李亞鵬

摘要：隨著大量高速動車組列車投入運營，幾大主機廠動車組運維數(shù)據(jù)都達到 PB 級，已經(jīng)積累了比較豐富的高速動車組運營和檢修數(shù)據(jù)。運維數(shù)據(jù)的管理、分析必須借助大數(shù)據(jù)手段和人工智能技術在數(shù)據(jù)發(fā)掘方面的獨特優(yōu)勢。

關鍵詞：大數(shù)據(jù)；高速動車組；運維應用

隨著大數(shù)據(jù)時代的來臨，大數(shù)據(jù)概念也被廣泛應用至各行各業(yè)中，高速動車組作為快捷、高效、經(jīng)濟、環(huán)保的新型交通工具，也引入了大數(shù)據(jù)系統(tǒng)，在一列動車組從設計制造到運用維護期間產(chǎn)生了大量與之相關的數(shù)據(jù)信息，通過大數(shù)據(jù)系統(tǒng)對這些數(shù)據(jù)進行分析對我們研究動車組車輛狀態(tài)變化及故障預防有著重要意義。

1構建動車組運維大數(shù)據(jù)平臺

大數(shù)據(jù)技術經(jīng)過多年發(fā)展，經(jīng)歷了技術誕生的促動期、期望峰值，逐步進入成熟階段，成為主流技術。在數(shù)據(jù)的洪流中，如何利用大數(shù)據(jù)產(chǎn)生競爭優(yōu)勢，成為當前裝備制造業(yè)關注的重點。國內(nèi)外傳統(tǒng)制造業(yè)巨頭GE、西門子、ABB、三一重工、航天科工等公司紛紛推出自己的工業(yè)大數(shù)據(jù)分析平臺，積極推進傳統(tǒng)制造向智能制造、生產(chǎn)型制造向服務型制造的轉變。一些科研單位也著力于將人工智能及大數(shù)據(jù)技術應用于工業(yè)、交通行業(yè)，以解決日常運維所面臨的挑戰(zhàn)。動車組大數(shù)據(jù)運維的總體實現(xiàn)思路是，以軌道交通裝備、用戶和制造企業(yè)作為應用對象和數(shù)據(jù)來源，通過構建大數(shù)據(jù)平臺，對高速動車組運維過程中產(chǎn)生的數(shù)據(jù)等進行統(tǒng)一采集、存儲、管理。該平臺利用大數(shù)據(jù)等先進信息技術手段挖掘運維數(shù)據(jù)價值，從地面故障預測與健康管理（prognosticandhealthmanagement，PHM）和車載PHM兩個層面，構建突破時間和地域限制的遠程運維服務新模式。

Hadoop+Spark架構搭建動車組運維大數(shù)據(jù)平臺，對數(shù)據(jù)進行統(tǒng)一接入、存儲和分析。它通過建設故障預測與健康管理系統(tǒng)，實現(xiàn)維修模式向預測性維修轉變；搭建配件一體化平臺及基于云的售后服務培訓門戶，實現(xiàn)配件服務超市化、電商化及培訓服務在線化；建設虛擬可視化遠程指導系統(tǒng)，實現(xiàn)遠程指導的高效協(xié)同；構建技術資料交互平臺，實現(xiàn)運維技術資料的“一車一冊”互聯(lián)網(wǎng)化發(fā)布。

數(shù)據(jù)有效采集和高效管理是構建運維大數(shù)據(jù)平臺首要解決問題。通過搭建一體化數(shù)據(jù)傳輸體系，實現(xiàn)動車組運維所涉及到的運行數(shù)據(jù)、檢修數(shù)據(jù)、線路特征數(shù)據(jù)以及環(huán)境數(shù)據(jù)的采集與傳輸。動車組實時運行數(shù)據(jù)通過2G/4G網(wǎng)絡傳回主機廠，PTU數(shù)據(jù)（通過PTU軟件拷貝的動車組離線運行數(shù)據(jù)）通過專門開發(fā)的客戶端由服務站定期傳回主機廠，檢修數(shù)據(jù)及線路特征數(shù)據(jù)通過企業(yè)服務總線以接口方式采集進入大數(shù)據(jù)平臺，而溫度、天氣等環(huán)境數(shù)據(jù)則通過互聯(lián)網(wǎng)接入大數(shù)據(jù)平臺。

