城市軌道車輛軌旁智能運維技術研究*

趙 明 高明亮** 高 珊 孫洪亮 郭劍平 劉德權 李方正 楊曉娜

(1. 中車長春軌道客車股份有限公司國家軌道客車工程研究中心，130062，長春； 2. 中車長春軌道客車股份有限公司檢修運維事業部，130062，長春;3. 中車長春軌道客車股份有限公司人力資源部，130062，長春∥第一作者，副總工程師)

目前城市軌道交通車輛維修周期長、成本高、質量低，存在過度修、欠修等車輛運維情況。如何確保車輛安全、實現運維降本增效是亟待解決的問題。自此，國內外城市軌道交通車輛制造企業不斷開展業務實踐與創新，致力于打造專業化、精細化、智能化和集約化的城市軌道交通車輛運維企業。由于受車輛采集數據種類少、質量差、傳輸網絡帶寬不夠及運維設備落后等客觀條件的約束，車輛運維模式雖然有了較大的創新，但依舊無法滿足用戶定制化、智能化的需求。AI(人工智能)、5G(第五代通信技術)、大數據、物聯網、云計算等新興技術的快速發展，為實現智能運維提供了技術上的可行性。通過新興信息技術與城市軌道交通的深度融合，打破數據壁壘，實現多系統集成、健康檢測、智能決策等功能，提高軌道交通車輛運維的智能化程度。

軌旁智能運維技術作為車輛智能運維的關鍵核心技術，對車輛關鍵系統設備(走行部、車頂、車底等)的監測、車輛運行品質的評價、核心部件的預防性維護及預測性維護起著重要的作用。軌旁智能運維系統是以數據為驅動，以用戶體驗為導向，在設計階段考慮檢修應用，通過健康管理技術，搭建檢修信息管理系統，并結合智能檢測裝備，基于軌旁AI中臺技術實現智能化維修決策與業務管理。通過增加狀態修內容，最大程度實現均衡修、可視化作業調度與資源管理，最終實現城市軌道交通車輛的智能運維。軌旁智能運維系統通過工業物聯網技術將車輛、供電、信號等專業系統設備形成物聯，結合移動點巡檢及辦公系統，形成場段系統的綜合聯網與數字化管理。軌旁設備對車輛狀態進行檢測，并通過網絡傳輸到地面健康管理系統，通過從該系統的大數據中挖掘故障特征，并對其變化趨勢進行分析，智能輔助車輛、人員決策。

軌旁智能運維技術系統通過在檢修基地、運營線路上安裝基于紅外感應、溫度監測、射頻感知、3D圖片等傳感技術的軌旁檢測裝置，自動檢測車輛車體和車底的磨損情況、輪對和閘片的尺寸、軸承溫度，以及車輛走行品質等信息，以此來輔助人工決策。該系統設置在列車出入庫線上，配備360°車體外觀檢測、輪對尺寸檢測、受電弓/受流器檢測、車底設備紅外檢測等功能。通過光譜分析、圖像分析、聲紋分析、溫振融合等先進技術對車體外觀、車輪尺寸狀態、受電弓/受流靴的重要參數、車底關鍵設備的溫度等重要項點進行自動檢測，并自動識別出列車相關異常情況，同時搭建排程與調度工具，為車輛運維提供可視化的作業調度與資源管理；通過構型管理技術將維修規程與知識結構化與標準化[1]。

AI、云計算等相關研究的深入，為實現軌旁智能運維提供了方法支撐[2]。因此，突破傳統的軌旁運維管理模式，實現軌旁車輛服役全壽命周期過程的數字化、精細化、智能化管理，是軌旁檢測運維的發展趨勢[3]。

1 軌旁智能運維技術的核心挑戰

目前國內已形成較為規范的城市軌道車輛軌旁運用、檢修、管理規范及技術架構，具備了多業務場景的實際應用，取得了一定應用效果，但距離真正達到軌道交通智能運維水平，還面臨著許多核心技術與管理挑戰。

1) 系統化協同。當前城市軌道交通車輛生產、總裝、運用、檢修等環節相對比較獨立，尤其是各方的技術架構、數據資產形式、管理模式各不相同，信息互通性差，造成車輛無法實現數據全壽命貫通，以及無法實現業務價值鏈的全壽命周期數據建設。系統化協同就是要解決數據各方，即數據標準、數據體系、數據架構協調一致，保證數據通及系統平臺通，最終實現以純凈數據為驅動的全壽命周期業務創新。

