基于大數(shù)據(jù)技術(shù)的和諧機(jī)車智能檢修方案研究

王小朋，張佳歡，楊 臻，徐元元，侯玉杰

（1.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081；2.北京經(jīng)緯信息技術(shù)有限公司，北京 100081）

目前，全路配屬的近兩萬臺(tái)機(jī)車中，和諧型機(jī)車配屬占將近一半的份額，和諧型機(jī)車的大量投入使用，對(duì)機(jī)車整備、檢修也提出了更高的要求，中國(guó)鐵路總公司重新頒布了和諧型機(jī)車的修程修制[1]，同時(shí)對(duì)機(jī)車18類重要零部件檢修記錄單信息化數(shù)據(jù)采集進(jìn)行了規(guī)范，把檢修過程中的大量有價(jià)值的檢修數(shù)據(jù)進(jìn)行識(shí)別、采集、分析、應(yīng)用，為機(jī)車檢修由傳統(tǒng)的計(jì)劃修向狀態(tài)修、智能修、健康管理奠定了數(shù)據(jù)基礎(chǔ)[2-3]。

當(dāng)前機(jī)車檢修作業(yè)采用的是一種模糊的、感官化的經(jīng)驗(yàn)型檢修作業(yè)方式，檢修質(zhì)量主要依賴于人。這種檢修方式，已經(jīng)完全不能適應(yīng)鐵路發(fā)展的要求。隨著信息化技術(shù)的發(fā)展，大數(shù)據(jù)、智能檢修等技術(shù)在地鐵、電力等行業(yè)得到廣泛應(yīng)用，如李崗提出的智能檢修在地鐵車輛中的可行性[4]及司小慶提出的智能檢修在變電站的應(yīng)用[5]。利用大數(shù)據(jù)和智能分析手段，結(jié)合機(jī)車檢修管理，實(shí)現(xiàn)對(duì)機(jī)車及重要零部件的故障預(yù)測(cè)、健康分析和專家診斷等是今后機(jī)車智能檢修發(fā)展的重要方向[6]。本文提出基于大數(shù)據(jù)技術(shù)的智能檢修方案，幫助檢修人員運(yùn)用大數(shù)據(jù)在機(jī)車檢修中做出正確的決策[7]。

1 數(shù)據(jù)來源

機(jī)車檢修過程中存在兩種來源：（1）整備檢修作業(yè)過程中檢測(cè)設(shè)備、智能工具采集的數(shù)據(jù)；（2）人工采集的檢修數(shù)據(jù)，具體內(nèi)容主要是機(jī)車報(bào)活后相應(yīng)的修活、機(jī)車分級(jí)修、受電弓檢測(cè)、探傷檢測(cè)等。

另外，根據(jù)運(yùn)機(jī)檢修函（2017）323號(hào)－中國(guó)鐵路總公司運(yùn)輸局關(guān)于公布《和諧型機(jī)車重要零部件檢修記錄集數(shù)據(jù)結(jié)構(gòu)技術(shù)方案》的通知，對(duì)于機(jī)車質(zhì)量數(shù)據(jù)，涉及到的檢測(cè)項(xiàng)目主要有18類關(guān)鍵零部件：牽引電機(jī)、主輔發(fā)電機(jī)系統(tǒng)、柴油機(jī)、主變壓器、變流器、微機(jī)網(wǎng)絡(luò)控制系統(tǒng)、轉(zhuǎn)向架、輪軸裝置、輪軸驅(qū)動(dòng)裝置、軸箱、抱軸箱軸承、受電弓、主斷路器、低壓電器、列車供電裝置、輔助機(jī)組、制動(dòng)機(jī)系統(tǒng)、基礎(chǔ)制動(dòng)裝置、風(fēng)源系統(tǒng)等，方案中規(guī)定了最基本的數(shù)據(jù)項(xiàng)，可以根據(jù)實(shí)際需求進(jìn)行擴(kuò)展。

