杭州地铁车辆智能运维系统设计与应用

付国平，杨明辉，郭正海

（杭州市地铁集团有限责任公司 运营分公司，浙江 杭州 310017）

0 引言

截至2021年6月，中国内地累计有48个城市开通城市轨道交通运营线路8 258.81 km，城市轨道交通线网规模和客流规模均居世界第一［1‐2］。杭州地铁目前已开通运营9 条线路，线网总里程323 km，运营车站175座，线网日均客运量292万人次。在建线路7条（延伸4条、新建3 条），共193 km，计划2022 年亚运会前全部开通，届时将形成包含12 条线路、263 座车站，总长516 km的城市轨道交通骨干网络。

现行的轨道交通车辆维护方案来源于国家铁路的定修方案，即按照年限和里程数制定维修计划进行预防性维修，其检修过程主要依赖人工作业。据统计，在现行的地铁列车检修模式下，车辆生命周期内的维护费用约占地铁车辆总投资费用的60%～70%。

目前，杭州地铁列车运维模式同样以人工为主，对目视、手动等检查方式的修程尚无有效把控手段［3‐4］，列车维修工作量大、时间窗口少，检修员工素质技能和工作状态对列车维护质量存在一定的影响，且列车全生命周期成本居高不下［5‐8］。因此，亟须对列车运维质量、标准化作业、集中调度进行研究，搭建适用于杭州地铁的智能运维平台，以降低正线故障率，提高检修效率与列车运行安全水平，打造智慧地铁［9‐10］。

本文阐述了杭州地铁车辆智能运维系统总体方案，对各子系统功能、涉及的关键技术以及整体系统的应用情况进行了介绍，并基于当前系统存在的不足，提出进一步深化研究的实施思路。

1 杭州地铁车辆智能运维体系

车辆智能运维系统具有复杂度高、设备分布广，智能化程度高等特点，一般覆盖“车载监测-轨旁监测-健康管理-检修管理”4 大板块。结合杭州地铁的基础与现实需求，杭州地铁构建了“1+4+N体系”作为车辆智能运维系统的主体结构，即1 个智能运维平台、4 个核心子系统和N个执行模块，如图1所示。其通过大数据平台、多源异构数据处理、检修运维等技术应用，创新检修运维服务新模式，保障列车安全运行，提升运维服务效率。

图1 杭州地铁车辆智能运维体系Fig. 1 Intelligent operation and maintenance system for Hangzhou Metro vehicles

该智能运维体系由智能运维平台、车载监测系统、轨旁监测系统、运维支持系统和智能检修系统组成，具有以下功能特点：（1）打造了车载监测和轨旁监测系统，利用故障诊断与预警、图像识别等技术，实现了对车辆状态信息的全方位采集和车辆外观的自动化检测；（2）通过构建统一的列车智能运维平台，实现对不同类型的监测/检测设备数据的统一采集、存储，并结合不同业务场景的具体需求，在大数据基础平台上构建数据中台和业务中台，为N个执行模块提供快速、便捷的数据服务支持；（3）以车辆智能运维平台为数字底座，通过运维支持系统和智能检修系统，打造车辆正线运行、设备状态平台、检修计划管理等面向一线作业人员的具体功能，实现了基于车辆检修业务流和数据流的人与系统、系统与系统间的联动。

1.1 智能运维平台

智能运维平台为整个运维系统的核心和基础，其以大数据技术为基础，通过数据汇聚、数据共享等技术实现多专题数据接口的数据接入规范和数据存储调用规范，支持海量、高频、大并发数据流的接收、解析、存储和查询。杭州地铁智能运维平台通过核心交换机组织连接各个服务器，形成大数据平台与应用服务器（虚拟化服务器和数据库服务器）数据的高速传输；采用千兆交换机作为服务器日常管理接口，以防火墙实现内外网隔离，结合软件防护措施，满足信号系统边界防护要求及其各专业的安全要求，其硬件架构如图2所示。

图2 智能运维平台硬件构架Fig.2 Hardware architecture of the intelligent operation and maintenance platform

1.2 车载监测系统

车载监测系统包括弓网监测系统、走行部监测系统、车门智能监测系统等多个子系统，主要用于实现对整车及网络、弓网、牵引、制动、走行部、空调、车门等关键子系统的状态感知及诊断预警，从而实现对列车运行状态的全面监控，降低正线故障率并指导精准检修排故。杭州地铁目前已安装车门智能监测系统、弓网监测系统和走行部监测系统。

（1）车门智能监测系统

在地铁车辆运营过程中，车门智能监测系统采集电机电流、转速和转角等状态参数信息，分析不同状态因素影响下车门表征数据指标偏差产生机理并提供消除方法；从大数据中提炼车门健康状态演变规律，通过比较不同算法获得规律的差异性并不断优化算法，从而实现地铁车门故障诊断预警，项点如表1所示。

