大数据地铁车辆牵引系统故障诊断技术的分析

龚 伟

上海轨道交通设备发展有限公司 上海 200245

大数据是指在可承受的时间范围内无法用常规软件工具进行捕捉、管理和处理的海量、高增长率和多样化数据集合，在大数据背景下，需要新处理模式，才能具有更强的决策力、洞察发现力和流程优化能力[1]。

大数据是故障诊断技术与技术支持服务实现智能化的关键[2]。

随着互联网与大数据应用的深入，对行驶中车辆的牵引系统实施远程诊断与技术支持服务，可以实时分析车辆牵引系统的故障。

此外，可以融合移动互联网的应用优势，集成更多的应用和服务，将各个车辆段所有车辆的信息集成在一个平台上，维修资料和专家库构建于一体，共享各个车辆段所有车辆维修信息，在线交流车辆维修的经验，并提供专家库的服务支持。

1 现状分析

牵引系统故障诊断是指在系统部件不分解的前提下，检测系统的运行状况，确定故障发生的部位和引发故障的原因。

车辆故障诊断系统有两种。一种是车外诊断系统，通过一些检测仪器来判断故障，包括应用测试台来模拟故障，从而找出故障的原因。由于故障现象具有随机性，应用车外诊断系统方法所花的时间较长，捕捉故障现象的难度大。另一种是车载诊断系统。目前车辆牵引系统都安装了参数记录仪，实时记录车辆运行时输入输出的电压电流、电动机运行温升等参数，但这些参数是离散的，在司机操作台上只有一些简单的参数显示，一旦发生故障，也只能对一些故障进行提示，不具备故障分析功能。

目前这两种系统均无法对潜在的故障进行及时预报和处理，给车辆的运行安全带来隐患。

2 应用大数据对故障进行分析

为了能及时维护诊断地铁车辆，确保车辆运行安全，可以采用大数据技术来分析和诊断牵引故障。故障诊断系统按监控中心、网络传输层、车载设备层及维修中心层进行配置[3]，整个系统分为监控中心层、车辆段分系统和车载级分系统三大部分，如图1所示。

图1 大数据地铁车辆牵引故障诊断系统示意图

在故障诊断系统中，还引入牵引系统专家库概念。专家库是分析故障原因、及时修复故障的重要手段，是系统故障处理长期实践积累与大数据技术的结合，集在线智能故障预处理、故障预报、故障定位、故障隔离及故障处理为一体[4]。故障诊断系统基本功能如下。

(1) 设计阶段形成的图纸文件、故障模式影响和危害性分析(FEMCA)表和部件可靠性预计结果，以及后续型式试验数据、设计变更记录等，应用大数据技术，建立系统知识库。

(2) 积累大量故障处理信息库，利用大数据技术，建立故障征兆库、故障处理模式库。

(3) 建立故障分析链，应用人机对话输入相关信息来协助维修人员精准判断故障产生的原因及应急处理的手段。

2.1 监控中心层

监控中心层主要收集各车辆段所有车辆的故障信息，从整体上分析故障产生的原因，为应急处理提供技术支持。

监控中心层实现监控中心与车辆段分系统之间故障诊断的信息沟通和资源共享，并实现整个系统范围内的联动功能，以提高运行水平，降低维护成本，同时为突发事件的应急处理提供技术支持。

图2汇集了各车辆段所有车辆的里程数，通过图2可知，66%的车辆运行未到500000km，还处于正常运行阶段，6%的车辆马上要进入500000km大修阶段，为用户日常运行安排提供了基础数据。

图2 车辆里程数统计

图3汇集了各车辆段在1年内同一牵引系统的车辆故障统计，从图3可以看出，牵引系统故障集中表现在中央控制装置、速度传感器和数据插头，提醒维修人员在下一步工作集中调查分析，并利用专家库信息，最终找到问题的根源和解决的方法，进而根治这些问题。调查分析的信息也可以输入系统，丰富专家库。

