延九磊，宋 娜，楊旭林，魏 奇

0 引言

近年來，我國城際鐵路建設發(fā)展越來越快，在大數據、云計算、物聯(lián)網、移動網絡、人工智能等新技術不斷發(fā)展的背景下，智能運維技術成為新造城際列車的技術標配，已經進入深度開發(fā)和普及應用階段。同時，在既有城際列車上也存在著加裝智能運維系統(tǒng)的迫切需求。

目前城際動車組車載智能運維系統(tǒng)已普遍具備車載實時數據采集、實時故障診斷并報警、車地無線傳輸等功能，并在諸多項目中實現(xiàn)了批量裝車[1]。但是，大部分智能運維應用仍以監(jiān)測為主，各監(jiān)測設備相互獨立，缺少信息交互，報警聯(lián)動困難。設備故障診斷僅以單系統(tǒng)實時監(jiān)測數據進行故障判定，缺乏多系統(tǒng)數據融合診斷及對歷史數據分析挖掘及診斷的能力[2]，因此無法做到對設備的健康狀態(tài)進行量化評估，無法為現(xiàn)場運維工作提供針對性指導。

為此，從城際動車組的特點及實際需求出發(fā)，開展車輛智能運維體系建設，分別從系統(tǒng)需求分析、系統(tǒng)架構、功能設計、關鍵技術等方面進行闡述。

1 城際動車組智能運維需求

智能運維系統(tǒng)是綜合利用高精度傳感器、信息化技術、人工智能以及健康管理等技術，將車輛、地面、用戶終端通過智能設備與智能網絡高效連接，形成列車牽引、制動、網絡、走行部、受電弓等關鍵部件的智能化監(jiān)測以及健康管理。通過地面大數據中心對以車輛為中心的數據進行智能分析和建模，實現(xiàn)車輛的狀態(tài)監(jiān)視和故障預警，為維修決策提供依據，實現(xiàn)列車運維智能化提升。

（1）系統(tǒng)架構層面需求。城際動車組智能運維系統(tǒng)從系統(tǒng)架構層面需滿足以下要求。

①動態(tài)適配不同線路應用需求。城際動車組車輛設計無統(tǒng)一標準，車型種類多，生產批量小，每條線路智能運維應用都需要根據線路特點及當地管理模式進行差異化設計。不僅新增列車需配備智能運維系統(tǒng)，既有列車也面臨著加裝智能運維的需求，智能運維應用的設計需兼容既有列車網絡體系架構，又需要根據用戶的不同需求動態(tài)擴展，因此在智能運維系統(tǒng)設計、開發(fā)、維保等方面面臨著一定困難。

②滿足大數據量傳輸需求。以往城際動車組列車網絡大多采用絞線式列車總線(WTB)和多功能車輛總線(MVB)總線進行通信，且車輛控制信息和監(jiān)測數據共用一條網絡。隨著用戶對列車網絡控制系統(tǒng)性能要求的提高，越來越多的數據和信息量需要在列車車載通信網絡中傳輸，列車網絡逐漸被實時以太網所取代，語音播報信息、旅客信息、列車控制信息、視頻監(jiān)控信息、智能運維等對列車網絡通信帶寬提出了更高的要求[3]。以太網不僅具備大數據量傳輸的優(yōu)勢，而且滿足列車關鍵系統(tǒng)的控制功能對實時性的要求，為列車控制信息和智能運維數據各自單獨組網傳輸創(chuàng)造了條件。

（2）功能應用層面需求。城際動車組智能運維系統(tǒng)從功能應用層面需滿足以下要求。

①具備車載關鍵子系統(tǒng)全生命周期數據采集和處理功能。建立車組健康履歷檔案，在列車運行過程中，通過高精度傳感器及高清攝像頭盡可能全面地采集列車關鍵部件、功能單元的全生命周期參數和狀態(tài)監(jiān)測數據，如牽引、制動、走行部、車門、空調、防火、視頻等[4]。

