基于大數(shù)據(jù)技術的和諧機車智能檢修方案研究

王小朋，張佳歡，楊 臻，徐元元，侯玉杰

（1.中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081；2.北京經(jīng)緯信息技術有限公司，北京 100081）

目前，全路配屬的近兩萬臺機車中，和諧型機車配屬占將近一半的份額，和諧型機車的大量投入使用，對機車整備、檢修也提出了更高的要求，中國鐵路總公司重新頒布了和諧型機車的修程修制[1]，同時對機車18類重要零部件檢修記錄單信息化數(shù)據(jù)采集進行了規(guī)范，把檢修過程中的大量有價值的檢修數(shù)據(jù)進行識別、采集、分析、應用，為機車檢修由傳統(tǒng)的計劃修向狀態(tài)修、智能修、健康管理奠定了數(shù)據(jù)基礎[2-3]。

當前機車檢修作業(yè)采用的是一種模糊的、感官化的經(jīng)驗型檢修作業(yè)方式，檢修質(zhì)量主要依賴于人。這種檢修方式，已經(jīng)完全不能適應鐵路發(fā)展的要求。隨著信息化技術的發(fā)展，大數(shù)據(jù)、智能檢修等技術在地鐵、電力等行業(yè)得到廣泛應用，如李崗提出的智能檢修在地鐵車輛中的可行性[4]及司小慶提出的智能檢修在變電站的應用[5]。利用大數(shù)據(jù)和智能分析手段，結(jié)合機車檢修管理，實現(xiàn)對機車及重要零部件的故障預測、健康分析和專家診斷等是今后機車智能檢修發(fā)展的重要方向[6]。本文提出基于大數(shù)據(jù)技術的智能檢修方案，幫助檢修人員運用大數(shù)據(jù)在機車檢修中做出正確的決策[7]。

1 數(shù)據(jù)來源

機車檢修過程中存在兩種來源：（1）整備檢修作業(yè)過程中檢測設備、智能工具采集的數(shù)據(jù)；（2）人工采集的檢修數(shù)據(jù)，具體內(nèi)容主要是機車報活后相應的修活、機車分級修、受電弓檢測、探傷檢測等。

另外，根據(jù)運機檢修函（2017）323號－中國鐵路總公司運輸局關于公布《和諧型機車重要零部件檢修記錄集數(shù)據(jù)結(jié)構(gòu)技術方案》的通知，對于機車質(zhì)量數(shù)據(jù)，涉及到的檢測項目主要有18類關鍵零部件：牽引電機、主輔發(fā)電機系統(tǒng)、柴油機、主變壓器、變流器、微機網(wǎng)絡控制系統(tǒng)、轉(zhuǎn)向架、輪軸裝置、輪軸驅(qū)動裝置、軸箱、抱軸箱軸承、受電弓、主斷路器、低壓電器、列車供電裝置、輔助機組、制動機系統(tǒng)、基礎制動裝置、風源系統(tǒng)等，方案中規(guī)定了最基本的數(shù)據(jù)項，可以根據(jù)實際需求進行擴展。

1.1 檢修數(shù)據(jù)量

運機檢修函（2017）323號中規(guī)定每個零部件檢修過程劃分為基本信息、解體清單、部件檢修主要記錄、組裝清單、組裝關鍵數(shù)據(jù)、整機檢測試驗等五部分內(nèi)容。其中基本信息內(nèi)容是固定的，包含20多項數(shù)據(jù)；解體清單與組裝清單信息基本一致，數(shù)據(jù)項平均在20項；部件檢修主要記錄平均在200項；整機檢測試驗記錄平均在15項。每個機車需要記錄的重要零部件大概在18臺左右，總共記錄項點為18×(20+20×2+200+15)=4 950項；需要對機車運行過程中產(chǎn)生的的TCMS、6A、LKJ等數(shù)據(jù)進行存儲、分析；在整備過程中需要提票，平均每臺車的數(shù)據(jù)項能夠達到10 000～15 000項?？總鹘y(tǒng)方式記錄及分析如此巨大數(shù)據(jù)，將會增加工作量，影響機車檢修效率。隨著智能檢測設備的發(fā)展，機機交互是最佳方式，通過智能檢測設備，按標準的數(shù)據(jù)接口直接傳到數(shù)據(jù)服務器。

