我國高速動(dòng)車組智能運(yùn)維中大數(shù)據(jù)的應(yīng)用探究

馬志明

（中車大連電力牽引研發(fā)中心有限公司，遼寧 大連 116085）

1 前言

工業(yè)大數(shù)據(jù)的數(shù)據(jù)挖掘模式是指在工業(yè)及制造業(yè)中，應(yīng)用數(shù)據(jù)產(chǎn)生數(shù)據(jù)價(jià)值的過程。而伴隨著網(wǎng)絡(luò)信息、數(shù)據(jù)融合、數(shù)據(jù)挖掘等技術(shù)的發(fā)展，以及復(fù)雜大系統(tǒng)運(yùn)營維護(hù)的日趨精準(zhǔn)化、智能化的需求，大數(shù)據(jù)的應(yīng)用將具有重要意義。

我國的高鐵技術(shù)同樣也是制造業(yè)應(yīng)用的關(guān)鍵點(diǎn)，高速鐵路建設(shè)以及運(yùn)行里程均為世界第一。列車運(yùn)行維護(hù)中，產(chǎn)生了海量的數(shù)據(jù)內(nèi)容，這些數(shù)據(jù)成為了動(dòng)車組大數(shù)據(jù)運(yùn)維的基礎(chǔ)數(shù)據(jù)。動(dòng)車組列車運(yùn)行維護(hù)是一個(gè)復(fù)雜的系統(tǒng)工程，目前我國對(duì)動(dòng)車組列車運(yùn)行維護(hù)策略主要有計(jì)劃性的檢修維護(hù)、反應(yīng)式維護(hù)、基于狀態(tài)數(shù)據(jù)的維護(hù)等，這幾種方式會(huì)造成維護(hù)過度、成本高等缺點(diǎn)。而結(jié)合運(yùn)維大數(shù)據(jù)應(yīng)用技術(shù)，不但會(huì)降低成本，避免過度維護(hù)，同時(shí)會(huì)使維護(hù)精準(zhǔn)化、高效化，這將為動(dòng)車組的精準(zhǔn)維護(hù)和健康管理提供準(zhǔn)確的依據(jù)。

2 技術(shù)介紹

2.1 智能運(yùn)維技術(shù)

相比較于傳統(tǒng)的運(yùn)行維護(hù)技術(shù)，智能運(yùn)維技術(shù)運(yùn)用數(shù)據(jù)融合、數(shù)據(jù)挖掘、網(wǎng)絡(luò)信息平臺(tái)等技術(shù)實(shí)現(xiàn)數(shù)據(jù)分析和決策輸出，進(jìn)而達(dá)到系統(tǒng)健康預(yù)測(cè)和管理的目的。從智能運(yùn)維平臺(tái)架構(gòu)上來說，智能運(yùn)維平臺(tái)主要可以抽象成數(shù)據(jù)采集層、數(shù)據(jù)匯聚層、數(shù)據(jù)存儲(chǔ)層、建模應(yīng)用層、分析學(xué)習(xí)層、應(yīng)用反饋層。這是目前理想的層次劃分，但在實(shí)際的智能運(yùn)維實(shí)踐過程中，需要依據(jù)硬件設(shè)備條件及時(shí)地做出調(diào)整。智能運(yùn)維平臺(tái)的數(shù)據(jù)維度主要涵蓋時(shí)間維度、空間維度以及系統(tǒng)級(jí)別維度等。運(yùn)維數(shù)據(jù)時(shí)效性較強(qiáng)，并且往往出現(xiàn)多維度數(shù)據(jù)之間出現(xiàn)割裂采集的現(xiàn)狀。如何在后續(xù)的建模過程中體現(xiàn)多維數(shù)據(jù)之間的高度關(guān)聯(lián)，成為了智能數(shù)據(jù)運(yùn)維平臺(tái)的應(yīng)用關(guān)鍵點(diǎn)。

2.2 數(shù)據(jù)挖掘技術(shù)

對(duì)于動(dòng)車組的運(yùn)行維護(hù)來說數(shù)據(jù)挖掘技術(shù)主要是在基礎(chǔ)運(yùn)維平臺(tái)的數(shù)據(jù)挖掘過程涵蓋數(shù)據(jù)清洗、數(shù)據(jù)集成和轉(zhuǎn)換，以及數(shù)據(jù)歸納。通過數(shù)據(jù)預(yù)處理，能夠有效去掉數(shù)據(jù)中的噪音，糾正不一致的數(shù)據(jù)；數(shù)據(jù)歸納可以通過合并、刪除冗余特征或聚類來壓縮數(shù)據(jù)。

3 算法工程集成

圖1 動(dòng)車組運(yùn)維大數(shù)據(jù)平臺(tái)多層級(jí)技術(shù)結(jié)構(gòu)

