楊二斌，王文剛，問國輝

（1 國能鐵路裝備有限責(zé)任公司， 北京 100011；2 北京鐵科合力科技有限責(zé)任公司， 北京 100082）

轉(zhuǎn)向架裝置是鐵路機(jī)車車輛組成部件中非常重要的部分，承載了機(jī)車車輛全部的負(fù)荷和定位。關(guān)于動態(tài)車輛轉(zhuǎn)向架部件監(jiān)測的研究有很多學(xué)者、專家做了大量工作。陳東東［1］針對動車組轉(zhuǎn)向架關(guān)鍵部件開發(fā)了一套基于Wi-Fi 無線網(wǎng)絡(luò)的溫度監(jiān)測系統(tǒng)。吳炳福［2］對基于機(jī)器學(xué)習(xí)的高鐵轉(zhuǎn)向架服役性能進(jìn)行了研究。邊志宏［3］對輪對在線綜合檢測進(jìn)行了研究。文獻(xiàn)［4-9］對高速轉(zhuǎn)向架振動特性及演變規(guī)律也做了研究。目前鐵路車輛走行部監(jiān)測技術(shù)采用車載軸溫及振動測量裝置及軌邊噪聲測量和軌道變形測量，采集車輛軸箱的溫度和振動數(shù)據(jù)進(jìn)行分析處理判斷車輛走行部的狀態(tài)。車載軸溫及振動測量裝置檢測設(shè)備需要安裝在每節(jié)車輛上，設(shè)備費(fèi)用大；現(xiàn)有列車制動系統(tǒng)故障診斷采用車載制動系統(tǒng)壓力測量裝置，采集列車管、制動缸、副風(fēng)缸壓力變化數(shù)據(jù)，分析處理判斷車輛級故障。這些檢測、監(jiān)測設(shè)備也都需要安裝在每節(jié)車輛上，設(shè)備費(fèi)用大；另外，由于貨車車輛無電源，以至很難在貨車車輛上安裝檢測或監(jiān)測設(shè)備。因此，研制地面監(jiān)測系統(tǒng)解決在線運(yùn)行貨車轉(zhuǎn)向架部件運(yùn)行安全的問題十分必要。

1 項(xiàng)目來源

根據(jù)目前貨車運(yùn)行過程中轉(zhuǎn)向架出現(xiàn)問題較多，5T 監(jiān)測技術(shù)又沒有全覆蓋的現(xiàn)狀［10-13］，在現(xiàn)有5T 設(shè)備故障監(jiān)測檢測的基礎(chǔ)上，進(jìn)行功能擴(kuò)展。提出基于紅外熱成像和機(jī)器學(xué)習(xí)理論對動態(tài)轉(zhuǎn)向架進(jìn)行非接觸可視化監(jiān)測，實(shí)現(xiàn)對機(jī)車車輛熱軸故障、制動不緩解故障、制動緩解不良故障和牽引電機(jī)齒輪箱發(fā)熱異常狀況等的自動診斷、實(shí)時(shí)預(yù)報(bào)和故障車輛全程追蹤的功能。

目前在鐵路貨車監(jiān)測領(lǐng)域，紅外熱力學(xué)的研究應(yīng)用目前還僅局限在點(diǎn)測溫上，本系統(tǒng)從紅外熱輻射的維度來對轉(zhuǎn)向架運(yùn)行狀態(tài)進(jìn)行全面監(jiān)測和分析，對轉(zhuǎn)向架整體運(yùn)行狀態(tài)監(jiān)測進(jìn)行全新的研究。

2 動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)組成

系統(tǒng)主要分為軌邊檢測系統(tǒng)和軌邊機(jī)房控制系統(tǒng)。軌邊探測設(shè)備用于現(xiàn)場測量和采集，軌邊機(jī)房控制系統(tǒng)用于進(jìn)行控制、數(shù)據(jù)處理及分析等，如圖1 所示。

圖1 動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)示意圖

2.1 軌邊檢測系統(tǒng)

軌邊探測系統(tǒng)包括：車號識別系統(tǒng)，紅外熱像采集系統(tǒng)，雙目視覺采集系統(tǒng)，線激光器，磁鋼車輪傳感器等設(shè)備。

2.2 軌邊機(jī)房控制系統(tǒng)

