李亞鵬

摘要：隨著大量高速動(dòng)車組列車投入運(yùn)營(yíng)，幾大主機(jī)廠動(dòng)車組運(yùn)維數(shù)據(jù)都達(dá)到 PB 級(jí)，已經(jīng)積累了比較豐富的高速動(dòng)車組運(yùn)營(yíng)和檢修數(shù)據(jù)。運(yùn)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(shù)在數(shù)據(jù)發(fā)掘方面的獨(dú)特優(yōu)勢(shì)。

關(guān)鍵詞：大數(shù)據(jù)；高速動(dòng)車組；運(yùn)維應(yīng)用

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，大數(shù)據(jù)概念也被廣泛應(yīng)用至各行各業(yè)中，高速動(dòng)車組作為快捷、高效、經(jīng)濟(jì)、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(dòng)車組從設(shè)計(jì)制造到運(yùn)用維護(hù)期間產(chǎn)生了大量與之相關(guān)的數(shù)據(jù)信息，通過(guò)大數(shù)據(jù)系統(tǒng)對(duì)這些數(shù)據(jù)進(jìn)行分析對(duì)我們研究動(dòng)車組車輛狀態(tài)變化及故障預(yù)防有著重要意義。

1構(gòu)建動(dòng)車組運(yùn)維大數(shù)據(jù)平臺(tái)

大數(shù)據(jù)技術(shù)經(jīng)過(guò)多年發(fā)展，經(jīng)歷了技術(shù)誕生的促動(dòng)期、期望峰值，逐步進(jìn)入成熟階段，成為主流技術(shù)。在數(shù)據(jù)的洪流中，如何利用大數(shù)據(jù)產(chǎn)生競(jìng)爭(zhēng)優(yōu)勢(shì)，成為當(dāng)前裝備制造業(yè)關(guān)注的重點(diǎn)。國(guó)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(tái)，積極推進(jìn)傳統(tǒng)制造向智能制造、生產(chǎn)型制造向服務(wù)型制造的轉(zhuǎn)變。一些科研單位也著力于將人工智能及大數(shù)據(jù)技術(shù)應(yīng)用于工業(yè)、交通行業(yè)，以解決日常運(yùn)維所面臨的挑戰(zhàn)。動(dòng)車組大數(shù)據(jù)運(yùn)維的總體實(shí)現(xiàn)思路是，以軌道交通裝備、用戶和制造企業(yè)作為應(yīng)用對(duì)象和數(shù)據(jù)來(lái)源，通過(guò)構(gòu)建大數(shù)據(jù)平臺(tái)，對(duì)高速動(dòng)車組運(yùn)維過(guò)程中產(chǎn)生的數(shù)據(jù)等進(jìn)行統(tǒng)一采集、存儲(chǔ)、管理。該平臺(tái)利用大數(shù)據(jù)等先進(jìn)信息技術(shù)手段挖掘運(yùn)維數(shù)據(jù)價(jià)值，從地面故障預(yù)測(cè)與健康管理（prognosticandhealthmanagement，PHM）和車載PHM兩個(gè)層面，構(gòu)建突破時(shí)間和地域限制的遠(yuǎn)程運(yùn)維服務(wù)新模式。

Hadoop+Spark架構(gòu)搭建動(dòng)車組運(yùn)維大數(shù)據(jù)平臺(tái)，對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一接入、存儲(chǔ)和分析。它通過(guò)建設(shè)故障預(yù)測(cè)與健康管理系統(tǒng)，實(shí)現(xiàn)維修模式向預(yù)測(cè)性維修轉(zhuǎn)變；搭建配件一體化平臺(tái)及基于云的售后服務(wù)培訓(xùn)門戶，實(shí)現(xiàn)配件服務(wù)超市化、電商化及培訓(xùn)服務(wù)在線化；建設(shè)虛擬可視化遠(yuǎn)程指導(dǎo)系統(tǒng)，實(shí)現(xiàn)遠(yuǎn)程指導(dǎo)的高效協(xié)同；構(gòu)建技術(shù)資料交互平臺(tái)，實(shí)現(xiàn)運(yùn)維技術(shù)資料的“一車一冊(cè)”互聯(lián)網(wǎng)化發(fā)布。

數(shù)據(jù)有效采集和高效管理是構(gòu)建運(yùn)維大數(shù)據(jù)平臺(tái)首要解決問(wèn)題。通過(guò)搭建一體化數(shù)據(jù)傳輸體系，實(shí)現(xiàn)動(dòng)車組運(yùn)維所涉及到的運(yùn)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(dòng)車組實(shí)時(shí)運(yùn)行數(shù)據(jù)通過(guò)2G/4G網(wǎng)絡(luò)傳回主機(jī)廠，PTU數(shù)據(jù)（通過(guò)PTU軟件拷貝的動(dòng)車組離線運(yùn)行數(shù)據(jù)）通過(guò)專門開(kāi)發(fā)的客戶端由服務(wù)站定期傳回主機(jī)廠，檢修數(shù)據(jù)及線路特征數(shù)據(jù)通過(guò)企業(yè)服務(wù)總線以接口方式采集進(jìn)入大數(shù)據(jù)平臺(tái)，而溫度、天氣等環(huán)境數(shù)據(jù)則通過(guò)互聯(lián)網(wǎng)接入大數(shù)據(jù)平臺(tái)。

