張 斌，李 飛，王 朵，呂歌星，王大龍

（ 1. 國家能源投資集團(tuán) 朔黃鐵路發(fā)展有限責(zé)任公司， 河北 肅寧 062350；2. 株洲中車時(shí)代電氣股份有限公司， 湖南 株洲 412001）

0 引言

近年來，依托工業(yè)4.0[1]技術(shù)引領(lǐng)，重載鐵路運(yùn)輸裝備現(xiàn)代化迅猛發(fā)展，交流傳動、實(shí)時(shí)以太網(wǎng)、長期演進(jìn)技術(shù)（LTE）、無線重聯(lián)等精尖技術(shù)得以深入應(yīng)用，加之萬噸級重載列車的日常開行以及未來超長重載列車的開行，這將對重載組合列車的日常運(yùn)維、安全保障以及機(jī)務(wù)專業(yè)管理提出更高的要求。

但是，由于歷史原因和建設(shè)初期技術(shù)條件的限制，機(jī)車信息化、物聯(lián)網(wǎng)產(chǎn)品發(fā)展滯后，既無法全面、及時(shí)、有效地反饋機(jī)車各車載設(shè)備的運(yùn)行狀態(tài)，也無法及時(shí)、準(zhǔn)確提示設(shè)備故障和潛在威脅并提出應(yīng)急建議；同時(shí)，地面雖已初步建立機(jī)務(wù)數(shù)據(jù)中心，但由于能接入的列車運(yùn)維數(shù)據(jù)較少，大部分鐵路系統(tǒng)仍存在數(shù)據(jù)壁壘嚴(yán)重、信息共享困難的問題，難以進(jìn)行多業(yè)務(wù)、多維度信息匯聚分析，而跨領(lǐng)域應(yīng)用和多部門間協(xié)同亟須智能化技術(shù)支撐。

在此背景下，本文結(jié)合當(dāng)前重載鐵路機(jī)車運(yùn)用維護(hù)現(xiàn)狀，開展重載鐵路智能維護(hù)保障技術(shù)框架研究，聚焦圖像識別、多傳感融合、分布式挖掘等智能化技術(shù)，構(gòu)建重載鐵路智能維護(hù)保障體系。

1 系統(tǒng)概述

重載鐵路智能維護(hù)保障體系以聚焦智能感知、智能診斷、智能評估、智能檢測、智能維修和智能預(yù)控六大功能板塊為框架，著重開展以“基于車載物聯(lián)網(wǎng)的多傳感融合技術(shù)”“基于淺知識和深知識模型的故障診斷技術(shù)”等為代表的重載鐵路智能化前沿技術(shù)應(yīng)用研究，以全面提升重載鐵路組合列車運(yùn)用、維護(hù)、檢修、保障全領(lǐng)域智能化水平，打造綠色、安全、高效、智慧重載鐵路?？傮w研究框架如圖1所示。

圖1 重載鐵路智能維護(hù)保障技術(shù)總體框架Fig.1 Overall framework of intelligent maintenance &support technology for heavy-haul railway

重載鐵路智能維護(hù)保障系統(tǒng)總體研究目標(biāo)如下：

（1）提升機(jī)車關(guān)鍵設(shè)備的維護(hù)水平及維修效率。依托完整的機(jī)車和關(guān)鍵部件履歷、精準(zhǔn)的機(jī)車故障診斷和定位能力、完整的設(shè)備健康評估及修程優(yōu)化體系、車上-車下多環(huán)節(jié)數(shù)據(jù)整合及智能備料管理，助力機(jī)車關(guān)鍵設(shè)備的維護(hù)維修水平及效率提升。

（2）降低機(jī)車生產(chǎn)運(yùn)用及檢修維護(hù)成本。積累機(jī)車運(yùn)用、檢修等各環(huán)節(jié)數(shù)據(jù)，建立以機(jī)車及關(guān)鍵設(shè)備實(shí)際健康狀態(tài)為決定因素的修程優(yōu)化辦法，實(shí)現(xiàn)維修方式從事后維修、定期維修轉(zhuǎn)變?yōu)橐暻榫S修、預(yù)防性維修，從而降低維修保障費(fèi)用、降低生產(chǎn)成本。

