城軌車輛智能運維體系技術方案研究

吳永深，王俊彥，盧京延，車聰聰，王云飛，石艷紅

(中車青島四方機車車輛股份有限公司，山東 青島 266111)

隨著國內外城市軌道車輛行業快速發展，軌道車輛保有量大幅增加，列車運營效率日益提升，特別是隨著全自動駕駛模式的推廣，車輛、信號、運營、檢修、維保等相關領域和專業的融合進一步加強，對車輛運行的“安全、高效、低成本” 的需求日益迫切。隨著車輛故障預測與健康管理系統(PHM)、大數據、云計算、大流量無線通信及人工智能等新興技術的發展，如何通過信息化技術以及互聯網+技術平臺，對數據進行進一步的挖掘和梳理，為后期車輛安全、高效、低成本運營提供智能化平臺，已成為車輛設計制造廠商和地鐵公司最為迫切需要關注的問題[1]。

1 系統概述

1.1 運營里程需求

截至2020年底，我國已有42個城市開通軌道交通并投入運營，運營里程達6 905 km。其中，地鐵運營里程5 668.3 km，占比82.1%。以成都地鐵為例，自2010年9月開通第一條地鐵以來，至2020年，地鐵開通運營里程達514 km；到2022年，地鐵開通運營里程將達600 km以上。

1.2 運營范圍需求

隨著美國地鐵、巴西地鐵、阿根廷地鐵等海外地鐵項目成功投入運營，我國軌道交通裝備面臨著全球化發展所帶來的運行環境復雜、數量多、運量大的挑戰。若要突破時間和空間的限制，則亟需建立廣域、遠程、高頻次和大范圍中國運維服務新模式。用戶對產品全壽命的使用成本、檢修決策以及車輛使用率提出了更高的要求，使得軌道交通行業的經營模式已經由原先的賣產品轉變為賣服務，服務成為決定訂單的重要因素。

1.3 行業發展需求

雖然工業4.0、互聯網+等信息時代的技術已經出現很久，但由于行業的局限性，并未得到大面積的應用。以運營故障處理為例，正線車輛一旦出現問題，司機首先會通過無線電臺呼叫行車調度員，行車調度員與地鐵專業工程師溝通后再指導司機進行故障處理。整個故障處理的快慢全部取決于參與人員對車輛、故障的精準判斷程度，容易出現短板效應。日常檢修維護方面，運營管理在高效、低成本方面還有很大的提升空間。目前檢修主要分為計劃修和故障修。故障修需要人與人之間的信息傳遞，效率低，同時容易出現技術短板；計劃修關聯性不強，自動化程度不夠，易造成效率低下，出現過修或欠修的情況。近年來，智能感知、物聯網、大數據分析及人工智能等新技術正在改變人們的生活和產業發展模式，也為智能化列車的實現提供了技術保障。

基于以上行業發展需求、現狀的需求以及信息化技術的需求，我們必須變被動為主動，緊跟信息化、智能化的步伐，推動軌道交通行業的進一步發展。

2 系統設計

2.1 總體架構

城軌車輛智能運維體系涉及到整個城軌產業鏈中從設計制造到后期運維中所有相關單位的信息化。通過對整個系統進行全壽命周期管理，采用運維體系智能將大幅提高生產和運維效率，降低整個產業鏈的成本。智能運維體系在地鐵公司內涉及到車輛中心、乘務部、運行控制中心(OCC)、車輛段調度指揮中心(DCC)、維修車間、檢修車間；在地鐵公司外涉及到車輛設計制造廠商、主要部件供應商、科研院所等，這些部門和單位都是大平臺中重要的一部分。城軌車輛智能運維體系總體架構如圖1所示。

圖1 城軌車輛智能運維體系總體架構圖

2.2 功能設計

智能運維體系在現有車輛平臺和技術的基礎上，融合了智能感知、互聯網、大數據分析等技術，圍繞行業發展態勢、用戶運維需求及出行服務需求，結合地面配套的一體化信息平臺和技術服務一體化平臺，通過自感知、自診斷、自決策、自學習等技術手段，大大提升了列車運行安全性、可靠性，提高了運營效率和運維保障能力，提升了旅客服務品質，降低了智能運營監測技術運用、維護、檢修成本。其中，智能運營監測技術的技術框架主要由狀態感知、數據傳輸、數據處理及應用三大部分組成，隨著技術的進步和應用經驗的積累，將對各組成部分提出更全面的功能要求。

