自輪運轉設備運營維護智能化技術

李躍鵬 張鈺熒 高春雷 徐濟松 劉尚昆 何喆

1.國能朔黃鐵路發展有限責任公司原平分公司，山西忻州 034100；

2.中國鐵道科學研究院集團有限公司鐵道建筑研究所，北京 100081

根據現有的調研情況，朔黃鐵路目前對自輪運轉設備的管理主要依靠人工錄入相關信息，以電子文檔的形式保存。存在信息錄入重復、設備存在過修或者漏修的情況，且現有生產管理系統并不具備對自輪運轉設備的臺賬等信息化管理功能，無法為設備的運用、維護提供輔助決策和依據。

針對這一現狀，開展自輪運轉設備運營維護智能化的研究與應用［1-3］。結合機器學習［4-6］、故障診斷、大數據、GIS（Geographic Information System）［7-8］等多種新興功能，構建自輪運轉設備運營維護智能化系統。同時針對運營維護過程中的各個階段進行分析，以期有效降低運營維護的成本，解決目前設備在實際運營維護過程中出現的問題。

1 系統總體方案

該套運營維護系統從環境、管理、人、機器四個方面考慮，從而達到對運營維護過程的科學有效性管理，提高設備的有效壽命，解決設備在實際運營維護中出現的問題。

1.1 環境的因素

由于自輪運轉設備工作環境十分復雜，且運營維護過程中天氣環境也不盡相同。因此在實際的運營維護過程中需要制定不同環境下的工作方法，針對不同的環境條件選用合適的工作方法。

1.2 管理的因素

在實際運營維護工作中，管理方法起著紐帶的作用，可以協調人機之間的關系，降低人員的成本，提高機器的效率，使得整個運營維護過程可以有序健康地進行。在運營維護過程中建立合理的管理機構，明確各方的責任，充分結合現場的實際情況、國家和行業的標準編纂合理的管理制度，以便制度可以更好地落實到實際情況之中。

1.3 人的因素

人的因素是指人的行為對系統的影響，包括身體的功能、技術能力水平、人員的精神狀態等一系列因素。應盡可能地減少或杜絕人的不安全行為對整個運營維護過程的影響。在實際的工作中，要盡可能地發揮每一位員工的特長，激發員工的工作熱情，保證運營維護過程安全有序進行。

1.4 機器的因素

機器是指工作過程中所需的各種機械設備。先進的機械設備可以大幅度提高工作過程中的效率，因此需要對機械設備進行定期維護與保養。針對朔黃鐵路情況，盡力減少自輪運轉設備的不完好情況，作好自輪運轉設備的長期規劃，避免因為計劃不全面造成設備的頻繁使用。在使用過程中應該嚴格執行標準化作業的流程，避免操作不當以及操作失誤所造成的設備損壞與人員傷亡。

2 智能化運營維護方法

2.1 故障率描述

故障率曲線如圖1所示［9］。可知，在設備使用的初期階段故障率相對較高，隨著使用時間推移，故障率先有所降低后逐漸升高。

圖1 故障率曲線

大部分設備的故障率都是時間的函數，故障率可以使用威布爾分布來進行描述。威布爾分布是近年來在設備壽命可靠性分析中使用最廣泛的模型之一，能整體描述出整個故障率曲線。故障率λ(t)計算式為

式中：β為形狀參數，即分布曲線的形狀；t為時間；α為尺度參數，即坐標尺度。

當β＜1時，λ(t)呈遞減分布，設備運行在初期；當β=1時，λ(t)為常數，設備運行在偶發故障期；當β＞1時，λ(t)呈遞增分布，設備運行在磨損故障期。

2.2 系統的維修性

維修分為事后維修（Corrective Maintenance，CM）、預防維修（Preventive Maintenance，PM）和可靠性維修（Reliability Maintenance，RM）［10-11］三大類。