1.2 智能檢測設備

目前，智能檢測設備可以對機車線路、設備故障、電機故障、機車主斷路器性能、受電弓、司機控制器、蓄電池狀態(tài)、絕緣電阻、耐壓、走行部、輪對等機車重要零部件進行數(shù)據(jù)采集及動態(tài)監(jiān)測。智能檢測設備包括機車主斷路器性能測試儀、電機故障診斷儀，以及輪對動態(tài)檢測系統(tǒng)等。

1.2.1 主斷路器性能測試儀

該設備可以測試空氣主斷路器的固有分閘時間、延遲時間、固有合閘時間、輔助觸點邏輯閉合關系、真空主斷路器的分閘時間、合閘時間、輔助觸點邏輯閉合關系，并具有數(shù)據(jù)轉(zhuǎn)儲功能。

1.2.2 電機故障診斷儀

該設備可用于三相交流電機、直流機、變壓器、定子、轉(zhuǎn)子、單個線圈的全面狀態(tài)檢測。自動測試電阻、阻抗、電感、相角、對地絕緣等繞組參數(shù)；利用電流/頻率動態(tài)關系，倍頻測試將給出數(shù)字化的匝間品質(zhì)評定，發(fā)現(xiàn)早期微小的匝間短路，同時判斷整體電磁特性；準確判斷匝間短路、開路、三相不平衡、轉(zhuǎn)子匝間短路、斷條、對地短路等。

1.2.3 輪對動態(tài)檢測系統(tǒng)

輪對動態(tài)檢測系統(tǒng)可以實現(xiàn)對行進中的鐵路車輪進行的自動探傷，重點探測輪對輪輞及輪箍部位的周向輞裂、徑向裂紋和嚴重剝離等多類缺陷，同時掃查整體輪輻板部位；采用光學三角檢測原理自動檢測輪對內(nèi)側(cè)距、輪緣厚度、輪緣垂直磨砂高度等主要參數(shù)；對輪對踏面的擦傷深度、踏面缺陷、剝離和輪對滾動圓的不圓度進行測量。

當超過閾值時將實時自動預警，當超過限度值時將實時報警提示；可以輪對狀態(tài)進行長期的數(shù)據(jù)統(tǒng)計、分析、計算并跟蹤，提供狀態(tài)的劣化趨勢供檢修參考。

2 數(shù)據(jù)定義及存儲

2.1 數(shù)據(jù)模型定義

由于機車零部件結(jié)構(gòu)復雜，種類繁多，數(shù)據(jù)采集結(jié)果不一致，整合機車數(shù)據(jù)需要考慮這些異構(gòu)數(shù)據(jù)的表示、管理和操作問題。解決問題的關鍵在于應用一個全局的數(shù)據(jù)模型，提供一致的數(shù)據(jù)視圖。針對異構(gòu)的數(shù)據(jù)整合，采用萬維網(wǎng)聯(lián)盟（W3C）提出的資源描述框架（RDF，Resource Description Framework）來定義數(shù)據(jù)模型[9]，RDF數(shù)據(jù)模型示意圖，如圖1所示。

圖1 RDF示意圖

在RDF示意圖中，“牽引電機”屬于“關鍵部件”類型，由“新造工程師1”制造出來，并由“維修工程師1”來維修?！熬S修工程師1”的級別是“初級工程師”。在這個圖中，每一個和“牽引電機”相連的實體能有它們自己的連接集。例如，通過“屬于”關系，“受電弓”和“關鍵部件”實體相連。通過RDF來定義重要零部件及檢修數(shù)據(jù)結(jié)果，可以對重要零部件進行全生命周期管理，實現(xiàn)部件溯源。

