车辆智能运维建设需求与框架设计研究

GXF360 2019-09-21

展开全文

0 引言

目前城市轨道交通产业正迎来新一轮发展变革。上世纪90年代开始的技术进步是以车辆和设备的升级换代为标志，目的是让系统运行更加安全和高效，而新一轮的行业进化正在向着数据采集和智能分析的方向迈进，其目标是为了向乘客和从业者提供更加精准的服务。在大规模网络化运营管理的背景下，想要保持车辆设备高效运营并保证系统可靠性，就必须建立大数据基础上的智能运维管理模式，进而实现运营管理绩效优化。

浇水时要注意，不要在阴雪天浇水，水温不要过低要在20℃左右，浇水要在晴天的上午进行，浇水后的2～3天内不要是阴天，温度不要过低，防止猝倒病等病害的发生，如育苗土壤湿度过大可用干草木灰撒到苗根部土壤表面，注意不要撒到叶片上，可有效的降低表面湿度，提高温度。减少猝倒病等病害的发生。

1 现有车辆检修模式的局限性

目前车辆专业普遍采用的检修方式主要包括计划修、经验修和故障修。

计划修是指按照预先计划好的车辆走行公里数进行定期维护维修，这种方式不能对各线车辆系统维修策略进行精确划分，存在某些部件过度维修或者欠修的可能。经验修是指对于没有明确维修策略的系统和部件，维修者依据长期使用经验制定的维修规程和工艺进行操作，这种方式取决于维修者的长期经验积累，对于采用新技术的产品存在维修标准的滞后性。故障修是根据司机报修或者运营线上实时故障情况进行的事后维修，其弊端是一旦故障发生，早晚高峰时段容易对正线运营秩序造成较大影响。

在对照组方案基础上，再予自拟益胃养阴汤治疗，药物组成：玉竹15 g，沙参12 g，生地黄10 g，牡丹皮9 g，麦门冬15 g，天门冬15 g，赤芍10 g，海螵蛸10 g，白芍30 g，甘草9 g。1剂/d，水煎取汁300 mL，分早晚2次口服。治疗1周为1个疗程，共2个疗程。

2 智能运维目标

车辆专业力求通过智能运维的路径构建状态修和预防修模式，并且在运营管理的各个方面实现管理突破，智能运维应实现的目标如表1所示。

表1 车辆专业智能运维目标

管理要素实现目标人通过设备感知和检测技术的广泛应用逐步替代人工巡检，改变维修方式，实现减员增效机基于数据分析预判部件故障概率以及系统健康状态，消除“小故障大影响”对大规模网络化运营的制约环监控列车服务设备的可靠性，在乘客投诉前解决设备故障问题，提升乘客出行满意度管通过大数据分析和研究建立车辆健康指标评价体系，提升企业专业化管理水平

3 车辆专业“3+1”的智能运维体系设计

依据运营管理的需求和目前监测技术手段的发展水平，提出构建车辆专业“3+1”体系框架（图1）。其中“3”指的是列车走行部监测平台、列车TCMS数据监测平台、列车能耗计量平台。“1”是指维修现场的生产数据管理系统。这3个平台中包括了针对列车机械部位的车载走行部监测数据和轨旁设备的监测数据，还涉及了列车电气子系统的TCMS数据信息，另外还有车载能耗计量数据内容，基本可以涵盖车辆80%以上的关键参数指标。现场生产数据管理系统主要以员工手持的巡检PDA设备为载体，记录生产过程的各个检查节点信息。数据内容包括巡检点位、检测数据报表、故障拍照图像、故障修复工时记录、部件更换及库存信息等。

图1 车辆专业“3+1”智能运维体系

3个分析平台和1个管理系统可以形成较为立体的车辆专业智能运维体系框架。数据分析平台的检测结果为现场管理提供维修预测参考，同时现场管理系统的人工巡检结果可以与在线监测数据进行比对校验，更加完善和精准相关检测指标。

3.1 车辆走行部监测平台

车辆走行部监测平台（图2）包括车载监测数据和轨旁设备监测数据2部分。列车走行部在线监测技术相对较为成熟，通过安装在车辆轴箱、齿轮箱等部位的传感器，可以实现对轴箱轴承、轴箱温升、齿轮状态、轮缘踏面状态、构架等部位，在振动、温度、冲击3个物理量方面进行实时数据监测，并且利用广义共振和共振解调原理对故障进行诊断和预警。

