深圳地鐵車輛智慧運維建設與實踐

劉樣平 陽連興

摘 要：以深圳地鐵車輛智慧運維平臺建設、健康管理及狀態(tài)修實踐的思路以及智能化監(jiān)測、檢修技術(shù)的應用為背景，對國內(nèi)外現(xiàn)有技術(shù)狀況、深圳地鐵車輛運維現(xiàn)狀進行分析，從地鐵車輛智慧運維建設思路、設備健康管理與狀態(tài)修開展思路，以及圖像智能檢測、輪對尺寸動態(tài)測量、作業(yè)標準化監(jiān)控系統(tǒng)應用等方面，對深圳地鐵車輛智慧運維平臺建設進行系統(tǒng)闡述，以期為地鐵車輛運維從計劃修向狀態(tài)修轉(zhuǎn)變奠定基礎(chǔ)。

關(guān)鍵詞：地鐵車輛;智慧運維;健康管理;狀態(tài)修

中圖分類號：U279

中國城市軌道交通行業(yè)快速發(fā)展，現(xiàn)有運維服務體系已經(jīng)很難適應城市軌道交通車輛日益增長的數(shù)量、服務品質(zhì)、服務響應時效性的需求，需要探索數(shù)字化、規(guī)范化、網(wǎng)絡化、高效化的城市軌道交通車輛運維服務新模式，構(gòu)建運、檢、修一體化的城市軌道交通車輛智慧運維服務體系，推動列車運營自動監(jiān)控、綜合維修和旅客服務信息系統(tǒng)一體化，開發(fā)城市軌道交通主動檢測與智能維護系統(tǒng)，形成主動檢測與運維技術(shù)標準和規(guī)范體系，實現(xiàn)從計劃修向狀態(tài)修的轉(zhuǎn)變，確保城市軌道交通車輛安全運營和方便乘客便捷安全出行。

1 深圳地鐵車輛運維現(xiàn)狀

目前，深圳地鐵運營集團有限公司（以下簡稱“深圳地鐵”）負責7條地鐵線路運營，共計304km，日均客運量達570多萬人次。未來5年平均每年新開通線路不少于2條，預計到2025年，深圳地鐵將達到18條線567km。車輛呈現(xiàn)數(shù)量多、運量大、服役環(huán)境復雜、網(wǎng)絡化等綜合特征，從安全、質(zhì)量、效率、效益等方面為地鐵運營帶來嚴峻挑戰(zhàn)，主要存在的問題有：①“主動安全”的運營模式尚未建立;②基于列車狀態(tài)的維修模式仍待完善，過修和失修情況仍普遍存在;③安全可靠性、生產(chǎn)效率、成本控制三者的最佳平衡點有待探索研究;④運檢修中人因風險防控水平有待提升;⑤各類車載及軌旁在線監(jiān)測系統(tǒng)分散在各個段場，相互獨立，集成度低，各系統(tǒng)間數(shù)據(jù)孤立，未有效打通融合通道。

2 深圳地鐵車輛智慧運維建設思路

（1）用戶需求主導，明確建設方向。深圳地鐵結(jié)合十多年車輛運維經(jīng)驗及未來轉(zhuǎn)型發(fā)展方向，聚焦運營管理痛點，以提升正線應急處置能力，提高運維效率，實施列車狀態(tài)修及研究關(guān)鍵部件全壽命周期的健康管理為目標，從“智慧列車、智慧監(jiān)測、智慧檢修”3個維度進行車輛智慧運維建設，如圖1所示。采用“大數(shù)據(jù)驅(qū)動”和“需求應用驅(qū)動”技術(shù)路線相結(jié)合的原則，合理規(guī)劃功能布局，通過數(shù)據(jù)本地分析，初步實現(xiàn)智慧運維功能。后期在各專業(yè)數(shù)據(jù)共享基礎(chǔ)上，以“大數(shù)據(jù)驅(qū)動”技術(shù)路線為主，實現(xiàn)專業(yè)數(shù)據(jù)融合、專業(yè)建模和統(tǒng)一大數(shù)據(jù)分析，最終實現(xiàn)智慧運維。

