地铁车辆空调系统智能化改造应用研究

（中车株洲电力机车有限公司，湖南株洲 412001）

0.引言

“十四五”期间，以大数据、云计算和移动互联为战略，数据导向为发展，实现决策的智慧化，打造“智慧地铁”已成为发展趋势。我国轨道交通领域已经发展多年，其发展也逐步从“制造”阶段转化到“制造+维修”的阶段，以故障修和计划修为主的现行维修模式越来越不经济，地铁车辆维修模式已经逐步在向基于安全监控和全寿命管理的智能化“状态修”模式发展。因此，对原地铁车辆部件或系统进行改造，使部件或系统实现综合智能监测和风险预诊断功能，是实现智能化“状态修”的重要手段，是避免突发性故障的最科学最经济的方式，也是实现地铁车辆智能运维的必经之路，其理论意义、工程应用前景都是非常显著的。

1.技术实施方案

1.1 方案简介

利用地铁车辆原空调机组内部原有的温度传感器及压缩机变频器进行空调机组数据采集，同时对空调控制柜进行改造，增加预诊断（LPDS）装置，利用其将这些数据传输至服务器，服务器对各项参数进行分析，并建立健康模型，从而实现对空调系统各部件进行健康管理，空调机组控制框图见图1。

图1 空调机组控制框图

1.2 预诊断系统原理介绍

空调监测和预诊断系统从整体架构上分为2个层次：（1）机组状态传感监测（客室控制层），即车载端，对每节车的空调机组各部件状态进行实时监测，并将实时数据通过无线网络发给地面数据中心进行存储；（2）大数据分析和维护支持（数据中心层），即地面端，通过车地通信网络将所有列车的空调监测数据存储至地面数据中心，对地面数据进行大数据分析，并将诊断结果发送至客户指导相应的维护保养。

1.3 车载端实施方案

列车空调智能监测与诊断分析系统，依托列车智能信息以太网高速通信网络架构，自主实时远程采集列车空调系统各部件运行状态信息，通过特定网络的车地传输通道端口，完成与地面数据专家诊断分析系统的信息交互，在系统应用平台发布列车空调系统健康实时诊断结果及运维管理建议。

（1）空调机组。1）温度传感器参数采集。空调机组内部无需进行改造，利用机组内部已布置温度传感器：1个回风温度传感器、1个新风温度传感器、2个排气温度传感器、2个蒸发器盘管温度传感器、2个冷凝器盘管温度传感器采集空调运行状态数据。2）变频器输出电参数采集。变频器内部集成电压检测和电流检测传感器，检测变频负载运行过程中的电压和电流参数。

（2）控制器。空调控制器无需进行改造，通过接收机组发来的温度、电压电流等参数，调整空调运行状态，比如调整运行模式和目标温度、调整压缩机运行频率。空调控制器预留有以太网口，可将机组发来的内部各项数据以及电控盒内各接触器、热磁断路器等部件的状态进行汇总，通过以太网线，将数据发送至LPDS。

（3）预诊断装置（LPDS）。1）预诊断装置简介。预诊断板卡实时收集空调控制器送来的数据，并将空调采集的各种数据通过以太网将数据发送至服务器，服务器对数据进行分析，做出故障预诊断。该模块的主要接口有：百兆以太网、RS485、TF卡和SATA3.0等。该模块实现几点功能：高速处理器：LPDS采用Cortex-A9四核处理器，工作频率1GHz，512MB DDR3SDRAM，可以运行复杂控制算法。对实时性要求较高的算法可以在边缘端直接实现并及时通过车辆网络传输给HMI上显示。数据缓存：系统支持最大64G的TF卡读写，同时备有SATA3.0的硬盘接口，对空调运行数据进行备份。当网络出现问题后，空调运行数据可以缓存在LPDS的存储器，待网络恢复后传输，防止因网络问题丢失数据。数据预处理：将收到的空调数据进行有效数据分析以及传输格式编制，提高传输数据的有效性，降低网络占用率，与地面服务器实时通讯。2）LPDS加装方案。LPDS板卡外设金属壳体，壳体固定孔与原空调控制器固定孔保持一致，故可将LPDS安装在原空调控制器位置，控制器安装在LPDS上方，二者通过网线连接。同时，在控制柜内引控制电源至LPDS电源口即可。

2.状态修技术方案

2.1 数据采集

空调数据主要来源于各传感器数据以及各部件状态等参数，数据类型主要由数字量数据及模拟量数据组成。（1）数字量数据主要有：通风机热磁继电器反馈信号、冷凝风机热磁继电器反馈信号、压缩机排气温度保护反馈信号、通风机接触器反馈信号、新风阀位置反馈信号、回风阀位置反馈信号等。（2）模拟量数据主要有：蒸发器盘管温度、冷凝器盘管温度、排气温度、回风温度、新风温度、压缩机电流监测信号、压缩机电压监测信号等。

2.2 数据的清洗

（1）一致性检查。根据空调每个变量的合理取值范围和相互关系，检查数据是否合乎要求，发现超出正常范围、逻辑上不合理或者相互矛盾的数据，直接剔除。（2）重复记录检查。数据库中属性值相同的记录被认为是重复记录，通过判断记录间的属性值是否相等来检测记录是否相等，相等的记录合并为一条记录。

2.3 空调健康评估模型的建立

为了提高空调健康诊断系统（PHM）的准确度，采用机器学习算法进行空调运行状态的预测，采用线性回归算法实现空调运行的PHM功能。线性模型形式简单，蕴涵着机器学习中一些重要的基本思想。许多功能更为强大的非线性模型也可以在线性模型的基础上通过引入层级结构或高纬度映射而得。

2.4 空调系统故障预测机制

（1）蒸发器（混合风滤网）脏堵。通过对换热器内热交温度的监测，实现对混合风滤网脏堵情况的预测。（2）冷凝器脏堵。通过监测外热交升高的程度，去判断冷凝器脏堵的情况。（3）制冷剂泄露。通过监测制冷系统的排气温度、对制冷系统的泄漏情况进行判断。（4）电子膨胀阀卡滞。电子膨胀阀卡滞失效的诊断主要通过设置在压缩机管上的排气温度来进行诊断判定，压缩机排气温度长时间偏离目标排气温度时，而无变化时则认为电子膨胀阀出现卡滞。

2.5 终端显示

利用地面系统软件展示平台实现状态监控、故障诊断、故障预测、故障分析、健康评估、运维决策等功能，结果可以在地面PHM系统大屏、个人电脑上展示。

3.结语

通过基于综合智能监测和风险预诊断的空调系统智能化改造方法，能有效避免突发性故障且方式比较经济，为地铁安全运营提供保障，为实现轨道交通车辆智能运维提供技术参考。