2.2 數(shù)據(jù)存儲

在機車關鍵部件生命周期管理中，對于某個具體的部件來說，如車軸，分為1位車軸和2位車軸，1位車軸的尺寸大小也不相同，也就是說，一個主語對應的某個屬性有多個屬性值。在一個屬性多個值情況下，關系數(shù)據(jù)庫會浪費大量資源，所以關系數(shù)據(jù)庫并不能很好地解決RDF的多值問題。HBase是一個高可靠性、高性能、面向列和可伸縮的分布式存儲系統(tǒng)，它主要用于管理大數(shù)據(jù)集。作為NOSQL的一種，HBase不僅能巧存儲結(jié)構(gòu)化的數(shù)據(jù)，而且適合半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)[10]。HBase中的key和value存在一對多的關系，一個key可以對應多個value。

考慮到機車數(shù)據(jù)管理中產(chǎn)生的實際數(shù)據(jù)，HBase更適合處理大規(guī)模的數(shù)據(jù)，使用HBase存儲RDF數(shù)據(jù)效率要高于使用關系數(shù)據(jù)庫。因此，使用HBase來進行RDF數(shù)據(jù)的管理是更好的選擇。

3 大數(shù)據(jù)信息平臺

大數(shù)據(jù)信息平臺是通過網(wǎng)絡、傳感器把機務智能設備和人工作業(yè)數(shù)據(jù)連接到一起，形成一個雙向互動的信息化網(wǎng)絡，進而對檢修數(shù)據(jù)信息進行共享和整合分析，實現(xiàn)對機車檢修質(zhì)量的監(jiān)控、跟蹤，以達到提高檢修效率，優(yōu)化管理的目的，如圖2所示[8]。

3.1 終端層

終端設備主要分為工位終端、智能設備和手持機3類。工位終端作為人機交互接口用來實現(xiàn)數(shù)據(jù)采集。智能設備包括智能檢修設備、智能檢測設備、整機智能試驗設備等，集成了先進的傳感器，通過傳感器在設備運行過程中檢測零配件和生產(chǎn)對象的技術狀態(tài)信息[9]。運行設備包括機車輪對磨合試驗臺、齒輪油洗機、軸向軸承自動拆卸設備、輪對尺寸測量機等。手持機可以采用條形碼、二維碼、網(wǎng)絡無線射頻識別（RFID）或者其它技術對機車、零部件、人員和設備標識信息進行采集，也可以支持手工錄入。

圖2 大數(shù)據(jù)信息平臺總體架構(gòu)

終端層主要是采集檢修作業(yè)相關的數(shù)據(jù)，主要是通過自動識別、傳感器、定位技術采集與檢修相關的信息。

3.2 網(wǎng)絡層

網(wǎng)絡傳輸層是終端層到數(shù)據(jù)層傳輸通道，要實現(xiàn)檢修生產(chǎn)車間的所有信息實時接入數(shù)據(jù)服務中心，為檢修的應用服務提供實時信息，就必須具備可靠、穩(wěn)定網(wǎng)絡環(huán)境。在檢修車間主要應用鐵路專用網(wǎng)絡，通過在原有有線網(wǎng)絡的基礎上部署無線網(wǎng)絡，實現(xiàn)檢修車間、辦公樓和室外場所信號的全覆蓋。在車間和室外主要通過布局適量的AP，實現(xiàn)信號的全覆蓋。對于辦公樓和部分死角區(qū)域主要通過有線網(wǎng)絡接入。不同的檢測設備對帶寬的需求是不一樣的，有些終端設備產(chǎn)生的數(shù)據(jù)量很小，最多幾兆，有些設備每秒就會產(chǎn)生上百兆數(shù)據(jù)，普通的網(wǎng)絡帶寬很難滿足需要，根據(jù)需要采用先進的網(wǎng)絡設備，實現(xiàn)數(shù)據(jù)傳輸。