（2）統(tǒng)一平臺、兼容并包、融匯貫通。以往運維信息系統(tǒng)存在信息孤島問題，數(shù)據(jù)流通不暢導致使用者用起來極其繁瑣。深圳地鐵運維平臺建設強調(diào)數(shù)據(jù)的共享與跨專業(yè)融合，基于統(tǒng)一的數(shù)據(jù)平臺，突破專業(yè)間的壁壘，打破各系統(tǒng)間的封閉性，實現(xiàn)列車車載監(jiān)測系統(tǒng)、軌旁監(jiān)測系統(tǒng)、智能化檢修系統(tǒng)及既有資產(chǎn)管理系統(tǒng)的數(shù)據(jù)共享。

（3）從列車故障預測到檢修作業(yè)的數(shù)據(jù)分析與建模。目前，列車故障預測與健康管理（PHM）的瓶頸仍在于建立各部件的故障和壽命預測模型，無論是數(shù)據(jù)的融匯貫通還是分析建模，數(shù)據(jù)應用的目的都是更好地服務與檢修。深圳地鐵致力于通過智慧運維的建設，實現(xiàn)從列車正線故障到檢修工單，再到檢修作業(yè)與完工的閉環(huán)管理，同時通過故障預測模型與車輛修程的實際結(jié)合，向著深入檢修、優(yōu)化檢修的方向邁進。

3 深圳地鐵車輛智慧運維建設

3.1 深圳地鐵車輛智慧運維平臺

深圳地鐵從頂層設計入手，搭建車輛智慧運維平臺。平臺采用hadoop大數(shù)據(jù)構(gòu)架，能夠接入列車在線監(jiān)測數(shù)據(jù)、地面檢測系統(tǒng)數(shù)據(jù)、檢修操作數(shù)據(jù)、資產(chǎn)管理數(shù)據(jù)、生產(chǎn)數(shù)據(jù)等，并對數(shù)據(jù)進行清洗、整合、轉(zhuǎn)換、融合等處理，提供數(shù)據(jù)支撐服務，打破各系統(tǒng)的信息孤島。兼容后續(xù)所有新線列車數(shù)據(jù)接入，并與既有的資產(chǎn)管理系統(tǒng)統(tǒng)一接口協(xié)議，實現(xiàn)故障與工單的關(guān)聯(lián)、工單的生成與派發(fā)，形成集運行監(jiān)控—故障預警—故障觸發(fā)—工單處理—維修執(zhí)行—工單閉環(huán)—預警閉環(huán)—監(jiān)控閉環(huán)的全流程管理。同時制定平臺數(shù)據(jù)接入標準規(guī)范，將所有車載及軌旁在線監(jiān)測系統(tǒng)在平臺進行集成，所有系統(tǒng)原始數(shù)據(jù)互相開放。從故障告警、故障預警、壽命評估及故障數(shù)據(jù)關(guān)聯(lián)出發(fā)，統(tǒng)一平臺內(nèi)各系統(tǒng)的呈現(xiàn)界面。

3.2 列車實時監(jiān)控、故障分級及應急處理

列車控制管理系統(tǒng)（TCMS）系統(tǒng)通過車地無線傳輸將列車各子系統(tǒng)的實時狀態(tài)及故障信息傳遞至車輛智慧運維平臺，可以對列車速度、載荷、運行位置、客室溫度及牽引、制動、車門等子系統(tǒng)的實時狀態(tài)進行遠程監(jiān)控，同時通過對3600余條信息進行故障等級分類，并在后臺導入故障處理指引，實現(xiàn)所有列車在線故障實時報警及故障處理指引關(guān)聯(lián)提醒，第一時間為車輛段控制中心（DCC）提供技術(shù)支援，有效提升故障應急處理能力。

3.3 健康管理及狀態(tài)修

深圳地鐵車輛故障預測與健康管理以數(shù)據(jù)為分析對象，首先結(jié)合列車各子系統(tǒng)已有或新增的數(shù)據(jù)，根據(jù)不同監(jiān)測數(shù)據(jù)所反映出的設備狀態(tài)制定牽引、制動、車門、空調(diào)等子系統(tǒng)健康管理輸出的結(jié)果標準，繼而聯(lián)合設備供應商開發(fā)健康管理診斷模型并進行實驗室及現(xiàn)場模擬驗證，將現(xiàn)場執(zhí)行的檢修規(guī)程逐項分解，最后結(jié)合健康管理模型的評估結(jié)果逐項分析，實現(xiàn)以故障預警為主的狀態(tài)修。