表1 车门系统故障预警项点Tab.1 Door system failure warning items

（2）弓网监测系统

弓网监测系统由主防护罩、补光灯及法兰构成，被安装于Mp 车车顶受电弓平台，位于受电弓和空调机组之间，具有图像数据采集、车地通信及补光等功能。通过弓网监测系统，可以监测并判断接触网导线拉高、接触网拉出超限、弓网燃弧和弓网超温等异常状态，其监测项点见表2。

表2 弓网监测项点Tab.2 Pantograph and catenary monitoring items

（3）走行部监测系统

走行部监测系统在走行部关键部件上安装复合传感器，同时检测列车运行过程中的冲击、振动和温度信息。系统基于广义共振与共振解调的故障诊断技术，实现走行部关键部件的在线实时诊断，支持早期故障预警及分级预警，以准确指导列车的运用和维修。其监测项点见表3。

表3 走行部监测项点Tab.3 Running gear monitoring items

1.3 轨旁监测系统

轨旁监测系统实现列车在线的动态监测功能，主要包括轮对-受电弓在线监测、列车检修机器人车底监测和360°动态图像智能监测等。其通过各类轨旁、库内检测系统的功能互补及数据融合实现地铁车辆车底、车顶、车侧检修项点的动态、静态及多角度检测，满足检修项点多范围覆盖需求，节省列车日检的人力成本和时间成本。

（1）轮对-受电弓监测系统

受电弓车顶监测部分实时对受电弓功能参数和磨耗情况进行监控，判断车顶是否有异物侵入，不间断地反馈受电弓工作状态数据。轮对动态监测部分通过3D扫描、探伤技术，对轮对轮缘高度、厚度、QR值、内侧距和车轮直径等参数进行检测，将轮对磨耗和损伤情况等信息传递给运维支持平台。

（2）列车检修机器人

列车检修机器人应用SLAM（即时定位与地图构建）技术、图像识别技术及激光测量手段，模拟人工作业方式对列车转向架、车钩、各类下挂件等进行全覆盖自动检测，替代巡检人员完成车底检查工作，有效地解决了人工检修作业质量难以把控、作业效率难以提升等问题。其作业现场如图3所示。

图3 列车检修机器人作业现场Fig.3 Worksite of vehicle inspection robot

（3）360°动态图像智能监测系统

轨旁监测系统采用了360°动态图像智能监测替代人工检查，通过采集车底、车侧可视部位的高清图像，应用HTM（层次时间记忆）神经网络算法、模式识别、深度学习等技术，实现全车可视部件异常的自动分析和预警，有效地解决了人工检修效率低、劳动强度大和人力成本高等问题。

1.4 运维支持系统

运维支持系统主要包括车辆健康管理、列车实时监控、数据查询及维护管理等功能，通过建立列车智慧运营系统监控界面，直观展示列车运营状态、健康状态、维修决策及部件更换建议等主要信息，当车辆出现故障时，监控系统立即发送报警信号至车辆段调度中心（DCC）大屏幕，使得运维人员可全面掌控列车运营情况。其具体功能如下：

（1）运营管理。系统实时监视单线路状态和单车状态，实现不同维度的列车在线故障、运行状态监视（如图4）以及统计数据展示。

图4 列车实时监控界面Fig. 4 Train real‐time monitoring interface

（2）健康管理。系统针对牵引、辅助、弓网、车门、走行部、制动、空调等子系统进行故障诊断预警及健康评估，并通过数据整合实现整车健康状态监测。

（3）维护管理。实现列车各系统软件自动维护，并对异常状态进行报警提示。

（4）数据分析。系统支持对故障信息、预警信息、事件信息、部件寿命、列车状态数据进行查询、筛选及统计分析，便于技术人员进行报表编制与数据利用。

（5）综合分析。系统提供线路级的载荷、旅速及能耗分析功能。

（6）规则引擎。系统提供智能化机器学习手段与图形化编辑方法，支撑技术人员快速进行诊断、分析规则的自定义创建，并结合平台数据执行规则运算。

1.5 智能检修系统

智能检修系统基于容器微服务和Activiti7流程引擎，构建了以检修作业编制、生产调度管理以及检修作业管理为核心的功能框架，主要具备生产调度管理、检修作业管理、履历管理和资产管理等功能，具体如下：

（1）检修作业总览。系统以饼状图、柱状图、指标卡、横向柱图及表格等多元化形式实时展示检修任务总体进展情况。

（2）生产调度管理。系统提供列车的检修计划管理，包括日检计划、均衡修计划、普查计划、技改计划、洗车及保洁计划；结合检修计划及完成情况，自动生成收发车计划，并根据股道排定规则自动预排股道；结合车辆故障情况、车辆检修维护情况、次日生产计划等，自动确定具备上线运行的良好列车；根据检修工单自动预填请点申请单，并由班组人员进行调整确认。