②具備關鍵部件故障預警功能。實現(xiàn)列車關鍵部件、功能單元的狀態(tài)監(jiān)測和故障預警功能，能夠實現(xiàn)部分關鍵部件的性能趨勢預測、剩余壽命預測功能，提升故障診斷的能力和范圍。

③具備視頻智能識別功能?；诒O(jiān)測數據及視頻圖像，通過智能化識別算法，自動識別設備故障及異常，并進行報警提示，可應用于司機異常行為及受電弓異常狀態(tài)識別。

④具備關鍵部件的健康狀態(tài)評估功能。除了常規(guī)故障、異常征兆的判定診斷外，智能運維系統(tǒng)還需要能夠根據多系統(tǒng)監(jiān)測數據和算法模型，對部件的健康狀態(tài)和等級進行綜合評估，對部件在一段時間內的狀態(tài)進行預測，并對其性能演化趨勢進行研判，對現(xiàn)場運維工作進行有針對性的指導。

綜上所述，基于城際動車組智能運維現(xiàn)狀及實際需求，既能滿足線路的差異化需求，又能實現(xiàn)對現(xiàn)場運維提供智能化檢測手段，將車載監(jiān)測數據與列車控制信息分離，基于列車監(jiān)測網構建適用于城際動車組的智能運維系統(tǒng)勢在必行。

2 智能運維系統(tǒng)總體設計

城際動車組智能運維系統(tǒng)由車載智能監(jiān)測系統(tǒng)和地面智能運維系統(tǒng)組成。車載智能監(jiān)測系統(tǒng)實現(xiàn)列車狀態(tài)監(jiān)測與智能識別。地面智能運維系統(tǒng)基于歷史多交路數據對設備狀態(tài)進行趨勢分析，從而實現(xiàn)對關鍵設備健康狀態(tài)的綜合評估。

2.1 系統(tǒng)架構

城際動車組智能運維系統(tǒng)解決方案通過列車以太網通信技術將車輛各個系統(tǒng)聯(lián)接起來，在充分利用車輛傳感器的基礎上，形成車輛級、列車級、地面級三級架構的健康評估體系。為了滿足不同線路的智能應用需求，車載智能監(jiān)測系統(tǒng)采用平臺化建設，通過將各系統(tǒng)功能模塊中的公共部分抽象出來，規(guī)劃統(tǒng)一的軟件和硬件接口規(guī)范，采用平臺加子系統(tǒng)的設計理念，以監(jiān)測平臺建設為重點，根據需求搭配相應功能模塊。利用車輛網、列車網、車地通信網建立多角度、全方位的綜合性網絡監(jiān)測體系。并通過與之配套的地面智能運維平臺，實現(xiàn)車輛智能運維設備工作全過程數據的下載、存儲與管理等。城際動車組智能運維系統(tǒng)架構及數據傳輸流程如圖1所示。

圖1 城際動車組智能運維系統(tǒng)架構及數據傳輸流程Fig.1 Architecture and data transmission process of intelligent operation and maintenance system

2.2 車載網絡拓撲

車載智能監(jiān)測系統(tǒng)接入列車監(jiān)測網，與列車控制網之間相互獨立、協(xié)同運行，監(jiān)測網故障不影響控制網正常工作，共享控制網公共數據。列車正常運行時，智能運維系統(tǒng)向監(jiān)測網輸出特征數據和診斷結果，當發(fā)生預警報警時，向控制網輸出診斷結果。網絡結構更清晰，可靠性更高，更易于維護。

車載智能監(jiān)測系統(tǒng)由車輛級主機、列車級主機、列車監(jiān)測屏組成。每輛車配備一臺車輛級主機，實現(xiàn)對本車關鍵子系統(tǒng)的狀態(tài)監(jiān)測與故障診斷。在首尾車司機室各配備一臺列車級主機和列車監(jiān)測屏。列車級主機采集全列關鍵子系統(tǒng)監(jiān)測數據，并對全列數據進行對比分析、綜合診斷，同時完成與控制網信息交互。車載智能監(jiān)測系統(tǒng)網絡拓撲如圖2所示。

