基于大数据技术的和谐机车智能检修方案研究

王小朋，张佳欢，杨 臻，徐元元，侯玉杰

（1.中国铁道科学研究院集团有限公司 电子计算技术研究所，北京 100081；2.北京经纬信息技术有限公司，北京 100081）

目前，全路配属的近两万台机车中，和谐型机车配属占将近一半的份额，和谐型机车的大量投入使用，对机车整备、检修也提出了更高的要求，中国铁路总公司重新颁布了和谐型机车的修程修制[1]，同时对机车18类重要零部件检修记录单信息化数据采集进行了规范，把检修过程中的大量有价值的检修数据进行识别、采集、分析、应用，为机车检修由传统的计划修向状态修、智能修、健康管理奠定了数据基础[2-3]。

当前机车检修作业采用的是一种模糊的、感官化的经验型检修作业方式，检修质量主要依赖于人。这种检修方式，已经完全不能适应铁路发展的要求。随着信息化技术的发展，大数据、智能检修等技术在地铁、电力等行业得到广泛应用，如李岗提出的智能检修在地铁车辆中的可行性[4]及司小庆提出的智能检修在变电站的应用[5]。利用大数据和智能分析手段，结合机车检修管理，实现对机车及重要零部件的故障预测、健康分析和专家诊断等是今后机车智能检修发展的重要方向[6]。本文提出基于大数据技术的智能检修方案，帮助检修人员运用大数据在机车检修中做出正确的决策[7]。

1 数据来源

机车检修过程中存在两种来源：（1）整备检修作业过程中检测设备、智能工具采集的数据；（2）人工采集的检修数据，具体内容主要是机车报活后相应的修活、机车分级修、受电弓检测、探伤检测等。

另外，根据运机检修函（2017）323号－中国铁路总公司运输局关于公布《和谐型机车重要零部件检修记录集数据结构技术方案》的通知，对于机车质量数据，涉及到的检测项目主要有18类关键零部件：牵引电机、主辅发电机系统、柴油机、主变压器、变流器、微机网络控制系统、转向架、轮轴装置、轮轴驱动装置、轴箱、抱轴箱轴承、受电弓、主断路器、低压电器、列车供电装置、辅助机组、制动机系统、基础制动装置、风源系统等，方案中规定了最基本的数据项，可以根据实际需求进行扩展。

1.1 检修数据量

运机检修函（2017）323号中规定每个零部件检修过程划分为基本信息、解体清单、部件检修主要记录、组装清单、组装关键数据、整机检测试验等五部分内容。其中基本信息内容是固定的，包含20多项数据；解体清单与组装清单信息基本一致，数据项平均在20项；部件检修主要记录平均在200项；整机检测试验记录平均在15项。每个机车需要记录的重要零部件大概在18台左右，总共记录项点为18×(20+20×2+200+15)=4 950项；需要对机车运行过程中产生的的TCMS、6A、LKJ等数据进行存储、分析；在整备过程中需要提票，平均每台车的数据项能够达到10 000～15 000项。靠传统方式记录及分析如此巨大数据，将会增加工作量，影响机车检修效率。随着智能检测设备的发展，机机交互是最佳方式，通过智能检测设备，按标准的数据接口直接传到数据服务器。

1.2 智能检测设备

目前，智能检测设备可以对机车线路、设备故障、电机故障、机车主断路器性能、受电弓、司机控制器、蓄电池状态、绝缘电阻、耐压、走行部、轮对等机车重要零部件进行数据采集及动态监测。智能检测设备包括机车主断路器性能测试仪、电机故障诊断仪，以及轮对动态检测系统等。

1.2.1 主断路器性能测试仪

该设备可以测试空气主断路器的固有分闸时间、延迟时间、固有合闸时间、辅助触点逻辑闭合关系、真空主断路器的分闸时间、合闸时间、辅助触点逻辑闭合关系，并具有数据转储功能。

1.2.2 电机故障诊断仪

该设备可用于三相交流电机、直流机、变压器、定子、转子、单个线圈的全面状态检测。自动测试电阻、阻抗、电感、相角、对地绝缘等绕组参数；利用电流/频率动态关系，倍频测试将给出数字化的匝间品质评定，发现早期微小的匝间短路，同时判断整体电磁特性；准确判断匝间短路、开路、三相不平衡、转子匝间短路、断条、对地短路等。

1.2.3 轮对动态检测系统

轮对动态检测系统可以实现对行进中的铁路车轮进行的自动探伤，重点探测轮对轮辋及轮箍部位的周向辋裂、径向裂纹和严重剥离等多类缺陷，同时扫查整体轮辐板部位；采用光学三角检测原理自动检测轮对内侧距、轮缘厚度、轮缘垂直磨砂高度等主要参数；对轮对踏面的擦伤深度、踏面缺陷、剥离和轮对滚动圆的不圆度进行测量。

当超过阈值时将实时自动预警，当超过限度值时将实时报警提示；可以轮对状态进行长期的数据统计、分析、计算并跟踪，提供状态的劣化趋势供检修参考。

2 数据定义及存储

2.1 数据模型定义

由于机车零部件结构复杂，种类繁多，数据采集结果不一致，整合机车数据需要考虑这些异构数据的表示、管理和操作问题。解决问题的关键在于应用一个全局的数据模型，提供一致的数据视图。针对异构的数据整合，采用万维网联盟（W3C）提出的资源描述框架（RDF，Resource Description Framework）来定义数据模型[9]，RDF数据模型示意图，如图1所示。