（3）提升機(jī)車數(shù)據(jù)綜合分析及輔助決策能力。實(shí)現(xiàn)機(jī)車各類型數(shù)據(jù)采集、融合、分析及應(yīng)用；實(shí)現(xiàn)數(shù)據(jù)的可視化管理，深度挖掘數(shù)據(jù)價(jià)值；實(shí)現(xiàn)關(guān)聯(lián)性分析、趨勢性分析，查找事物發(fā)展規(guī)律，預(yù)測事物發(fā)展方向，提前預(yù)警安全隱患，為機(jī)務(wù)安全運(yùn)輸生產(chǎn)提供決策依據(jù)。

2 系統(tǒng)設(shè)計(jì)

重載組合列車的智能維護(hù)保障以鐵路機(jī)務(wù)“智慧中心”為統(tǒng)一數(shù)據(jù)平臺，實(shí)現(xiàn)移動裝備、固定設(shè)施及內(nèi)外環(huán)境等信息接入，實(shí)現(xiàn)海量數(shù)據(jù)匯集、治理及大數(shù)據(jù)平臺建模分析，支撐六大功能板塊智能化應(yīng)用。整體功能框架如圖2所示。

圖2 重載鐵路智能維護(hù)保障技術(shù)功能框架Fig.2 Functional framework of intelligent maintenance &support technology for heavy-haul railway

2.1 智能感知

智能感知板塊重點(diǎn)研究重載組合列車運(yùn)行狀態(tài)感知與預(yù)警技術(shù)，構(gòu)建整車系統(tǒng)層面的信息感知與預(yù)測系統(tǒng)，自動全面獲取機(jī)車正線運(yùn)行狀態(tài)、設(shè)備健康狀態(tài)、前方線路狀態(tài)、列車弓網(wǎng)狀態(tài)等，為鐵路運(yùn)輸系統(tǒng)安全、效率等指標(biāo)提供源數(shù)據(jù)支持。

（1）車輛狀態(tài)感知。構(gòu)建車載物聯(lián)網(wǎng)感知平臺，實(shí)現(xiàn)車載關(guān)鍵系統(tǒng)、設(shè)備的實(shí)時(shí)數(shù)據(jù)采集、分析及存儲，例如牽引、網(wǎng)絡(luò)、監(jiān)控、走行、列尾等；同時(shí)，提供基礎(chǔ)協(xié)議開放統(tǒng)一接口，支持第三方設(shè)備實(shí)時(shí)狀態(tài)感知與監(jiān)測，例如風(fēng)機(jī)流量監(jiān)測等；構(gòu)建車載安全防火墻，實(shí)現(xiàn)數(shù)據(jù)的安全接入、安全審計(jì)、安全管理等，防止非法入侵、網(wǎng)絡(luò)攻擊。

（2）障礙物感知?；诜墙佑|式障礙物檢測技術(shù)，采用“攝像機(jī)（機(jī)器視覺）+毫米波雷達(dá)+激光雷達(dá)”方案，實(shí)現(xiàn)列車行進(jìn)過程前方障礙物及異常情況的監(jiān)測與識別。其中，機(jī)器視覺識別汽車、摩托車、三輪車、電動車、行人、隔離欄、防撞條等二十余種常見障礙物；大陣列天線毫米波雷達(dá)探測前方行人、動物、車輛以及阻礙行車的固定障礙物等動、靜目標(biāo)；激光雷達(dá)實(shí)現(xiàn)對列車近程200 m范圍內(nèi)障礙物的精確測距。

（3）弓網(wǎng)監(jiān)測。通過在車頂部署的紅外熱像儀及可見光數(shù)據(jù)采集裝置實(shí)時(shí)采集運(yùn)行端受電弓、接觸線、懸臂管、絕緣子、穩(wěn)定臂及固定支架等設(shè)備的狀態(tài)數(shù)據(jù)信息并發(fā)送至車載感知中心，實(shí)現(xiàn)對接觸網(wǎng)動態(tài)尺寸（導(dǎo)高、拉出值）、弓網(wǎng)燃弧及溫度的監(jiān)測和視頻監(jiān)視等，進(jìn)行故障報(bào)警及定位查找等操作[2]。