3.3.1 空調(diào)健康管理

空調(diào)系統(tǒng)是一個集熱力學、自動控制以及空氣動力學等多個學科的產(chǎn)品，具有控制關(guān)系耦合度高，控制邏輯復雜等特點。為提高空調(diào)健康管理系統(tǒng)的準確度，通過對溫度、電流等11類信號數(shù)據(jù)進行采集，采用線性回歸算法研究空調(diào)運行的健康管理功能，實現(xiàn)制冷系統(tǒng)、通信、變頻器、客室溫度、新風閥、回風閥、溫度傳感器七大類17種零部件的故障預警。

以空調(diào)機組電子膨脹閥評估為例，通過PHM系統(tǒng)對某機組為期3個月的數(shù)據(jù)收集，確定排氣亞健康判定的閾值為15AD（3AD = 1℃），繼而用該閾值對其他空調(diào)機組進行健康管理狀態(tài)評估，當超過設定閾值后，空調(diào)機組的評估結(jié)果為亞健康狀態(tài)，如圖 2 所示，后續(xù)進一步檢查確認為空調(diào)機組電子膨脹閥故障，經(jīng)處理后的空調(diào)機組健康狀態(tài)數(shù)據(jù)趨于正常，如圖 3所示。

3.3.2 車門健康管理

通過提取車門開關(guān)過程特征參數(shù)，如開關(guān)門時間、直線段電流均值、最大值等，采用類聚方法，結(jié)合特征閾值篩選及特征變化趨勢評估車門健康狀態(tài)。

以車門下檔銷干涉評估模型為例，通過開門轉(zhuǎn)角曲線、開門轉(zhuǎn)速曲線、開門電流曲線綜合評估車門阻力變化，判斷下檔銷干涉預警，如圖4～圖6所示。通過開門轉(zhuǎn)角曲線分析出開門動作有輕微滯后，判定車門可能存在亞健康，進一步通過開門轉(zhuǎn)速曲線判斷出在開門過程中可能存在下?lián)蹁N干涉影響，最后通過開門電流曲線判斷出在開門至119°位置時電流陡然上升至5.7 A，大于正常開門電流3.2 A，最終判定下檔銷處于亞健康狀態(tài)。

3.4 智慧檢修

從提升生產(chǎn)效率及防治人為安全風險角度出發(fā)，通過引入圖像智能檢測、標準化作業(yè)巡檢系統(tǒng)等智能檢修設備，實現(xiàn)檢修作業(yè)模式及管控模式的數(shù)字化、智能化轉(zhuǎn)變，最終構(gòu)建一套智慧檢修系統(tǒng)，從根本上防止人為失誤，實現(xiàn)檢修數(shù)據(jù)跟蹤監(jiān)管及生產(chǎn)模式優(yōu)化。

3.4.1 圖像智能檢測

采用高清線掃描二維成像及三維成像技術(shù)，實現(xiàn)全車360°全景高清圖像成像及走行部三維結(jié)構(gòu)成像，可自動檢測車頂、車側(cè)和車底可視部位的關(guān)鍵部件，包括車頂受電弓、絕緣子、空調(diào)機組蓋、車門、車下轉(zhuǎn)向架，車底牽引裝置、電機外殼、閘瓦/片或制動盤、齒輪箱、抱軸箱等關(guān)鍵部件缺失、明顯變形、異物等異常情況，并實時將檢測結(jié)果傳輸至數(shù)據(jù)中心。采用基于深度學習的目標識別技術(shù)、異常判定方法和圖像特征分析方法，實現(xiàn)自動報警及提示，提升車輛檢修效率和檢修質(zhì)量。圖像智能檢測系統(tǒng)技術(shù)特點如圖7所示。

3.4.2 輪對尺寸動態(tài)測量

輪對尺寸動態(tài)測量系統(tǒng)對輪對關(guān)鍵尺寸、輪溫、軸溫等進行非接觸式測量，自動檢測車輪直徑、輪緣高度、輪緣厚度、QR值、輪對內(nèi)側(cè)距、車輪不圓度，通過數(shù)據(jù)積累，判斷磨耗趨勢，實現(xiàn)輪對的趨勢預警，為計劃性鏇修提供有力的數(shù)據(jù)支撐。

3.4.3 作業(yè)標準化監(jiān)控

利用虛擬現(xiàn)實（AR）導航和陀螺儀定位技術(shù)，通過開發(fā)頭戴或手持式巡檢儀實現(xiàn)對員工日檢作業(yè)軌跡異常、作業(yè)時長、日檢作業(yè)項點中列車部件異常的自動判斷，防止員工漏檢漏修，其主要技術(shù)包括如下幾方面。