图3 车辆故障统计

图4 系统平均无故障运行时间

图4记录了3年内各车辆段同一牵引系统平均无故障运行时间，平均无故障运行时间指相邻两次故障之间的平均工作时间，反映了产品的时间质量，是产品在规定时间内保持功能的一种体现[5]。图4显示了牵引系统的可靠性在得到明显改善，说明前期的故障根源已找到，正向着好的方向发展。图中，VMD为直流电压传感器，SUP为辅助逆变器控制器。

2.2 车辆段分系统

车辆段分系统主要由接入装置、路由器、局域网开关、以太网开关和服务器等组成，如图5所示。主要实现对本车辆段所有车辆的实时监控、数据收集分析、评估及维修组织等工作，主要功能： 接收远程实时故障信息并进行远程诊断、知识库维护与管理、故障统计分析和评估等。

对车辆历史故障进行统计分析，分别从故障发生的时间和部位等不同角度应用大数据原理进行分析，使维护管理人员更好地掌握列车各系统的状态和工作情况，同时也为日修、周修、月修提供了维修方向。

图5 车辆段分系统示意图

基于车辆运行的特点及投资维护成本，接收装置设置可以有三种方案。

(1) 与信号系统相同，沿途铺设接收装置做到全覆盖，优点是数据可以实时交换，缺点是投资和维护成本很高。

(2) 在每个车辆段车库内安装接收装置，在车辆回库时进行数据交换，优点是投资维护成本较低，缺点是无法在运行时了解车辆运行状态和故障记录。这一方案中，数据下载由人工下载改为无线保真网络自动下载。

(3) 在线路上每个车站安装接收装置，利用中间停车上下客的时间进行数据交换，虽不能做到实时交换数据，但也能够及时了解车辆运行状态和故障记录，投资运行成本也不是很高。

优选第三种方案，在每个车站安装天线、路由器、终端、服务器和以太网交换器等，实时数据可以存储在服务器中，同时可以通过无线网发送至车辆段诊断分中心。车辆段诊断分中心汇集该条线所有车辆的故障数据，可以进行实时数据分析统计和处理，并为监控中心层提供数据支持。

2.3 车载级分系统

车载级分系统配置有32位处理器的计算机控制系统和车辆内部网络系统，具有故障信息采集、传输、预处理及简单诊断与应急处理功能。

车载级分系统的控制功能如下。

(1) 具有对牵引、制动等设备涉及运行安全的故障快速而有效处理的功能，处理时必须保证人员的安全、设备的完整性，以及车辆的有效性。地面监控系统会提供技术支持。

(2) 具有对空调、广播等设备运行情况进行管理的功能，这些设备的故障情况和等级不会影响乘客和设备的安全,因此故障信息可及时发回地面，待车辆回检修库后及时处理。

(3) 具有维护和辅助诊断的初级功能，可以提示操作司机应注意的事项并进行一些简单故障的排除。

(4) 系统能够支持多种类型的报警，可以根据每条报警的条件和级别决定处理的先后顺序，并可以提供每条报警记录的摘要信息。报警摘要信息包括列车编号、车辆编号、设备名称、报警描述、报警发生日期和时间、报警状态、报警恢复时间等。

(5) 具有故障信息定期远程发送功能。

(6) 具有维修申请功能，能够向车辆段诊断中心提出维修申请。

车载系统数据的处理和传输由辅助控制单元、控制推进器、信息显示系统、主控制单元和无线网路由器组成，收集各子系统实时运行参数和故障记录，通过内部嵌入式以太网和无线网传输系统将数据传输至地面。数据维护系统和运行系统是两个完全独立的网络，相互不受影响，可以提高系统运行的稳定性和安全性。

车载级分系统信息数据处理基于传统结构化数据库，具有数据结构化、最低冗余度、程序与数据独立性高、易于扩充、易于编制应用程序等优点，通过计算机将采集的数据、中间计算的结果等进行存储，再有效及时地处理数据库中的数据[6]。

