地鐵車輛智能運維系統分析

徐凱歌

徐州地鐵運營有限公司 江蘇 徐州 221000

引言

在現代化城市進程不斷深入下，軌道交通網日益完善，交通規模逐漸擴大，以往車輛檢修模式難以滿足人們對運維服務提出的新需求，應在原本檢修設備基礎上，制定預防性維修模式實施方案，通過智能檢修機器人、走行部智能檢測、智能專家診斷系統等關鍵技術應用，使車輛缺陷第一時間得到定位，車輛運行狀態實時監測，及時更換受損或丟失的部件，使地鐵行駛更加安全可靠。

1 軌道交通智能運維技術概述

智能運維的技術原理是基于新科技監測管理平臺，根據待監測對象的技術特征，創建相應的健康標準，借助先進技術采集對象運行信息，結合歷史數據、維修數據、運行環境進行綜合分析，創建不同專業數據接口，憑借人工智能與邏輯算法進行健康評估，預測設備使用壽命與故障規律，并提出科學的維修決策，逐步提高維修效率和質量，滿足軌道交通運營需求。智能運維的優勢眾多，主要體現在以下方面，一是可節約維修時長，依靠人工智能對故障位置進行自動定位和成因分析，在短時間內將維修建議提供給技術人員，使設備故障得到及時應急響應；二是節約運營維護費用，根據故障預測結果，結合設備狀態，對人員、材料與機器設備等準備充分，以免因維保物資與設備不匹配，增加維保資金投入；三是提高故障檢測準確性，避免過度維修、欠維修等造成的資源浪費，使設備安全得到多一重保障，并有效降低故障風險[1]。

2 軌道交通智能運維的關鍵技術

當前國內多個城市陸續開展智能運維系統研發，現已生產出以預防為主的檢修模式，并結合地鐵車輛設備實際情況，利用先進技術在車輛運行狀態下進行數據采集和檢測，涉及車體外表、側面、底盤等多個位置，所用的關鍵技術如下。

2.1 智能檢修機器人

在車輛智能運維中，通過檢修機器人的應用可在地鐵靜態或者行駛期間，實施整體數據模塊錄入，依靠機器人的視覺、控制技術、拍攝技術等，獲得地鐵車身、車底、側面等多個區域的高清圖像，分析圖中車輛異常狀態，降低車輛檢修中的人力勞動強度，促進整體檢修效率提升。例如，在車底智能運維期間，可利用機器人設備內的面陣與線掃相機，確定車底位置，收集該區域相關設備圖像，依靠輪軸編碼器減少圖像采集時的振動，便于機器人更加及時準確的識別故障位置，衡量故障等級，使維修人員能夠快速響應故障預警，為其提供檢修流程與方案建議，使維修目標快速完成，提高車輛檢修效率[2]。

2.2 走行部智能檢測

在智能檢修系統內，將走行部智能檢測系統安裝在入庫線上，便可在車輛無須停車情況下進行自動檢驗。通根據走行部上方車輛、閘片位置拍攝照片，可對該位置運行狀態自動監測，將異常情況利用圖像處理技術進行及時處理，如變形、關鍵零件缺失、閘片位置帶有異物等等。該系統應用核心在于圖像采集、數字處理算法，可對車輛非勻速轉臺形成的橫縱向畸變問題、車體共振產生的圖片失真問題進行處理，使檢測裝置可對圖片內車輛非健康狀態做出正確判斷。

2.3 智能專家診斷系統

該系統在地鐵運維中的應用，可利用車載狀態監測設備，針對車輛行駛中的狀態變化情況24h持續不斷地監測，一旦發現異常情況將在第一時間發出警報，并將車輛當前狀態信息匯集起來，創建數據分析模型，及時準確地判斷故障位置，依靠自動化管理使車輛提早恢復健康狀態。該系統還可對相同架次，不同車輛在行駛中形成的數據進行記錄，利用機器學習算法進行數據檢驗，及時判斷多個地鐵運行中的數據區別，根據檢測結果為故障判斷提供參考。