在數(shù)據(jù)管理方面，由于動(dòng)車組運(yùn)維數(shù)據(jù)來(lái)源豐富，結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)混雜，數(shù)據(jù)格式、表述、質(zhì)量差異較大，數(shù)據(jù)進(jìn)入大數(shù)據(jù)平臺(tái)之后，首先進(jìn)行數(shù)據(jù)治理、融合，形成基礎(chǔ)數(shù)據(jù)集，然后從數(shù)據(jù)粒度、應(yīng)用目標(biāo)、處理工具等不同維度對(duì)數(shù)據(jù)進(jìn)行分層存儲(chǔ)，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(shù)在動(dòng)車組運(yùn)維工作中的應(yīng)用

2.1數(shù)據(jù)挖掘?qū)嵤┘夹g(shù)路線

在實(shí)現(xiàn)數(shù)據(jù)采集及存儲(chǔ)管理的基礎(chǔ)上，按照對(duì)車輛運(yùn)營(yíng)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(guān)鍵部件”的層次，分析數(shù)據(jù)挖掘的業(yè)務(wù)對(duì)象，形成轉(zhuǎn)向架走行系統(tǒng)、牽引系統(tǒng)等各個(gè)專題需求。根據(jù)具體的需求，從數(shù)據(jù)中心提取列車運(yùn)營(yíng)歷史數(shù)據(jù)和試驗(yàn)數(shù)據(jù)，針對(duì)選取的應(yīng)用對(duì)象進(jìn)行數(shù)據(jù)整合（重采樣、數(shù)據(jù)降維、剔除異常、補(bǔ)缺等操作），基于機(jī)理分析及專業(yè)知識(shí)，初步選擇模型特征及對(duì)應(yīng)的輸出參量，同時(shí)采用隨機(jī)森林等機(jī)器學(xué)習(xí)方法從整合后的全部數(shù)據(jù)字段自動(dòng)搜索模型特征，將兩種方法選擇的特征相組合，采用機(jī)器學(xué)習(xí)方法構(gòu)建模型。開(kāi)展模型訓(xùn)練及測(cè)試工作。將提取到的數(shù)據(jù)源按照90%和10%比例拆分為訓(xùn)練和測(cè)試數(shù)據(jù)，由于動(dòng)車組運(yùn)營(yíng)數(shù)據(jù)中設(shè)備故障數(shù)據(jù)比例較少，可采用多折交叉法驗(yàn)證。將測(cè)試、驗(yàn)證后模型部署于生產(chǎn)環(huán)境數(shù)據(jù)中心并接入動(dòng)車組運(yùn)營(yíng)實(shí)時(shí)數(shù)據(jù)，對(duì)相關(guān)設(shè)備運(yùn)營(yíng)狀態(tài)進(jìn)行檢測(cè)、評(píng)估。在此過(guò)程中，對(duì)設(shè)備發(fā)生故障的數(shù)據(jù)進(jìn)行標(biāo)注，以強(qiáng)化模型的學(xué)習(xí)能力，進(jìn)而優(yōu)化模型。最后，根據(jù)模型診斷結(jié)果，給出預(yù)警信息；有針對(duì)性地制定設(shè)備維護(hù)計(jì)劃（包含維護(hù)時(shí)間節(jié)點(diǎn)、需要的配件和工具及技術(shù)支持等），優(yōu)化配件管理；通過(guò)數(shù)字化技術(shù)資料及虛擬遠(yuǎn)程可視化技術(shù)，完成故障的快速處置。

2.2典型應(yīng)用場(chǎng)景

牽引變壓器作為動(dòng)車組列車牽引系統(tǒng)重要設(shè)備之一，屬于列車重點(diǎn)的監(jiān)控及維護(hù)對(duì)象，本文以此為例介紹基于大數(shù)據(jù)的人工智能技術(shù)在動(dòng)車組運(yùn)維工作中的應(yīng)用。牽引變壓器在工作中會(huì)產(chǎn)生大量的熱損耗，引起電氣部件溫度升高，如果超過(guò)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?xí)茐碾姎獠考慕^緣性能，影響列車的安全、正點(diǎn)運(yùn)行。正常運(yùn)行過(guò)程中，牽引變壓器產(chǎn)生的熱量通過(guò)油循環(huán)進(jìn)入散熱器，最后由冷卻風(fēng)通過(guò)濾網(wǎng)散發(fā)出去。因此，確保濾網(wǎng)清潔對(duì)牽引變壓器正常運(yùn)行至關(guān)重要。由于濾網(wǎng)清潔程度與列車運(yùn)行地域環(huán)境、氣候（柳絮季節(jié)、大雪等）等因素有關(guān)，難以通過(guò)傳統(tǒng)的解析或簡(jiǎn)便的測(cè)試方法獲悉，目前主要是通過(guò)分地域、不同季節(jié)，制定不同定期清洗周期，維護(hù)成本較高?；诖罅康臍v史運(yùn)營(yíng)數(shù)據(jù)，采用機(jī)器學(xué)習(xí)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(jì)分析及濾網(wǎng)清洗記錄，識(shí)別出濾網(wǎng)清洗前后時(shí)段對(duì)應(yīng)的樣本數(shù)據(jù)，并進(jìn)行標(biāo)記，以隨機(jī)森林機(jī)器學(xué)習(xí)建立濾網(wǎng)堵塞判斷模型；在判斷變壓器溫度異常的基礎(chǔ)上，根據(jù)列車運(yùn)營(yíng)數(shù)據(jù)，通過(guò)濾網(wǎng)堵塞模型識(shí)別濾網(wǎng)堵塞程度，從而可以根據(jù)需要靈活地開(kāi)展濾網(wǎng)清洗維護(hù)工作。