2.2 智能診斷

智能診斷基于機(jī)車在線監(jiān)測和入段下載的數(shù)據(jù)，運(yùn)用淺知識和深知識診斷模型，通過車載與地面、實(shí)時(shí)與離線相結(jié)合的方式，對機(jī)車各車載系統(tǒng)故障進(jìn)行自動診斷并提出應(yīng)急處置建議，全方位保障機(jī)車設(shè)備的安全。智能診斷技術(shù)框架如圖3所示。

圖3 智能診斷技術(shù)框架Fig.3 Technical framework of smart diagnosis

（1）車載故障預(yù)測與健康管理（prognostics health management, PHM）。車載PHM包含實(shí)時(shí)故障診斷及故障預(yù)警。實(shí)時(shí)故障診斷是車載PHM模塊通過車載物聯(lián)網(wǎng)實(shí)時(shí)采集關(guān)鍵系統(tǒng)數(shù)據(jù)，利用基于淺知識的專家經(jīng)驗(yàn)與數(shù)據(jù)推理，針對各子系統(tǒng)已報(bào)故障進(jìn)行實(shí)時(shí)診斷；實(shí)時(shí)故障預(yù)警則是基于深知識的系統(tǒng)原理以及數(shù)據(jù)分析，針對各子系統(tǒng)的設(shè)備進(jìn)行故障預(yù)測，達(dá)到對關(guān)鍵設(shè)備（如牽引電機(jī)、傳動機(jī)械、傳感器、接觸器等）的預(yù)測性維護(hù)目的。

（2）車載實(shí)時(shí)應(yīng)急處置。依據(jù)列車車載PHM診斷結(jié)果和預(yù)警信息，可直接對司乘人員提供交互式指導(dǎo)，以排除正線無法動車故障，減少救援頻次，降低對司機(jī)的記憶要求和培訓(xùn)成本；亦可通過無線傳輸設(shè)備實(shí)時(shí)回傳診斷和預(yù)警信息至地面應(yīng)急處理中心，輔助地面進(jìn)行應(yīng)急處置后再反饋給司機(jī)進(jìn)行處理，為機(jī)車提供地面120（信息臺）在途故障支持。

（3）地面故障診斷與定位。機(jī)車入段后，首先自動下載機(jī)車單趟運(yùn)行中完整的運(yùn)行記錄和故障記錄，然后通過故障清洗規(guī)則將大多數(shù)的冗余事件記錄與衍生故障進(jìn)行篩除，只余下重點(diǎn)關(guān)注故障的信息。地面故障診斷與定位基于清洗后的有效原生故障信息，運(yùn)用淺知識的專家經(jīng)驗(yàn)形成知識庫，輔助地面檢修人員對故障進(jìn)行精確定位。

2.3 智能評估

利用智能感知系統(tǒng)采集到的故障數(shù)據(jù)，結(jié)合部件修配及檢驗(yàn)履歷的跟蹤與分析結(jié)果，采用數(shù)據(jù)挖掘技術(shù)和可靠性分析技術(shù)對部件進(jìn)行全壽命周期健康評估，有效評估機(jī)車及各核心部件健康狀態(tài)，并優(yōu)化相應(yīng)修程。

（1）機(jī)車履歷管理?；谥悄芨兄霸\斷數(shù)據(jù)，結(jié)合部件周轉(zhuǎn)及檢修記錄，構(gòu)建機(jī)車及核心部件電子檔案，記錄機(jī)車的基本信息、走行里程數(shù)、修程和技改信息以及配件的出廠、上車、更換和維修等信息，實(shí)現(xiàn)機(jī)車整車及核心部件全生命周期履歷管理，覆蓋牽引、制動、網(wǎng)絡(luò)及走行及列尾等核心系統(tǒng)及設(shè)備。

（2）健康狀態(tài)評估?；跈C(jī)車車載監(jiān)測故障數(shù)據(jù)、地面提票故障數(shù)據(jù)及臨修故障數(shù)據(jù)等，結(jié)合走行公里數(shù)、電子履歷數(shù)據(jù)，運(yùn)用數(shù)據(jù)挖掘方法構(gòu)建評估模型，對機(jī)車及主要部件進(jìn)行健康狀態(tài)評估。車載監(jiān)測及提票故障數(shù)據(jù)完整覆蓋牽引、網(wǎng)絡(luò)、制動、走行及列尾等核心系統(tǒng)，評分規(guī)則兼顧票活回票返分、慣性故障加重扣分。

