軌道車輛造修數據統計分析系統研究

宋龍龍 姜艷 孫衛平 徐桂紅

關鍵詞：軌道車輛；全生命周期；數據貫通；數據分析

0 引言

軌道車輛造修數據包含部件新造出廠履歷，關鍵檢測試驗信息、各級分解檢修（含臨修）的檢修信息[1]，例如影響行車安全和秩序的關鍵零部件裝車及下車信息、性能參數，隨運行里程和時間增加而衰退的性能參數，以及運用和高級修故障率偏高部件的裝車時間、更換時間、偶換率等信息[2]。

通過造修數據采集和分析，可以掌握主要部件性能參數隨服役時間和運用里程增加的變化規律，研究其性能變化規律與邊界條件參數（如線路、配屬、速度、實際工作時間、溫度、供應商等）的關系[3]，為修程修制優化及編制差異化檢修規程提供支撐，為新產品開發部件選型及設計優化提供建議，并為后續精準狀態修及預測修模型開發提供數據支撐[4]。

針對以上問題，本文研究了一種軌道車輛造修數據分析系統，提升數據分析效率。

1 造修數據統計分析關鍵技術

1）統計量和趨勢分析

通過以統計量和趨勢分析對同型號產品、同類型產品，對產品的性能參數根據需求進行統計分析。分析參數主要包括試驗環境應力，直接輸出測量值以及試驗環境應力與直接輸出測量值之間的內在關系。試驗環境應力主要包括測試時的濕度、溫度等，輸出測量值即為可通過儀器等工具直接測量讀取的值，試驗環境應力和直接輸出測量值的關系為隨著試驗環境應力的變化直接輸出測量值的變化情況。

2）基于退化軌跡的可靠性評估

根據樣本產品性能參數測量值、合格值和時間里程信息，初步描繪各樣本產品性能退化軌跡，根據軌跡基本形狀選擇合適的模型，計算模型參數，基于模型和失效閾值推算各個樣本產品的偽失效壽命，并對偽失效壽命的分布進行假設檢驗，選取擬合度較好的分布即可計算得到產品可靠性曲線以及到達失效閾值時的壽命。

3）基于性能退化量分布的可靠性評估

根據樣本產品的性能參數測量值、合格值和時間里程信息，計算出各樣本產品退化量的均值和標準差，并描繪出均值和標準差隨時間或里程變化的曲線。根據曲線的形狀選擇合適的模型，計算出模型參數。得出均值和標準差隨時間里程變化的方程，計算可靠性曲線以及產品到達失效閾值時的壽命。

2 系統平臺架構設計

整體架構設計遵循SOA的設計架構思路[5]。交互層通過前后端分離的形式與應用解耦，使交互層更加靈活，適應不同崗位、不同場景的使用需求，前端技術使用基于JavaScript的前沿主流框架，和瀏覽器的整合性更好，體驗更佳；應用層主要采用JAVA技術，使用springboot、dubbo等互聯網主流的開發框架，微服務、多線程、分布式的設計和實現保障了應用的響應效率和硬件資源的充分利用。同時在系統的設計上，為了將現有功能和新的模塊功能有機結合又不影響原有模塊的功能及部署，將當前模塊獨立為單獨的微服務，獨立提供相應模塊所需的接口能力。保證了全部應用邏輯的一致性和穩定性，模塊結構的開放性、可拓展性、可維護性以及動態擴容能力。同時，在框架的搭建上，采用開源的框架，可以在保證經濟性的同時有效地避免技術封鎖限制，因為開源框架的通用性，使得開發人員的培訓學習周期變短，可以更快地進行迭代升級工作，縮短開發周期。降低開發風險、增強系統的穩定性。根據以上分析結果，架構設計圖如圖1所示。

造修數據分析系統由獨立服務器或第三方虛擬機提供運行環境，數據源從原有系統（如MRO）中通過ESB/行云調取數據存儲至中間臨時數據庫，DARAMS 通過數據治理服務將臨時庫中的數據通過抽取、清洗、轉換等處理同步到業務數據庫中提供業務數據支持，整體數據存儲由MySQL提供結構化的數據存儲，Redis提供高速緩存及共享session服務，elasticsearch 提供非結構化數據存取（包括用戶元數據、計算中間數據，系統日志及業務日志）。Python為業務數據提供方程求解、數據清洗等計算服務。Nginx負責模塊間路由及負載均衡。流量入口做了統一的權限認證和服務調度，提高系統整體的安全級別，最終數據使用由前端WEB 圖表展示或API接口輸出其他系統使用。

造修數據分析模塊的主要功能是對采集到的造修數據進行統計分析，摸清收集項點測量值的統計學規律，進行不同型號、不同修程間的測量值趨勢對比分析、測量值對試驗環境的敏感度分析以及性能退化分析。分為以下四個子功能模塊：1）性能指標分析；2）趨勢對比分析；3）試驗環境分析；4）性能退化分析。