轨旁车辆检测设备应用较多的有平轮检测系统、轨旁轴温检测系统、几何尺寸检测系统、轨旁车底图像拍照系统等。目前各设备大多具备数据分析和上传的能力，但都各自独立，没有形成资源整合。数据监测平台的建立，将轨旁检测设备群提供的车轮踏面状态、轴温数据、轮对外形尺寸、部件图像识别等数据，与车载系统的数据进行校验对比（表2），为车辆机械走行部监测建立更为完善和精确的预测预警信息。

3.2 TCMS数据监测平台

TCMS数据监测平台（图3）基于列车网络控制系统（TCMS）而建立，在逐步完善列车自身监控范围的同时，附以实时数据上传功能和数据分析建模技术的应用。该监测平台主要涉及内容包括：列车牵引和制动系统运行数据、列车网络状态信息、列车子系统故障数据、列车门状态信息、蓄电池状态数据、客室空气质量数据、客室温度监控数据等（表3）。

表2 车载监测数据与轨旁监测数据内容对比

走行部在线监测平台车载监测数据轨旁检测数据轴箱温度轴箱温度轴承振动强度轮径轮缘尺寸（轮径、轮缘高度、轮缘厚度、QR值、车轮内侧距、踏面磨耗、失圆度）轮缘踏面状态（失圆、擦伤、剥离、波磨）踏面擦伤和剥离（深度、面积）齿轮状态轮辐、轮辋探伤检测轨道区间振动状况（强度、频率）车底部位异状检测（图像）故障区间位置弓网状态检测运行里程波磨状态（波长、波深）

图2 车辆走行部监测平台示意图

3.3 车辆能耗管理平台

路网规模扩大、车辆数量增多势必会增加能源消耗，大力发展技术进步的同时，兼顾能源消耗的监测与管理势在必行。原TCMS自带能耗监测功能，但由于传感器精度较低，造成能耗计量数据误差较大，不能作为计量级使用。所以在智能运维体系架构中应涵盖能耗监测管理平台（图4），至少每条线有1列车安装计量级别监测设备，实现各线列车牵引能耗数据统计（表4），最终通过平台的监测数据给出该线能耗管理控制指标，为能源科学化管理提供基础依据。

3.4 现场检修信息管理系统

为实现信息化和精细化管理目标，实现检修内容的电子化全过程记录、自动化统计分析，需要在智能运维体系中构建以各运营分公司为单位的现场检修信息管理系统（图5）。该系统功能主要包括：车辆检修标准化流程和工艺文件创建、电子化工单报修及闭环处理、巡检到位率及故障图像记录、人工检测数据的统计分析和自动化报表生成、员工业绩档案统计等。

3.1 污水排放系数污水排放系数是污水处理工程设计的关键参数，农村地区污水排放系数范围较大。北京市城乡结合部、平原和山区村庄的污水排放系数分别为0.6～0.9、0.3～0.7和0.2～0.6[10]，安徽省农村平均产污系数为0.57[11]。对2个海岛污水处理量和用水量统计，得到各月份污水排放系数如图3所示。

现场检修信息管理系统有利于员工标准化操作和人工检测数据的统计与分析。该系统的人工检修数据与在线监测系统的设备数据融合（表5），有利于互补互验。

4 跨专业数据融合的需求

目前在运营管理过程中，涉及专业接口的故障事件占有一定比例。由于专业接口部分的数据监测能力薄弱，一旦发生故障，其原因往往难以分析判定。因此在大数据共享的条件下，对专业接口部分的智能监测方案进行研究，以摸索建立接口标准和日常运维管理规范。车辆专业与设备专业易发生接口故障的有车门与屏蔽门、车轮与轨道、制动与信号、受流器与三轨、受电弓与接触网等，未来在智能运维体系完善和其他专业监测内容齐全后，可将跨专业关键接口运行数据（表6）纳入到TCMS监测平台中。

表3 TCMS数据监测平台内容

TCMS数据监测平台序号监测内容序号监测内容1 列车速度 13 各子系统软件版本2 网压和网流 14 子系统故障率统计3 自动驾驶级别 15 客室门故障数据4 牵引状态 16 蓄电池状态5 制动状态 17 牵引、制动、门系统动作频次6 故障等级和信息 18 客室满载率7 运行总里程 19 PIDS系统状态8 当日运行里程 20 客室空气质量9 牵引能耗 21 客室空调温度设定值及实际值10 总能耗 22 客室图像记录数据11 再生能耗 23 司机室图像记录数据12 空压机运行时长