图1 RDF示意图

在RDF示意图中，“牵引电机”属于“关键部件”类型，由“新造工程师1”制造出来，并由“维修工程师1”来维修。“维修工程师1”的级别是“初级工程师”。在这个图中，每一个和“牵引电机”相连的实体能有它们自己的连接集。例如，通过“属于”关系，“受电弓”和“关键部件”实体相连。通过RDF来定义重要零部件及检修数据结果，可以对重要零部件进行全生命周期管理，实现部件溯源。

2.2 数据存储

在机车关键部件生命周期管理中，对于某个具体的部件来说，如车轴，分为1位车轴和2位车轴，1位车轴的尺寸大小也不相同，也就是说，一个主语对应的某个属性有多个属性值。在一个属性多个值情况下，关系数据库会浪费大量资源，所以关系数据库并不能很好地解决RDF的多值问题。HBase是一个高可靠性、高性能、面向列和可伸缩的分布式存储系统，它主要用于管理大数据集。作为NOSQL的一种，HBase不仅能巧存储结构化的数据，而且适合半结构化、非结构化的数据[10]。HBase中的key和value存在一对多的关系，一个key可以对应多个value。

考虑到机车数据管理中产生的实际数据，HBase更适合处理大规模的数据，使用HBase存储RDF数据效率要高于使用关系数据库。因此，使用HBase来进行RDF数据的管理是更好的选择。

3 大数据信息平台

大数据信息平台是通过网络、传感器把机务智能设备和人工作业数据连接到一起，形成一个双向互动的信息化网络，进而对检修数据信息进行共享和整合分析，实现对机车检修质量的监控、跟踪，以达到提高检修效率，优化管理的目的，如图2所示[8]。

3.1 终端层

终端设备主要分为工位终端、智能设备和手持机3类。工位终端作为人机交互接口用来实现数据采集。智能设备包括智能检修设备、智能检测设备、整机智能试验设备等，集成了先进的传感器，通过传感器在设备运行过程中检测零配件和生产对象的技术状态信息[9]。运行设备包括机车轮对磨合试验台、齿轮油洗机、轴向轴承自动拆卸设备、轮对尺寸测量机等。手持机可以采用条形码、二维码、网络无线射频识别（RFID）或者其它技术对机车、零部件、人员和设备标识信息进行采集，也可以支持手工录入。

图2 大数据信息平台总体架构

终端层主要是采集检修作业相关的数据，主要是通过自动识别、传感器、定位技术采集与检修相关的信息。

3.2 网络层

网络传输层是终端层到数据层传输通道，要实现检修生产车间的所有信息实时接入数据服务中心，为检修的应用服务提供实时信息，就必须具备可靠、稳定网络环境。在检修车间主要应用铁路专用网络，通过在原有有线网络的基础上部署无线网络，实现检修车间、办公楼和室外场所信号的全覆盖。在车间和室外主要通过布局适量的AP，实现信号的全覆盖。对于办公楼和部分死角区域主要通过有线网络接入。不同的检测设备对带宽的需求是不一样的，有些终端设备产生的数据量很小，最多几兆，有些设备每秒就会产生上百兆数据，普通的网络带宽很难满足需要，根据需要采用先进的网络设备，实现数据传输。

3.3 数据服务层

数据服务层是从终端层接收数据，对海量数据进行融合与集成、存储与管理、元模型建立、数据挖掘等过程[11]。通过对数据进行清洗、抽取等步骤，将数据用RDF来定义，存入HBase数据库，对数据接口调用协议规范管理，使得应用层服务对数据的应用和调度效率更高。基于检修车间检修数据信息，通过数据挖掘技术，可以更好地为应用服务层提供有效的服务。

数据挖掘的主要功能包括概念描述、关联分析、分类、聚类和偏差检测等。数据挖掘的主要方法有聚类分析、关联规则法、神经网络等方法[12]。以关联规则法为例，该方法主要用于设备鉴定、修程修制、员工技能、产品技术状态有关。结合直探头鉴定模式，建立探头鉴定工序各生产要素状态数据项的集合A={超声探伤工1级，超声探伤工2级，…，直探头1月更换，直探头3月更换，…，分辨力27 dB、分辨力28 dB，…，声轴偏斜角1.4°，声轴偏斜角1.6°，…}，同时建立车轴加工后技术状态数据集B={合格，不合格，报废，…}。通过模型分析可以得到如下结论：

（1）当生产要素集中的项A{超声探伤工1级、直探头1月更换、分辨力27 dB、声轴偏斜角1.4。}同时出现时，技术状态数据集中的项B{合格}出现概率在98%以上；

（2）当生产要素集中的项A{员工技能等级1级、直探头1月更换、分辨力27 dB、声轴偏斜角1.6。}同时出现时，技术状态数据集中的项B{不合格、报废} 出现的概率分别约为3%、0.2%。通过此类分析，在生产检修前确定可以输出合格产品的各生产要素，保证产品质量。

利用检修数据建立的数据模型，为应用服务层提供数据展现以及业务领导进行决策。

3.4 应用服务层

应用服务层可以为用户提供统一视图下的机车检修作业控制、配件检修作业控制、终端设备管理、系统基础数据管理及数据展示。结合机车检修行业数据展示的特点，可选用R软件、D3可视化图标库、Carto DB、Gephi等。

4 结束语

本文提供了一种以智能设备和大数据信息平台的深度融合为依托，建立机车检修大数据，打造机车检修行业智能制造新模式的方案，将实现机车检修全过程的量值化检修、数字化检测，提高生产效能，提升产品质量，降低检修成本。论文数据验证不是很完善，在理论的基础上需要进行大量数据实验，才能得到准确的数据数据模型，根据数据模型来进行验证智能检修。