基于大數據技術的和諧機車智能檢修方案研究

王小朋，張佳歡，楊 臻，徐元元，侯玉杰

（1.中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081；2.北京經緯信息技術有限公司，北京 100081）

目前，全路配屬的近兩萬臺機車中，和諧型機車配屬占將近一半的份額，和諧型機車的大量投入使用，對機車整備、檢修也提出了更高的要求，中國鐵路總公司重新頒布了和諧型機車的修程修制[1]，同時對機車18類重要零部件檢修記錄單信息化數據采集進行了規范，把檢修過程中的大量有價值的檢修數據進行識別、采集、分析、應用，為機車檢修由傳統的計劃修向狀態修、智能修、健康管理奠定了數據基礎[2-3]。

當前機車檢修作業采用的是一種模糊的、感官化的經驗型檢修作業方式，檢修質量主要依賴于人。這種檢修方式，已經完全不能適應鐵路發展的要求。隨著信息化技術的發展，大數據、智能檢修等技術在地鐵、電力等行業得到廣泛應用，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用[5]。利用大數據和智能分析手段，結合機車檢修管理，實現對機車及重要零部件的故障預測、健康分析和專家診斷等是今后機車智能檢修發展的重要方向[6]。本文提出基于大數據技術的智能檢修方案，幫助檢修人員運用大數據在機車檢修中做出正確的決策[7]。

1 數據來源

機車檢修過程中存在兩種來源：（1）整備檢修作業過程中檢測設備、智能工具采集的數據；（2）人工采集的檢修數據，具體內容主要是機車報活后相應的修活、機車分級修、受電弓檢測、探傷檢測等。

另外，根據運機檢修函（2017）323號－中國鐵路總公司運輸局關于公布《和諧型機車重要零部件檢修記錄集數據結構技術方案》的通知，對于機車質量數據，涉及到的檢測項目主要有18類關鍵零部件：牽引電機、主輔發電機系統、柴油機、主變壓器、變流器、微機網絡控制系統、轉向架、輪軸裝置、輪軸驅動裝置、軸箱、抱軸箱軸承、受電弓、主斷路器、低壓電器、列車供電裝置、輔助機組、制動機系統、基礎制動裝置、風源系統等，方案中規定了最基本的數據項，可以根據實際需求進行擴展。

1.1 檢修數據量

運機檢修函（2017）323號中規定每個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、組裝關鍵數據、整機檢測試驗等五部分內容。其中基本信息內容是固定的，包含20多項數據；解體清單與組裝清單信息基本一致，數據項平均在20項；部件檢修主要記錄平均在200項；整機檢測試驗記錄平均在15項。每個機車需要記錄的重要零部件大概在18臺左右，總共記錄項點為18×(20+20×2+200+15)=4 950項；需要對機車運行過程中產生的的TCMS、6A、LKJ等數據進行存儲、分析；在整備過程中需要提票，平均每臺車的數據項能夠達到10 000～15 000項。靠傳統方式記錄及分析如此巨大數據，將會增加工作量，影響機車檢修效率。隨著智能檢測設備的發展，機機交互是最佳方式，通過智能檢測設備，按標準的數據接口直接傳到數據服務器。

1.2 智能檢測設備

目前，智能檢測設備可以對機車線路、設備故障、電機故障、機車主斷路器性能、受電弓、司機控制器、蓄電池狀態、絕緣電阻、耐壓、走行部、輪對等機車重要零部件進行數據采集及動態監測。智能檢測設備包括機車主斷路器性能測試儀、電機故障診斷儀，以及輪對動態檢測系統等。

1.2.1 主斷路器性能測試儀

該設備可以測試空氣主斷路器的固有分閘時間、延遲時間、固有合閘時間、輔助觸點邏輯閉合關系、真空主斷路器的分閘時間、合閘時間、輔助觸點邏輯閉合關系，并具有數據轉儲功能。

1.2.2 電機故障診斷儀

該設備可用于三相交流電機、直流機、變壓器、定子、轉子、單個線圈的全面狀態檢測。自動測試電阻、阻抗、電感、相角、對地絕緣等繞組參數；利用電流/頻率動態關系，倍頻測試將給出數字化的匝間品質評定，發現早期微小的匝間短路，同時判斷整體電磁特性；準確判斷匝間短路、開路、三相不平衡、轉子匝間短路、斷條、對地短路等。

1.2.3 輪對動態檢測系統

輪對動態檢測系統可以實現對行進中的鐵路車輪進行的自動探傷，重點探測輪對輪輞及輪箍部位的周向輞裂、徑向裂紋和嚴重剝離等多類缺陷，同時掃查整體輪輻板部位；采用光學三角檢測原理自動檢測輪對內側距、輪緣厚度、輪緣垂直磨砂高度等主要參數；對輪對踏面的擦傷深度、踏面缺陷、剝離和輪對滾動圓的不圓度進行測量。

當超過閾值時將實時自動預警，當超過限度值時將實時報警提示；可以輪對狀態進行長期的數據統計、分析、計算并跟蹤，提供狀態的劣化趨勢供檢修參考。

2 數據定義及存儲

2.1 數據模型定義

由于機車零部件結構復雜，種類繁多，數據采集結果不一致，整合機車數據需要考慮這些異構數據的表示、管理和操作問題。解決問題的關鍵在于應用一個全局的數據模型，提供一致的數據視圖。針對異構的數據整合，采用萬維網聯盟（W3C）提出的資源描述框架（RDF，Resource Description Framework）來定義數據模型[9]，RDF數據模型示意圖，如圖1所示。