2) 柔性化運行。城市軌道交通車輛配置信息的邏輯控制、下發和安全隔離，以及Wi-Fi(無線網絡)裝載機制與MVB(多功能車輛總線)傳輸機制，均會讓軌旁智能運維系統隨需而變。支持動態執行軌旁業務模型規則和流程的引擎是實現軌旁智能運維系統柔性化運行的另一大支撐點，如：預警引擎、預測引擎、流程等。以模型預警引擎為例，通過業務數據進行模型編程，模型提供的能力經由AI可視化編排，既可實現先診斷后預警，也可實現先預警后優化；針對重要的故障邏輯，還可實現預警模型環節的自定義。通過AI編排能力而非修改代碼來滿足具體業務情況，大大增強了軌旁智能運維系統的靈活性和應變能力。

3) 可視化編排。軌旁智能運維AI可視化編排的實現使軌旁智能運維更具象化，從而在一定程度上降低了該系統管控和運營的門檻。例如，可自定義地按業務流組裝的配置視圖，將配置模型以可視化的方式進行呈現。利用統計分析畫布，通過拖曳功能進行模型的設計，同時結合知識庫，即可實現豐富的統計、挖掘、預警等業務場景。此外，利用可視化的自助分析平臺、可視化的數據加工、向導性標簽的生產及可視化的運營結果等功能使軌旁智能運維系統的核心能力更直觀、更易操作，并以更有建設性的方式促進業務思考，從而更好地幫助各角色發揮軌旁智能運維系統的價值。

4) 動態化擴展?；诮M件化的結構設計、橫向分層和縱向分割的架構、標準化的接口、動態插件框架、適當擴展點的預留，以及滿足通用業務所需的默認擴展，保證了軌旁智能運維系統的可成長性。動態化擴展是未來軌旁智能運維技術發展的必經之路，在一定程度上減少了定制的工作量和難度，從而降低了維護成本。軌旁智能運維系統應將不同的功能拆分為不同的功能包，這樣可根據該系統的實際需要進行組裝疊加。業主對于軌旁智能運維模型有各自的個性需求，而通過拆分的功能包即可自由組裝出各業務板塊或各行業所需要的軌旁智能運維模型執行單元。在此基礎上，結合功能包的疊加機制，各業務應用方再根據實際場景需要添加合適的插件進行擴展，就可完成被管控的軌旁智能運維系統的迭代演化。

5) 生態化開放。能力開放是構建軌旁智能運維生態的前提。軌旁智能運維系統應提供統一的開放平臺，結合組件化的機制、標準化的接口、可視化的能力地圖和API(應用程序編程接口)文檔，以及內、外部開源市場等，方便企業內部了解軌旁智能運維系統，并在此基礎上接入軌旁智能運維模型。通過將企業自身的軌旁智能運維能力賦能給上、下游，推動軌旁智能運維數字化能力建設，促成產業協同。通過開放的軌旁智能運維平臺，發展軌旁智能運維系統的生態體系，拓展企業業務的邊界，從而加快企業的數字化轉型。

6) 精兵模式+沉淀軌旁智能運維平臺能力。未來城市軌道交通車輛軌旁智能運維技術的發展將會朝著基于數字化、智能化的智能運維技術方向演變，因此，更高層次的人才與業內最強軌旁智能運維平臺的搭建業務需求變得更加迫切。培養與引進高層次人才，組建“精兵模式”組織架構。該組織架構運作模式的創新，不僅可提升效率，更是實現了即便投入大量人力也無法實現的任務。最強的軌旁智能運維平臺是借助數字化的力量，以共享和能力為導向，將軌旁智能運維的各項能力拆解成眾多能力塊沉淀在平臺上，并共享給所有軌旁智能運維業務，形成了“精兵+平臺”的組織模式，最終實現負責輸出能力、沉淀能力的最強軌旁智能運維平臺。

2 軌旁智能運維系統的關鍵技術

2.1 軌旁智能運維技術架構

軌旁智能運維技術架構如圖1所示。軌旁智能運維技術架構是以數據為驅動，面向用戶體驗為中心，滿足了用戶定制化、多制式、可快速開發部署移植、可插拔等需求。該技術架構吸收了微服務“按業務領域”的縱向拆分方法，形成了“高內聚、低耦合”的能力。在數據源層面上，軌旁智能運維系統適應于多源異構數據源的采集，支持結構化、非結構化、半結構化數據源，以及文本數據、爬蟲數據、埋點數據等多種數據結構。針對不同數據源的采集采用不同的實現形式，離線、在線、實時的數據源，以及不同主題的數據源均考慮采用高可靠性、響應迅速的數據采集工具，支持分布式、流式計算，數據倉庫統計分析，以及最新的深度學習架構計算形式。在存儲層面上，軌旁智能運維系統支持不同種類、不同數量的數據存儲形式，以及支持不同數據庫的同步操作，從而滿足數據源的一致性和可靠性要求。軌旁智能運維系統提供面向服務的微服務架構體系，支持多制式、快速部署、復雜均衡、容錯分析等平臺部署開發能力。