（1）利用慣性導航技術(shù)實現(xiàn)巡檢人員相對于待檢車輛的定位，再結(jié)合穿戴式巡檢儀采集的關(guān)鍵巡檢點設備圖片，進行圖像識別，進而矯正慣性導航的累計誤差，實現(xiàn)人員的精確定位。

（2）通過攝像機影像的位置及角度精算并加上圖像分析技術(shù)，讓屏幕上的虛擬世界可以與現(xiàn)實世界場景結(jié)合與互動。

（3）基于深度學習技術(shù)，采集地鐵列車故障部件圖片并形成模板庫，通過對模板庫的訓練形成故障分析算法模型。將現(xiàn)場采集的照片與模板庫圖片進行比對，進而分析圖片中的部件是否存在故障。

4 結(jié)束語

深圳地鐵利用車輛智慧運維平臺數(shù)據(jù)整合的優(yōu)勢，充分挖掘數(shù)據(jù)的價值，結(jié)合用戶實際的需求，真正做到提高檢修效率，降低運維成本。在未來智慧運維的建設中，各智慧監(jiān)測系統(tǒng)的模型算法也將不斷往通用性方向發(fā)展，并在實際應用中不斷自我學習，提高檢測的準確性，堅持數(shù)據(jù)開放共享，充分發(fā)揮各自的優(yōu)勢，共同促進軌道交通行業(yè)智慧運維技術(shù)的發(fā)展。

參考文獻

[1]侯文軍，吳彩秀. 地鐵車輛智慧運維平臺研究[J]. 電力機車與城軌車輛，2019（6）：1-3.

[2]章?lián)P，陳輝，田源. 地鐵綜合監(jiān)控系統(tǒng)的可靠性、可用性、可維修性、安全性設計[J].城市軌道交通研究，2009（4）：64-66.

[3]蘭燕紅，申金升. 深圳地鐵智能交通系統(tǒng)[J]. 城市軌道交通研究，2007（11）：49-52，57.

[4]詹煒，徐永能，王依蘭. 城市軌道交通車輛智能運維系統(tǒng)應用研究[J].城市公共交通，2018（12）：28-31.

[5]陳建譯. 基于故障預測與健康管理的高鐵信號設備維護技術(shù)研究[J].中國鐵路，2015（3）：16-20.

[6]劉純潔，王大慶. 超大規(guī)模城市軌道交通線網(wǎng)全壽命周期健康管理系統(tǒng)研究[J].城市軌道交通研究，2019（5）：7-11.

[7]吉敏. 基于大數(shù)據(jù)的專家系統(tǒng)在地鐵智能運維方面的應用研究[J].計算機產(chǎn)品與流通，2017（11）：74.

[8]劉述芳. 城市軌道交通關(guān)鍵設備智能運維系統(tǒng)初步建構(gòu)[J].設備管理與維修，2018（3）：22-23.

[9]杜永生. 智能運維，基于自學習的自動化運維[J].信息通信技術(shù)，2018，12（1）：8-13.

[10] 周長杰，馬曉. 城市軌道交通智慧化的研究[J].智能城市，2018，4（15）：12-13.

[11] 侯文軍. 地鐵車輛故障智能處理系統(tǒng)研究[J].現(xiàn)代城市軌道交通，2019（5）：25-31.

[12] 劉丙林，朱佳，李翔宇. 城市軌道交通車輛智能運維系統(tǒng)探索與研究[J].現(xiàn)代城市軌道交通，2019（6）：16-21.

[13] 朱新榮. 城市軌道交通車輛智能化維保解決方案探討[J].現(xiàn)代城市軌道交通，2019（7）：16-21.

[14] 張健，張鈺薇，韓振. 軌道交通車輛智能化生產(chǎn)與運維系統(tǒng)的發(fā)展與探索[J].科技創(chuàng)新與應用，2019（27）：78-80.

[15] 鄭為軍. 地鐵車輛檢修自動化設備探討[J].內(nèi)江科技，2019，40（12）：73-73.

[16] 馮江華. 軌道交通裝備技術(shù)演進與智能化發(fā)展[J].控制與信息技術(shù)，2019（1）：1-6.

[17] 曾聲奎，Michael G. Pecht，吳際. 故障預測與健康管理（PHM）技術(shù)的現(xiàn)狀與發(fā)展[J].航空學報，2005，26（5）：626-632.

收稿日期 2020-06-29

責任編輯 朱開明