1.1 檢修數(shù)據(jù)量

運(yùn)機(jī)檢修函（2017）323號(hào)中規(guī)定每個(gè)零部件檢修過程劃分為基本信息、解體清單、部件檢修主要記錄、組裝清單、組裝關(guān)鍵數(shù)據(jù)、整機(jī)檢測(cè)試驗(yàn)等五部分內(nèi)容。其中基本信息內(nèi)容是固定的，包含20多項(xiàng)數(shù)據(jù)；解體清單與組裝清單信息基本一致，數(shù)據(jù)項(xiàng)平均在20項(xiàng)；部件檢修主要記錄平均在200項(xiàng)；整機(jī)檢測(cè)試驗(yàn)記錄平均在15項(xiàng)。每個(gè)機(jī)車需要記錄的重要零部件大概在18臺(tái)左右，總共記錄項(xiàng)點(diǎn)為18×(20+20×2+200+15)=4 950項(xiàng)；需要對(duì)機(jī)車運(yùn)行過程中產(chǎn)生的的TCMS、6A、LKJ等數(shù)據(jù)進(jìn)行存儲(chǔ)、分析；在整備過程中需要提票，平均每臺(tái)車的數(shù)據(jù)項(xiàng)能夠達(dá)到10 000～15 000項(xiàng)?？總鹘y(tǒng)方式記錄及分析如此巨大數(shù)據(jù)，將會(huì)增加工作量，影響機(jī)車檢修效率。隨著智能檢測(cè)設(shè)備的發(fā)展，機(jī)機(jī)交互是最佳方式，通過智能檢測(cè)設(shè)備，按標(biāo)準(zhǔn)的數(shù)據(jù)接口直接傳到數(shù)據(jù)服務(wù)器。

1.2 智能檢測(cè)設(shè)備

目前，智能檢測(cè)設(shè)備可以對(duì)機(jī)車線路、設(shè)備故障、電機(jī)故障、機(jī)車主斷路器性能、受電弓、司機(jī)控制器、蓄電池狀態(tài)、絕緣電阻、耐壓、走行部、輪對(duì)等機(jī)車重要零部件進(jìn)行數(shù)據(jù)采集及動(dòng)態(tài)監(jiān)測(cè)。智能檢測(cè)設(shè)備包括機(jī)車主斷路器性能測(cè)試儀、電機(jī)故障診斷儀，以及輪對(duì)動(dòng)態(tài)檢測(cè)系統(tǒng)等。

1.2.1 主斷路器性能測(cè)試儀

該設(shè)備可以測(cè)試空氣主斷路器的固有分閘時(shí)間、延遲時(shí)間、固有合閘時(shí)間、輔助觸點(diǎn)邏輯閉合關(guān)系、真空主斷路器的分閘時(shí)間、合閘時(shí)間、輔助觸點(diǎn)邏輯閉合關(guān)系，并具有數(shù)據(jù)轉(zhuǎn)儲(chǔ)功能。

1.2.2 電機(jī)故障診斷儀

該設(shè)備可用于三相交流電機(jī)、直流機(jī)、變壓器、定子、轉(zhuǎn)子、單個(gè)線圈的全面狀態(tài)檢測(cè)。自動(dòng)測(cè)試電阻、阻抗、電感、相角、對(duì)地絕緣等繞組參數(shù)；利用電流/頻率動(dòng)態(tài)關(guān)系，倍頻測(cè)試將給出數(shù)字化的匝間品質(zhì)評(píng)定，發(fā)現(xiàn)早期微小的匝間短路，同時(shí)判斷整體電磁特性；準(zhǔn)確判斷匝間短路、開路、三相不平衡、轉(zhuǎn)子匝間短路、斷條、對(duì)地短路等。

1.2.3 輪對(duì)動(dòng)態(tài)檢測(cè)系統(tǒng)

輪對(duì)動(dòng)態(tài)檢測(cè)系統(tǒng)可以實(shí)現(xiàn)對(duì)行進(jìn)中的鐵路車輪進(jìn)行的自動(dòng)探傷，重點(diǎn)探測(cè)輪對(duì)輪輞及輪箍部位的周向輞裂、徑向裂紋和嚴(yán)重剝離等多類缺陷，同時(shí)掃查整體輪輻板部位；采用光學(xué)三角檢測(cè)原理自動(dòng)檢測(cè)輪對(duì)內(nèi)側(cè)距、輪緣厚度、輪緣垂直磨砂高度等主要參數(shù)；對(duì)輪對(duì)踏面的擦傷深度、踏面缺陷、剝離和輪對(duì)滾動(dòng)圓的不圓度進(jìn)行測(cè)量。