注：Spring Cloud為微服務云架構；Spring Boot為微服務微架構；Flink為流式處理；TensorFlow為谷歌深度學習架構；PyTorch為一個開源的Python機器學習庫。圖1 軌旁智能運維技術架構Fig.1 Technical architecture of trackside intelligent operation and maintenance

2.2 軌旁AI中臺技術架構

軌旁AI中臺是基于人工智能技術，以高內聚、低耦合的面向軌旁業務服務場景的能力中心，打造持續演進的軌旁智能決策服務平臺。傳統的軌旁運維系統主要利用機器學習、深度學習算法進行業務場景辨識與診斷，該系統僅能實現部分業務場景診斷，且診斷正確率較低。當面對批量、眾多智能服務場景時，傳統軌旁運維系統的實現手段、實現方式變得很單一。因此，軌旁智能運維系統進行數據批量響應處理，以及快速搭建服務模型并高效維護亟待解決。軌旁AI中臺因此落地而生，為用戶需要的AI算法模型提供了一站式構建、離線在線模型訓練和全生命周期管理的服務，以滿足批量、眾多智能決策服務場景能力。軌旁AI中臺技術架構如圖2所示。

注：Spark為專為大規模數據處理而設計的快速通用的計算引擎； Caffe為伯克利人工智能研究小組和伯克利視覺和學習中心開發的深度學習框架；OCR為光學字符識別；SaaS為軟件即服務；PaaS為平臺即服務；IaaS為基礎設施即服務；CI為持續集成；CD為持續交付;GPU為并行處理器;FPGA為現場可編程門陣列;SDN為軟件定義網絡。圖2 軌旁AI中臺技術架構Fig.2 Technical architecture of trackside AI middle station

3 軌旁智能運維系統的主要功能

軌旁智能運維系統主要通過在檢修基地、運營線路上安裝的基于紅外感應、溫度監測、射頻感知、3D圖片等傳感技術的軌旁檢測裝置，自動檢測車輛車體和車底的磨損情況、輪對和閘片的尺寸、軸承溫度及車輛走行品質等信息，基于AI中臺構建智能模型實現智能決策替代人工決策。該系統設置在列車出入庫線，配備360°車體外觀檢測、輪對尺寸檢測、受電弓/受流器檢測、車底設備紅外檢測等功能。當列車不停車通過該區域，通過線陣掃描、圖像識別、光學測量法、紅外掃描等先進技術對車體外觀、車輪尺寸狀態、受電弓/受流靴的重要參數、車底關鍵設備溫度等重要項點進行自動檢測，并自動識別出列車相關異常。通過對檢測數據的管理與挖掘，實現軌旁精準智能管理。軌旁智能運維系統的主要功能見圖3。

3.1 受電弓及車頂圖像檢測功能

受電弓及車頂圖像檢測系統采用高分辨率攝像機對受電弓碳滑板頂部進行抓拍，通過采集碳滑板圖像并識別碳滑板裂紋、異物、平行度、偏轉角度等信息，識別受電弓滑板碳粉磨耗、偏磨、掉塊等缺陷。采用超高清線掃描技術獲取車頂的多角度全景圖像，通過對圖像的分析，利用AI中臺建模實現對空調外觀、避雷器外觀、受流器、無線電天線、ATC(列車自動控制)天線等車頂電氣，以及異物、牽引丟失、受流器變形等故障的自動報警。受電弓及車頂圖像檢測系統安裝在列車運行軌道旁，作為固定式設備對行經列車進行自動檢測。其主要功能包含：

1) 自動識別城市軌道交通車輛車號和端位，識別數據報表截圖見圖4。

2) 采集受電弓圖像，該圖像包含受電弓碳滑板的三維姿態(見圖5)及其尺寸信息。

圖3 軌旁智能運維系統的主要功能Fig.3 Main functions of trackside intelligent operation and maintenance system

圖4 城市軌道交通車輛車號和端位自動識別數據報表截圖Fig.4 Data report screenshot of urban rail transit vehicle number and end position automatic identification

圖5 受電弓三維展示圖Fig.5 Three-dimensional display of pantograph

3) 進行動態非接觸自動圖像分析處理，并記錄受電弓的狀態及其相關參數(見圖6)。

4) 通過對碳滑板運動姿態的檢測，可換算得到碳滑板接觸力。

5) 采用線陣相機，多角度掃描車頂高清全景圖(見圖7)。

圖6 受電弓碳滑板參數簡要說明圖Fig.6 Brief description of pantograph carbon skateboard parameters

圖7 城市軌道交通列車車頂高清全景圖Fig.7 HD panoramic view of urban rail transit train roof

6) 具有對檢測數據進行分析、判斷、整理的能力，能夠實現故障預警及故障報警提示。

3.2 輪對尺寸的檢測功能

輪對尺寸測量系統采用非接觸式激光測量方法，能準確檢測輪緣的高度和厚度以及輪徑值等車輪外形關鍵尺寸，同時還具備車輪接觸式擦傷檢測、不圓度檢測，以及踏面缺陷動態圖像監測等功能。