現有的維修主要是事后維修結合預防維修［12-15］，也就是在故障發生后進行維修，同時針對一些發生故障后會帶來重大經濟損失的設備采用定期維修或者視情況維修。

本文所述系統可以通過機器學習、大數據、移動GIS、可靠性維修等手段并融合目前已經收集到的自輪運轉設備的運行數據信息，對可能發生的故障進行預判，從而可以達成可靠性維修。可靠性理論作為該套自輪運轉設備運營維護系統的基礎理論，利用現有設備的運行數據分析影響系統的因素，科學制定維修的內容，來保證設備運營維護的可靠性。

2.3 系統所需時間

時間是影響該套運營維護系統的重要因素之一。系統所需時間分類如圖2所示。

圖2 系統所需時間分類

維修時間又可以繼續細分，如事后維修可以分為準備、檢查故障、預備材料、事后維修時間、調試時間、驗證時間、清掃時間；其中事后修維修時間又可以細分為原位修理時間、拆卸裝配時間、拆卸替換零件時間。

采用正態分布進行維修的時間預估。平均修理時間（Mean Time to Repair，MTTR）為可修復產品的平均修理時間。

對于該套系統來說，平均修理時間TMTTR計算式為

式中：μlτ為維修時間τ的對數均值：σlτ為維修時間τ的對數標準差。

μlτ、σlτ計算式為

式中：τi為第i次的維修時間［16］；N為總的維修觀察次數；S lτ為維修時間子樣的對數標準差。

系統根據式（2）并結合已有數據對設備的維修時間進行預估，同時根據最優化的理論尋找到最有效且時間最短的維修過程。

2.4 卷積神經網絡處理

以朔黃鐵路的自輪運轉設備為例，根據其故障記錄，針對自輪運轉設備運營維護系統已經采集到的故障運行信息利用卷積神經網絡充分發掘故障數據之間的關系，如圖3所示。

圖3 卷積神經網絡

該模型需要大量的數據樣本對其進行訓練，本文所用系統可以將訓練前后數據保存在云端模型，當計算結果不符合實際情況時，可以將數據再次調取進行二次計算，從而糾正訓練過程中的偏差，最大程度地利用已采集到的故障信息數據。同時對影響運營維護的參數給予不同的權重值進行計算。利用已有數據信息生成訓練集的樣本，對不同的故障狀態進行迭代訓練，將最終輸出的結果按照占整個系統故障率的比例進行分類。

在訓練過程中將故障分成三大類。第一類為占整個系統故障率10%以上的故障，第二類為占整個系統故障率1%~10%的故障，第三類為占整個系統故障率1%以下的故障。

將對第一類故障在系統中的優先級定為最高，同時可以根據各部件出現故障的頻次來做好對故障頻發模塊備件的采購工作。此外該系統可以根據不同應用場景動態進行優化，獲得在不同應用場景下各部件發生故障的頻次信息。

2.5 GIS定位

為了便于用戶使用，自輪運轉設備運營維護系統融合了GIS功能，可以在數據中心實時定位自輪運轉設備所在位置以及運行狀態，將采集的自輪運轉設備信息進行管理與分析，并通過屏幕展示自輪運轉設備的有關信息。如果在運行中，自輪運轉設備出現問題，系統會及時進行預警，以便人員進行檢修。設備出現問題后，可以與設備運行現場進行遠程連線，以便專家實時解決在現場中遇到的問題。

3 實際運用

該套系統的人機交互界面如圖4所示，通過該界面可以實現對現有的自輪運轉設備的實時定位，并將故障信息顯示在界面上。在使用實際中發現，相對于采用該系統前，使用該系統后對自輪運轉設備運營維護所需要的時間成本、人工成本以及經濟成本均顯著降低，說明該系統可以有效提升自輪運轉設備的運營維護質量。

圖4 人機交互界面

4 結語

GIS、機器學習、大數據處理等現代化技術的出現極大地提高了實現自輪運轉設備運營維護智能化的可能性。自輪運轉設備運營維護系統的采用有效提高了設備運營維護的管理水平，降低了運營維護所需要的人力、物力、財力與時間成本，并可以形成自輪運轉設備的故障管理庫及與每臺設備匹配的狀態檢修的數據庫，預測相關的故障信息。經朔黃鐵路實際運用驗證，該系統對設備的運營維護質量有很大提高，不僅能夠有效提升設備自感知能力，而且能夠解決設備在實際運營維護過程中出現的問題。