當(dāng)超過閾值時(shí)將實(shí)時(shí)自動(dòng)預(yù)警，當(dāng)超過限度值時(shí)將實(shí)時(shí)報(bào)警提示；可以輪對(duì)狀態(tài)進(jìn)行長(zhǎng)期的數(shù)據(jù)統(tǒng)計(jì)、分析、計(jì)算并跟蹤，提供狀態(tài)的劣化趨勢(shì)供檢修參考。

2 數(shù)據(jù)定義及存儲(chǔ)

2.1 數(shù)據(jù)模型定義

由于機(jī)車零部件結(jié)構(gòu)復(fù)雜，種類繁多，數(shù)據(jù)采集結(jié)果不一致，整合機(jī)車數(shù)據(jù)需要考慮這些異構(gòu)數(shù)據(jù)的表示、管理和操作問題。解決問題的關(guān)鍵在于應(yīng)用一個(gè)全局的數(shù)據(jù)模型，提供一致的數(shù)據(jù)視圖。針對(duì)異構(gòu)的數(shù)據(jù)整合，采用萬維網(wǎng)聯(lián)盟（W3C）提出的資源描述框架（RDF，Resource Description Framework）來定義數(shù)據(jù)模型[9]，RDF數(shù)據(jù)模型示意圖，如圖1所示。

圖1 RDF示意圖

在RDF示意圖中，“牽引電機(jī)”屬于“關(guān)鍵部件”類型，由“新造工程師1”制造出來，并由“維修工程師1”來維修?！熬S修工程師1”的級(jí)別是“初級(jí)工程師”。在這個(gè)圖中，每一個(gè)和“牽引電機(jī)”相連的實(shí)體能有它們自己的連接集。例如，通過“屬于”關(guān)系，“受電弓”和“關(guān)鍵部件”實(shí)體相連。通過RDF來定義重要零部件及檢修數(shù)據(jù)結(jié)果，可以對(duì)重要零部件進(jìn)行全生命周期管理，實(shí)現(xiàn)部件溯源。

2.2 數(shù)據(jù)存儲(chǔ)

在機(jī)車關(guān)鍵部件生命周期管理中，對(duì)于某個(gè)具體的部件來說，如車軸，分為1位車軸和2位車軸，1位車軸的尺寸大小也不相同，也就是說，一個(gè)主語對(duì)應(yīng)的某個(gè)屬性有多個(gè)屬性值。在一個(gè)屬性多個(gè)值情況下，關(guān)系數(shù)據(jù)庫(kù)會(huì)浪費(fèi)大量資源，所以關(guān)系數(shù)據(jù)庫(kù)并不能很好地解決RDF的多值問題。HBase是一個(gè)高可靠性、高性能、面向列和可伸縮的分布式存儲(chǔ)系統(tǒng)，它主要用于管理大數(shù)據(jù)集。作為NOSQL的一種，HBase不僅能巧存儲(chǔ)結(jié)構(gòu)化的數(shù)據(jù)，而且適合半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)[10]。HBase中的key和value存在一對(duì)多的關(guān)系，一個(gè)key可以對(duì)應(yīng)多個(gè)value。

考慮到機(jī)車數(shù)據(jù)管理中產(chǎn)生的實(shí)際數(shù)據(jù)，HBase更適合處理大規(guī)模的數(shù)據(jù)，使用HBase存儲(chǔ)RDF數(shù)據(jù)效率要高于使用關(guān)系數(shù)據(jù)庫(kù)。因此，使用HBase來進(jìn)行RDF數(shù)據(jù)的管理是更好的選擇。

3 大數(shù)據(jù)信息平臺(tái)