3軌道交通智能化運(yùn)維發(fā)展建議

當(dāng)前，軌道交通行業(yè)運(yùn)維向著全生命周期服務(wù)、多樣定制、適應(yīng)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(yīng)人們出行對(duì)安全、綠色、多元化的需求。為此，需要統(tǒng)籌規(guī)劃列車、基礎(chǔ)設(shè)施、運(yùn)營(yíng)指揮等各環(huán)節(jié)數(shù)據(jù)資源，構(gòu)建包含基礎(chǔ)設(shè)施、移動(dòng)裝備、運(yùn)營(yíng)指揮、檢修、旅客服務(wù)五位一體的數(shù)據(jù)中心，保障安全監(jiān)測(cè)管理與服務(wù)。如何有效地利用動(dòng)車組在設(shè)計(jì)、生產(chǎn)、運(yùn)營(yíng)、維護(hù)過(guò)程中產(chǎn)生的龐大的數(shù)據(jù)資源？如何應(yīng)用大數(shù)據(jù)技術(shù)解決動(dòng)車組主機(jī)廠、用戶所關(guān)心的“痛點(diǎn)”問(wèn)題？這些問(wèn)題應(yīng)當(dāng)是大數(shù)據(jù)應(yīng)用于軌道交通行業(yè)很好的切入點(diǎn)。基于大數(shù)據(jù)技術(shù)，開(kāi)發(fā)具備自感知、自識(shí)別、自決策、自學(xué)習(xí)功能的智能列車，實(shí)現(xiàn)動(dòng)車組行車、運(yùn)維、監(jiān)控、旅客服務(wù)的智能化。對(duì)用戶而言，列車安全運(yùn)營(yíng)、降低運(yùn)營(yíng)成本、高效先進(jìn)的維護(hù)機(jī)制始終是重點(diǎn)關(guān)注問(wèn)題；對(duì)主機(jī)廠來(lái)說(shuō)，不斷優(yōu)化的產(chǎn)品、提升制造效率、優(yōu)化供應(yīng)鏈?zhǔn)冀K是追逐的目標(biāo)。大數(shù)據(jù)通過(guò)與當(dāng)前先進(jìn)的人工智能等技術(shù)結(jié)合，挖掘動(dòng)車組產(chǎn)品數(shù)據(jù)價(jià)值，提升主機(jī)廠的競(jìng)爭(zhēng)力，消除用戶所關(guān)注的“痛點(diǎn)”問(wèn)題。

結(jié)論

基于大數(shù)據(jù)的人工智能技術(shù)在軌道交通運(yùn)維領(lǐng)域應(yīng)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(shí)別領(lǐng)域有較好應(yīng)用效果的技術(shù)無(wú)法直接應(yīng)用于動(dòng)車組運(yùn)維。本文結(jié)合動(dòng)車組列車運(yùn)維特定的需求，提出了構(gòu)建動(dòng)車組運(yùn)維數(shù)據(jù)中心的技術(shù)思路，采用基于數(shù)據(jù)驅(qū)動(dòng)和機(jī)理分析相結(jié)合方式構(gòu)建動(dòng)車組設(shè)備故障檢測(cè)模型，通過(guò)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(wù)完成模型訓(xùn)練、驗(yàn)證和部署，取得了較好效果，為進(jìn)一步推廣到動(dòng)車組其他設(shè)備、子系統(tǒng)及全列車運(yùn)營(yíng)維護(hù)奠定堅(jiān)實(shí)基礎(chǔ)。

參考文獻(xiàn)

[1]宋德剛，牛齊明.高速動(dòng)車組大數(shù)據(jù)PHM系統(tǒng)研究與應(yīng)用[J].鐵路計(jì)算機(jī)應(yīng)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(dòng)車組車輪磨耗統(tǒng)計(jì)分析研究[J].中國(guó)鐵路，2017（12）：13-17.

（作者單位：北京鐵路集團(tuán)天津動(dòng)車客車段天津動(dòng)車所）