圖2 車載智能監(jiān)測系統(tǒng)網絡拓撲Fig.2 Network topology of in-vehicle intelligent operation and maintenance system

3 智能運維系統(tǒng)功能設計

3.1 車載智能監(jiān)測系統(tǒng)

3.1.1 車輛級主機

單節(jié)車輛設置一臺車輛級主機，接入列車監(jiān)測網。車輛級主機由本車監(jiān)測平臺集成各子系統(tǒng)監(jiān)測單元組成，監(jiān)測平臺為各監(jiān)測單元統(tǒng)一供電、統(tǒng)一傳輸、集中存儲，實現(xiàn)本車的關鍵子系統(tǒng)狀態(tài)監(jiān)測，以及本車信息融合和關聯(lián)診斷。重點完成以下監(jiān)測功能。

（1）制動監(jiān)測。重點監(jiān)測并診斷空氣制動施加、緩解作用不良、停放制動異常施加、滑行異常等故障，監(jiān)測壓力傳感器零漂、制動缸壓力泄漏，評估空壓機及摩擦副剩余壽命。

（2）牽引監(jiān)測。重點監(jiān)測變流器、主接觸器和預充電接觸器的工作狀態(tài)，監(jiān)測電壓傳感器、電流傳感器、溫度傳感器、變流器冷卻單元、牽引電機、接觸器等故障。

（3）走行部監(jiān)測。重點監(jiān)測轉向架失穩(wěn)、車體平穩(wěn)性，診斷抖車、晃車報警，診斷軸承、電機、車輪多邊形、踏面損傷故障。

（4）防火監(jiān)測。對司機室、客室和電氣柜煙霧濃度及溫度進行監(jiān)測，及時發(fā)現(xiàn)早期火災并報警。

（5）車門監(jiān)測。重點監(jiān)測門控器狀態(tài)、車門開關及隔離狀態(tài)和故障。

（6）空調監(jiān)測。重點監(jiān)測空調機組、新風機、通風機、冷凝風機、空壓機的工作狀態(tài)和故障。

（7）視頻監(jiān)測。采集路況、司機室、左右后視、客室、車頂受電弓視頻圖像，在線識別司機不規(guī)范操作、受電弓異常狀態(tài)并報警。

（8）輔助供電監(jiān)測。重點監(jiān)測輔助變流器、充電機、蓄電池工作狀態(tài)和故障，評估蓄電池剩余壽命。

3.1.2 列車級主機

首尾車司機室設置列車級主機，實現(xiàn)全列關鍵子系統(tǒng)監(jiān)測數據融合與關聯(lián)診斷，同時完成與控制網信息交互，接收控制網下發(fā)的公共信息，向控制網上傳重要報警信息。列車級主機具備4G/5G、Wi-Fi 等車地無線傳輸裝置，完成與地面智能運維平臺數據交互，重要報警信息通過4G/5G網絡實時傳輸至地面平臺，列車回庫后通過Wi-Fi 網絡實現(xiàn)整個交路監(jiān)測數據及視頻圖像數據的下載。

本次計算中取泊松比為υ=0.35，Ib=0.7，rm=12.5。室內試驗測得的主固結完成后的剪切模量為G=0.664 MPa。

3.1.3 列車監(jiān)測屏

首尾車司機室設置列車監(jiān)測屏，與列車控制系統(tǒng)監(jiān)控屏相互獨立。司機需關注的重要報警及控制信息在監(jiān)控屏顯示。監(jiān)測屏主要顯示監(jiān)測網的全列監(jiān)測數據、故障報警和視頻圖像。監(jiān)測屏充分考慮司乘人員使用需求，采用智能化、便捷化的設計，具備司機行為異常報警提示、報警視頻聯(lián)動等功能。

