RFID、大數(shù)據(jù)等技術(shù)為動車組智能運維“添翼加速”

工作人員在監(jiān)控大廳工作

故障超前預警

性能演化趨勢

數(shù)據(jù)匯集分析

據(jù)中國國家鐵路集團公布的數(shù)據(jù)，截至2020年7月底，全國鐵路營業(yè)里程達到14.14萬公里，其中高鐵3.6萬公里。高鐵在我國經(jīng)濟、社會、文化等方面發(fā)揮著不可估量的作用。

建立完善的動車組運維保障體系是動車組持續(xù)高效發(fā)展的重要前提。在高速鐵路建設(shè)的同期，為保障動車組安全運行與高效維修，中國鐵道科學研究院電子計算技術(shù)研究所建設(shè)了覆蓋全路的動車組管理信息系統(tǒng)(EMIS)，隨后又陸續(xù)建設(shè)了一系列動車組運維相關(guān)信息化系統(tǒng)，保障了動車組的安全運行和高效維修。動車組管理信息系統(tǒng)上線10余年，積累了大量的動車組新造、運用檢修、監(jiān)測、檢測等數(shù)據(jù)，并且隨著車載設(shè)備的不斷升級，動車組車載數(shù)據(jù)也不斷豐富、增多，這些數(shù)據(jù)不僅數(shù)量巨大且種類繁多、結(jié)構(gòu)各異。

如何利用有效手段對動車組海量數(shù)據(jù)進行挖掘，研究動車組故障預測與健康管理(PHM)技術(shù)，實現(xiàn)動車組故障的超前預警，為動車組檢修提供維修決策支持，優(yōu)化修程修制，節(jié)約檢修成本，由計劃性預防修向狀態(tài)修轉(zhuǎn)變，成為當前比較重要的課題。

基于大數(shù)據(jù)架構(gòu)搭建動車組智能化運維平臺

針對高速動車組運維數(shù)據(jù)特點和應用需求，基于大數(shù)據(jù)架構(gòu)搭建動車組智能化運維平臺，中國鐵道科學研究院電子計算技術(shù)研究所對動車組海量數(shù)據(jù)進行統(tǒng)一匯集，利用大數(shù)據(jù)技術(shù)對其進行清洗、處理與存儲，為動車組狀態(tài)監(jiān)測、故障超前預警、視情維修建議等提供數(shù)據(jù)支撐。

數(shù)據(jù)采集方面，通過車載傳感器、RFID等技術(shù)采集動車組車載及檢修數(shù)據(jù)，并建立統(tǒng)一的數(shù)據(jù)采集規(guī)范，從EMIS、WTDS、TEDS、TADS、主機廠及零部件造修企業(yè)等獲取動車組新造、檢修運用、監(jiān)測、檢測以及環(huán)境等海量數(shù)據(jù)，為動車組智能化運維提供數(shù)據(jù)支撐。

數(shù)據(jù)處理方面，動車組運維數(shù)據(jù)來源豐富，結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)混雜，數(shù)據(jù)格式、表述、質(zhì)量差異較大，數(shù)據(jù)匯集后，首先進行數(shù)據(jù)治理、融合，形成基礎(chǔ)數(shù)據(jù)集，然后從數(shù)據(jù)粒度、應用目標、處理工具等不同維度對數(shù)據(jù)進行分類，方便數(shù)據(jù)的分析挖掘。

數(shù)據(jù)存儲方面，采用數(shù)據(jù)倉庫、非關(guān)系型數(shù)據(jù)庫及分布式文件系統(tǒng)等技術(shù)實現(xiàn)海量數(shù)據(jù)的存儲，采用關(guān)系型數(shù)據(jù)庫滿足實時響應速度的需求，通過分布式、多副本提高數(shù)據(jù)庫整體性能與服務穩(wěn)定性。并通過歷史數(shù)據(jù)歸檔，降低海量數(shù)據(jù)對存儲資源的消耗。