（3）修程評估。通過機(jī)車及部件健康狀態(tài)評估結(jié)果，結(jié)合電子履歷，分析出車載各類型部件合理檢修周期，給出部件檢修周期建議，將局部檢修項(xiàng)工作頻率進(jìn)行疏密調(diào)整，并對列車部件進(jìn)行整體檢修日程規(guī)劃，統(tǒng)計(jì)出在一定時(shí)間內(nèi)需要檢修的部件數(shù)據(jù)，為檢修人員評估、優(yōu)化檢修計(jì)劃提供有效數(shù)據(jù)支持。

2.4 智能檢測

通過應(yīng)用軌旁全斷面圖像檢測裝置、車底智能巡檢機(jī)器人和車頂智能巡檢清洗作業(yè)機(jī)器人，實(shí)現(xiàn)對機(jī)車入庫過程車輛整體外觀狀態(tài)的動態(tài)檢測，對車底關(guān)鍵部件的外觀和尺寸進(jìn)行多角度、高精度的定位及檢測，對車頂受電弓外觀、尺寸及壓力等的高精度自動化檢測及絕緣子的自動化清洗。智能檢測技術(shù)功能框架如圖4所示。

圖4 智能檢測技術(shù)框架Fig.4 Technical framework of smart detection

（1）軌旁全斷面圖像檢測。機(jī)車通過設(shè)備檢測區(qū)域時(shí)，采用基于2D/3D圖像特征識別的全斷面檢測技術(shù)，提取圖像特征進(jìn)行匹配，再采用紋理特征并結(jié)合3D深度信息進(jìn)行識別，從而實(shí)現(xiàn)機(jī)車車底、車側(cè)、車頂關(guān)鍵零部件的外觀狀態(tài)檢測，如裂紋、異物、丟失、漏油、錯位及松脫等，同時(shí)具備對受電弓、輪對踏面的異常損傷檢測功能。檢測數(shù)據(jù)實(shí)時(shí)通過光纖通信傳輸至智慧中心大數(shù)據(jù)分析系統(tǒng)進(jìn)行存儲、分析，并推送至前端進(jìn)行展示、報(bào)警及預(yù)警。

（2）車底巡檢?；谧灾鲗?dǎo)航定位、工業(yè)機(jī)器人控制、圖像檢測等技術(shù)，實(shí)現(xiàn)車底關(guān)鍵部件多角度、高精度定位采集，實(shí)現(xiàn)表面狀態(tài)、尺寸參數(shù)及距離參數(shù)的高精度檢測和異常狀態(tài)報(bào)警[3]。例如：輪對及閘瓦等磨耗件尺寸的測量，以及車底天線、車底底板、轉(zhuǎn)向架等部件表面裂紋、異物、漏油、連接狀態(tài)、丟失、螺栓松脫等異常狀態(tài)識別，完成機(jī)車運(yùn)用檢修車底系列生產(chǎn)作業(yè)。

（3）車頂檢測及部件清洗。通過工業(yè)機(jī)器人控制技術(shù)將智能檢測工具、清洗工具送達(dá)檢測、清洗位置，運(yùn)用視覺檢測、噪聲檢測、壓力采集信號分析技術(shù)，對被檢受電弓的滑條外觀、姿態(tài)、壓力及氣密性進(jìn)行檢測，并對瓷瓶進(jìn)行自動清洗，完成機(jī)車車頂運(yùn)用檢修系列作業(yè)。

2.5 智能維修

引入以智能測控和工業(yè)機(jī)器人技術(shù)為基礎(chǔ)的檢修新型裝備、新流程，接入機(jī)車及車載配件的智能診斷、智能評估及智能檢測體系，實(shí)現(xiàn)機(jī)車檢修過程的數(shù)字化測控、機(jī)車故障的智能排查以及機(jī)車配件的智能備料，建設(shè)智能化檢修線。

（1）數(shù)字化測控。引進(jìn)智能安全帽、數(shù)字扭力扳手、數(shù)字萬用表、數(shù)字千分尺、數(shù)字深度尺及智能眼鏡等密集化、小型化及智能化作業(yè)工具，并與現(xiàn)場檢修信息化系統(tǒng)深度融合，實(shí)現(xiàn)機(jī)車檢修中各類過程數(shù)據(jù)的自動化采集，提高數(shù)據(jù)準(zhǔn)確性，減輕人工輸入工作量。