（1）軌邊機(jī)房控制系統(tǒng)包括：高性能圖像計(jì)算機(jī)、紅外熱像計(jì)算機(jī)、數(shù)據(jù)處理服務(wù)器、信息管理服務(wù)器、控制主機(jī)箱、以太網(wǎng)交換機(jī)、車號識別主機(jī)、KVM 切換器、激光器電源箱等設(shè)備。

（2）主機(jī)采集系統(tǒng)由紅外熱像采集子系統(tǒng)和可見光機(jī)器視覺3D 采集子系統(tǒng)組成。

2.3 工作原理

通過軌邊陣列布置的紅外熱成像采集，可以獲得清晰、完整的轉(zhuǎn)向架部件熱分布云圖，再通過分析處理便可獲得各部件的安全等級，通過遠(yuǎn)程通信，在車輛安全數(shù)據(jù)中心記錄所有通過車輛的安全數(shù)據(jù)。采集箱（包括熱成像攝像機(jī)、核心處理模塊、通信模塊）、磁鋼、輔助測速及車號識別系統(tǒng)、遠(yuǎn)程監(jiān)測系統(tǒng)，這些設(shè)備與地面固定連接，集成一體，具有防塵防水功能。

當(dāng)列車經(jīng)過檢測線路前，列車第1 軸壓過第1個(gè)磁鋼傳感器時(shí)發(fā)出開機(jī)信號，輔助測速及車號識別系統(tǒng)確定列車速度及相應(yīng)車號，熱成像儀、核心處理模塊和通信模塊開機(jī)采集熱像圖，采集被測對象熱像、當(dāng)前環(huán)境溫度、鋼軌溫度等，當(dāng)列車最后車輪壓過最后1 個(gè)磁鋼傳感器時(shí)，結(jié)束采集工作。

將不同機(jī)位的熱成像組合形成每個(gè)轉(zhuǎn)向架部件有效完整熱像圖，對熱成像圖進(jìn)行綜合處理，得到摩擦副的高溫帶，比較同列車不同輪對的熱像圖，通過已建立的熱圖診斷模型，確定異常摩擦副所對應(yīng)輪對，存入異常數(shù)據(jù)庫，并得出最終結(jié)論。

系統(tǒng)設(shè)備安裝關(guān)鍵：熱成像儀與鋼軌的水平夾角，取30°；熱成像儀與地面的垂直夾角，取15°；熱成像儀鏡面與鋼軌的垂直距離為0.8 m，第1 個(gè)磁鋼傳感器與熱成像儀相隔距離為80 m。

2.4 動態(tài)轉(zhuǎn)向架監(jiān)測目標(biāo)

2.4.1 軸承的動態(tài)監(jiān)測

系統(tǒng)為了監(jiān)測每一個(gè)貨車的軸承裝置運(yùn)行是否正常，利用紅外熱成像技術(shù)監(jiān)測軸承裝置的工作狀態(tài)，成像視場范圍包括軸承箱的前蓋、中隔圈和外圈。通過拍攝軸承裝置的光學(xué)圖像、采集熱像數(shù)據(jù)，準(zhǔn)確識別軸承裝置的故障類型及故障嚴(yán)重程度。對于軸承裝置，系統(tǒng)識別的故障類型主要包括熱軸預(yù)警和熱軸故障。計(jì)算出平均軸箱溫度與環(huán)境溫度、車體溫度的差值，用同序列之間的對比，通過已建立的軸箱熱成像圖診斷模型，定位并分割出只包含軸箱的熱圖像，溫度明顯異常的圖像存入異常數(shù)據(jù)庫，并得出最終結(jié)論。系統(tǒng)按熱像數(shù)據(jù)判斷，將軸承溫度分“微熱（三級）”、“強(qiáng)熱（二級）”、“激熱（一級）”共3 級故障等級預(yù)報(bào)，系統(tǒng)根據(jù)監(jiān)測到的故障等級對整列車輛的軸承裝置進(jìn)行跟蹤或報(bào)警，其中對于微熱的軸承裝置進(jìn)行跟蹤和預(yù)報(bào)，強(qiáng)熱和激熱的軸承裝置立即報(bào)警提醒。

