基于鐵路大數據的軌道車輛運維一體化平臺*

張瑞芳， 韓彥青， 苗 勇， 劉 峰， 楊紅運

(中國鐵道科學研究院集團有限公司 機車車輛研究所， 北京 100081)

目前軌道車輛的故障診斷技術主要是面向安全，研究的主要目的是預防大型事故的發生，以及故障后的統計，而沒有面向運用和維護。且軌道車輛檢修采用周期維修、人工巡檢和事故搶修相結合的維修維護模式，可能導致維修不足或維修過剩。隨著服役時間的增長和設備性能的退化，軌道車輛車載部件的安全隱患問題逐漸暴露出來，維修維護壓力也與日俱增。

作為典型的復雜機電混雜系統，軌道車輛及其系統和設備的復雜性、綜合化、智能化程度不斷提高，其生命周期成本，特別是維護和保障成本越來越高?；趶碗s系統可靠性、安全性、經濟性考慮，綜合利用大數據分析技術和人工智能領域的最新研究成果，構建基于主動智能的運維和應急處置一體化體系，實現安全狀態追蹤評估、維保資源動態配置、列車關鍵部件適時適度維修以及主動安全運維。

1 軌道車輛運維一體化平臺設計方案

目前，基于大數據平臺體系和關鍵技術的機車和動車組的典型應用研究都在有序開展[1-2]，現以機車平臺為例介紹軌道車輛運維一體化平臺。

用于機車的軌道車輛運維一體化平臺是基于機車車載安全防護系統(6A系統)的。6A系統是針對機車的制動系統、防火、高壓絕緣、列車供電、走行部、視頻等危及安全的重要事項、重點部件和部位，采用實時檢測、監視、報警并可實現網絡傳輸、統一固態存儲和智能人機界面，整體研究設計而形成平臺化的安全防護裝置[3]。

目前6A系統作為和諧機車的標準配置，已在全路18個鐵路局安裝9 000余臺，在運行過程中積累了大量監測數據, 各機務段迫切需要對數據進行深入分析和挖掘。故可利用6A系統監測數據，建立全方位配套的地面遠程安全監控體系，利用積累的機車信息、故障分類與對比以及軟件的自學習能力進行遠程自動診斷，并與修程結合，與物料準備、在線培訓等相關項目統一整合到網絡平臺，充分發揮遠程專家診斷系統的作用。

1.1 體系結構

軌道車輛運維一體化平臺由車地通信設備、數據庫服務器、WEB服務器、地面專家系統軟件構成。運用于機車的軌道車輛運維一體化平臺體系結構如圖1所示。

6A系統車載主機具備無線通信能力，能夠實時將6A系統車載故障報警通過地面基站和網關發送給數據庫服務器。具備USB下載接口，能夠通過移動存儲設備將數據下載至機務段查詢終端，并通過鐵路系統局域網上傳至數據庫服務器。數據庫服務器采用大容量存儲硬盤，存儲6A原始文件和數據庫系統。

地面專家系統軟件以6A各子系統的監測數據為依據，對機車狀態進行評價、對設備的狀態進行分析，發現并提示軌道車輛在運行中出現的問題或安全隱患。通過長期監測數據的積累，不僅可以對6A各模塊的可靠性及穩定性做出統計和評價，還可以形成對6A各子系統全面而客觀的統計與評價，為6A車載子系統監測質量的評判和軌道車輛的檢修等提供參考依據，幫助減少行車故障的發生。

圖1 運用于機車的軌道車輛運維一體化平臺結構圖

1.2 功能設計

軌道車輛運維一體化平臺主要功能如下：

(1)數據綜合管理

軌道車輛運維一體化平臺中的數據網絡承擔軌道車輛各子系統之間的數據傳輸、數據管理、數據處理等工作，實現對用、檢、修質量數據信息進行綜合管理、檢測周期監控等功能。通過對軌道車輛各監測子系統的數據采集與分析，為完善設備運用與維護制度體系，優化全路軌道車輛設備檢修管理，強化狀態檢修提供數據支持。

(2)數據綜合分析

通過采集的數據，軌道車輛運維一體化平臺可以進行專家分析，生成各子系統質量狀況周報、月報、季報、年報等專業報表，設備運用情況、傷損預測、經濟性等分析，優化檢修周期。

