城轨车辆智能运维体系技术方案研究

吴永深，王俊彦，卢京延，车聪聪，王云飞，石艳红

(中车青岛四方机车车辆股份有限公司，山东 青岛 266111)

随着国内外城市轨道车辆行业快速发展，轨道车辆保有量大幅增加，列车运营效率日益提升，特别是随着全自动驾驶模式的推广，车辆、信号、运营、检修、维保等相关领域和专业的融合进一步加强，对车辆运行的“安全、高效、低成本” 的需求日益迫切。随着车辆故障预测与健康管理系统(PHM)、大数据、云计算、大流量无线通信及人工智能等新兴技术的发展，如何通过信息化技术以及互联网+技术平台，对数据进行进一步的挖掘和梳理，为后期车辆安全、高效、低成本运营提供智能化平台，已成为车辆设计制造厂商和地铁公司最为迫切需要关注的问题[1]。

1 系统概述

1.1 运营里程需求

截至2020年底，我国已有42个城市开通轨道交通并投入运营，运营里程达6 905 km。其中，地铁运营里程5 668.3 km，占比82.1%。以成都地铁为例，自2010年9月开通第一条地铁以来，至2020年，地铁开通运营里程达514 km；到2022年，地铁开通运营里程将达600 km以上。

1.2 运营范围需求

随着美国地铁、巴西地铁、阿根廷地铁等海外地铁项目成功投入运营，我国轨道交通装备面临着全球化发展所带来的运行环境复杂、数量多、运量大的挑战。若要突破时间和空间的限制，则亟需建立广域、远程、高频次和大范围中国运维服务新模式。用户对产品全寿命的使用成本、检修决策以及车辆使用率提出了更高的要求，使得轨道交通行业的经营模式已经由原先的卖产品转变为卖服务，服务成为决定订单的重要因素。

1.3 行业发展需求

虽然工业4.0、互联网+等信息时代的技术已经出现很久，但由于行业的局限性，并未得到大面积的应用。以运营故障处理为例，正线车辆一旦出现问题，司机首先会通过无线电台呼叫行车调度员，行车调度员与地铁专业工程师沟通后再指导司机进行故障处理。整个故障处理的快慢全部取决于参与人员对车辆、故障的精准判断程度，容易出现短板效应。日常检修维护方面，运营管理在高效、低成本方面还有很大的提升空间。目前检修主要分为计划修和故障修。故障修需要人与人之间的信息传递，效率低，同时容易出现技术短板；计划修关联性不强，自动化程度不够，易造成效率低下，出现过修或欠修的情况。近年来，智能感知、物联网、大数据分析及人工智能等新技术正在改变人们的生活和产业发展模式，也为智能化列车的实现提供了技术保障。

基于以上行业发展需求、现状的需求以及信息化技术的需求，我们必须变被动为主动，紧跟信息化、智能化的步伐，推动轨道交通行业的进一步发展。

2 系统设计

2.1 总体架构

城轨车辆智能运维体系涉及到整个城轨产业链中从设计制造到后期运维中所有相关单位的信息化。通过对整个系统进行全寿命周期管理，采用运维体系智能将大幅提高生产和运维效率，降低整个产业链的成本。智能运维体系在地铁公司内涉及到车辆中心、乘务部、运行控制中心(OCC)、车辆段调度指挥中心(DCC)、维修车间、检修车间；在地铁公司外涉及到车辆设计制造厂商、主要部件供应商、科研院所等，这些部门和单位都是大平台中重要的一部分。城轨车辆智能运维体系总体架构如图1所示。

图1 城轨车辆智能运维体系总体架构图

2.2 功能设计

智能运维体系在现有车辆平台和技术的基础上，融合了智能感知、互联网、大数据分析等技术，围绕行业发展态势、用户运维需求及出行服务需求，结合地面配套的一体化信息平台和技术服务一体化平台，通过自感知、自诊断、自决策、自学习等技术手段，大大提升了列车运行安全性、可靠性，提高了运营效率和运维保障能力，提升了旅客服务品质，降低了智能运营监测技术运用、维护、检修成本。其中，智能运营监测技术的技术框架主要由状态感知、数据传输、数据处理及应用三大部分组成，随着技术的进步和应用经验的积累，将对各组成部分提出更全面的功能要求。