（2）智能故障排查。運(yùn)用基于淺知識的專家經(jīng)驗(yàn)形成知識庫，通過智能診斷系統(tǒng)地面故障診斷與定位功能，輔助地面檢修人員進(jìn)行故障鏈路精確定位，并提示相應(yīng)的故障排查驗(yàn)證及故障修復(fù)措施，指導(dǎo)快速完成檢修；同時(shí)，通過進(jìn)一步驗(yàn)證診斷結(jié)果，持續(xù)優(yōu)化檢修經(jīng)驗(yàn)知識庫，不斷提升故障智能排查準(zhǔn)確率。

（3）智能備料。依據(jù)對機(jī)車檢修作業(yè)計(jì)劃執(zhí)行結(jié)果的統(tǒng)計(jì)及分析，得出并不斷優(yōu)化機(jī)車檢修運(yùn)用模型。利用該模型，系統(tǒng)提供對物料計(jì)劃、物料庫存及生產(chǎn)計(jì)劃的仿真推演功能，輸出三者之間的匹配關(guān)系，優(yōu)化建議。動態(tài)配置檢修物料計(jì)劃，不僅可減少過度備料，降低物料成本，并減小配送壓力，對備品備件進(jìn)行精準(zhǔn)預(yù)估，定制采購要求時(shí)間表。

（4）智能檢修線。建設(shè)專業(yè)化、自動化、信息化的機(jī)車核心部件智能檢修作業(yè)流水線，覆蓋相關(guān)部件的專業(yè)維修工序，以提高檢修質(zhì)量，降低檢修運(yùn)營成本。通過深入研究檢修工藝，制定專業(yè)工藝流程，開發(fā)專業(yè)化檢修設(shè)備，為操作者提供作業(yè)指導(dǎo)；在檢修工序中引入自動化手段，實(shí)現(xiàn)檢修工作在效率、質(zhì)量上的提升。

2.6 智能預(yù)控

采用光纖傳感、激光傳感、物聯(lián)網(wǎng)、衛(wèi)星定位等多種感知技術(shù)對線路周邊環(huán)境、基礎(chǔ)設(shè)施結(jié)構(gòu)參數(shù)進(jìn)行監(jiān)測，實(shí)現(xiàn)綜合報(bào)警、信息處理和軌道養(yǎng)護(hù)管理等功能，構(gòu)建重載鐵路自然環(huán)境安全感知與智能預(yù)防控制系統(tǒng)。

（1）氣象災(zāi)害感知與預(yù)警。分析超聲波式風(fēng)速風(fēng)向計(jì)在風(fēng)雨交加條件下誤報(bào)警的故障模式，研究基于多傳感器信息融合技術(shù)的大風(fēng)報(bào)警算法，解決氣象災(zāi)害感知技術(shù)中的風(fēng)雨交叉敏感問題；采用基于激光測距的雪深測量技術(shù)，解決超聲波雪深測量存在的溫漂、異物遮擋問題；結(jié)合重載鐵路沿線地質(zhì)情況及災(zāi)害敏感參數(shù)，實(shí)現(xiàn)對重載鐵路線路段的地質(zhì)災(zāi)害感知與預(yù)警。

（2）邊坡滑坡監(jiān)測與報(bào)警。采用最新滑坡監(jiān)測技術(shù)，通過理論分析、對比分析，建立數(shù)學(xué)模型，并采用實(shí)驗(yàn)仿真的方法開展對滑坡監(jiān)測方式和預(yù)警策略、滑坡監(jiān)測傳感器布設(shè)原則的研究[4]；通過現(xiàn)場干擾源數(shù)據(jù)分析及建模，提出并優(yōu)化抗干擾算法；通過實(shí)測滑坡監(jiān)測數(shù)據(jù)積累及仿真，進(jìn)一步驗(yàn)證滑坡監(jiān)測的準(zhǔn)確性和響應(yīng)速度，研究滑坡監(jiān)測系統(tǒng)的架構(gòu)、軟硬件組成方式等，實(shí)現(xiàn)重載鐵路滑坡自動監(jiān)測。