利用算法、模型對處理后的動車組數(shù)據(jù)進行智能化分析

中國鐵道科學研究院電子計算技術(shù)研究所利用機理算法、規(guī)則模型以及閾值模型對處理后的動車組數(shù)據(jù)進行智能化分析，對動車組進行車組狀態(tài)監(jiān)測、故障超前預警、歷史故障分析、部件性能退化分析、視情維修建議等，具體如下：

第一，車組狀態(tài)監(jiān)控。匯集WTDS、TEDS、TADS系統(tǒng)報出的故障，以GIS地圖、列表、清單等形式展示動車組的運行狀態(tài)，方便動車組監(jiān)控人員實時了解動車組運營狀態(tài)、車載數(shù)據(jù)變化、故障情況、線路狀態(tài)信息、動車組部件情況、健康狀態(tài)信息。

第二，故障超前預警。通過動車組數(shù)據(jù)收集，利用機理算法、規(guī)則模型以及簡單的閾值模型對動車組異常狀態(tài)進行預警，提醒相關(guān)人員對動車組進行監(jiān)控及故障復核檢修，實現(xiàn)動車組故障的超前預警，保障動車組行車安全。

第三，歷史故障分析。通過對采集的動車組車載數(shù)據(jù)分析，檢索動車組故障時的網(wǎng)壓、運行加速度、牽引功率、制動力變化等數(shù)據(jù)，判斷動車組故障原因，著重檢查、消除故障。建立實時更新的動車組歷史故障庫，記錄故障現(xiàn)象、故障發(fā)生部位、故障處置方案、計算故障發(fā)生頻次，確定重點檢修部位，總結(jié)同一系統(tǒng)、位置的故障規(guī)律，為后續(xù)故障處理提供方案，同時為發(fā)現(xiàn)源頭質(zhì)量問題提供依據(jù)。

第四，部件性能退化分析。以動車組部件為單位，通過性能劣化參數(shù)或曲線的變化，識別出部件的性能退化，并通過對曲線及影響因素的建模，預測部件性能的退化程度和時間規(guī)律。同時，根據(jù)部件故障統(tǒng)計結(jié)果及動車組故障影響分析結(jié)果，逐步發(fā)現(xiàn)新的需要故障識別的重要部件。

第五，視情維修建議。匯總動車組及部件的故障歷史、檢修歷史情況、車載運行數(shù)據(jù)，以車型、部件、檢修項目等為維度，考慮動車組維修時機、維修間隔及維修成本等要素，利用視情維修模型，在保障車輛可靠性的同時，降低維修費用，提高檢修效率，給出精準視情維修建議。

為動車組智能運維相關(guān)決策提供數(shù)據(jù)支撐

中國鐵道科學研究院電子計算技術(shù)研究所大數(shù)據(jù)技術(shù)在動車組智能運維方面的應用，為動車組智能運維相關(guān)決策提供數(shù)據(jù)支撐，包括修程修制優(yōu)化、運維方案優(yōu)化、資源配置優(yōu)化、運維成本優(yōu)化等方面：

首先，修程修制優(yōu)化。構(gòu)建PHM驅(qū)動的精準檢修模式，確保動車組運營安全，調(diào)整既有修程，優(yōu)化維修周期，減少過度維修，構(gòu)建中國動車組運維標準體系。

其次，運維方案優(yōu)化。提供智能化、柔性化、定制化的動車組運用維修方案，充分發(fā)揮檢修能力，持續(xù)提高動車組利用率，支持復雜工況下的方案智能調(diào)整。

第三，資源配置優(yōu)化。綜合考慮高鐵路網(wǎng)結(jié)構(gòu)與運輸需求，為動車組運力配屬、段所檢修資源布局的優(yōu)化提供決策支撐，完善動車組檢修生產(chǎn)力布局。

第四，運維成本優(yōu)化。支撐動車組精益維修，有效利用生產(chǎn)要素，優(yōu)化庫存，不斷降低動車組運維成本，促進高鐵持續(xù)健康發(fā)展。