3.3 數(shù)據(jù)服務層

數(shù)據(jù)服務層是從終端層接收數(shù)據(jù)，對海量數(shù)據(jù)進行融合與集成、存儲與管理、元模型建立、數(shù)據(jù)挖掘等過程[11]。通過對數(shù)據(jù)進行清洗、抽取等步驟，將數(shù)據(jù)用RDF來定義，存入HBase數(shù)據(jù)庫，對數(shù)據(jù)接口調(diào)用協(xié)議規(guī)范管理，使得應用層服務對數(shù)據(jù)的應用和調(diào)度效率更高。基于檢修車間檢修數(shù)據(jù)信息，通過數(shù)據(jù)挖掘技術，可以更好地為應用服務層提供有效的服務。

數(shù)據(jù)挖掘的主要功能包括概念描述、關聯(lián)分析、分類、聚類和偏差檢測等。數(shù)據(jù)挖掘的主要方法有聚類分析、關聯(lián)規(guī)則法、神經(jīng)網(wǎng)絡等方法[12]。以關聯(lián)規(guī)則法為例，該方法主要用于設備鑒定、修程修制、員工技能、產(chǎn)品技術狀態(tài)有關。結(jié)合直探頭鑒定模式，建立探頭鑒定工序各生產(chǎn)要素狀態(tài)數(shù)據(jù)項的集合A={超聲探傷工1級，超聲探傷工2級，…，直探頭1月更換，直探頭3月更換，…，分辨力27 dB、分辨力28 dB，…，聲軸偏斜角1.4°，聲軸偏斜角1.6°，…}，同時建立車軸加工后技術狀態(tài)數(shù)據(jù)集B={合格，不合格，報廢，…}。通過模型分析可以得到如下結(jié)論：

（1）當生產(chǎn)要素集中的項A{超聲探傷工1級、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.4。}同時出現(xiàn)時，技術狀態(tài)數(shù)據(jù)集中的項B{合格}出現(xiàn)概率在98%以上；

（2）當生產(chǎn)要素集中的項A{員工技能等級1級、直探頭1月更換、分辨力27 dB、聲軸偏斜角1.6。}同時出現(xiàn)時，技術狀態(tài)數(shù)據(jù)集中的項B{不合格、報廢} 出現(xiàn)的概率分別約為3%、0.2%。通過此類分析，在生產(chǎn)檢修前確定可以輸出合格產(chǎn)品的各生產(chǎn)要素，保證產(chǎn)品質(zhì)量。

利用檢修數(shù)據(jù)建立的數(shù)據(jù)模型，為應用服務層提供數(shù)據(jù)展現(xiàn)以及業(yè)務領導進行決策。

3.4 應用服務層

應用服務層可以為用戶提供統(tǒng)一視圖下的機車檢修作業(yè)控制、配件檢修作業(yè)控制、終端設備管理、系統(tǒng)基礎數(shù)據(jù)管理及數(shù)據(jù)展示。結(jié)合機車檢修行業(yè)數(shù)據(jù)展示的特點，可選用R軟件、D3可視化圖標庫、Carto DB、Gephi等。

4 結(jié)束語

本文提供了一種以智能設備和大數(shù)據(jù)信息平臺的深度融合為依托，建立機車檢修大數(shù)據(jù)，打造機車檢修行業(yè)智能制造新模式的方案，將實現(xiàn)機車檢修全過程的量值化檢修、數(shù)字化檢測，提高生產(chǎn)效能，提升產(chǎn)品質(zhì)量，降低檢修成本。論文數(shù)據(jù)驗證不是很完善，在理論的基礎上需要進行大量數(shù)據(jù)實驗，才能得到準確的數(shù)據(jù)數(shù)據(jù)模型，根據(jù)數(shù)據(jù)模型來進行驗證智能檢修。