(3)運檢修閉環管理

通過軌道車輛運維一體化平臺建立起一套關鍵設備狀態、運營管理、檢修維護體系，對設備運行狀態進行監控，保證數據的準確性。

1.3 地面專家系統軟件設計

地面專家系統軟件通過對各子系統監測數據縱向對比，不同時間不同車次的各子模塊監測數據橫向對比，利用專家先驗知識，對各子模塊的故障、報警數據進行分析與診斷，綜合診斷出的軌道車輛故障，生成分項運行報表，進一步為用戶提供按多種關鍵字及多種條件組合的查詢方式，同時充分利用數據庫自身報表統計的優點，對各種故障和報警進行多元化分析和統計，給出所需要的各種統計圖和報表，圖2是針對地面專家系統軟件的功能設計圖。

地面專家系統軟件分為兩個功能獨立的程序，一個是數據分析程序，另一個是數據查詢程序。

數據分析程序包括以下功能模塊：

(1) 子系統診斷模塊： 瀏覽軌道車輛運行數據并分別對制動、走行、列供、防火、視頻等子系統進行診斷，定位故障發生的具體位置和子系統設備的使用狀態。

(2) 數據挖掘與故障診斷模塊：將車載實時監測數據與歷史運行數據融合，進行相關性分析，通過頻率分布、集中程度、離散程度等建立相關性模型，以識別系統的故障特征數據。

(3) 維修決策與優化模塊：針對故障診斷結果，通過專家經驗知識庫模糊匹配，進行決策分析，生成檢修派工信息。

數據查詢程序包括以下功能模塊：

(1) 運行數據查詢：提供一些如速度、壓力值、流量值、轉速大小等運行曲線，一般以實際公里標或時間為橫坐標。提供各種范圍的分類或者組合查詢，例如查詢指定時間段內的軌道車輛運行記錄，查詢高于指定速度的軌道車輛運行記錄，查詢信號出現異常時間段的軌道車輛運行記錄。

圖2 地面專家系統功能設計圖

(2)故障/報警統計模塊：通過分析和統計一段時間內的故障和報警信息，提供給用戶例如關于超速行駛、信號滅燈、關機、信號異常、設備異常等分項和組合統計輸出結果。可提供給用戶日、周、月、季度等統計信息，統計結果可以報表、圖、EXCEL等形式顯示。

(3)檢修派工及處理回填：提供故障診斷結果的程式化分析功能。針對報警結果引導用戶分析報警數據及診斷依據；提供每日檢修派工信息的查詢，用以指導現場檢修。檢修完成回填處理結果。

(4)系統管理配置：通過集成化的中心系統管理操作界面，提供系統基礎數據維護、系統配置、運行參數設置、用戶和權限管理等系統管理配置功能。針對不同的用戶設置不同的權限，并對不同權限的用戶配置不同的查詢內容和瀏覽界面等功能。

1.4 數據挖掘與故障診斷

車載實時監測數據經過數據預處理后，通過頻率分布、集中程度、離散程度等建立相關性模型。將所提取的特征數據利用神經網絡模式識別進行特征級數據融合，識別出故障特征數據。結合歷史交路運行數據及故障信息，與地面檢修信息融合，進行相關性分析，并通過模糊專家系統進行決策分析。故障診斷流程如圖3所示。

圖3 數據挖掘與故障診斷流程圖

軌道車輛故障識別分為以下幾個步驟：

(1)數據預處理

基于系統融合及沖突檢驗，外部條件的真偽判斷(運行/庫內/速度/偶發性故障)，各子系統自身的運行特性(去除野值)，監測系統自身故障排查等知識，完成故障報警有效性驗證，運行態/試驗態分類。

數據分類工作分為4個層次，按速度信號，子系統運行特性(離散/連續)、監測系統自身故障、交路信息，完成如下功能：

①通過速度信號和交路信息，將運行態/試驗態分類；

②通過子系統運行特性(離散/連續)，將野值濾除；

③通過系統自身故障，將傳感器故障時期的監測數據進行標識；

(2)特征提取

特征提取主要對過程數據進行處理，從專家系統海量的特征數據中提取有用的事件信息。設備運行狀態會以不同的信號形式表現出來，而特征信號對于故障識別尤為重要。特征描述分類兩種：

①事件特征

過程數據含有海量復雜的列車運行信息，我們需要重點關注的是跟事件相關的有用特征，如列車運行的速度，溫度，相關工況等，通過對這些信息的提取建立事件。

②頻次特征

頻次是指不同樣本空間占樣本容量的百分比，監測系統報警頻次分析則指通過對同一報警事件在每月全路監測系統報警事件所占的比重進行分析，分析影響不同監測設備的報警事件發生的概率大小，為設備的檢修提供指導。頻次信息的提取以一個交路為單位，需要從事件數據和過程數據中提取獲得。