（3）检修作业管理。系统结合检修计划、收发车计划自动生成检修工单，并根据排班情况自动预分配检修班组（支持人工调整）；结合修程及工艺的要求，根据任务单的类型自动选择对应作业内容及时间节点要求；支持按车厢、部件、类型、等级等对故障进行分类展示，可查询历史故障，可按月、季度进行统计惯性故障，为普查整改提供数据依据。

（4）履历管理。将车辆结构按照系统、子系统、模块、部件、子部件进行分级分类，可查看车辆完整层次结构；查看车辆履历，履历内容包括微机软件版本变更记录、关键部件更换记录、维修动态记录、重大故障及事故处理情况、技术改造及国产化记载、特别记载等。

（5）资产管理。连接智能物料箱数据，并对工器具、消耗品和危化品等进行编码与分类，实现车辆检修现场常用的备件管理，以及全过程的信息流转与管控。

2 智能运维系统应用情况

基于上述“1+4+N”车辆智能运维体系建设思路，杭州地铁已初步完成车辆智能运维系统建设，并在车辆正线监测、故障预警及日检自动化等方面取得了一定成果：

（1）实现了对全线和单车的实时监控，并可对正线关键故障进行分解，支撑正线应急处置。

（2）借助故障预警与寿命评估技术，实现了车门、走行部、牵引系统等关键系统的故障预警以及车辆健康状态的评估，并可通过图形化方式展示具体线路下所有车辆的健康评分。

（3）在车底检修机器人应用方面，已实现机器人在股道间的自动运转，并完成了识别算法的调试，即将投入正式应用。

3 智能运维体系深化研究设想

车辆智能运维系统是推动车辆从“计划修”向“状态修”转型的重要工具，但当前智能运维系统建设与生产流程的结合相对松散，对检修相关数据的应用仍需进一步挖掘。为改善此情况，一方面需要以系统集成为手段，逐步提高日常检修中的“机检比例”，推动日检自动化；另一方面需要在运维实践过程中积累应用数据、故障数据、试验数据、检修数据等，利用可靠性分析手段探索修程优化策略。

3.1 日检自动化

以日检检修流程和项点为依托，串联智能检修系统、轨旁检测系统、运维支持系统，实现对车辆故障、PHM预警以及轨旁检测等功能的有效整合，并通过构建车辆自检模型、优化识别算法等手段进一步提升日检作业的自动化水平。如：（1）基于车辆状态信号和故障数据建立车内功能人工检测项点的自动化检测手段，逐步替代人工作业（如MVB自检）；（2）通过试验验证及模型优化，提高既有轨旁检测系统的识别准确度，替代车外日检人工作业；（3）纳入地沟内作业的检修机器人的检测数据，以提高车底检测项点覆盖率，并与360°图像检测装置检测项目形成有效互补；（4）实现日检清单电子化，利用运维支持系统将各项检测信息自动化采集填报，减少人工作业量。

3.2 修程修制优化

利用运维支持系统、智能检修系统完成车辆运维相关数据的采集与整理，并以车辆故障数据、检修数据、检测数据等为基础，基于PHM 在线诊断技术与寿命评估技术，实现依据产品状态决策定修项点、周期与频次，依据寿命预测决策换件更新的修程优化目标。如：（1）开展车辆关键部件PHM技术研究，优化并完善关键部件故障诊断、预警与状态评估能力，实现车辆关键部件部分检测项点替换，并融入检修作业内容；（2）以关键部件故障为线索，梳理系统结构树及故障树，并针对各自部件开展失效模式分析（DFEMA），得到系统故障原因、对应的部件故障模式，以及部件故障模式对应的所有维修工作类型，并建立针对每个故障原因的维修决断逻辑；（3）依据检修数据和加速寿命试验结果确定部件的寿命预测曲线，根据寿命预测曲线及设备可靠性指标确定各种维修类型的间隔，包括保养维修间隔、检查潜在故障的维修间隔、定期更换和定期维修的时间间隔。

4 结语

为了推进轨道交通行业的数字化转型升级，推动地铁车辆基于状态监测的预防性维修技术的发展，需要开展车辆专业智能运维系统建设。杭州地铁智能运维系统以“1+4+N体系”为智能运维系统的主体结构，车载和轨旁监测设备负责前端车辆各项数据的感知与采集，运维支持平台接收相关数据并对车辆各系统进行健康监测和实时监控，智能检修系统提供检修人员维修指导方案并加强维修人员和物料的过程管理，提升了地铁运营维护的质量。但受限于通信条件、建设经验、技术成熟度等多方面因素，当前系统仍然存在故障诊断、预警覆盖面不足、技术与业务绑定程度不深等问题，后续需通过构建车辆自检模型优化识别算法、视频识别等手段进一步提升日检作业的自动化替代水平，并基于PHM 在线诊断技术与寿命评估技术优化修程修制。