城市轨道交通车辆智能运维系统的分析

周黎明、束长健、蒋陵郡

（中车南京浦镇车辆有限公司，江苏 南京 210031）

0 引言

城市轨道交通自150 多年前建立以来，逐步产生了以人车为中心、规划为核心的传统维护模式。虽然我国城市轨道交通车辆的运行维护工作在不断发展和完善，但目前，许多城市轨道交通车辆的运行维护检测仍采用传统的人工运行维护检测方法(见图1)，导致运营维护检测效率低下、准确性不足，严重阻碍了我国城市轨道交通的发展。为此，必须加强智能运维检测技术的应用，利用智能技术实时监控车辆运行状态，实现维修信息与故障分析的同步，最终有效提高车辆运维效率，降低运营和维护检测的人工成本，这也是当今时代对城市轨道交通车辆运营和维护检测的新要求。

图1 传统检测方式

1 智能运维的总体方案

根据目前地铁车辆生产运维的发展趋势，并基于各大数据中心采集的车辆设计数据、车辆运行实时数据、车辆故障数据和车辆履历数据，城市地铁车辆智能运维系统整体上按照阶段具体可分为智能设计生产系统、智能车辆检测系统、智能车辆维修系统和智能专家诊断系统等。智能设计生产系统主要是针对地铁车辆的设计、生产的数据进行相关处理，可获得车辆用于运营前的关键数据。智能车辆检测系统通过车载传感器或者轨旁系统获得车辆的运行状况数据，例如可对地铁车辆中的空调、车门等系统以及车辆轮对的底部、侧面、外观和状态进行智能检测。智能车辆维修系统用于车辆维修的智能化管理，包括日常修架、大修等，智能组织针对维修任务的日常行动计划，并提供维修电子手册等。智能专家诊断系统作为城市轨道交通车辆智能运维系统的关键系统，采用大数据、人工智能、模糊逻辑等推理算法对车辆行驶状况进行监测预测，对车辆健康状况进行评估，再结合车辆段或者停车场的维修资源，做出适当的维修决策，实现对主要设备和零部件的预测维修，保证车辆的安全高效运行。

2 城市轨道交通车辆智能维护现状

智能化运维检测可以说是城市轨道交通车辆运维检测的必然选择，提高运维检测的效率和质量具有重要意义。近年来，中国各大城市的地铁公司都在探索性地开展车辆运维智能检测的应用，积极研究本地智能运维模式。然而，目前我国大部分地铁公司都将车辆的安全使用作为基本目标，大多数维修制度都比较保守，普遍存在过度维修现象，造成额外的人力、财力等资源的浪费。目前，虽然城市轨道交通车辆的运营和维护受到了一定的重视，并取得了一定的成效，但基本仍以检测为主，这使得用于检测地铁车辆和维护的智能技术没有得到广泛应用，严重阻碍了智能运维技术的进一步发展。

3 智能车辆检测系统的组成

智能车辆检测系统主要用于对车辆各部件或者子系统进行检测，采集相关的数据。现阶段智能检测技术已经取得长足发展，轨旁检测设备可以在地铁车辆的车顶、底部、侧边等多方位实现对地铁车辆多种部件的探查，车载设备更是可以实时获取车辆运行状况信息等数据，例如车载PHM 设备可以实现对车辆数据的实时预处理或者实时分析。建立城市轨道交通智能车辆检测系统是必然趋势，该系统主要基于与车辆相关的海量数据的采集、存储以及一定的分析、展示技术，实现综合化的智能检测服务平台。再依托5G 等通信技术以及大型数据中心高算力的支持，可实时监控车辆关键部件的状态，通过机理规则等计算手段实现对车辆故障的实时捕捉，并实施故障告警和分级报警。智能车辆检测系统由多个子系统组成，根据实施位置或者区域的不同，系统可分为车载检测子系统、轨旁检测子系统和库内检测子系统三类。

3.1 车载检测子系统

车载检测子系统主要依靠车载PHM 设备来实现，车载PHM 设备（见图2）是实现车辆各部件或者子系统的数据采集、集中存储的车载设备，用以提高地铁车辆数据质量及智能监控水平，并降低传统网络下传输问题给车辆健康管理系统带来的不利影响。车载PHM 设备支持通过以太网等网络接口采集车辆各系统运行数据、环境数据、状态数据、故障数据等车辆健康管理所必需的数据。可与地面系统进行实时和非实时的数据交互，支持通过无线局域网等方式实现车载PHM 设备采集的所有原始数据实时或到库后传输到地面智能专家诊断系统服务器。车载PHM 设备支持存储采集到的所有原始数据。当出现硬件故障、列车车辆重启等紧急情况时，能确保存储的数据不会丢失，车载PHM 设备自身出现故障时也不会影响地铁车辆的正常运行。

图2 车 载PHM 设备

3.2 轨旁检测子系统

在轨道交通中，保证车辆状态的动态控制是至关重要的，除了在车辆自身部署各种传感器获取列车车辆运行参数外，还可通过轨旁检测设备实现对地铁车辆的实时检测。

一是轮对尺寸检测及轮对踏面图像监测系统，按现场布局分为现场基本检测单元、轨边控制处理单元、控制室三部分。现场基本检测单元包括轮对外形尺寸检测模块和车轮擦伤检测、轮对踏面缺陷动态图像监测模块。图像采集处理后，可获取到车轮相关参数，包括表面磨损、轮辋厚度、轮辋高度、垂直磨损、车轴内轴、车轮直径等。轨边控制处理单元包括现场控制系统和数据采集处理系统，实现现场基本检测单元的供电、控制、数据和图像的采集、分析、存储，同时与远程控制室进行通信。控制室由控制台、数据综合分析及管理软件、数据及信号传输系统和外围设备等构成，在控制室可实现系统参数的设置，实时监控设备的运行状态和检测过程，查看、统计、分析和打印检测数据。