(3)故障診斷

基于提取出的特征數據，采用如下幾種故障診斷算法：

①時間軸上的縱向、橫向相關性分析

縱向對比主要通過對指定車次的多趟數據疊加，分析數據在同一時間軸的變化和波動情況。同時分析數據異常的自身和外部環境，了解故障發生的原因以及處理機制。

橫向對比則是通過對指定車次的歷史報警事件和故障數據進行分析，分析該列車的監測設備狀態隨著時間變化發展趨勢。

②關鍵幀提取

可使用聚類技術來提取關鍵幀，將N幀數據聚類到K個群集合中，取各集合中的首幀作為關鍵幀。這樣可以解決系統數據流過于龐大，數據存在時間和空間上的冗余問題。

(4)維修決策

將各子系統或設備的診斷信息進行有效的融合后,按照一定的規則進行推理，同時還要將有關信息存入數據庫系統，為以后的查詢與分析做儲備，最后得出整個列車系統的故障維修知識庫。

決策樹提供了一種很自然的嵌入人類先驗知識的機制，采用自頂向下的遞歸方式，在決策樹的內部節點進行屬性比較，根據不同屬性判斷從該節點向下的分支，在決策樹的葉節點得到結論。在提取事件特征時，通過加入一些知識庫的先驗歷史維修策略和歷史故障處理反饋信息，作為決策樹的輸入信息，可大大提高決策樹的決策性能。

2 應用案例分析

目前，基于大數據平臺體系和關鍵技術的動車組的典型應用研究尚在研發階段，機車運維一體化平臺已投入運用。

機車運維一體化平臺在安全事故防護、路外與機車運行相關事故分析、機車運行質量評價等方面發揮了較大作用，如停放制動意外施加引起的脫軌事故防范與分析、內燃機車動力間火災防控、電力機車電器火災防控、運行機車走行部軸承固死的及時報警等。

以制動子系統為例，2014年8月1日晚，北京機務段HXD3C 1004機車擔當補機時6A系統報“停放制動異常施加”故障。圖中標號與為停放制動異常施加報警區域。當速度大于5 km/h且停放缸壓力值低于370 kPa時，停放制動非正常施加報警會觸發。圖中時間11:40至11:55時間段滿足報警條件，產生報警，之后由于速度變化報警解除，12:02附近又產生報警，12:04 后報警解除。

圖4 制動子系統數據

經過對6A系統數據導入分析，11:40至11:55內集中報警時，對應機車在北京站外線掛車底，正進行項送作業。12:02報警"停放制動異常施加"，對應司機在北京站開出后發現異常后停車。通過機車運維一體化平臺對6A系統數據的制動運行曲線進行分析，可以看到機車在此時間段的運行速度、列車管壓力及停放缸壓力變化。11:40至11:55時速度大于5 km/h，同時停放缸壓力為零，機車屬于1軸、6軸抱閘運行，因此6A系統報警“停放制動異常施加”。11:57當機車停車后，停放缸壓力一直保持為零，對應操作應該是司機關閉了B40．06塞門，即切除停放制動缸作用，據司機描述切除后同時到車下對1、6軸卡鉗進行了人工緩解作業，此時停放缸不再產生制動作用。12:02機車重新啟動，運行速度為大于5 km/h，停放缸壓力為零，6A系統認為滿足報警條件，即進行報警"停放制動異常施加"，其實此時停放缸已經被切除，停放缸不具有任何制動作用。通過機車運維一體化平臺的分析，對制動系統的報警進行定位，從而排查報警或故障原因，切實有效地對機車狀態進行全面診斷與分析。

從以上案例中看出，軌道車輛運維一體化平臺可以對報警事件進行細節展示與詳細分析，能夠更好地指導工作人員分析系統故障，為檢修作業提供指導支持，保障機車運行安全。

3 結束語

軌道車輛運維一體化平臺為機車管理部門提供全面、真實、可靠的故障信息和相關基礎數據查詢，提供科學、直觀、多角度透視的故障統計分析報表。在此基礎上，可以更直觀的對監測系統各子系統的實用性及有效性做出基于數據統計的評估，不僅有利于監測系統設備的完善和技術的提高，應用部門也可據此有針對性的實現配件儲備、合理的安排檢修人員、了解故障檢修重點，并提出對機車的科學改進的意見，促進軌道車輛制造與運用技術的發展。