基于智能列檢機器人的地鐵車輛維修策略相關思考

伍波

摘要：本文主要對地鐵車輛維修相關內容進行分析，其中著重探究智能列檢機器人在地鐵車輛維修中的應用策略。對上述內容分析，有利于對列檢作業效率提升，降低檢修人員的勞動強度，優化智能列檢機器人的應用。通過對地鐵車輛維修相關內容的分析，以期為相關工作人員提供參考借鑒。

關鍵詞：智能列檢機器人;地鐵運行;車輛維修

前言

地鐵車輛列檢工作多是以夜班檢修為主，主要檢查方式為人工觀察，涉及多項檢查內容、較大勞動強度，且工作人員容易出現疲勞的情況，檢查工作會存在遺漏的現象，且對人工經驗比較依賴，檢修質量會因此受到影響。借助智能列檢機器人開展列檢作業，能夠很好的降低人工列檢作業工作量，對列檢作業人員配置優化。

1智能列檢機器人應用原理

對地鐵車輛智能維修管理系統構建，主要是以智能化檢測設備為基礎，對預測性維修的目標有效實現，促進數字化、智能化管理系統建立，該系統結合現階段的故障分析理論以及大數據中心，應用實時監測設備，對車輛運行狀態信息有效采集，對設備裂化曲線預測，對故障預警有效實現。同時系統也能夠分配材料、設備等方面的資源信息，借助人工智能，制定相應維修策略以及具體檢修計劃。

2基于智能列檢機器人的地鐵車輛維修策略

2.1采集信息

采集的信息主要包括車輛狀態信息以及檢修資源信息，如表1：

軌旁綜合檢測系統、車地無線傳輸系統是車輛狀態信息采集系統的主要子系統。對于軌旁綜合檢測系統，借助正線軌旁、車輛段對檢測裝置安裝，檢測裝置的基礎為紅外線、激光以及機器視覺等傳感技術，在車輛經過裝置時，能夠對車輛磨耗件尺寸、外表等不同數據自動檢測，并將數據傳輸到車輛智能維修管理平臺之中，平臺歸類、分析把不同數據。該系統主要分為四個模塊，如表2：

對檢修資源信息采集，具體內容包括檢修設備健康情況、備品備件及耗材資源存量情況、檢修工位占用情況等。

2.2智能診斷

結合軌旁故障檢測系統以及車載故障在線檢測系統，獲取實時、動態數據，以故障故障分析理論為基礎，結合人工智能技術綜合分析不同故障，并結合實際情況進行相應的性能趨勢判斷以及故障預警工作，并提出相應處理意見，并對檢修任務有效生成，與現階段檢修資源情況相結合，對實際檢修計劃制定。事件樹、故障樹以及故障模式影響和危害性分析是列車故障智能診斷的主要理論基礎。其中，事件樹屬于邏輯演繹法，基于給定的初因事件，對初因事件導致的不同事件序列分析，從而進一步對系統安全性、可靠性評價。應用故障樹，明確產品出現故障的原因，以及不同組合方式，并對時間發生的概率進行相應計算。故障模式影響與危害性模式主要是對系統不同產品可能出現的故障模式，并歸類不同故障模式的簡易難易度、嚴重程度等方面情況。對于智能診斷而言，需要以大量歷史數據為基礎，并對相應數據庫建立，保證充分的數據量，借助人工智能技術預測部件狀態趨勢、預警情況。

2.3檢修計劃

借助智能維修管理系統，能夠自動匹配檢修資源以及檢修任務，在此基礎上對具體檢修計劃生成。檢修計劃包括的子目如電子工單、質量要求、調度管理等，對檢修作業起到指導作用。其中，對于檢修調度管理工作，主要是結合檢修計劃，對人力資源、材料以及檢修設備等方面使用計劃明確。在具體檢修時，結合檢修具體情況，合理調整生產要素，從而對檢修計劃實施有效保證。對于檢修工單管理，借助相關系統，能夠對電子化檢修工單自動生成，檢修人員應用手持智能終端，開展不同檢修工作，并結合作業規程，進行驗收質檢工作。作業過程中能夠自動生成相應記錄，并輸送到管理系統中，對數據閉環有效實現。控制檢修質量，包括對技術管理規程檢修、不同工序作業方法、驗收方法等。控制檢修成本，系統能夠對不同檢修標準人工定額、檢修用量、材料等情況自動生成保證檢修的安全性。借助手持式智能終端，能夠對現場作業過程中的安全管控有效實現，系統能夠結合現階段工作狀態，明確車輛不同段具體情況，保證安全檢修工作。管理檢修方案，在結束檢修后，系統能夠對維修檔案自動生成，并形成歷史數據，為后續維修管理系統發展奠定良好的基礎。

3總結

綜上所述，將智能列檢機器人應用到地鐵車輛維修之中有重要的作用和意義。基于地鐵車輛實際情況，構建智能維修管理系統，結合具體情況對故障診斷，并形成相應的檢修任務計劃，并采取有效措施，實現對地鐵車輛故障的維修工作。針對其中存在的不足，相關工作人員還要加強相應研究。

參考文獻

[1]孫洲.地鐵車輛智能化維修策略的分析與研究[J].電子制作，2020，（23）： 98-100.

[2]李慕.地鐵車輛智能維修管理系統的搭建[J].智能城市，2020，6（17）：107 -108.

無錫地鐵集團有限公司運營分公司