大數(shù)據(jù)信息平臺(tái)是通過網(wǎng)絡(luò)、傳感器把機(jī)務(wù)智能設(shè)備和人工作業(yè)數(shù)據(jù)連接到一起，形成一個(gè)雙向互動(dòng)的信息化網(wǎng)絡(luò)，進(jìn)而對(duì)檢修數(shù)據(jù)信息進(jìn)行共享和整合分析，實(shí)現(xiàn)對(duì)機(jī)車檢修質(zhì)量的監(jiān)控、跟蹤，以達(dá)到提高檢修效率，優(yōu)化管理的目的，如圖2所示[8]。

3.1 終端層

終端設(shè)備主要分為工位終端、智能設(shè)備和手持機(jī)3類。工位終端作為人機(jī)交互接口用來實(shí)現(xiàn)數(shù)據(jù)采集。智能設(shè)備包括智能檢修設(shè)備、智能檢測(cè)設(shè)備、整機(jī)智能試驗(yàn)設(shè)備等，集成了先進(jìn)的傳感器，通過傳感器在設(shè)備運(yùn)行過程中檢測(cè)零配件和生產(chǎn)對(duì)象的技術(shù)狀態(tài)信息[9]。運(yùn)行設(shè)備包括機(jī)車輪對(duì)磨合試驗(yàn)臺(tái)、齒輪油洗機(jī)、軸向軸承自動(dòng)拆卸設(shè)備、輪對(duì)尺寸測(cè)量機(jī)等。手持機(jī)可以采用條形碼、二維碼、網(wǎng)絡(luò)無線射頻識(shí)別（RFID）或者其它技術(shù)對(duì)機(jī)車、零部件、人員和設(shè)備標(biāo)識(shí)信息進(jìn)行采集，也可以支持手工錄入。

圖2 大數(shù)據(jù)信息平臺(tái)總體架構(gòu)

終端層主要是采集檢修作業(yè)相關(guān)的數(shù)據(jù)，主要是通過自動(dòng)識(shí)別、傳感器、定位技術(shù)采集與檢修相關(guān)的信息。

3.2 網(wǎng)絡(luò)層

網(wǎng)絡(luò)傳輸層是終端層到數(shù)據(jù)層傳輸通道，要實(shí)現(xiàn)檢修生產(chǎn)車間的所有信息實(shí)時(shí)接入數(shù)據(jù)服務(wù)中心，為檢修的應(yīng)用服務(wù)提供實(shí)時(shí)信息，就必須具備可靠、穩(wěn)定網(wǎng)絡(luò)環(huán)境。在檢修車間主要應(yīng)用鐵路專用網(wǎng)絡(luò)，通過在原有有線網(wǎng)絡(luò)的基礎(chǔ)上部署無線網(wǎng)絡(luò)，實(shí)現(xiàn)檢修車間、辦公樓和室外場(chǎng)所信號(hào)的全覆蓋。在車間和室外主要通過布局適量的AP，實(shí)現(xiàn)信號(hào)的全覆蓋。對(duì)于辦公樓和部分死角區(qū)域主要通過有線網(wǎng)絡(luò)接入。不同的檢測(cè)設(shè)備對(duì)帶寬的需求是不一樣的，有些終端設(shè)備產(chǎn)生的數(shù)據(jù)量很小，最多幾兆，有些設(shè)備每秒就會(huì)產(chǎn)生上百兆數(shù)據(jù)，普通的網(wǎng)絡(luò)帶寬很難滿足需要，根據(jù)需要采用先進(jìn)的網(wǎng)絡(luò)設(shè)備，實(shí)現(xiàn)數(shù)據(jù)傳輸。

3.3 數(shù)據(jù)服務(wù)層

數(shù)據(jù)服務(wù)層是從終端層接收數(shù)據(jù)，對(duì)海量數(shù)據(jù)進(jìn)行融合與集成、存儲(chǔ)與管理、元模型建立、數(shù)據(jù)挖掘等過程[11]。通過對(duì)數(shù)據(jù)進(jìn)行清洗、抽取等步驟，將數(shù)據(jù)用RDF來定義，存入HBase數(shù)據(jù)庫(kù)，對(duì)數(shù)據(jù)接口調(diào)用協(xié)議規(guī)范管理，使得應(yīng)用層服務(wù)對(duì)數(shù)據(jù)的應(yīng)用和調(diào)度效率更高。基于檢修車間檢修數(shù)據(jù)信息，通過數(shù)據(jù)挖掘技術(shù)，可以更好地為應(yīng)用服務(wù)層提供有效的服務(wù)。