文件以纯文本形式存储表格数据，生成CSV文件。如果在计算机上安装了Microsoft Office Excel，那么CVS文件可以默认被Excel打开[7],数据处理较为方便。

在司机室操作台装有液晶显示屏,一些重要的故障和列车状态信息会在屏幕上进行显示。

3 牵引系统故障诊断技术的发展

随着电子技术、人工智能技术、智能传感器技术和专家系统技术日益成熟，一些国家出现了集检测控制、数据采集、数据处理、诊断结果于一体的现代诊断技术。地铁车辆牵引系统故障诊断技术正朝着智能化、自动化、精确化、网络化的方向发展[8]。

3.1 故障分析智能化

专家系统技术研发并应用于实践，可以扩大诊断范围。如系统显示牵引电动机过电流，则可通过专家系统分析过电流的原因，找出问题根源，为维修人员带来很大帮助。

3.2 故障检测自动化

随着机电一体化技术和计算机技术的飞速发展，大量非接触式传感器得到应用，可采集更多的数据，因此能更加精准反映故障的本质。

3.3 故障结果精准化

随着大数据技术的发展，结合故障树技术[9]和神经网络等分析方法[10]，可以大大提高故障诊断的精确性。如基于神经网络的故障诊断专家系统具有较好的容错性，实现了大规模并行处理，在信息获取、并行处理方面具有很大优势，结果也更为精确。

3.4 故障信息网络化

在发生故障时，由于专业维修人员对各种车型技术的掌握有限，给快速高效维修带来一定制约。故障信息网络化突破了信息传递在空间、时间、容量和速度上的局限性，实现了资源共享，而且能在线得到专家的交流指导。

虽然大数据技术在地铁车辆牵引系统故障诊断中的应用还处在起步阶段，很多理论和实践还有待于进一步研究，但未来的发展与应用前景是非常广阔的。

4 结束语

随着网络通信技术和大数据技术的日益发展，车辆故障诊断技术越来越受到用户的重视。为了提高地铁车辆运行的可靠性，针对地铁车辆牵引故障诊断系统提出了总体设计方案，这一方案不仅可以应用于车辆牵引系统，而且可以覆盖车辆中的所有应用系统，如制动系统、车门系统等，使车辆运行更加安全可靠。

当然，笔者所述方案还存在不足，如现有数据未达到大数据全面覆盖故障诊断与技术服务的目标，还处在数据加工、整合和规范的阶段，未来的发展还有诸多瓶颈，需要不断跨越。

[1] 齐鸣，王祥.渐行渐近的大数据[J].质量与认证，2015(4)： 21-23.

[2] 郑丽斐.解析： 大数据汽车电子故障远程在线诊断技术的应用[J].价值工程，2014(11)： 212-214.

[3] 吕文军.地铁车辆牵引系统故障诊断技术分析研究[J].中国科技博览，2015(41)： 81-81.

[4] 张乳燕.地铁车辆牵引系统故障诊断技术及系统的研究[D].北京： 北京交通大学，2009.

[5] 陈鹏.平均无故障时间(MTBF)的概述与应用[J].电子产品可靠性与环境试验,2012，30(S1)： 272-276.

[6] 陈捷.文档型数据库与关系型数据库的比较[J].湖北工业大学学报,2006，21(4)： 98-100.

[7] 李旭，马力.VB6在CSV文件格式处理中的应用研究[J].信息技术,2009(7)： 26-28，31.

[8] 王瑞红，刘昊东.现代汽车发动机故障诊断技术及其发展趋势分析[J].商情，2012(31)： 209-210.

[9] 张东斌.基于VC的大型故障树分析软件研究[D].天津： 河北工业大学，2005.

[10] 邱浩,王道波,张焕春.控制系统的故障诊断方法综述[J].航天控制，2004，22(2)： 53-56.