城市軌道交通車輛智能運維系統探索與研究

靳永妍 西安市軌道交通集團有限公司運營分公司

傳統的城市軌道交通車輛檢修模式僅滿足軌道交通的建設初期需求，隨著城市軌道交通規模的擴大，人們對軌道交通車輛的運維服務水平要求也逐漸提高。當前的城市軌道交通運維系統主要建立在原有檢修設備的基礎上，以狀態預防維修模式為主要發展目標，進而形成具備智能化、數字化、即時化的運行模式。

一、城市軌道交通車輛智能運維系統發展現狀

現階段我國多個城市逐步開始對車輛智能運維體系進行探索性的開發，并逐步建立以預防性為主的智能檢修模式，該模式在應用過程中通過在車門系統、車輛制動系統、牽引系統等模塊中安裝傳感器，實現對軌道交通車輛24 小時實時在線監測與預警的目的。但是由于對軌道交通車輛安裝傳感器的設布局點有限，使得車輛檢修人員不能在第一時間準確地監測車輛運行狀態，進而造成現階段城市軌道交通車輛智能運維系統過度維修現象極為普遍。此外由于車輛上方的傳感器設備沒有納入計劃性的維修中，造成傳感器容易出現檢測失常現象，導致車輛區域性的故障部件不能及時更換，使車輛在行駛過程中產生安全隱患。

二、城市軌道交通車輛智能運維系統總體方案

城市軌道交通車輛智能運維系統在方案制定中，需要根據具體的車輛設備狀態及生產組織模式劃分為車輛智能檢修系統、車輛智能生產系統和車輛智能專家診斷系統，上述系統都是通過大數據技術對車輛在運營過程中的實時數據、故障數據和歷史數據進行收集、錄入、分析，進而實現對城市軌道交通車輛的車體外觀、車側、車底盤等各部位進行智能檢測。通過應用車輛智能生產系統還可以管理車輛在運營階段的實時狀態，為車輛的日常運營安排計劃，并實現車輛內部設備的自動定位和沖突檢測。在車輛進行檢修的過程中，就可以借助車輛智能專家診斷系統結合人工智能技術對故障區域開展模塊邏輯推理演算，進而評估車輛在故障狀態下的健康狀態及維修過程中所耗費的資源，從而制定最合理的維修決策，實現軌道交通車輛關鍵設備及特殊部件的預防性維修。

三、城市軌道交通車輛智能檢修系統的組成

（一）智能檢修機器人

采用智能檢修機器人對城市軌道交通車輛進行檢修的過程中，可以借助機器人視覺技術、控制技術等先進的算法模塊，對車輛在靜態和動態的情況下的整體數據開展模塊錄入。采用該方法進行車輛檢修中，最核心的技術便是借助智能檢修機器人上的拍攝設備及圖像處理算法技術，在維修中通過拍攝車底、車身、車側等各區域的高清圖像，分析圖像中車輛的異常狀態，從而降低車輛檢修過程中的人工勞動強度，提高車輛的檢修效率。在使用智能檢修機器人對車輛車底區域進行檢修時，可以通過機器人設備中的線掃相機與面陣相機，對車輛車底進行定位，并采集車底下方的各設備圖像。同時再應用輪軸編碼器還可以保證在采集圖像過程中，不會發生異常抖動，這樣智能檢修機器人便可以快速識別車底的故障點，判斷故障區域出現故障的具體等級，并引導維修人員使用相對應的設備進行檢修，從而實現對故障的快速診斷、快速報警、快速維修等目標，提高軌道交通車輛的檢修效率。

（二）走行部智能檢測

在城市軌道交通車輛智能檢修系統中，所采用的走行部智能檢測系統主要安裝在車輛的入庫線上，該系統可以在車輛不停車的狀態下，完成對車輛的自動檢測。在檢修過程中通過對走行部上方車輛及閘片區域拍攝高清圖片，并自動監控走行部在運行過程中的異常狀態，通過應用數字圖像處理技術就可以在第一時間發現車輛走行部及閘片區域的異物或關鍵部件缺失、變形等問題。走行部智能檢測系統在應用過程中，最核心的技術便是采用圖像采集及數字分析處理算法，對車輛速度不均勻引起的圖像縱向、橫向畸變和車體上下共振引起的圖片模糊進行處理，保證檢測裝置可以正常判斷圖片中的車輛異常現象。

（三）車輛智能檢修規劃布局

車輛智能檢修系統在布局過程中，需要采用360 度全方位的視覺檢測裝置對軌道交通車輛上方的關鍵部位進行常規測距，并對軌道交通車輛中的可視部位圖像開展自動監測，其中主要監測內容有車輛設備的螺母松動或丟失、車輛設備中各類管線的脫落、車輛設備內是否有異物侵入、車輛牽引電動機齒輪箱是否脫落等，并在檢測過程中可以判斷車輛的異常狀態及時自動報警提示檢修人員。此外在對車輛的車輪部位進行檢修的過程中，可以借助激光檢測系統對車輪踏面輪廓、直徑、內側距等進行快速測量，并通過無線數據傳輸技術對軌道交通輪軌的接觸關系和接觸摩擦因素進行分析，判斷車輛在運行過程中是否可以保持穩定狀態，提高車輛在運行過程中的安全性。

（四）智能專家診斷系統

在城市軌道交通車輛檢修系統中所應用的智能專家診斷系統，主要是借助車載狀態監測設備對車輛運行過程中的狀態實施實時監測，該設備可以在第一時間對車輛的異常狀態進行預警，同時通過分析車輛在運行過程中的狀態數據信息，并借此搭建數據分析模型，從而判斷車輛關鍵部位可能會出現故障的概率，實現對車輛的自動化健康管理。同時該系統還可以對同一架次不同車輛在運行過程中產生的數據進行進入，并借助無監督機器學習算法對所錄入的數據開展異常檢測，判斷不同車輛在運行過程中出現的數據區別，該檢測結果便可以作為車輛故障判定的主要參照物。

四、結束語

隨著我國城市信息化程度的逐漸提高，城市軌道交通運維系統在發展中必然會引入信息化技術，并依托大數據中心結合軌道交通車輛的設備履歷數據，判斷車輛在運行過程中可能會發生故障的概率及規律，在車輛檢修過程中完成分級預警和故障預警，實現對軌道交通車輛現場維修作業的智能化管理，提高車輛在運行中的安全性。