2.2.1 狀態感知

狀態感知是指通過各種方式獲取車輛各系統和部件的狀態信息。設置涵蓋所有關鍵系統的各類傳感器和狀態反饋器件，實時監控項點約2 700余項，且采用MVB、以太網等進行監視數據傳輸。狀態感知設計系統如圖2所示。

圖2 狀態感知設計系統

2.2.2 數據傳輸

建立車-地、地-地、網絡等一體化數據傳輸平臺，實現海量異構數據的采集、傳輸，為數據分析挖掘提供數據基礎。

車-地傳輸：列車上采集的各種狀態感知數據[2]由車載車地無線裝置通過4G、5G或Wi-Fi或LTE傳輸到地面的大數據中心。

地-地傳輸：企業信息系統數據如BMS、MRO、ERP、地面PIDS等企業信息系統內的設計、制造、檢修、物流、運營等數據通過地面網絡發送到地面大數據中心。

網絡傳輸：包括用戶反饋內容、互聯網數據等通過地面網絡發送到地面大數據中心。

2.2.3 數據處理及應用

2.2.3.1平臺構架

建成智能運維大數據平臺進行數據治理、融合，形成基礎數據集，從不同維度對數據進行分層存儲，以備數據分析挖掘。大數據平臺技術架構主要由IaaS層、PaaS層、SaaS層組成。各層之間相互協作，貫穿數據的產生、聚集、分析和應用各個階段。技術架構還包括安全與運維體系，用于規范化數據處理流程和提供安全可靠的訪問機制，如圖3所示。

圖3 智能運維大數據平臺技術架構圖

2.2.3.2應用功能

智能運維大數據平臺的主要應用功能分為如下幾個方面：狀態監測、數據分析、故障管理、檢修計劃、資源管理、維護管理及后臺管理等[3]，如圖4所示。

圖4 智能運維大數據平臺功能結構圖

(1) 狀態監測。實時監測車輛位置狀態及各子系統，如牽引、制動等各系統電流、風壓等的狀態、參數，如圖5所示。

圖5 列車狀態監測

(2) 數據分析。通過選擇實時或歷史的數據量(如速度、網壓、網流等)，用戶可根據繪制的曲線來分析各狀態變量的變化趨勢，判斷數據的變化。如統計列車能耗，對司機動作進行評判并把判斷結果記錄下來，如圖6所示。

圖6 數據分析

(3) 故障管理。實現現存及歷史故障查詢、故障診斷、故障統計等，故障情況經過審核后上傳到服務器，作為故障履歷進行存儲，為以后的故障統計、分析提供數據支撐。構建基于TCMS控制策略、模糊推理與專家經驗的故障診斷機制，建立針對受電弓保護、主斷路器保護、牽引封鎖、運行事件等幾大類診斷樹，對每一種故障進行詳細梳理，采用逆向定位+正向推理的方式，實現故障記錄與事件記錄(運行工況) 的自動關聯[4]，如圖7所示。

圖7 故障及診斷

故障預警分為閾值類預警(主要集中在溫度、速度、加速度、電壓及電流等方面)和接觸器類閉合/斷開故障類預警(擴展供電接觸器、主斷路器等)[5]。

設計壽命統計分析與預測是指依據列車設備的設計壽命參數，統計設備的運行數據，并評估設備的剩余壽命，如接觸器、斷路器、冷卻風機、牽引電機及受電弓滑板等，如圖8所示。

圖8 故障預警

(4) 維護管理。記錄維修過程經過審核后上傳到服務器，作為工作履歷為以后的維修提供維修模板，同時填入專家系統。維修策略的制定：通過基于專家經驗規則的診斷及數據挖掘的診斷，經過和各子系統分包商、地鐵公司共同挖掘制定；建立故障代碼體系和故障知識庫，通過列車故障信息采集和反饋功能，實現對車輛運用故障的快速響應，可縮短處理時間，提高維修效率，如圖9所示。

圖9 維護管理

(5) 檢修計劃。完成基于信息化的預防維修(PM)和改善性維修(CM)工作流程和基于網絡的故障處理工單智能化管理[6]，如圖10所示。

圖10 檢修計劃

3 結束語

該智能運維體系技術方案的設計與實現是以物聯網、大數據、人工智能、新材料為代表的新興技術與軌道交通的深度融合，是構建下一代軌道交通服務模式和技術體系的主要途徑，將實現城軌列車智能運維全壽命周期管理，全面提高車輛的設計、制造、維護及檢修質量，列車維護逐步從定期修走向預見修。今后還需要進一步挖掘大數據的潛在價值，完善預警評價模型，實現對列車智能運維的健康科學評價，維護城軌的安全、高效、穩定。