在智能運(yùn)維的算法集成系統(tǒng)中，依據(jù)不同的算法場(chǎng)景來適配不同的場(chǎng)合，依據(jù)不同的特征模式選擇合適的算法。在這個(gè)過程中主要是根據(jù)閾值來判斷數(shù)據(jù)模型的準(zhǔn)確性，來達(dá)到實(shí)際的最優(yōu)效果。算法的集成水平成為了挖掘內(nèi)容的重要依據(jù)，智能運(yùn)維是一項(xiàng)系統(tǒng)性的工程化過程，需要結(jié)合算法、算力、數(shù)據(jù)，以及平臺(tái)自身與業(yè)務(wù)系統(tǒng)之間的回饋過程。

4 動(dòng)車組的大數(shù)據(jù)設(shè)計(jì)

通過對(duì)動(dòng)車組進(jìn)行分段處理，能夠結(jié)合各種接口技術(shù)實(shí)現(xiàn)數(shù)據(jù)的無縫銜接和處理。并在能夠在動(dòng)車組的運(yùn)行和檢修的過程中，構(gòu)建好動(dòng)車組運(yùn)行和維護(hù)的基本數(shù)據(jù)庫。并且結(jié)合已有的數(shù)據(jù)平臺(tái)內(nèi)容，充分發(fā)揮動(dòng)車組大數(shù)據(jù)分析的基礎(chǔ)性應(yīng)用和基本作用。主要涵蓋：歷史能耗數(shù)據(jù)的動(dòng)態(tài)分析、動(dòng)車組的故障分布情況以及能耗影響因素的相關(guān)性分析。最終依據(jù)數(shù)據(jù)內(nèi)容對(duì)動(dòng)車組的綜合質(zhì)量進(jìn)行評(píng)價(jià)實(shí)現(xiàn)典型故障的分析。并且依據(jù)預(yù)測(cè)數(shù)據(jù)分析內(nèi)容實(shí)現(xiàn)動(dòng)車組運(yùn)行數(shù)據(jù)的綜合質(zhì)量評(píng)定。進(jìn)而為動(dòng)車組的智慧化運(yùn)維提供有效的數(shù)據(jù)依據(jù)。平臺(tái)的設(shè)計(jì)主要涵蓋以下幾方面的內(nèi)容：

（1）數(shù)據(jù)收集。在這個(gè)過程中需要全面的收集動(dòng)車組實(shí)際運(yùn)行的基本故障數(shù)據(jù)以及車輛的信息數(shù)據(jù)。并且為故障數(shù)據(jù)的評(píng)定提供統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)。為全生命周期內(nèi)的管理故障評(píng)定設(shè)定底層標(biāo)準(zhǔn)。

（2）數(shù)據(jù)挖掘分析。根據(jù)各個(gè)板塊的數(shù)據(jù)內(nèi)容，使用多層次、多維度的故障診斷信息對(duì)數(shù)據(jù)進(jìn)行綜合評(píng)定。并且實(shí)現(xiàn)數(shù)據(jù)分析的動(dòng)態(tài)化結(jié)果。

（3）數(shù)據(jù)建模。通過數(shù)據(jù)挖掘?qū)崿F(xiàn)動(dòng)車組運(yùn)行數(shù)據(jù)的綜合建模。進(jìn)而建立故障數(shù)據(jù)的動(dòng)態(tài)模型庫。能夠?qū)崿F(xiàn)閾值預(yù)警和過保預(yù)警等內(nèi)容，進(jìn)而對(duì)動(dòng)車組的突變型故障以及隱性故障進(jìn)行綜合評(píng)定。

（4）大數(shù)據(jù)應(yīng)用。以動(dòng)車組為基本單位，能夠?qū)?dòng)車組的運(yùn)行故障進(jìn)行縱向的綜合評(píng)定。進(jìn)而量化了動(dòng)車組的運(yùn)行狀態(tài)。尤其是對(duì)動(dòng)車組在運(yùn)行的過程中，可能出現(xiàn)的基本問題進(jìn)行預(yù)警分析。實(shí)現(xiàn)動(dòng)車組健康大數(shù)據(jù)的綜合評(píng)定。其大數(shù)據(jù)平臺(tái)的耦合層級(jí)結(jié)構(gòu)如圖1所示。

同時(shí)從數(shù)據(jù)層面上來說，數(shù)據(jù)架構(gòu)的層次結(jié)構(gòu)主要有以下幾個(gè)內(nèi)容為主：

（1）數(shù)據(jù)獲取層。在這個(gè)層面中主要是根據(jù)動(dòng)車組的工業(yè)運(yùn)行大數(shù)據(jù)進(jìn)行綜合采集。這些數(shù)據(jù)的來源主要是根據(jù)關(guān)鍵的運(yùn)行部件、以及設(shè)備的運(yùn)行狀態(tài)參數(shù)。這個(gè)過程可以由檢修的工作人員或者是隨車的機(jī)械師進(jìn)行手工錄入，也可以是由數(shù)據(jù)采集設(shè)備對(duì)各類部件的運(yùn)行參數(shù)進(jìn)行采集而來的。

