货车状态监测维修系统对特殊车辆车厢的修程预测及应用

孟宪国

(国能铁路装备有限责任公司，北京 100120)

随着交通运输的智能化，对车辆安全性能的要求越来越高[1]，需要更好地实时监控车厢的各种工况状态，确保维修部门能够对问题车辆及时检测和处置，以及对不良车辆进行重点监控和跟踪等。货车状态监测维修系统通过升级特殊货车车辆内置物联网大数据，对车辆的检测修程进行预测，动态监测车辆的运行[2]。特殊货车车辆指2轴至3轴的压力容器半挂车车厢，用于装载易燃易爆液体或有毒化学品。货车状态监测维修系统覆盖车厢部分，即半挂车连接盘之后的车辆系统(不包含牵引车)，不包含车辆驱动系统和驾驶系统，但包含车辆底盘悬挂系统、辅助制动系统、罐体温度压力保障系统等[3]。

货车状态监测维修系统研究方向及创新点是为货车特殊车辆修程预测计算需求构建大数据模型，并研究其实现模式，特别研究货车特殊车辆车厢大数据与牵引车大数据的对接模式[4]。该研究将打破以往车厢监测系统与牵引车检修系统之间的数据屏障，实现货车状态监测大数据的集中管理。

1 货车状态监测维修系统的基本构成及数据来源

特殊车辆车厢系统由2个主要子系统构成，分别为车板系统和罐体系统，其中车板系统控制车板结构，包含悬挂、制动、牵引连接、信号灯等子系统；罐体系统用于保障货物安全，包括罐体的压力、温度、惰性气体环境、静电环境等控制子系统[5]。特殊车辆基本结构如图1所示。

图1 特殊车辆基本结构示意图

传统模式下，受制于车辆设计、制造、改装工艺，车辆车板系统和罐体系统的数据分开进行管理，其监测数据主要为：1)车板系统中，连接盘强度、悬挂强度、车轴强度、胎压等数据一般通过电压型传感器获得，为电压模拟信号，制动系统特别是刹车片磨损数据一般通过电容型传感器获得，为电容模拟信号转化得到的电压模拟信号；2)罐体系统中，罐体压力、温度、静电等数据通过电压型传感器获得，惰性气体容器中的压力、温度等数据也通过电压型传感器获得，为电压模拟信号；3)其他传感器(如车灯、空压机工况等)获得的数据为电流信号[6]。由此可知，在大数据分析视角下，货车状态监测维修系统的功能是进行电压、电流型模拟信号的数字化及后续分析处理。

将上述数据分为2大类，其一是可以直接反映出系统寿命的数据，如刹车片磨损数据、连接盘磨损数据等；其二是反映设备运行状态的数据，如车轴温度、承压罐体压力等。对该2大类数据进行管理的逻辑如图2所示。

图2 数据管理逻辑

由图2可以看出，系统共提供了2种寿命评估方式：1)制动机构、连接盘、罐体管理系统等能够直接获得检测数据的部分，经过曲线估计后形成寿命评估数据；2)其他运行状态监测数据，如检测的状态数据1～状态数据n，在使用线性投影算法分别进行去量纲同构化处理、使用卷积神经网络进行系统状态评估后，对状态评估结果执行曲线估计算法，再输出车辆寿命评估结果[7]。

2 特殊车辆车厢监测维修系统的软硬件构成

牵引车车载监测系统已经较为完善，而车厢车载监测系统在近10余年才逐渐得到发展和应用。由于每次运输任务有差异，牵引车与车厢的车载系统需要独立配置且需要随时进行整合，因此车厢车载监测系统和车辆大数据系统需要同时具备独立性和兼容性[8]。牵引车车载监测系统运行在CAN总线上，为了实现车厢车载监测系统的兼容性，应该设计专用的CAN总线以实现其通信功能，该总线通信模式如图3所示。

图3 车厢监测系统CAN总线逻辑图

车厢监测系统：1)用于大宗数据采集的CAN总线，该总线由3组接入点数据芯片串联构成，每个接入点数据芯片设定1个专用地址码，由嵌入主机控制的时钟控制器向各个接入点芯片的数模转换器授时，使其按照固定时序周期产生并报送数据；2)刹车片磨损数据、轴温、轴转速、连接盘疲劳磨损数据等经过数模转换器直接报送到嵌入主机的专用接口，其数模转换器的授时受嵌入主机的授时模块管理；3)嵌入主机的上传数据一路经过车载数据网络接口报送到牵引车CAN总线上，然后由牵引车监测系统集中处理后上传移动互联网，另外一路检测数据直接通过移动互联网接口上传，实现与中央机房的数据互动，中央机房服务系统直接向车厢监测系统发出指令，或向公司管理信息系统发出预警数据[9]。