（3）異物入侵監(jiān)測與識別。研究基于光時(shí)域反射儀（optical time-domain re flectometer, OTDR）光纖測試技術(shù)、視頻監(jiān)控、紅外傳感等多傳感器的周界安防監(jiān)控技術(shù)，對鐵路系統(tǒng)的人員入侵進(jìn)行監(jiān)測，實(shí)現(xiàn)目標(biāo)危害等級判斷、精確定位、實(shí)時(shí)報(bào)警等功能；基于雙電網(wǎng)、光纖光柵、視頻監(jiān)控等多傳感器的異物侵限安全感知技術(shù)[5]，實(shí)現(xiàn)異物危害等級判斷、事件地點(diǎn)定位、實(shí)時(shí)報(bào)警功能；研究環(huán)境干擾排除手段，避免測量系統(tǒng)受到大風(fēng)、大雨、小動物、樹枝及列車經(jīng)過時(shí)產(chǎn)生的振動等干擾因素的影響。

（4） 軌道狀態(tài)安全感知與預(yù)警。研究軌道的狀態(tài)安全感知與預(yù)警技術(shù)，通過光纖傳感、激光傳感、物聯(lián)網(wǎng)、衛(wèi)星定位等技術(shù)手段，監(jiān)測鋼軌的溫度與應(yīng)變、鋼軌各方向的位移、道床橫向位移與縱向位移、路基的沉降、隧道形變[6]等健康狀態(tài)變化，建立線路狀態(tài)數(shù)據(jù)庫，結(jié)合周邊環(huán)境監(jiān)測的數(shù)據(jù)，實(shí)現(xiàn)軌道路基健康狀態(tài)的安全感知、故障診斷與壽命預(yù)測。

3 關(guān)鍵技術(shù)

新一代重載鐵路智能維護(hù)保障體系的構(gòu)建得益于云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等新興技術(shù)的快速發(fā)展和日臻成熟。這些新技術(shù)與鐵路應(yīng)用環(huán)境融合后形成的智能感知、智能診斷、智能評估、智能檢測等成套理論和技術(shù)體系將為實(shí)現(xiàn)智慧化重載鐵路戰(zhàn)略提供重要的技術(shù)保障。其核心是通過借助新一代的思想、理念和技術(shù)，在獲取充分信息的數(shù)據(jù)驅(qū)動下，重塑鐵路維護(hù)保障體系中人、機(jī)車、設(shè)備和管理系統(tǒng)之間的相互關(guān)系，實(shí)現(xiàn)從“被動服務(wù)”向“主動服務(wù)”“智慧服務(wù)”的轉(zhuǎn)變。在這一系列新理念、新技術(shù)中，需要重點(diǎn)突破以下多種技術(shù)。

3.1 基于車載物聯(lián)網(wǎng)的多傳感融合技術(shù)

利用裝載在列車車載設(shè)備上的多感知設(shè)備[7]，如數(shù)據(jù)采集器、溫度/速度/壓力/流量傳感器、電子標(biāo)簽等，通過以太網(wǎng)、物聯(lián)網(wǎng)等網(wǎng)絡(luò)通道實(shí)現(xiàn)在車載信息網(wǎng)絡(luò)平臺上對所有車載設(shè)備的屬性信息和各類靜、動態(tài)信息進(jìn)行提取、同步和融合利用的目的。將來自多傳感器或多源的信息和數(shù)據(jù)，在一定的準(zhǔn)則下加以自動分析和綜合運(yùn)用，通過對信息多級別、多方面組合完成對車載設(shè)備的評估及決策，并根據(jù)不同的功能需求對所有列車的運(yùn)行狀態(tài)進(jìn)行有效的監(jiān)管和提供綜合服務(wù)。

3.2 基于淺知識和深知識模型的故障診斷技術(shù)

列車設(shè)備與系統(tǒng)的故障診斷預(yù)警實(shí)際上是一個基于知識（包括淺知識模型和深知識模型）的決策過程。淺知識模型，即根據(jù)已知的故障現(xiàn)象，通過故障現(xiàn)象與故障原因之間的因果關(guān)系（故障樹)，根據(jù)故障時(shí)刻的數(shù)據(jù)表現(xiàn)進(jìn)行外延推理，從而定位出最為可能的故障原因。其易于構(gòu)造與管理，推理效率高，可兼容眾多冗余關(guān)系影響。深知識模型，即使用需診斷預(yù)警對象的結(jié)構(gòu)、性能以及功能的知識，通過深層次的原理與數(shù)據(jù)分析進(jìn)行推理，結(jié)合海量歷史數(shù)據(jù)運(yùn)算，實(shí)現(xiàn)系統(tǒng)設(shè)備的故障診斷與預(yù)警[8]。