一般微熱溫度在環(huán)境溫度+40 ℃，強(qiáng)熱溫度在環(huán)境溫度+60 ℃，激熱溫度在環(huán)境溫度+75～+100 ℃范圍。

2.4.2 輪對的動態(tài)監(jiān)測

系統(tǒng)為保證能夠監(jiān)測到整趟貨運(yùn)列車的每一個(gè)輪對是否正常運(yùn)行，在鋼軌左右兩側(cè)安裝紅外熱成像儀，其拍攝到的視場范圍包括輪對的外側(cè)和內(nèi)側(cè)兩面，主要依據(jù)光學(xué)傳感器拍攝到的輪對光學(xué)圖像來監(jiān)測判斷輪對的故障。將不同機(jī)位的熱成像組合形成每個(gè)輪對的有效完整踏面熱像圖，對熱成像圖進(jìn)行綜合處理，溫度梯度最大的邊界區(qū)域像素及分割，得到踏面接觸面上一圈的“溫差帶”，通過已建立的溫差帶圖診斷模型，確定異?！皽夭顜А彼鶎?yīng)輪對，存入異常數(shù)據(jù)庫，并得出最終結(jié)論。識別到的輪對故障類型主要包括踏面擦傷和失圓，系統(tǒng)依據(jù)故障等級及故障嚴(yán)重程度分為“三級”、“二級”、“一級”。其中“一級”的故障嚴(yán)重程度最高［14-15］。

2.4.3 制動裝置的動態(tài)監(jiān)測

制動系統(tǒng)摩擦副故障檢測，將不同機(jī)位的熱成像組合形成每個(gè)輪對的有效完整踏面或制動盤熱像圖，對熱像圖進(jìn)行綜合處理，得到摩擦副的高溫帶，比較同列車不同輪對的熱像圖，通過已建立的熱像圖診斷模型，確定異常摩擦副所對應(yīng)輪對，存入異常數(shù)據(jù)庫。再根據(jù)紅外熱成像儀采集制動裝置的熱學(xué)和光學(xué)數(shù)據(jù)，運(yùn)用深度學(xué)習(xí)算法對數(shù)據(jù)進(jìn)行處理和分析，識別整趟列車車輪中異常升溫的車輪踏面部位，并預(yù)報(bào)該部位是否抱閘或不制動。

3 綜合監(jiān)測的算法研究

3.1 紅外成像法

紅外熱成像技術(shù)利用物體的熱紅外線來觀察物體，無需外界光源，就可穿透雨、雪、霧霾等，能將物體立即可視化并驗(yàn)證熱性能。

轉(zhuǎn)向架紅外熱像圖，如圖2、圖3 所示。溫度越高，紅色塊顏色越重［4］。

圖2 鐵路貨車轉(zhuǎn)向架熱像圖

圖3 機(jī)車轉(zhuǎn)向架熱像圖

3.2 可視化融合技術(shù)

紅外熱成像技術(shù)的優(yōu)勢在于對被測物及被測物所處環(huán)境的整體成像，其缺陷在于其立體視覺不突出，當(dāng)轉(zhuǎn)向架部件故障時(shí)，部件輪廓清晰度不足，其精確定位信息不夠。因此，系統(tǒng)利用熱學(xué)傳感器和光學(xué)傳感器采集運(yùn)行貨車車輛轉(zhuǎn)向架部位的紅外熱成像和可見光圖像如圖4 所示，并通過可視化融合技術(shù)將2 種圖像有效融合在一起，將整趟車輛的轉(zhuǎn)向架部件可視化顯示，使系統(tǒng)能夠真實(shí)、全面地反映被探測部件的工作狀態(tài)。