在系统硬件的设计中，对数据接入点芯片的设计是其非标准化零件设计的核心任务之一。接入点芯片如图4所示。

图4 接入点芯片架构示意图

接入点芯片需要调用主控芯片的4组32位检测数据，通过系统网络数据采集通讯模块输入后，完成接口数据的传输[10]。1)将右侧32位接口接收的下行系统数据直接向上行系统转发，实现CAN总线的数据直通分时共享功能；2)加载地址码向上行系统报送，上行系统接收到该数据后，同样会直接向其上行系统报送；3)第4组32位总线用作系统管理接口。前文所述的车厢车载监测系统由嵌入主机负责，并不在该接入点芯片中部署。

3 嵌入主机系统及大数据模型

嵌入主机系统应满足2个核心需求：1)系统应有基本的数据输入、输出及离线分析功能，即在系统外网(移动互联网)出现故障时，应保证系统实现基本功能[11]；2)大部分数据处理任务应在云端完成，即利用云端资源分担车载系统的大部分运算需求[12]。因为一般中高端嵌入式硬件系统仅可提供4～6个高速并行数据接口，所以该系统应包含1个中央处理器、1个数据桥接处理器和1个浮点处理器，3个处理器之间通过高速数据连接且各有分工，其数据拓扑架构如图5所示。

浮点处理器与中央处理器之间使用前端总线直接连接，用于运行小规模卷积神经网络、曲线估计、线性投影等去量纲计算、决策树、决策矩阵浮点程序，数据输入输出处理器中使用1个专用32位接口连接图3与图4中展示的CAN总线设备，1个专用32位接口与中央处理器专用32位接口连接，用于两个处理器之间的数据共享，其他32位接口拆分成4个8位接口，直连高速探头的D/A数模转换器[13]。中央处理器用于协调数据输入输出处理器和浮点处理器的数据处理任务，同时管理车辆控制回路，负责与移动互联网通信。车载浮点处理器无法完成的计算任务，通过移动互联网提交到云端，由云端中央机房处理后将结果通过移动物联网回传到中央处理器中。需要执行的报警信息等，通过控制链路上传到驾驶室报警系统。

4 特殊车辆车厢状态监测维修系统的应用效果

某危化品物流公司拥有易燃易爆品运输车186辆，腐蚀性危险品运输车64辆，所有车辆均按照交通管理部门、安全监察部门、公共安全部门、质量技术管理部门、公路管理部门、运输管理部门等有关部门的要求部署了各种成熟的特殊车辆车厢状态监测维修系统，对其中32辆易燃易爆品运输车和24辆腐蚀性危险品运输车部署本文系统，部署过程中保证改装后原有系统仍能独立、高可靠、高可用运行[14]。比较原系统与本文系统对刹车片、连接盘、车轴、轴承、弹簧片磨损程度的监测误差结果。

本文系统监测结果与成熟技术条件下的车辆重要安全结构磨损监测数据相比，误差略有下降，如：刹车片磨损监测误差下降4.71%，连接盘磨损监测误差下降3.19%，车轴磨损监测误差下降5.84%，轴承磨损监测误差下降7.61%，弹簧片磨损监测误差下降2.23%[15]。敏感度指系统给出故障检修报警的真性数据在所有实际故障数据中的占比[16]。对比惰性气体注入阀和罐体结构密封性、轮胎气密性、刹车气动系统稳定性的报警数据[17]，结果显示，本文系统敏感度较原系统敏感度有所提高，惰性气体注入阀报警敏感度提高了0.72%，罐体结构密封性报警敏感度提高了0.61%，轮胎气密性报警敏感度提高了0.82%，刹车气动系统稳定性报警敏感度提高了0.40%[18]。该敏感度提升幅度与测量误差下降幅度相比较小，其根本原因是原系统的报警敏感度已经达到97%以上。

5 结束语

使用大数据模型驱动的货车特殊车辆车厢监测维修系统与有关部门推广的成熟技术体系支持的货车特殊车辆车厢状态监测维修系统相比，监测的磨损数据误差有所下降，挖掘数据间接监测数据的敏感度有所提升，解决了监控成本高、误判率高的问题。但系统需要较为全面的特殊车辆车厢系统内物联网子系统的支持，系统的部署成本较高，推广使用经济性不足。在后续研究中，将充分利用货车车厢监测物联网的现有硬件资源，减少新系统的硬件改动量，以降低部署成本并提升系统数据利用率。