图3 车辆TCMS数据监测平台示意图

图4 车辆能耗管理平台示意图

表4 能耗管理平台的数据内容

能耗监测管理平台直接监测内容间接数据内容列车走行公里车体重量列车牵引能耗列车满载率列车辅助供电系统能耗列车运行速度列车再生制动能耗线路坡度及曲线半径站间距离再生能耗吸收能力驾驶模式季节温度因素

表5 系统检测数据与人工测量数据对比

系统检测数据人工测量数据内容内容轴箱温度测温仪检测踏面擦伤和剥离目视检查轮径轮缘尺寸手持仪器测量齿轮状态修程齿轮探伤检查车底部位异状图像识别目视检查轨道区间振动和波磨状况线路专业检测数据受电弓磨耗、燃弧率数据目视检查、人工测量

表6 跨专业数据融合需求

专业接口问题描述关键因素列车门—屏蔽门司机操作环节车辆侧信号侧通信环节车载设备与站台信号通信环节屏蔽门联动执行环节制动—信号全列车门与屏蔽门不能联动紧急制动的施加来源不明确车辆专业紧急制动施加条件信号专业紧紧制动施加条件车轮—轨道轮缘异常磨耗轮轨振动线路波磨轮轨润滑方式车轮不圆度列车速度减振扣件刚度线路阻尼系数曲线半径轮轨共振频率受电弓—接触网受电弓与接触网异常磨耗弓网燃弧灼伤弓网接触压力弓网离线燃弧率硬点冲击拉出值线网动态导高受流器—三轨受流器异常拉弧受流器滑块异常磨耗受流器杆臂断裂列车运行速度受流器与三轨的接触压力三轨弯头位置高度绝缘性能受流器振动数值

图5 现场检修管理系统示意图

5 车辆健康指标评价体系

车辆智能运维技术的应用目的是为了企业在管理上有所优化改进。通过以监测和检测数据为基础建立的智能运维平台提供的数据信息，可构建客观量化评价各线车辆健康状态的指标体系。

指标体系中包含14项评价项目：车辆故障率、列车掉线率、列车牵引单耗、轮轨振动强度、轴箱轴承温度、轮缘磨耗率、轮径磨耗率、牵引系统故障率、制动系统故障率、门系统故障率、网络系统故障率、广播系统故障率、空调系统故障率、控制回路故障率。

6 车辆专业智能运维场景展示

车辆智能运维的应用场景及管理区域划分建议按照运营级别、现场维修级别、预防分析级别来界定（图6）。

6.1 司机驾驶运营场景

列车具备主要电气系统和机械走行部的在线监测功能，一旦在运营线上遇到影响运行的重大故障，监测设备会立即报警给本车乘务员，同时，系统将故障信息通过无线传输方式实时传输给行车调度和运营分公司生产管理平台。行车调度与乘务员确认故障后按照应急预案进行处置，运营分公司车辆维修部门立即参与相关故障处置及排查工作。对于列车所监测服务设备出现故障的情况，乘务员按照列车掉线标准进行认定。智能运维系统支持的司机驾驶故障处置场景如图7所示。

新版《煤矿安全规程》第六百四十七条规定：采煤机必须安装内、外喷雾装置。割煤时必须喷雾降尘，内喷雾工作压力不得小于2MPa，外喷雾工作压力不得小于4MPa，喷雾流量应当与机型相匹配。但现综采工作面采煤机暂不能实现此要求。采煤机随机带有内喷雾和外喷雾两种降尘装置。喷雾原理为：喷雾泵高压水进入采煤机总水阀，由总水阀经过滤后进入水分配阀，由水分配阀分出两路，经过采煤机各冷却系统，然后分别进入滚筒内喷雾和摇臂外喷雾。

中国城市在城市气候联盟中的活动日益活跃，并受到国际社会认可。比如2016年12月2日，为期3天的第六届C40城市气候领导小组（简称C40）市长峰会在墨西哥首都墨西哥城落下帷幕，来自伦敦、纽约、首尔、悉尼等90多个城市的市长及高级政府官员出席，中国的武汉市受邀出席并介绍在应对气候变化方面的经验与探索。C40是全球大型城市为采取行动减少温室气体排放而成立的机制，由83个城市成员组成。C40市长峰会每两年举办一次，该组织强调城市在塑造全球可持续发展中的主要角色，为此评选100个应对气候变化案例，目的在于为应对气候变化选出最具代表性的解决办法，为C40成员国提供借鉴。