圖4 貨車軸承熱像圖與可見光圖片比較

在實(shí)際應(yīng)用中，由于熱學(xué)傳感器和光學(xué)傳感器安裝位置不同，2 種傳感器成像機(jī)理不同，獲取圖像的時(shí)間不同，因此系統(tǒng)需要進(jìn)行較高精度的配準(zhǔn)才能達(dá)到精準(zhǔn)識別的應(yīng)用效果。因此，將熱學(xué)圖像［16］、光學(xué)圖像［17］融合在一起之前需先進(jìn)行圖像配準(zhǔn)。傳感器得到的不同視角的多幅熱學(xué)、光學(xué)圖像需要以統(tǒng)一時(shí)間戳為標(biāo)準(zhǔn)通過變換放入一個(gè)坐標(biāo)系中，并在像素層得到最佳的匹配。在系統(tǒng)中主要針對紅外與可見光圖像進(jìn)行融合，為了能使這2 種圖像實(shí)時(shí)準(zhǔn)確地配準(zhǔn)，需要熱學(xué)傳感器和光學(xué)傳感器具有一定的重合視場，才可以用仿射變化方法對重合視場提取后配準(zhǔn)，最后進(jìn)行融合。在實(shí)際應(yīng)用中，2 種傳感器探頭所允許的視場重合度必須大于90%，這樣通過系統(tǒng)的變換配準(zhǔn)才能達(dá)到較好的融合效果。待匹配的2 幅光學(xué)、熱學(xué)圖像可以看作是在亮度和空間的映射，即它們之間的圖像亮度值聯(lián)系，用二維數(shù)組I1（x，y）標(biāo)識光學(xué)圖像的亮度值，用二維數(shù)組I2（x，y）來表示熱學(xué)圖像的亮度值，它們的映射關(guān)系為式（1）：

融合后的圖像同時(shí)具有紅外與可見光的圖像信息，相對于單獨(dú)的紅外成像更符合人眼的觀察，為后續(xù)的部件故障展示和機(jī)器學(xué)習(xí)故障模型訓(xùn)練提供數(shù)據(jù)支撐。

3.3 基于機(jī)器學(xué)習(xí)的故障動態(tài)預(yù)測技術(shù)

3.3.1 機(jī)器學(xué)習(xí)認(rèn)知

機(jī)器學(xué)習(xí)的研究主要分為2 類研究方向：第1類是傳統(tǒng)機(jī)器學(xué)習(xí)的研究，該類研究主要是研究學(xué)習(xí)機(jī)制，注重探索模擬人的學(xué)習(xí)機(jī)制；第2 類是大數(shù)據(jù)環(huán)境下機(jī)器學(xué)習(xí)的研究，該類研究主要是研究如何有效利用信息［18］，注重從大量數(shù)據(jù)中獲取隱藏的、有效的、可理解的知識。本系統(tǒng)采用的就是第2 類研究方向，通過不同型號、不同運(yùn)載量、不同車速、不同線路條件下的海量轉(zhuǎn)向架溫度數(shù)據(jù)矩陣，規(guī)避噪聲數(shù)據(jù)和冗余帶來的干擾，訓(xùn)練模型，提高學(xué)習(xí)算法的運(yùn)行效率，優(yōu)化算法，提高系統(tǒng)預(yù)測性能。

當(dāng)前主流預(yù)測模型的核心算法族有懲罰線性回歸和集成方法2 種。懲罰線性回歸代表了對最小二乘法回歸方法（Least Squares Regression）相對較新的改善和提高。雖然懲罰性線性回歸能夠在完成故障預(yù)測的同時(shí)，在一定程度上完成了自變量選擇，具有降低多重共線性的功能，提高算法的預(yù)測性能；但是現(xiàn)實(shí)中，鐵路貨車車輛故障種類繁多，情況復(fù)雜多變，不同故障之間存在關(guān)聯(lián)性，若僅使用單一的線性回歸方法，并不能適用所有的故障類型，以致于無法達(dá)到故障預(yù)測的最佳效果。集成算法通過構(gòu)建多個(gè)預(yù)測分類器，然后通過一定策略結(jié)合成一個(gè)綜合模型，這樣不僅可以預(yù)測簡單的故障，也可以適應(yīng)更復(fù)雜的故障情況，進(jìn)而獲得比單一機(jī)器學(xué)習(xí)算法更加優(yōu)越的學(xué)習(xí)器。集成方法可以對特別復(fù)雜的行為進(jìn)行建模，可以使用不同架構(gòu)的網(wǎng)絡(luò)訓(xùn)練模型，根據(jù)這些模型結(jié)果做集成，可以依據(jù)預(yù)測的貢獻(xiàn)程度對輸入特征排序，從而形成更優(yōu)越的預(yù)測性能。因此，本系統(tǒng)使用的核心算法是集成方法?；舅枷胧菢?gòu)建多個(gè)不同的預(yù)測模型，然后將其輸出做加權(quán)平均組合作為最終的輸出。單個(gè)預(yù)測模型叫作基學(xué)習(xí)器（Base Learners）。假設(shè)共有N個(gè)模型（即：N個(gè)基學(xué)習(xí)器）待集成，對于某測試樣本x，其預(yù)測結(jié)果為N個(gè)維度向量：S1、S2、……、SN。在不同模型產(chǎn)生的類別置信度的基礎(chǔ)上加入權(quán)重來調(diào)節(jié)不同模型輸出間的重要程度，由此獲得最終預(yù)測結(jié)果，見式（2）：