（2）數(shù)據(jù)存儲(chǔ)層。主要是根據(jù)各項(xiàng)采集來的數(shù)據(jù)內(nèi)容進(jìn)行統(tǒng)一標(biāo)準(zhǔn)和統(tǒng)一管理的形式進(jìn)行存儲(chǔ)。

（3）數(shù)據(jù)處理層。主要是根據(jù)采集得到的數(shù)據(jù)進(jìn)行分析總結(jié)和歸納，并且在這個(gè)過程中依據(jù)故障的規(guī)律得分析預(yù)測(cè)的結(jié)果。傳感器數(shù)據(jù)是依據(jù)智能運(yùn)維的物聯(lián)網(wǎng)平臺(tái)進(jìn)行數(shù)據(jù)傳輸和數(shù)據(jù)計(jì)算得到的。在這個(gè)過程中可以是有線的數(shù)據(jù)平臺(tái)也可以通過局域網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸。尤其是對(duì)于數(shù)據(jù)的在線抽取和數(shù)據(jù)轉(zhuǎn)換之間，能夠有很好的數(shù)據(jù)特征提取關(guān)系。實(shí)現(xiàn)多元數(shù)據(jù)的相關(guān)性擬合。

（4）運(yùn)維決策層（數(shù)據(jù)展示層）。這部分層面需要有效的將得到的數(shù)據(jù)進(jìn)行可視化的展示。供向管理人員進(jìn)行科學(xué)的決策。結(jié)合歷史數(shù)據(jù)和相關(guān)性數(shù)據(jù)（天氣數(shù)據(jù)、地理位置參數(shù)數(shù)據(jù)以及結(jié)構(gòu)特點(diǎn)）?；诮y(tǒng)計(jì)學(xué)模型的方法和基于數(shù)據(jù)驅(qū)動(dòng)的方法來建立故障診斷和預(yù)測(cè)模型。對(duì)故障診斷層面的數(shù)據(jù)量化和故障水平進(jìn)行預(yù)測(cè)。

（5）健康狀態(tài)評(píng)估層。通過對(duì)故障診斷預(yù)測(cè)完成之后，對(duì)于剩余壽命進(jìn)行評(píng)估。綜合的評(píng)判部件、設(shè)備以及車輛的基本參數(shù)。尤其是對(duì)于計(jì)算量較小的參數(shù)需要在綜合系統(tǒng)內(nèi)進(jìn)行綜合評(píng)估。對(duì)于計(jì)算量較大、復(fù)雜的體系需要在地面評(píng)估系統(tǒng)中依據(jù)云平臺(tái)進(jìn)行綜合評(píng)估。

（6）可視化層。根據(jù)評(píng)估的數(shù)據(jù)結(jié)果，通過EChart平臺(tái)展示在web圖表中。有效的轉(zhuǎn)化成為二維的靜態(tài)圖像。數(shù)據(jù)結(jié)果展現(xiàn)形式更加直觀。

（7）維修決策層。通過數(shù)據(jù)展示情況，基于專家組以及有經(jīng)驗(yàn)的工程師的經(jīng)驗(yàn)對(duì)部件的使用壽命進(jìn)行聯(lián)合預(yù)測(cè)。并且依據(jù)故障水平程度和健康登記聯(lián)合提出能夠?qū)崿F(xiàn)的維修計(jì)劃。

綜合以上，數(shù)據(jù)平臺(tái)搭建、數(shù)據(jù)采集與傳輸、數(shù)據(jù)匯聚、存儲(chǔ)與建模、數(shù)據(jù)計(jì)算、AI體系化、場(chǎng)景與工程化融合等方面均提出了極其苛刻的要求，需要更專業(yè)的、更高質(zhì)量標(biāo)準(zhǔn)的運(yùn)維數(shù)據(jù)庫，還需要一支強(qiáng)有力的分析、架構(gòu)和開發(fā)團(tuán)隊(duì)支撐，才能真正實(shí)現(xiàn)智能運(yùn)維中大數(shù)據(jù)的應(yīng)用價(jià)值。

5 結(jié)語

目前，我國正線運(yùn)營的動(dòng)車組形式非常多，同時(shí)與之相匹配的動(dòng)車組檢修技術(shù)非常全面。其間產(chǎn)生了許多寶貴的監(jiān)測(cè)和檢修數(shù)據(jù)，而我們對(duì)數(shù)據(jù)資源的應(yīng)用還僅僅處于探索階段。本文針對(duì)動(dòng)車組運(yùn)維大數(shù)據(jù)的相關(guān)應(yīng)用考慮了一些能夠?qū)崿F(xiàn)的基本形式，給出了一些設(shè)計(jì)思路，以實(shí)現(xiàn)數(shù)據(jù)診斷分析和故障預(yù)測(cè)，為動(dòng)車組的故障預(yù)測(cè)和健康管理提供有效的技術(shù)基礎(chǔ)。