圖1 RDF示意圖

在RDF示意圖中，“牽引電機”屬于“關鍵部件”類型，由“新造工程師1”制造出來，并由“維修工程師1”來維修。“維修工程師1”的級別是“初級工程師”。在這個圖中，每一個和“牽引電機”相連的實體能有它們自己的連接集。例如，通過“屬于”關系，“受電弓”和“關鍵部件”實體相連。通過RDF來定義重要零部件及檢修數據結果，可以對重要零部件進行全生命周期管理，實現部件溯源。

2.2 數據存儲

在機車關鍵部件生命周期管理中，對于某個具體的部件來說，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，一個主語對應的某個屬性有多個屬性值。在一個屬性多個值情況下，關系數據庫會浪費大量資源，所以關系數據庫并不能很好地解決RDF的多值問題。HBase是一個高可靠性、高性能、面向列和可伸縮的分布式存儲系統，它主要用于管理大數據集。作為NOSQL的一種，HBase不僅能巧存儲結構化的數據，而且適合半結構化、非結構化的數據[10]。HBase中的key和value存在一對多的關系，一個key可以對應多個value。

考慮到機車數據管理中產生的實際數據，HBase更適合處理大規模的數據，使用HBase存儲RDF數據效率要高于使用關系數據庫。因此，使用HBase來進行RDF數據的管理是更好的選擇。

3 大數據信息平臺

大數據信息平臺是通過網絡、傳感器把機務智能設備和人工作業數據連接到一起，形成一個雙向互動的信息化網絡，進而對檢修數據信息進行共享和整合分析，實現對機車檢修質量的監控、跟蹤，以達到提高檢修效率，優化管理的目的，如圖2所示[8]。

3.1 終端層

終端設備主要分為工位終端、智能設備和手持機3類。工位終端作為人機交互接口用來實現數據采集。智能設備包括智能檢修設備、智能檢測設備、整機智能試驗設備等，集成了先進的傳感器，通過傳感器在設備運行過程中檢測零配件和生產對象的技術狀態信息[9]。運行設備包括機車輪對磨合試驗臺、齒輪油洗機、軸向軸承自動拆卸設備、輪對尺寸測量機等。手持機可以采用條形碼、二維碼、網絡無線射頻識別（RFID）或者其它技術對機車、零部件、人員和設備標識信息進行采集，也可以支持手工錄入。

圖2 大數據信息平臺總體架構

終端層主要是采集檢修作業相關的數據，主要是通過自動識別、傳感器、定位技術采集與檢修相關的信息。

3.2 網絡層

網絡傳輸層是終端層到數據層傳輸通道，要實現檢修生產車間的所有信息實時接入數據服務中心，為檢修的應用服務提供實時信息，就必須具備可靠、穩定網絡環境。在檢修車間主要應用鐵路專用網絡，通過在原有有線網絡的基礎上部署無線網絡，實現檢修車間、辦公樓和室外場所信號的全覆蓋。在車間和室外主要通過布局適量的AP，實現信號的全覆蓋。對于辦公樓和部分死角區域主要通過有線網絡接入。不同的檢測設備對帶寬的需求是不一樣的，有些終端設備產生的數據量很小，最多幾兆，有些設備每秒就會產生上百兆數據，普通的網絡帶寬很難滿足需要，根據需要采用先進的網絡設備，實現數據傳輸。

3.3 數據服務層

數據服務層是從終端層接收數據，對海量數據進行融合與集成、存儲與管理、元模型建立、數據挖掘等過程[11]。通過對數據進行清洗、抽取等步驟，將數據用RDF來定義，存入HBase數據庫，對數據接口調用協議規范管理，使得應用層服務對數據的應用和調度效率更高。基于檢修車間檢修數據信息，通過數據挖掘技術，可以更好地為應用服務層提供有效的服務。

數據挖掘的主要功能包括概念描述、關聯分析、分類、聚類和偏差檢測等。數據挖掘的主要方法有聚類分析、關聯規則法、神經網絡等方法[12]。以關聯規則法為例，該方法主要用于設備鑒定、修程修制、員工技能、產品技術狀態有關。結合直探頭鑒定模式，建立探頭鑒定工序各生產要素狀態數據項的集合A={超聲探傷工1級，超聲探傷工2級，…，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°，…}，同時建立車軸加工后技術狀態數據集B={合格，不合格，報廢，…}。通過模型分析可以得到如下結論：

（1）當生產要素集中的項A{超聲探傷工1級、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.4。}同時出現時，技術狀態數據集中的項B{合格}出現概率在98%以上；

（2）當生產要素集中的項A{員工技能等級1級、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.6。}同時出現時，技術狀態數據集中的項B{不合格、報廢} 出現的概率分別約為3%、0.2%。通過此類分析，在生產檢修前確定可以輸出合格產品的各生產要素，保證產品質量。

利用檢修數據建立的數據模型，為應用服務層提供數據展現以及業務領導進行決策。

3.4 應用服務層

應用服務層可以為用戶提供統一視圖下的機車檢修作業控制、配件檢修作業控制、終端設備管理、系統基礎數據管理及數據展示。結合機車檢修行業數據展示的特點，可選用R軟件、D3可視化圖標庫、Carto DB、Gephi等。

4 結束語

本文提供了一種以智能設備和大數據信息平臺的深度融合為依托，建立機車檢修大數據，打造機車檢修行業智能制造新模式的方案，將實現機車檢修全過程的量值化檢修、數字化檢測，提高生產效能，提升產品質量，降低檢修成本。論文數據驗證不是很完善，在理論的基礎上需要進行大量數據實驗，才能得到準確的數據數據模型，根據數據模型來進行驗證智能檢修。