在數(shù)據(jù)管理方面，由于動車組運維數(shù)據(jù)來源豐富，結構化、非結構化數(shù)據(jù)混雜，數(shù)據(jù)格式、表述、質量差異較大，數(shù)據(jù)進入大數(shù)據(jù)平臺之后，首先進行數(shù)據(jù)治理、融合，形成基礎數(shù)據(jù)集，然后從數(shù)據(jù)粒度、應用目標、處理工具等不同維度對數(shù)據(jù)進行分層存儲，方便數(shù)據(jù)的分析挖掘。

2基于大數(shù)據(jù)的人工智能技術在動車組運維工作中的應用

2.1數(shù)據(jù)挖掘實施技術路線

在實現(xiàn)數(shù)據(jù)采集及存儲管理的基礎上，按照對車輛運營安全、正常行車及乘客舒適度影響的程度，以及“整車—主要系統(tǒng)—關鍵部件”的層次，分析數(shù)據(jù)挖掘的業(yè)務對象，形成轉向架走行系統(tǒng)、牽引系統(tǒng)等各個專題需求。根據(jù)具體的需求，從數(shù)據(jù)中心提取列車運營歷史數(shù)據(jù)和試驗數(shù)據(jù)，針對選取的應用對象進行數(shù)據(jù)整合（重采樣、數(shù)據(jù)降維、剔除異常、補缺等操作），基于機理分析及專業(yè)知識，初步選擇模型特征及對應的輸出參量，同時采用隨機森林等機器學習方法從整合后的全部數(shù)據(jù)字段自動搜索模型特征，將兩種方法選擇的特征相組合，采用機器學習方法構建模型。開展模型訓練及測試工作。將提取到的數(shù)據(jù)源按照90%和10%比例拆分為訓練和測試數(shù)據(jù)，由于動車組運營數(shù)據(jù)中設備故障數(shù)據(jù)比例較少，可采用多折交叉法驗證。將測試、驗證后模型部署于生產(chǎn)環(huán)境數(shù)據(jù)中心并接入動車組運營實時數(shù)據(jù)，對相關設備運營狀態(tài)進行檢測、評估。在此過程中，對設備發(fā)生故障的數(shù)據(jù)進行標注，以強化模型的學習能力，進而優(yōu)化模型。最后，根據(jù)模型診斷結果，給出預警信息；有針對性地制定設備維護計劃（包含維護時間節(jié)點、需要的配件和工具及技術支持等），優(yōu)化配件管理；通過數(shù)字化技術資料及虛擬遠程可視化技術，完成故障的快速處置。

