設(shè)備健康評估在軌道交通設(shè)施設(shè)備維保中的應(yīng)用研究

謝穎婷

（上海申通地鐵集團有限公司運營設(shè)施設(shè)備管理部，上海 200000）

隨著上海軌道交通運營規(guī)模持續(xù)增長和運行年限增加，設(shè)施設(shè)備健康評估在設(shè)施設(shè)備的運營管理中扮演著重要的角色，有效地保證了軌道交通的穩(wěn)定運營。本文基于隱馬爾可夫模型（HMM）構(gòu)建設(shè)施設(shè)備的健康評估模型，將設(shè)施設(shè)備的健康特征信息輸入模型進行訓練，采用KL距離來實現(xiàn)設(shè)施設(shè)備健康狀態(tài)的智能評估，為實現(xiàn)地鐵設(shè)施設(shè)備精細化健康管理奠定基礎(chǔ)。

1 研究背景

上海軌道交通目前已步入大規(guī)模網(wǎng)絡(luò)運營階段，地鐵設(shè)施設(shè)備數(shù)量多，制式多樣化，健康狀態(tài)的分析診斷大多依靠人工經(jīng)驗，存在以下問題。

（1）缺乏設(shè)施設(shè)備的健康評估模型，設(shè)備異常時，需要維護人員耗費大量的人力來進行故障查證，系統(tǒng)維護效率低。

（2）傳統(tǒng)的系統(tǒng)告警處理大都屬于事后處理，無法提前感知設(shè)備的亞健康狀態(tài)和未來可能發(fā)生的潛在故障，系統(tǒng)維護較為被動。

因此，迫切需要研究一種面向軌道交通的設(shè)備健康評估方法，通過大數(shù)據(jù)和人工智能技術(shù)有效評估地鐵設(shè)施設(shè)備的健康狀態(tài)，制定設(shè)施設(shè)備維護方案。

2 解決方案

2.1 隱馬爾可夫模型HMM

隱馬爾可夫模型HMM（Hidden Markov Model）是一種結(jié)構(gòu)最簡單的動態(tài)貝葉斯網(wǎng)的生成模型。隱馬爾科夫模型是關(guān)于時序的概率模型，描述由一個隱藏的馬爾可夫鏈隨機生成不可觀測的狀態(tài)隨機序列，再由各個狀態(tài)生成一個可觀測的隨機序列的過程。隱馬爾可夫模型有三個要素：初始狀態(tài)概率向量C，狀態(tài)轉(zhuǎn)移概率矩陣A和觀測概率矩陣B。隱馬爾可夫模型用三元符號表示為：

狀態(tài)轉(zhuǎn)移概率矩陣A與初始狀態(tài)概率向量C確定了隱藏的馬爾可夫鏈，生成不可觀測的狀態(tài)序列，觀測概率矩陣B確定了如何從狀態(tài)生成觀測，與狀態(tài)序列綜合確定了如何產(chǎn)生觀測序列。

表1 地鐵設(shè)施設(shè)備履歷信息的樣本數(shù)據(jù)

2.2 設(shè)備健康評估模型

系統(tǒng)基于隱馬爾可夫模型HMM構(gòu)建設(shè)備健康評估模型，主要過程如下。

（1）特征提取。系統(tǒng)需要在設(shè)施設(shè)備履歷信息中提取健康特征信息，主要包括生產(chǎn)時間、使用時間、告警記錄、上線時間和運行狀態(tài)。

（2）KL距離計算。KL距離(Kullback-Leibler)用于衡量相同事件空間里的兩個概率分布的差異情況。概率分布p(x)的事件空間，若用概率分布q（x）編碼時，則q和p的KL距離計算如下：

（3）健康狀態(tài)評估。系統(tǒng)用設(shè)備當前狀態(tài)的特征經(jīng)正常態(tài) HMM得到對應(yīng)的 P未知(O|λ)。由 [P正常(O|λ)，P未知(O|λ)]計算出KL距離，根據(jù)KL距離大小可評估設(shè)備的健康狀態(tài)。KL值越小，說明系統(tǒng)狀態(tài)越接近正常；KL值越大，說明系統(tǒng)狀態(tài)越接近異常。KL值大于國值，則已失效。

3 應(yīng)用實例

地鐵設(shè)施設(shè)備履歷信息的樣本數(shù)據(jù)如下：

將上述樣本數(shù)據(jù)輸入地鐵設(shè)施設(shè)備健康評估模型，輸出健康評估結(jié)果，如圖1。

圖1 地鐵設(shè)施設(shè)備健康評估結(jié)果

4 結(jié)語

本文基于隱馬爾可夫模型（HMM）構(gòu)建設(shè)備健康評估模型，將地鐵設(shè)施設(shè)備的健康特征信息輸入模型，通過數(shù)據(jù)深度學習和KL距離計算來實現(xiàn)設(shè)施設(shè)備健康狀態(tài)的智能評估，大大提升地鐵設(shè)施設(shè)備的管理維護能力，可以滿足地鐵超大規(guī)模網(wǎng)絡(luò)化設(shè)施設(shè)備管理維護需求。