1）性能指標分析

此模塊的功能是對產品各個采集場景的統計量進行分析。實現利用帶正態擬合直方圖、箱線圖、批次圖對數據進行分析，直觀展示數據的性能指標的集中趨勢、分散趨勢、分布形態及可能的異常，為數據質量提升奠定基礎，為性能退化分析中的分布選擇提供依據。模塊具體功能如下：

①根據需求創建分析模型，對產品統計量進行分析，分析維度包括：型號、下車列號、批次號、采集場景、檢修前后和時間范圍；

②可對已創建模型進行預覽、復制、修改、導出、刪除以及批量刪除操作；

③分析結果以圖表方式以柱形圖和箱線圖的形式展示。（圖2）

2）趨勢對比分析

此模塊的功能是對產品測量值或均值隨采集場景的變化情況進行分析。實現利用柱形圖、箱線圖、折線圖和檢修前后差值圖對測量值在各修程間的變化趨勢，同時可以對比不同型號、不同個體間的趨勢和離散程度差異，用于識別性能指標是否存在相對明確的退化趨勢，為性能退化分析中的退化參數擬合方式的選擇提供依據。模塊具體功能如下：

①根據需求創建分析模型，對產品測量值或均值隨采集場景的變化情況進行分析，分析維度包括：型號、下車列號、批次號、檢修前后和時間范圍；②可對已創建模型進行預覽、復制、修改、導出、刪除以及批量刪除操作；③分析結果以圖表方式以柱形圖和折線圖的形式展示。（圖3）

3）試驗環境分析

此模塊的功能是對產品檢修前后測量值與試驗環境溫度或濕度相關性進行分析。實現利用帶回歸線的散布圖對測量值是否可能與檢測環境（溫度、濕度）有關；如果通過溫度、濕度的相關分析表明指標變化與對應因素存在較大的相關性，用戶需要剔除環境因素的影響后再進行性能退化分析，從而保證性能退化分析結果的可信性。模塊具體功能如下：

①根據需求創建分析模型，對產品檢修前后測量值與試驗環境溫度或濕度相關性進行分析，分析維度包括：型號、下車列號、批次號、采集場景、環境應力、檢修前后和時間范圍；②可對已創建模型進行預覽、復制、修改、導出、刪除以及批量刪除操作；③分析結果以圖表方式以散點圖的形式展示。（圖4）

4）性能退化分析

此模塊的功能是對產品性能達標概率進行分析。

實現了基于正態分布和威布爾分布的性能退化量分布法理論對數據進行性能退化分析。提供線性、對數、指數及常數形式擬合性能指標隨時間/里程的變化規律并建立性能退化模型，根據分析得到的指標達標概率等結果，可確定當前各修程的檢修效果，或匹配適當的檢修間隔周期，達到優化檢修規程的目的。

模塊具體功能如下：①根據需求創建分析模型，利用退化量分布法對性能達標概率進行分析，分析維度包括：型號、下車列號、批次號、采集場景、檢修前后和時間范圍、分析方法；②可對已創建模型進行預覽、復制、修改、導出、刪除以及批量刪除操作；③分析結果以圖表方式以散點圖和曲線圖的形式展示。（圖5）

3 造修數據統計分析

客室空調機組檢修數據共涉及2個廠家、6個型號，共23個項點（包括整機、風機、壓縮機、逆變器等性能），目前主要從整機性能、部件性能（風機、壓縮機、逆變器等）兩方面選取9個項點數據進行分析。以安裝座振動加速度性能分析為例進行說明。

安裝座振動加速主要用來判斷壓縮機、風機等振動源部件振動是否過大，或減震墊功能是否降低。目前四/五級修更新風機軸承、清潔壓縮機表面、壓縮機安裝用減震墊狀態檢查。主要從不同修程、不同配屬路局、不同供應商等維度開展分析。（圖6、圖7）

通過以上分析可以看出：

1）A廠家產品表現較B廠家加速度較為平穩。

2）隨運用里程增加，振動加速度呈上升趨勢，分析可能為壓縮機減震墊老化導致。

3）五級修壓縮機、風機更新后，振動加速度值有所改善。

4）振動加速度與路局相關性不大，隨運用里程增加呈上升趨勢。

4 結束語

通過本文研究，制定了動車組造修數據采集管理規定及標準，編制了造修數據采集模板，建立了造修數據采集分析平臺，對關鍵部件造修數據進行了采集，分析了關鍵部件性能參數全生命周期變化規律，評估了影響關鍵部件設計壽命的主要因素，形成分析報告，實現了對關鍵部件健康狀況和性能趨勢的預測。

通過造修數據采集和分析，掌握主要部件性能參數隨服役時間和運用里程增加的變化規律，研究其性能變化規律與邊界條件參數（如線路、配屬、速度、實際工作時間、溫度、供應商等）的關系，為修程修制優化及編制差異化檢修規程提供支撐，為新產品開發部件選型及設計優化提供建議，并為后續精準狀態修及預測為模型開發提供數據支撐。