大數據分析技術在動車組檢修及運行安全中的應用

陳敏俊 中國鐵路上海局集團有限公司南京動車段

1 引言

為提高動車組運用效率，各鐵路集團公司及動車段都在進行動車組修程修制改革及技術創(chuàng)新，提高檢修質量。動車組密集、高效開行必然給鐵路運輸帶來巨大挑戰(zhàn)，如何將遠程無線及車載傳感器收集的海量數據運用在動車組檢修及運營應急指揮中，顯得尤為重要。宋德剛等以動車組大數據為基礎，通過對動車組關鍵部件故障特點的研究，搭建了故障預測與健康管理系統（PHM），通過監(jiān)控關鍵部件軸溫、散熱裝置溫度等，指導動車組散熱系統的維修，降低維修成本；通過遠程空調數據監(jiān)控動車組空調壓力變化，結合庫內空調數據監(jiān)控軟件，提高了空調故障發(fā)現和處置效率，降低動車組線上故障率。

本文通過分析動車組運用中故障分類，故障來源及動車組檢修模式，以動車遠程數據、庫內檢修數據為基礎，結合動車組工作原理及結構構造，總結大數據分析技術在動車組維修及運行應急指揮作用，展望大數據技術在動車組檢修及線上應急發(fā)展趨勢。

2 動車組重點故障及檢修方法

2.1 動車組重點故障

以上海局南京動車段配屬的236 組CRH3 型及“復興號”動車組故障數據為例。動車組重點故障主要來源分為庫內檢修、途中運行、遠程數據，軌邊監(jiān)測（TEDS）。其中，統計分析近三年通過遠程數據發(fā)現動車組重點故障及總發(fā)生故障，如表1 所示，重點故障發(fā)生率較高的系統為高壓牽引、網絡及輔助監(jiān)控、外門、空調、供風制動系統方面。

表1 2017-2019 年度各系統遠程發(fā)現故障數及總發(fā)生故障數

2.2 大數據分析技術在動車組檢修及應急指揮技術線路

由于動車組運行速度高，運行時間長等特點，需要密切監(jiān)控動車組各部件性能。因此，動車組各系統都安裝大量傳感器，用于監(jiān)控車輛部件性能狀態(tài)，確保動車組安全運行。現有的檢修方法主要是以走行公里和時間周期為依據的定期維修，這種檢修模式存在動車組過度修、對現場維修工人經驗要求高、效率低等特點，且傳感器收集的數據利用率不高，隱性故障難以發(fā)現。

基于大數據分析技術的動車組檢修及應急指揮主要是利用各系統數據分析模型對車載動態(tài)數據、地面檢查數據進行篩選、統計、分析，給出動車組維修指導及應急指揮建議，確保動車組各部件性能狀態(tài)良好。技術線路如圖1 所示

圖1 大數據分析技術在動車組檢修及運行安全中應用技術線路圖

3 大數據技術在動車組維修及運行中應用研究

3.1 遠程數據分析及應急處置

3.1.1 動車組出庫盯控

根據現場調研及統計發(fā)現，動車組初供電時易發(fā)生故障。出庫時間主要集中在凌晨3：00 至7：00，此時間段存在檢修人員疲勞、應急人員狀態(tài)較差、出庫時間緊，故障處置難度大等問題，往往導致出庫晚點、甚至始發(fā)晚點，給動車運行秩序造成嚴重影響。因此，出庫階段動車組狀態(tài)確認尤為重要。傳統出庫作業(yè)模式是由隨車機械師按相關辦法執(zhí)行作業(yè)，這會導致故障點遺漏、發(fā)現不及時等情況發(fā)生。

出庫階段的遠程數據分析及盯控，可有效避免出庫晚點情況發(fā)生。通過提前90 min 對出庫動車組遠程數據分析，能夠及時發(fā)現動車組故障（非機械故障），給應急人員更多的時間進行故障處置，有效避免出庫、始發(fā)晚點事故。統計2019年1 月至2019 年6 月重點故障發(fā)現，遠程數據共發(fā)現故障708 件，出庫故障256 件，遠程發(fā)現故障中出庫故障占30%。由于及時發(fā)現故障且迅速組織實施搶救修復或者更換車組，出庫晚點率大大降低。

3.1.2 動車組途中運行狀態(tài)實時監(jiān)控與故障應急處置

目前，動車組值乘人員為8 編組/人，業(yè)務能力高低、值乘時間長短、身體狀態(tài)等因素均會影響值乘人員狀態(tài)，值乘人員及時發(fā)現車組異常狀態(tài)存在一定困難。數據分析人員可通過實時監(jiān)控動車組各系統部件動態(tài)數據，發(fā)現影響行車安全的故障，及時向應急指揮人員報告，并依據應急手冊采取相關措施，確保動車運行安全。統計分析2019 年1 月-6 月重點故障發(fā)現，通過遠程數據發(fā)現軸溫升高預警故障26 件，及時采取應急措施，保證了動車組安全有序運行。

3.2 動車組關鍵部件狀態(tài)修及可行性分析

通過現場總結發(fā)現，動車組運行動態(tài)參數能很好解決靜態(tài)下車輛故障不易發(fā)現的問題，能夠及時發(fā)現、處理“隱性”故障。隨著車載傳感器技術及遠程無線傳輸系統的不斷完善及發(fā)展，動車組線上運行狀態(tài)數據實時性、丟包率等逐步改善，使得依托數據分析，實現動車組狀態(tài)修（預見性維修）成為可能。動車組空調、散熱系統狀態(tài)修已部分實現。動車組關鍵部件的狀態(tài)維修，不僅提高了作業(yè)效率，而且降低了維修成本。以動車組輔助供電系統-蓄電池容量狀態(tài)修可行性分析為例。

CRH3 動車組的蓄電池為鎳鎘堿性蓄電池，蓄電池的主要性能指標為實際容量。準確得知蓄電池的實際容量是判斷電池是否健康的關鍵。然而蓄電池容量并不能直接測量得出，需要通過直接測量蓄電池的其他重要參數，例如電壓、充/放電電流、電解液溫度、內阻阻值等來進行預測，蓄電池故障原因分析如表2 所示。

表2 動車組鎳鎘蓄電池的故障原因分析

動車組正常運行時，蓄電池電壓為充電機的電壓約118 V 至126 V（隨蓄電池當前溫度略有變化）。當動車組過分相、檢修或者停放時，充電機停止工作，蓄電池開始放電，此時檢測到的為蓄電池的實際電壓。因蓄電池電壓和實際電量有關，實際電量越高，電壓越高，因此可以通過統計電壓和電壓變化率客觀反映蓄電池的性能。通過分析這些大量數據找到蓄電池的健康規(guī)律，用于指導動車組電池維護。

4 總結

運用大數據分析挖掘、物理失效模型、可靠性模型、數據驅動以及預警預測模型等對動車組關鍵部件實時狀態(tài)監(jiān)控和預警預測，構建動車組健康評價指標，為修程修制的優(yōu)化、動車組部件狀態(tài)修（預見性維修）提供理論和實踐支撐，實現動車組全生命周期的健康管理。