大数据分析技术在动车组检修及运行安全中的应用

陈敏俊 中国铁路上海局集团有限公司南京动车段

1 引言

为提高动车组运用效率，各铁路集团公司及动车段都在进行动车组修程修制改革及技术创新，提高检修质量。动车组密集、高效开行必然给铁路运输带来巨大挑战，如何将远程无线及车载传感器收集的海量数据运用在动车组检修及运营应急指挥中，显得尤为重要。宋德刚等以动车组大数据为基础，通过对动车组关键部件故障特点的研究，搭建了故障预测与健康管理系统（PHM），通过监控关键部件轴温、散热装置温度等，指导动车组散热系统的维修，降低维修成本；通过远程空调数据监控动车组空调压力变化，结合库内空调数据监控软件，提高了空调故障发现和处置效率，降低动车组线上故障率。

本文通过分析动车组运用中故障分类，故障来源及动车组检修模式，以动车远程数据、库内检修数据为基础，结合动车组工作原理及结构构造，总结大数据分析技术在动车组维修及运行应急指挥作用，展望大数据技术在动车组检修及线上应急发展趋势。

2 动车组重点故障及检修方法

2.1 动车组重点故障

以上海局南京动车段配属的236 组CRH3 型及“复兴号”动车组故障数据为例。动车组重点故障主要来源分为库内检修、途中运行、远程数据，轨边监测（TEDS）。其中，统计分析近三年通过远程数据发现动车组重点故障及总发生故障，如表1 所示，重点故障发生率较高的系统为高压牵引、网络及辅助监控、外门、空调、供风制动系统方面。

表1 2017-2019 年度各系统远程发现故障数及总发生故障数

2.2 大数据分析技术在动车组检修及应急指挥技术线路

由于动车组运行速度高，运行时间长等特点，需要密切监控动车组各部件性能。因此，动车组各系统都安装大量传感器，用于监控车辆部件性能状态，确保动车组安全运行。现有的检修方法主要是以走行公里和时间周期为依据的定期维修，这种检修模式存在动车组过度修、对现场维修工人经验要求高、效率低等特点，且传感器收集的数据利用率不高，隐性故障难以发现。

基于大数据分析技术的动车组检修及应急指挥主要是利用各系统数据分析模型对车载动态数据、地面检查数据进行筛选、统计、分析，给出动车组维修指导及应急指挥建议，确保动车组各部件性能状态良好。技术线路如图1 所示

图1 大数据分析技术在动车组检修及运行安全中应用技术线路图

3 大数据技术在动车组维修及运行中应用研究

3.1 远程数据分析及应急处置

3.1.1 动车组出库盯控

根据现场调研及统计发现，动车组初供电时易发生故障。出库时间主要集中在凌晨3：00 至7：00，此时间段存在检修人员疲劳、应急人员状态较差、出库时间紧，故障处置难度大等问题，往往导致出库晚点、甚至始发晚点，给动车运行秩序造成严重影响。因此，出库阶段动车组状态确认尤为重要。传统出库作业模式是由随车机械师按相关办法执行作业，这会导致故障点遗漏、发现不及时等情况发生。

出库阶段的远程数据分析及盯控，可有效避免出库晚点情况发生。通过提前90 min 对出库动车组远程数据分析，能够及时发现动车组故障（非机械故障），给应急人员更多的时间进行故障处置，有效避免出库、始发晚点事故。统计2019年1 月至2019 年6 月重点故障发现，远程数据共发现故障708 件，出库故障256 件，远程发现故障中出库故障占30%。由于及时发现故障且迅速组织实施抢救修复或者更换车组，出库晚点率大大降低。

3.1.2 动车组途中运行状态实时监控与故障应急处置

目前，动车组值乘人员为8 编组/人，业务能力高低、值乘时间长短、身体状态等因素均会影响值乘人员状态，值乘人员及时发现车组异常状态存在一定困难。数据分析人员可通过实时监控动车组各系统部件动态数据，发现影响行车安全的故障，及时向应急指挥人员报告，并依据应急手册采取相关措施，确保动车运行安全。统计分析2019 年1 月-6 月重点故障发现，通过远程数据发现轴温升高预警故障26 件，及时采取应急措施，保证了动车组安全有序运行。

3.2 动车组关键部件状态修及可行性分析

通过现场总结发现，动车组运行动态参数能很好解决静态下车辆故障不易发现的问题，能够及时发现、处理“隐性”故障。随着车载传感器技术及远程无线传输系统的不断完善及发展，动车组线上运行状态数据实时性、丢包率等逐步改善，使得依托数据分析，实现动车组状态修（预见性维修）成为可能。动车组空调、散热系统状态修已部分实现。动车组关键部件的状态维修，不仅提高了作业效率，而且降低了维修成本。以动车组辅助供电系统-蓄电池容量状态修可行性分析为例。

CRH3 动车组的蓄电池为镍镉碱性蓄电池，蓄电池的主要性能指标为实际容量。准确得知蓄电池的实际容量是判断电池是否健康的关键。然而蓄电池容量并不能直接测量得出，需要通过直接测量蓄电池的其他重要参数，例如电压、充/放电电流、电解液温度、内阻阻值等来进行预测，蓄电池故障原因分析如表2 所示。

表2 动车组镍镉蓄电池的故障原因分析

动车组正常运行时，蓄电池电压为充电机的电压约118 V 至126 V（随蓄电池当前温度略有变化）。当动车组过分相、检修或者停放时，充电机停止工作，蓄电池开始放电，此时检测到的为蓄电池的实际电压。因蓄电池电压和实际电量有关，实际电量越高，电压越高，因此可以通过统计电压和电压变化率客观反映蓄电池的性能。通过分析这些大量数据找到蓄电池的健康规律，用于指导动车组电池维护。

4 总结

运用大数据分析挖掘、物理失效模型、可靠性模型、数据驱动以及预警预测模型等对动车组关键部件实时状态监控和预警预测，构建动车组健康评价指标，为修程修制的优化、动车组部件状态修（预见性维修）提供理论和实践支撑，实现动车组全生命周期的健康管理。