6.2 车辆巡检维修场景

各运营分公司生产调度人员通过运营管理系统实时监控各线列车运营状态，发现较严重故障及时通知检修中心人员进行关注，必要时需要到运营正线确认。当列车运营结束后，检修人员通过接车巡检、调取运营监测记录、轨旁设备检测数据、司机故障报修情况综合鉴别列车功能状态，并有针对性地检查维修，维修全过程则通过现场生产管理系统完成。智能运维系统支持的现场检修场景如图8所示。

一般的无刷直流电动机结构简单，控制方式也相对容易，但由于霍尔元器件的限制，控制精度较低，存在一定的安全隐患。永磁同步电机控制精度高但是控制方式相对复杂。为了增加控制精度且不增加控制难度，可增加一个非接触式的磁编码器。由于编码器的结构定转子分体非接触式，编码器转子嵌入电机转尾端，编码器定子与其在轴向分开一定距离，所以该编码器只能装在电机尾端。电机设计时需考虑电机的使用工况，如振动、冲击、工作时长、工作效率等等。需通过合理的结构布置、电磁设计等方式来满足需求。

6.3 大数据分析应用场景

智能运维的目标能否有效实现，数据分析和模型构建是至关重要的组成部分，需要组建专业数据分析团队。各个运营分公司的车辆专业数据分析团队应实时关注上线列车的运行状态，每日对所辖列车的监测数据进行整理统计，每周量化健康指标数据，每月形成趋势分析报表，每季度对维护维修质量进行评估，对于出现的问题及时通过专项检查和调整维修工艺等方式进行改进。

图6 智能运维管控级别划分

图7 司机驾驶故障处置场景

图8 现场检修场景

同时数据分析团队还要不断优化各线列车健康评价指标的内容，并且进一步挖掘影响运营的跨专业接口数据的建模机理，逐渐织密车辆运维的智能网。以智能运维系统为基础的大数据分析应用场景如图9所示。

图9 大数据分析应用场景

7 结语

车辆智能运维体系建设是一项长期而艰巨的工程，需要科学的数据理论储备和持续的物资投入，二者缺一不可。详细的数据基础和系统科学的分析研究方法是智能运维的先决条件，而持续的基础设施投入则是不断丰富和完善智能运维体系的根本保障。城市轨道交通智能运维建设是行业发展的趋势，能够带动相关领域产业升级，推动专业管理标准化和精细化的有效实施，逐步实现状态性和预防性维护维修的目标，提高车辆设备运行可靠性，优化人员使用结构和效率，从而促进企业绩效水平的整体提升。

参考文献

[1] 赵宇航，徐永能，刘英舜，等. 基于改进神经网络的城市轨道交通信号系统故障智能运维[J]. 科技创新导报，2019，16（6）：1，3.

[2] 李聪.地铁信号系统智能运维方案设计[J].铁道通信信号，2019，55（2）：86-90.

[3] 黄铖.中车时代电气列车智能运维平台FORESEE品牌发布[J].控制与信息技术，2019（1）：68.

[4] 冯江华.轨道交通装备技术演进与智能化发展[J].控制与信息技术，2019（1）：1-6，11.

[5] 詹炜，徐永能，王依兰.城市轨道交通车辆智能运维系统应用研究[J].城市公共交通，2018（12）：28-31，36.

[6] 林云志，祁小兵，陈浪先，等.基于综合监控系统数据的城市地铁3D运维平台应用研究[J].机电工程技术，2018，47（10）：39-42，168.

[7] 李刚. 基于大数据及云计算的电务综合运维技术研究[D].北京：中国铁道科学研究院，2018.

[8] SJ/T 11659-2017城轨列车运行状态智能监测系统技术规范［S］.北京：工业和信息化部，2017.

[9] 刘述芳.城市轨道交通关键设备智能运维系统初步建构[J].设备管理与维修，2018（Z1）：22-23.

[10] 吉敏.基于大数据的专家系统在地铁智能运维方面的应用研究[J].计算机产品与流通，2017（11）：74.

[11] 矫健.动车组轮对全生命周期管理平台研究[J].铁路计算机应用，2017，26（7）：61-65.