2.2.1 状态感知

状态感知是指通过各种方式获取车辆各系统和部件的状态信息。设置涵盖所有关键系统的各类传感器和状态反馈器件，实时监控项点约2 700余项，且采用MVB、以太网等进行监视数据传输。状态感知设计系统如图2所示。

图2 状态感知设计系统

2.2.2 数据传输

建立车-地、地-地、网络等一体化数据传输平台，实现海量异构数据的采集、传输，为数据分析挖掘提供数据基础。

车-地传输：列车上采集的各种状态感知数据[2]由车载车地无线装置通过4G、5G或Wi-Fi或LTE传输到地面的大数据中心。

地-地传输：企业信息系统数据如BMS、MRO、ERP、地面PIDS等企业信息系统内的设计、制造、检修、物流、运营等数据通过地面网络发送到地面大数据中心。

网络传输：包括用户反馈内容、互联网数据等通过地面网络发送到地面大数据中心。

2.2.3 数据处理及应用

2.2.3.1平台构架

建成智能运维大数据平台进行数据治理、融合，形成基础数据集，从不同维度对数据进行分层存储，以备数据分析挖掘。大数据平台技术架构主要由IaaS层、PaaS层、SaaS层组成。各层之间相互协作，贯穿数据的产生、聚集、分析和应用各个阶段。技术架构还包括安全与运维体系，用于规范化数据处理流程和提供安全可靠的访问机制，如图3所示。

图3 智能运维大数据平台技术架构图

2.2.3.2应用功能

智能运维大数据平台的主要应用功能分为如下几个方面：状态监测、数据分析、故障管理、检修计划、资源管理、维护管理及后台管理等[3]，如图4所示。

图4 智能运维大数据平台功能结构图

(1) 状态监测。实时监测车辆位置状态及各子系统，如牵引、制动等各系统电流、风压等的状态、参数，如图5所示。

图5 列车状态监测

(2) 数据分析。通过选择实时或历史的数据量(如速度、网压、网流等)，用户可根据绘制的曲线来分析各状态变量的变化趋势，判断数据的变化。如统计列车能耗，对司机动作进行评判并把判断结果记录下来，如图6所示。

图6 数据分析

(3) 故障管理。实现现存及历史故障查询、故障诊断、故障统计等，故障情况经过审核后上传到服务器，作为故障履历进行存储，为以后的故障统计、分析提供数据支撑。构建基于TCMS控制策略、模糊推理与专家经验的故障诊断机制，建立针对受电弓保护、主断路器保护、牵引封锁、运行事件等几大类诊断树，对每一种故障进行详细梳理，采用逆向定位+正向推理的方式，实现故障记录与事件记录(运行工况) 的自动关联[4]，如图7所示。

图7 故障及诊断

故障预警分为阈值类预警(主要集中在温度、速度、加速度、电压及电流等方面)和接触器类闭合/断开故障类预警(扩展供电接触器、主断路器等)[5]。

设计寿命统计分析与预测是指依据列车设备的设计寿命参数，统计设备的运行数据，并评估设备的剩余寿命，如接触器、断路器、冷却风机、牵引电机及受电弓滑板等，如图8所示。

图8 故障预警

(4) 维护管理。记录维修过程经过审核后上传到服务器，作为工作履历为以后的维修提供维修模板，同时填入专家系统。维修策略的制定：通过基于专家经验规则的诊断及数据挖掘的诊断，经过和各子系统分包商、地铁公司共同挖掘制定；建立故障代码体系和故障知识库，通过列车故障信息采集和反馈功能，实现对车辆运用故障的快速响应，可缩短处理时间，提高维修效率，如图9所示。

图9 维护管理

(5) 检修计划。完成基于信息化的预防维修(PM)和改善性维修(CM)工作流程和基于网络的故障处理工单智能化管理[6]，如图10所示。

图10 检修计划

3 结束语

该智能运维体系技术方案的设计与实现是以物联网、大数据、人工智能、新材料为代表的新兴技术与轨道交通的深度融合，是构建下一代轨道交通服务模式和技术体系的主要途径，将实现城轨列车智能运维全寿命周期管理，全面提高车辆的设计、制造、维护及检修质量，列车维护逐步从定期修走向预见修。今后还需要进一步挖掘大数据的潜在价值，完善预警评价模型，实现对列车智能运维的健康科学评价，维护城轨的安全、高效、稳定。