2.4 智能檢修規劃技術

智能運維系統在規劃布局中，可利用360°全方位視覺檢測裝置，針對地鐵上方關鍵位置進行距離測量，對可視位置進行自動監測，監測對象為車輛設備與主要零部件，重點檢測是否出現螺母松動、丟失、管線脫落、異物混入等情況，結合檢測結果判斷車輛現行狀態，是否需要發出報警提示等。值得強調的是，在車輪位置檢修中，可利用激光檢測系統準確測量車輪踏面的直徑、輪廓、內側距離等，利用無線傳輸技術分析地鐵輪軌中的接觸開關、摩擦因素，衡量是否處于均勻穩定行駛狀態，進而維護地鐵運行安全[3]。

3 地鐵車輛智能運維系統設計與實現

3.1 業務功能

在智能運維理念引導下，以地鐵運維特點和業務需求為例進行系統設計。該系統共包括4個主要內容，通過軟硬件結合方式，使系統的業務功能得以豐富，具體如下。

3.1.1 軌旁綜合檢測系統。該系統是在車輛段入線和正線位置，利用紅外激光、機器視覺等智能檢測系統，在地鐵經過時對車輛外表、關鍵零件、磨耗零件尺寸等信息進行自動監測，將數據整理和清洗后，傳遞到運維平臺中，重點分析車輛走行部、弓網系統等圖像，針對異常之處發起預警，并有的放矢的開展車輛維護工作。

3.1.2 設備管理系統。該系統主要對集成設備、關鍵部件進行管理，包括部件基礎信息、應用情況等。先對關鍵信息全面采集，再借助BIM技術對待檢設備幾何建模，將模型與設備所處位置、運行狀態相結合，在明確設備位置的基礎上，將其形狀、使用情況與分布狀況等信息全面展示出來。

3.1.3 車輛維修管理系統。與以往運維模式相比，該系統可對設備歷史運行信息、檢修記錄等自動化分析，創建設備故障預測模型，根據設備運行情況進行預測分析，實現設備狀態檢修目標。將待檢設備故障數據匯總起來，創建故障診斷模型，為維修提供輔助決策；還可根據運維數據智能化分析，制定相應的檢修計劃，改變以往計劃檢修模式，采用現場動態巡查模式，有效避免過度檢修造成的資源浪費，在及時快速響應的同時，促進維修質量提升。

3.1.4 運維平臺創建。該平臺采用分層體系進行建設，包括中臺、基礎設施與應用3個層次。其中，中臺層的作用在于數據清洗、分析與可視化操作；基礎設施層是利用大數據中心建設模式，對數據實施統一化管理，以標準化接口促進信息共享，為大數據分析打下良好基礎；應用層是借助建模工具、開發工具等，為平臺開發與應用提供支撐，如故障預測、能耗管理、健康評估等；該平臺的應用還可監控車輛狀態，包括故障報警、自動診斷、應急處理等方面[4]。

3.2 架構設計

在系統架構設計中，結合智能運維的關鍵業務場景，創建數據平臺，在系統架構內對平臺信息進行采集和存儲，包括基礎設施信息、維修信息、使用信息等。在業務架構設計中，通過系統實時采集終端設備信息，對設備數據進行清洗、格式預處理、存儲管理。站在信息處理的角度，將運維系統分成4層架構，在應用層，包括智能工單、備用物件管理等；在數據層中，主要涵蓋模塊庫、設備庫、人員信息庫、專家經驗庫等內容；在業務層內，包括狀態預警、運行與拆解仿真、檢修維護分析等；在設備層內，包括移動終端、TVM、AGM等內容。在管理期間，由專業人員在應用層中制定維修方案，為維修設備模型創建、故障分析和處理提供便利，促進維修效率和業務水平提升。業務層可結合應用層的現實需求，針對實際業務進行邏輯處理，構建完善的業務模型，為后續應用層決策提供依據。