式中：Score為最終預(yù)測結(jié)果；N為基學(xué)習(xí)器總數(shù)；Wi為第i個(gè)模型的權(quán)重；Si為第i個(gè)模型的置信度。

3.3.2 基于機(jī)器學(xué)習(xí)的預(yù)測技術(shù)

系統(tǒng)通過運(yùn)用紅外熱成像技術(shù)生成的光熱圖像，已經(jīng)可以將貨車車輛的轉(zhuǎn)向架部件以可視化的形式呈現(xiàn)，哪一部位發(fā)生了異?；蚬收弦呀?jīng)肉眼可見。下一步為了使系統(tǒng)能夠像人一樣判斷出光熱圖像中哪一部件的溫度過高，就需要運(yùn)用到機(jī)器學(xué)習(xí)的深度學(xué)習(xí)技術(shù)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中一種基于對數(shù)據(jù)進(jìn)行表征學(xué)習(xí)的算法，運(yùn)用非監(jiān)督式或半監(jiān)督式的特征學(xué)習(xí)和分層特征提取高效算法可以替代手工獲取特征。深度學(xué)習(xí)的數(shù)據(jù)算法技術(shù)可以在大量無序且復(fù)雜的數(shù)據(jù)中找出數(shù)據(jù)的規(guī)律并發(fā)現(xiàn)新的模式，從而從大量數(shù)據(jù)中提取出新的、有用的知識，來幫助人們做出正確的決策或給出預(yù)測。

系統(tǒng)通過“地對車”模式的監(jiān)測系統(tǒng)對運(yùn)行狀態(tài)的列車轉(zhuǎn)向架部件進(jìn)行故障監(jiān)控，需采用動態(tài)預(yù)測技術(shù)。本系統(tǒng)將機(jī)器學(xué)習(xí)的深度學(xué)習(xí)技術(shù)與紅外熱成像技術(shù)相結(jié)合，前期通過收集大量的熱學(xué)傳感器、光學(xué)傳感器采集到的轉(zhuǎn)向架部件的圖像數(shù)據(jù)，對轉(zhuǎn)向架故障的圖像數(shù)據(jù)進(jìn)行模型訓(xùn)練，生成可以對轉(zhuǎn)向架故障狀態(tài)進(jìn)行判別的模型。為了提高系統(tǒng)的故障判別率，在系統(tǒng)優(yōu)化階段根據(jù)轉(zhuǎn)向架的各個(gè)關(guān)鍵部件不同的故障特征對其故障預(yù)判模型進(jìn)行了優(yōu)化和調(diào)整，并計(jì)算故障演化規(guī)律，流程如圖5 所示。

圖5 基于機(jī)器學(xué)習(xí)的系統(tǒng)故障動態(tài)預(yù)測處理流程

系統(tǒng)根據(jù)各個(gè)轉(zhuǎn)向架關(guān)鍵部件的故障模型和識別的多個(gè)故障特征進(jìn)行關(guān)聯(lián)規(guī)則分析，挖掘轉(zhuǎn)向架部件故障模型特征的變化規(guī)律，推求故障模型特征的變化趨勢走向，從而對轉(zhuǎn)向架部件的故障趨勢進(jìn)行預(yù)測與演化分析，最終實(shí)現(xiàn)對轉(zhuǎn)向架各個(gè)關(guān)鍵部件進(jìn)行故障識別。