1) 自動繪制車輪踏面輪廓線。該系統具備自動繪制車輪踏面輪廓線功能，并以不同顏色疊加顯示標準踏面輪廓線，從而直觀顯示車輪磨耗情況；通過與標準踏面輪廓線進行對比，直觀反映車輪磨損情況(見圖8)。

2) 輪對外形尺寸自動檢測。該系統具備輪對外形尺寸等參數的自動檢測功能。

3) 超限報警設備具備紅、黃、綠三級報警功能。針對單個車輪的尺寸測量值，以及同軸、同架、同車、同列輪對的尺寸測量值，實現紅、黃、綠三級報警功能，并根據紅色報警輔助聲音及報警窗彈出提醒。

a) 左輪踏面輪廓線

3.3 車底及其兩側圖像檢測功能

車底及其兩側圖像識別監測功能采用高清線陣成像技術，可實現對車底及兩側關鍵部件可視部位的在線監控；車底及其兩側圖像的檢測設備具有各類信息化接口，支持其與作業管理系統中數據的互聯互通，實現對檢修作業質量的監控；車底及其兩側圖像檢測設備采用模式識別技術、神經網絡算法等自動識別技術實現關鍵部位預警功能，以此輔助檢修庫工作人員檢修，提高車輛段列車檢作業質量和作業效率。

3.4 軸溫、齒輪箱及電機溫度檢測功能

軸溫、齒輪箱及電機溫度檢測功能采用非接觸紅外測量方法，能自動測量列車軸箱、齒輪箱及電機的溫度，實現被監測部件的自動實時故障診斷和分級報警。該系統具備軸箱軸承、齒輪箱側、電機溫度的自動檢測功能，且以不同顏色疊加顯示前5次溫度特征值，并與本次溫度特征值進行比較，從而直觀顯示軸溫變化；該系統可對軸承端蓋溫度、齒輪箱端蓋溫度及電機溫度進行實時監測，從而實現被監測部件的自動實時故障診斷和分級報警。軸溫、齒輪箱及電機的溫度檢測見圖9。

圖9 軸溫、齒輪箱及電機的溫度檢測Fig.9 Temperature detection of axle, gearbox and motor

3.5 車輛運行品質在線檢測功能

采用輪軌動力學監測系統對踏面進行監測，對超標車輛適時采用適當的等級鏇修，以改善車輛動力學性能，提高車輛運行安全性，延長輪對使用壽命。將車輛運行品質在線檢測系統，安裝于車輛運行正線上，以實現車速為30～160 km/h通過車輛的輪軌動力學監測。通過對輪軌動態力的實時監測實現車輪踏面狀態、不圓度、多邊形、超偏載及異常輪軌作用力的預報。其主要功能包含：

1) 車輪踏面損傷及多邊形的監測。對通過測試平臺的城市軌道交通車輛，連續測量車輪圓周踏面在軌道上產生的輪軌力，自動識別傷損車輪產生的沖擊力。結合車輛運行速度及理論靜輪重等參數，計算得到反映車輪踏面損傷嚴重程度的沖擊當量。通過準確識別車輪多邊形，并將數據上傳并展示給管理人員。當數據超過設定閾值后，及時報警給管理人員。

2) 車輛橫向穩定性監測。對通過測試平臺的城市軌道交通車輛，連續測量車輪在軌道上產生的輪軌垂向力和橫向力。識別車輛蛇形失穩狀態，將數據上傳并展示給管理人員。當數據超過設定閾值后，及時報警給管理人員。

3) 車輛輪重不均衡監測。對通過測試平臺的城市軌道交通車輛，連續測量車輪圓周踏面在軌道上產生的輪軌力，計算得到各個車輪的理論靜重，識別車輛輪重不均衡情況。若數據超過設定閾值，及時報警給管理人員。軌旁智能運維系統通過由車輛質量產生的位移與車輪質量產生的位移間的比例關系，計算得到各個車輪的理論靜輪重，由此識別車輛輪重不均衡情況，如超重、偏載等。通過與系統設定的閾值進行比較，可預警提示給管理人員。

4 結語

城市軌道車輛軌旁智能運維技術通過對車輛的監測運維管理,基于軌旁AI中臺進行建模智能決策，可以有效延長車輛上線率、減少運用成本，從而降低綜合檢修成本；同時該技術可有效支撐輪對各級檢修過程中參數的優化，使其采取更加靈活的檢修限度。實踐證明，該研究成果可有效提升城市軌道車輛運用、維修和管理水平,具有良好的經濟效益和社會效益。