二是受电弓在线检测系统，实现受电弓碳滑板的非接触式动态检测，包括受电弓碳滑条磨耗、受电弓碳滑条缺口、中心线偏移及羊角下垂的检测和报警，还具有车顶状态观测功能。受电弓在线检测系统以可靠、先进的现场数据采集系统作为数据采集前端，提供统一的数据管理平台和用户使用界面，具备检测结果的查询和统计、受电弓故障报警及网络共享管理的功能，并具有远距离传输、数据库及支持网络浏览的功能，可以通过局域网实现网络数据通信、共享和报警。受电弓在线检测系统不影响相关专业在隧道内的日常作业（如隧道清洗车、轨道打磨车的日常作业）。

三是红外轴温检测系统，能够实时检测轨道交通车辆的热轴故障，通过综合分析轴温信息，对热轴故障进行跟踪探测。并且通过读取车辆的车号信息等确定轴位，红外轴温检测系统能自动识别列车车辆运行方向，自动检测列车车辆运行速度，系统根据车号信息跟踪车辆轴承温度，自动计辆、计轴，自动补偿校正设备增益和灵敏度，以适应气候和车速变化的影响（环温-45～70C，地表温度＞70C）。红外轴温检测系统还可用于地铁车辆在运行状态下检测轴箱温度，预防事故，确保轨道交通车辆的安全运行。

3.3 库内检测子系统

库内检测子系统主要针对已经停驻在停车场或者车辆段内的地铁车辆进行检测，如在车辆入库后利用车轴相控阵探伤设备进行车轴的探查，探伤设备采用相位光栅超声波探伤法对不同类型的车轮轴线、轴颈、轴向壳体等进行检测，能有效满足地铁各种线路的维修要求。在进行车轴相控阵探伤时，需要在轴端安装阵列相位探测器，根据车轴参数确定扫描角度。还可利用智能故障检测设备对车辆进行检测，在车辆上电的情况下设备以有线的方式接入车辆网络以和车载的各种设备进行交互，完成各种检测操作，识别出车辆故障信息。运维人员在车辆返回后，须作好车辆维修的相关准备工作，特别包括从调度系统获得车辆编号、库房位置等，获得车辆故障信息，以支撑智能车辆维修系统的应用。

在库内操作时，运维人员除了使用库内检测子系统实现部分智能检测外，还可通过智能车辆维修系统的信息终端接收任务，实时反馈工作进度、故障报告，将车辆维修的工单处理完成后，运维人员确定关闭车辆操作，最终完成车辆故障的闭环处理。库内检测子系统还可配备检测机器人，检测机器人主要用于地铁车辆的车底智能检测，能对地铁车辆检修股道内侧的车底设备配件（包含转向架、各类箱体、空压机、电气和气动管路等部件）实现自动图像采集与故障初步分析，并能实现故障的上报、查询、定位、统计和信息的可追溯。库内检测子系统还可利用光学成像和智能机器人技术完成车身全景的自动拍摄和检测，可有效替代传统的车身人工检测方法，对保证检测人员的安全和提高检测效率都具有重要意义。

4 智能专家诊断系统

通过智能检测系统的支持，部署于地面的智能专家诊断系统与智能检测系统的车载检测子系统、轨旁检测子系统以及库内检测子系统进行对接，通过实时采集到的地铁车辆状态数据，监控车辆运行状态，对其异常状态进行自动预警。具体来说，智能专家诊断系统处理车辆状态信息，建立针对性的数据分析模型，通过科学合理的数据建模，依靠机器学习算法对车辆关键部位进行故障的预测，分析出关联故障。例如车辆检测设备可通过车上各类传感器、数据采集终端、多功能车辆总线（MVB）或者以太网等综合手段实现实时数据采集，通过车载网络汇总给车载PHM设备，车载PHM 设备再通过无线传输（例如利用5G的高带宽低时延）将获取的车辆运行状态数据实时推送至地面。智能专家诊断系统再基于这些数据结合机器学习算法（如拟合）实时分析评测车辆状态数据的趋势，并集合系统或部件的历史监测数据，通过专家系统进行深层次的分析对比，完成结果数据的进一步修正，以提供更准确的结果数据作为车辆智能化运营维修的参考。智能专家诊断系统支持多种应用场景（见图3），包括故障的关联分析、诊断、预测，以及针对具体车辆的健康评估，通过计算打分的方式展示车辆的整体健康状况，支持对关键信号值进行趋势分析。

图3 智能专家诊断系统应用场景

5 结语

随着信息时代的到来，一切都在向智能化发展，这为用户提供了极大的便利。在城市轨道交通车辆运营维护检测中，智能技术的应用可以说是一次历史性的创新，不仅有助于减少人工运营维护检测的工作量，对于提高运行检测和维护的效率也非常重要，从人工检测到智能检测的过渡已经真正完成。因此，城市轨道交通管理部门必须加强对城市轨道交通车辆运行维护智能检测的开发研究，通过各种智能检测系统及时排查车辆隐患，有效防止事故隐患的发展，充分保障城市轨道交通车辆的安全运行。