4 環(huán)境因素對系統(tǒng)影響

系統(tǒng)研制過程中數(shù)據(jù)來源的準(zhǔn)確性是研究重點(diǎn)，設(shè)備的選取及安裝方案，信息的傳輸方式及綜合利用等環(huán)境因素都對故障監(jiān)測的結(jié)果準(zhǔn)確性有重大影響。系統(tǒng)安裝布局如圖6 所示。

圖6 系統(tǒng)安裝布局

4.1 軌邊箱安裝

軌邊箱有2 處，安裝在鋼軌兩外側(cè)軌邊，中心對齊，示意圖如圖7 所示。主要由光熱一體組件和補(bǔ)償光源組成。箱體設(shè)置保護(hù)門，在不過車的時(shí)候保護(hù)門關(guān)閉，對內(nèi)部設(shè)備保護(hù)。系統(tǒng)監(jiān)測到來車，保護(hù)門自動打開，傳感器工作。軌邊箱支架根據(jù)現(xiàn)場環(huán)境情況可調(diào)整。

圖7 軌邊箱安裝示意圖

4.2 軌心箱安裝

軌心箱安裝1 處。通過卡枕木方式固定軌心箱，枕木間距需大于320 mm（箱體尺寸為300 mm）。主要由光熱一體組件和補(bǔ)償光源組成。箱體設(shè)置保護(hù)門，在不過車的時(shí)候保護(hù)門關(guān)閉，對內(nèi)部設(shè)備保護(hù)。系統(tǒng)監(jiān)測到來車，保護(hù)門自動打開，傳感器工作，如圖8 所示。

圖8 軌心箱安裝圖

4.3 軌側(cè)箱安裝

軌側(cè)箱通過卡軌方式固定在鋼軌上，安裝在鋼軌兩側(cè)，保護(hù)門為橫向開門方式。

4.4 磁鋼及車號天線安裝

為實(shí)現(xiàn)系統(tǒng)功能以及采集所需的數(shù)據(jù)，紅外熱成像動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)須對需要監(jiān)測的軌道上安裝磁鋼對并在軌道枕木間安裝天線（天線為無源設(shè)備），以檢測車輛信息并通過傳輸數(shù)據(jù)線纜傳回服務(wù)器。磁鋼對通過配套工具固定在鋼軌上，天線通過卡枕木方式固定在枕木上。系統(tǒng)現(xiàn)場布局實(shí)物圖如圖9 所示。

圖9 系統(tǒng)現(xiàn)場布局實(shí)物圖

5 系統(tǒng)試用情況

紅外熱成像動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)朔黃鐵路運(yùn)行 近6 個(gè)月，探測 列車 累 計(jì)20 520 列，4 883 760 輛，19 781 280 軸，軸承故障預(yù)報(bào)激熱12 次（紅外檢測車模擬軸箱），強(qiáng)熱3 次（紅外檢測車模擬軸箱），微熱7 次（其中紅外檢測車模擬軸箱5 次），輪對故障預(yù)報(bào)一級2 次，二級12 次，三級596 次，制動裝置故障預(yù)報(bào)抱閘13 次。經(jīng)列檢復(fù)核，故障兌現(xiàn)率達(dá)100%?；诩t外熱成像和機(jī)器學(xué)習(xí)的動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)達(dá)到了預(yù)計(jì)研制目標(biāo)，實(shí)際應(yīng)用效果良好。

6 結(jié)束語

動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)通過“地對車”模式的監(jiān)測形式，將可見光圖像、紅外熱成像技術(shù)與機(jī)器學(xué)習(xí)技術(shù)深度融合，實(shí)現(xiàn)實(shí)時(shí)診斷列車運(yùn)行下轉(zhuǎn)向架部件的健康狀態(tài)，提高故障預(yù)報(bào)的準(zhǔn)確性。目前動態(tài)轉(zhuǎn)向架監(jiān)測系統(tǒng)范圍主要涵蓋輪軸裝置、輪對和基礎(chǔ)制動裝置，使用效果良好。在系統(tǒng)之后運(yùn)行中不斷總結(jié)經(jīng)驗(yàn)，更進(jìn)一步優(yōu)化系統(tǒng)故障判別功能，豐富機(jī)器學(xué)習(xí)技術(shù)庫源，為貨運(yùn)列車車輛安全運(yùn)行提供更可靠保障。