2.2典型應用場景

牽引變壓器作為動車組列車牽引系統(tǒng)重要設備之一，屬于列車重點的監(jiān)控及維護對象，本文以此為例介紹基于大數(shù)據(jù)的人工智能技術在動車組運維工作中的應用。牽引變壓器在工作中會產(chǎn)生大量的熱損耗，引起電氣部件溫度升高，如果超過電氣部件所能承受的溫度范圍，牽引變壓器將不能正常工作，甚至會破壞電氣部件的絕緣性能，影響列車的安全、正點運行。正常運行過程中，牽引變壓器產(chǎn)生的熱量通過油循環(huán)進入散熱器，最后由冷卻風通過濾網(wǎng)散發(fā)出去。因此，確保濾網(wǎng)清潔對牽引變壓器正常運行至關重要。由于濾網(wǎng)清潔程度與列車運行地域環(huán)境、氣候（柳絮季節(jié)、大雪等）等因素有關，難以通過傳統(tǒng)的解析或簡便的測試方法獲悉，目前主要是通過分地域、不同季節(jié)，制定不同定期清洗周期，維護成本較高?；诖罅康臍v史運營數(shù)據(jù)，采用機器學習方法判斷牽引變壓器溫度是否發(fā)生異常；基于歷史數(shù)據(jù)統(tǒng)計分析及濾網(wǎng)清洗記錄，識別出濾網(wǎng)清洗前后時段對應的樣本數(shù)據(jù)，并進行標記，以隨機森林機器學習建立濾網(wǎng)堵塞判斷模型；在判斷變壓器溫度異常的基礎上，根據(jù)列車運營數(shù)據(jù)，通過濾網(wǎng)堵塞模型識別濾網(wǎng)堵塞程度，從而可以根據(jù)需要靈活地開展濾網(wǎng)清洗維護工作。

3軌道交通智能化運維發(fā)展建議

當前，軌道交通行業(yè)運維向著全生命周期服務、多樣定制、適應不同環(huán)境、可持續(xù)性、改善人員環(huán)境等各方面發(fā)展，以適應人們出行對安全、綠色、多元化的需求。為此，需要統(tǒng)籌規(guī)劃列車、基礎設施、運營指揮等各環(huán)節(jié)數(shù)據(jù)資源，構建包含基礎設施、移動裝備、運營指揮、檢修、旅客服務五位一體的數(shù)據(jù)中心，保障安全監(jiān)測管理與服務。如何有效地利用動車組在設計、生產(chǎn)、運營、維護過程中產(chǎn)生的龐大的數(shù)據(jù)資源？如何應用大數(shù)據(jù)技術解決動車組主機廠、用戶所關心的“痛點”問題？這些問題應當是大數(shù)據(jù)應用于軌道交通行業(yè)很好的切入點。基于大數(shù)據(jù)技術，開發(fā)具備自感知、自識別、自決策、自學習功能的智能列車，實現(xiàn)動車組行車、運維、監(jiān)控、旅客服務的智能化。對用戶而言，列車安全運營、降低運營成本、高效先進的維護機制始終是重點關注問題；對主機廠來說，不斷優(yōu)化的產(chǎn)品、提升制造效率、優(yōu)化供應鏈始終是追逐的目標。大數(shù)據(jù)通過與當前先進的人工智能等技術結合，挖掘動車組產(chǎn)品數(shù)據(jù)價值，提升主機廠的競爭力，消除用戶所關注的“痛點”問題。

結論

基于大數(shù)據(jù)的人工智能技術在軌道交通運維領域應用還處于探索階段，由于普遍缺乏故障樣本數(shù)據(jù)，因此，一些在互聯(lián)網(wǎng)企業(yè)、圖像識別領域有較好應用效果的技術無法直接應用于動車組運維。本文結合動車組列車運維特定的需求，提出了構建動車組運維數(shù)據(jù)中心的技術思路，采用基于數(shù)據(jù)驅動和機理分析相結合方式構建動車組設備故障檢測模型，通過數(shù)據(jù)中心提供的大量歷史數(shù)據(jù)及高效的數(shù)據(jù)資源管理服務完成模型訓練、驗證和部署，取得了較好效果，為進一步推廣到動車組其他設備、子系統(tǒng)及全列車運營維護奠定堅實基礎。

參考文獻

[1]宋德剛，牛齊明.高速動車組大數(shù)據(jù)PHM系統(tǒng)研究與應用[J].鐵路計算機應用，2018，27（10）：44-48.

[2]胡曉依，孫加林，姚建偉，侯茂銳，成棣.基于大數(shù)據(jù)分析的高速動車組車輪磨耗統(tǒng)計分析研究[J].中國鐵路，2017（12）：13-17.

（作者單位：北京鐵路集團天津動車客車段天津動車所）