3.3 基于多源多態(tài)監(jiān)測數(shù)據(jù)的分布式挖掘技術(shù)

重載鐵路系統(tǒng)結(jié)構(gòu)復(fù)雜，獲取的基礎(chǔ)設(shè)施狀態(tài)監(jiān)測數(shù)據(jù)具有異構(gòu)、海量、強(qiáng)非線性以及時(shí)變等特點(diǎn)，且諸多隱患或故障模式呈現(xiàn)非認(rèn)知性，采用“對象模型”的隱患或故障模式難以準(zhǔn)確、有效地表征系統(tǒng)實(shí)時(shí)特性，且難以映射系統(tǒng)動態(tài)響應(yīng)。由此，綜合處理數(shù)據(jù)所反映目標(biāo)對象健康狀態(tài)的特性，研究基礎(chǔ)設(shè)施在復(fù)雜環(huán)境下的服役健康狀態(tài)演化規(guī)律模型，結(jié)合大數(shù)據(jù)的分布式挖掘技術(shù)，實(shí)現(xiàn)基礎(chǔ)設(shè)施隱患挖掘與健康狀態(tài)評估[9]。

3.4 基于光學(xué)非接觸方法的障礙物檢測技術(shù)

綜合運(yùn)用雷達(dá)模組、路況攝像機(jī)模組等檢測設(shè)備，開展基于高分辨率毫米波雷達(dá)、激光雷達(dá)和機(jī)器視覺的光學(xué)非接觸檢測技術(shù)研究，覆蓋近（≤200 m）、中（200 ～400 m）距離目標(biāo)的探測，可實(shí)現(xiàn)非接觸式主動障礙物檢測[10]。采用深度學(xué)習(xí)算法模塊，可實(shí)現(xiàn)對列車行進(jìn)過程常見障礙物的識別，包括機(jī)動車、摩托車、三輪車、行人及動物等。結(jié)合傳統(tǒng)線性調(diào)頻連續(xù)波技術(shù)、數(shù)字波束合成（digital beam forming,DBF）技術(shù)及微多普勒目標(biāo)識別技術(shù)，獲取列車行進(jìn)方向的前方靜態(tài)和動態(tài)信息。

3.5 基于2D/3D圖像特征識別的全斷面檢測技術(shù)

在機(jī)車通過設(shè)備檢測區(qū)時(shí)，采用高速、高分辨率線陣相機(jī)、3D相機(jī)對機(jī)車車頂、車底、車側(cè)關(guān)鍵部件進(jìn)行2D/3D圖像采集[11]。系統(tǒng)根據(jù)地面數(shù)據(jù)中心車號識別系統(tǒng)提供的機(jī)車車號信息，自動選取被檢車輛標(biāo)準(zhǔn)圖像，并將檢測相機(jī)采集的圖像與標(biāo)準(zhǔn)圖像進(jìn)行2D圖像比對和分析；通過圖像特征點(diǎn)提取、建立特征點(diǎn)映射關(guān)系；采用紋理特征實(shí)現(xiàn)兩幅圖像精確配準(zhǔn)、對比分析，并結(jié)合3D圖像采集數(shù)據(jù)進(jìn)行深度信息識別。

4 結(jié)語

重載鐵路智能維護(hù)保障技術(shù)框架的研究，聚焦于機(jī)車及其關(guān)鍵裝備六大領(lǐng)域的技術(shù)研究和成果轉(zhuǎn)化，依托相關(guān)智能化感知、融合、挖掘、AI分析技術(shù)的提升及相應(yīng)工程化項(xiàng)目的持續(xù)開展，不斷提升識別精度、準(zhǔn)確度，提高自動化、自主化作業(yè)水平，逐步替代人工重復(fù)性、高強(qiáng)度勞動，將顯著提升機(jī)車維護(hù)、保障作業(yè)效率，將對以“綠色、安全、高效、智慧”為主旨的重載鐵路智慧化建設(shè)有著重大指導(dǎo)意義。