數(shù)據(jù)挖掘的主要功能包括概念描述、關(guān)聯(lián)分析、分類、聚類和偏差檢測(cè)等。數(shù)據(jù)挖掘的主要方法有聚類分析、關(guān)聯(lián)規(guī)則法、神經(jīng)網(wǎng)絡(luò)等方法[12]。以關(guān)聯(lián)規(guī)則法為例，該方法主要用于設(shè)備鑒定、修程修制、員工技能、產(chǎn)品技術(shù)狀態(tài)有關(guān)。結(jié)合直探頭鑒定模式，建立探頭鑒定工序各生產(chǎn)要素狀態(tài)數(shù)據(jù)項(xiàng)的集合A={超聲探傷工1級(jí)，超聲探傷工2級(jí)，…，直探頭1月更換，直探頭3月更換，…，分辨力27 dB、分辨力28 dB，…，聲軸偏斜角1.4°，聲軸偏斜角1.6°，…}，同時(shí)建立車軸加工后技術(shù)狀態(tài)數(shù)據(jù)集B={合格，不合格，報(bào)廢，…}。通過模型分析可以得到如下結(jié)論：

（1）當(dāng)生產(chǎn)要素集中的項(xiàng)A{超聲探傷工1級(jí)、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.4。}同時(shí)出現(xiàn)時(shí)，技術(shù)狀態(tài)數(shù)據(jù)集中的項(xiàng)B{合格}出現(xiàn)概率在98%以上；

（2）當(dāng)生產(chǎn)要素集中的項(xiàng)A{員工技能等級(jí)1級(jí)、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.6。}同時(shí)出現(xiàn)時(shí)，技術(shù)狀態(tài)數(shù)據(jù)集中的項(xiàng)B{不合格、報(bào)廢} 出現(xiàn)的概率分別約為3%、0.2%。通過此類分析，在生產(chǎn)檢修前確定可以輸出合格產(chǎn)品的各生產(chǎn)要素，保證產(chǎn)品質(zhì)量。

利用檢修數(shù)據(jù)建立的數(shù)據(jù)模型，為應(yīng)用服務(wù)層提供數(shù)據(jù)展現(xiàn)以及業(yè)務(wù)領(lǐng)導(dǎo)進(jìn)行決策。

3.4 應(yīng)用服務(wù)層

應(yīng)用服務(wù)層可以為用戶提供統(tǒng)一視圖下的機(jī)車檢修作業(yè)控制、配件檢修作業(yè)控制、終端設(shè)備管理、系統(tǒng)基礎(chǔ)數(shù)據(jù)管理及數(shù)據(jù)展示。結(jié)合機(jī)車檢修行業(yè)數(shù)據(jù)展示的特點(diǎn)，可選用R軟件、D3可視化圖標(biāo)庫(kù)、Carto DB、Gephi等。

4 結(jié)束語

本文提供了一種以智能設(shè)備和大數(shù)據(jù)信息平臺(tái)的深度融合為依托，建立機(jī)車檢修大數(shù)據(jù)，打造機(jī)車檢修行業(yè)智能制造新模式的方案，將實(shí)現(xiàn)機(jī)車檢修全過程的量值化檢修、數(shù)字化檢測(cè)，提高生產(chǎn)效能，提升產(chǎn)品質(zhì)量，降低檢修成本。論文數(shù)據(jù)驗(yàn)證不是很完善，在理論的基礎(chǔ)上需要進(jìn)行大量數(shù)據(jù)實(shí)驗(yàn)，才能得到準(zhǔn)確的數(shù)據(jù)數(shù)據(jù)模型，根據(jù)數(shù)據(jù)模型來進(jìn)行驗(yàn)證智能檢修。