3.3 實際應用

某工程實驗室對車載式智能軌道巡檢系統進行研究，將其應用到某地鐵系統內，對軌道缺陷、軌道道床區域進行巡檢，借助無線網絡將檢測信息與圖片上傳給云服務器，利用云計算機技術對檢測結果進行分析，為維修人員缺陷評估和處理提供便利，確保地鐵車輛安全運行。

3.3.1 主要功能。在地鐵運行過程中，可采集軌道和道床高清圖像，根據狀態圖像精準迅速識別缺陷，涉及鋼軌裂紋、扣件斷裂、位移、丟失、道床內異物混入等多個方面，體現出智能化、自動化優勢；對巡檢范圍進行檢測，測量地鐵運行位置，將其作為鋼軌缺陷的線路坐標確定提供參考；借助無線網將檢測到的缺陷信息傳遞給云服務器，針對線路中的關鍵點位，也將實時圖像傳遞給服務器，便于動態監控設備運行情況；云服務器在接受軌道缺陷資料后自動保存，利用客戶端程序進行缺陷信息查看、匯總和比較[5]。

3.3.2 使用情況。在2020年5月1日—2021年10月1日之間，某地鐵安裝車載智能軌道巡檢系統進行運行，共采集到缺陷點481處，其中扣件缺陷點位305處，軌枕破損點135處，異物41處。從2021年1月開始，開展系統調試與創新工作，使其更加適應地鐵運行環境，使測量結果更加準確可靠。巡檢人員可打開微信小程序中的管理界面，對最近扣件缺陷、道床內異物、軌枕受損等情況進行查看，通過圖文信息了解現實情況，便于采取針對性的解決措施。當地智能運維系統經過系統規劃后，嚴格遵循全自動運行的要求，將車載、軌旁、檢修等環節有機結合起來，分部上傳到云端，創建出完善的智能運維系統。

3.3.3 應用效益。該地鐵線網長度為478km，按照規程每日巡道，線網需要287人；在巡檢系統投入使用后，可每間隔4天巡道一次，工作效率極大提升，所需人數降低。同時，該系統帶有即時傳送功能，可在獲取軌道缺陷信息后第一時間自動分析，提出維修建議，有效減少因檢修失誤延誤時機，甚至使故障擴大，設備受到二次傷害，通過精準化維修維護軌道設備安全，減少占用線路作業時間，節約維修成本。在系統試運行期間，實測效果良好，能夠與全自動運行車輛控制要求相符合，還促使檢修效率大大提升，值得后續完善后推廣應用。

3.4 未來發展

在軌道交通飛速發展下，未來將朝著“提高設備安全性、降本增效”的方向發展，逐漸實現軌道維修車載化、智慧化的維修體系，具體如下。

3.4.1 車載化。經過長期不斷探索，發現將軌道幾何檢測、圖像識別等技術應用到車輛運維中，并將運行環境、軌道受力、剛度檢測等功能整合起來，可使地鐵在運輸乘客的同時，對軌道狀態進行全面采集；

3.4.2 智慧化。在未來發展中不但要注重硬件設備創新，還要大力發展軟件系統，實現自動化檢測、傳輸、數據分析、智慧維修與報警等。針對系統間現存的壁壘問題，應將供電、軌道、車輛等專業的數據相互串聯起來，依靠大數據技術提高信息應用效率，充分開發出數據背后的深層價值。

3.4.3 產業化。未來應在制定標準的同時，借助工程實驗室內的科研力量，結合自身實際經驗，朝著產品開發、生產、更新換代等方面拓展，緊緊圍繞運營維護形成產業化新格局，依靠智慧化維修實現降本增效的目標，促進軌道交通行業的可持續發展。

4 結束語

綜上所述，當前國內科技水平不斷提升，城規運維系統勢必朝著信息化、智能化方向發展，借助大數據與圖像處理技術采集地鐵運行中的狀態信息，在第一時間確定軌道故障位置，并提出維修建議，促使維修效率極大提升，達到降本增效的目標。在后續發展中，應借助大數據技術剖析軌道故障規律，在檢修中實現分級預警與維修作業智能化管理，推動軌道交通朝著車載化、產業化方向發展。