛大量的投入使用，大數據的普遍應用，有線網絡、無線網絡的成熟發展，如何應用這些新技術提升車輛的維護效率，提高整個軌道交通的使用效率，提升乘客的舒適度，吸引了大量學者和工作人員進行這方面的研究。人們希望開發出一套更有效的健康診斷系統，用以提升車輛的使用效率，降低車輛維護成本，并且從收集到的大數據中挖掘出更多有意義的信息，進而開發更多的功能，為人們提供更多的服務。關于健康診斷系統的研究還有許多的工作需要做。