3.2 地面智能運維平臺

地面智能運維平臺完成對車載健康監(jiān)測數據的接收、存儲及分析，通過可視化管理平臺實現(xiàn)對車載關鍵設備狀態(tài)的智能化評估及車輛運維管理[5]。

3.2.1 智能化評估

地面智能運維平臺基于歷史車載健康監(jiān)測數據，從系統(tǒng)工作機理出發(fā)，充分考慮車輛的實際運行環(huán)境以及監(jiān)測系統(tǒng)的特點，構建預測模型，對設備故障及設備壽命進行預測[6]。從線路級、列車級、車輛級3 個維度實時監(jiān)測列車關鍵子系統(tǒng)的狀態(tài)評估[7]。

（1）故障預測。通過監(jiān)測數據提取特征變量，經過統(tǒng)計分析、綜合判斷分析設備性能，根據設備性能下降的趨勢建立預測模型，從而實現(xiàn)對設備故障的預測。

（2）壽命預測。通過監(jiān)測設備的動作次數、工作時長、運用環(huán)境等狀態(tài)變量，依據設備工作原理及試驗壽命，預測其剩余壽命。

3.2.2 車輛運維管理

地面智能運維平臺提供可視化分析工具，輔助運維人員及時了解車輛關鍵設備運用狀態(tài)及運維管理[8]，主要功能包括狀態(tài)監(jiān)測、數據分析、故障報警、狀態(tài)評估[9]。

（1）狀態(tài)監(jiān)測。實時監(jiān)測在途列車關鍵部件的運行狀態(tài)，包括列車運行方位、設備狀態(tài)信息、關鍵監(jiān)測參數等。支持按列車、車輛、子系統(tǒng)、部件進行分層、分類展示參數的變化動態(tài)。

（2）數據分析。通過監(jiān)測參數(如速度、電壓、電流等)歷史數據變化趨勢來分析設備的運行狀態(tài)，以曲線圖、柱狀圖、餅圖等形式進行展示。

（3）故障報警。針對車載智能運維系統(tǒng)的診斷結果進行故障及報警提示，并支持按故障發(fā)生部件、位置、故障等級等進行故障報警信息的分類分級展示和查詢，為故障及報警分類統(tǒng)計、分析提供數據支撐。

（4）健康評估。分別從子系統(tǒng)、部件等維度進行健康等級評估[10]，以列表、雷達圖、折線圖等方式顯示。對影響健康等級的故障預警及壽命預警信息以圖表形式顯示；以折線圖方式顯示子系統(tǒng)、部件健康評估值的變化情況。

4 關鍵技術

4.1 故障預測與健康評估技術

故障預測與健康評估是以長期累積數據為驅動，對關鍵設備的狀態(tài)進行綜合評估，分析故障演變規(guī)律，形成部件級、系統(tǒng)級診斷評估模型，根據特征變量和預測模型計算結果，對性能狀態(tài)、故障狀態(tài)及預期壽命進行預測[11]，根據預測結果對健康狀態(tài)進行分級評估。

4.1.1 部件級劣化趨勢模型

將部件劣化區(qū)間劃分為正常、關注、異常、失效、故障5 個部分。通過對部件的失效模式進行分析，從監(jiān)測數據中提取健康度觀察矢量，采用機器學習及概率統(tǒng)計的方法對觀察矢量進行擬合，得到部件劣化趨勢模型[12]。部件劣化趨勢模型如圖3所示。

圖3 部件劣化趨勢模型Fig.3 Component deterioration trend model

（1）現(xiàn)場調研。選取可信賴的現(xiàn)場運用檢修記錄，明確設備失效模式。

（2）數據融合。針對設備失效模式，確定觀察矢量的數據范圍及關聯(lián)的環(huán)境數據指標，在數據狀態(tài)空間進行時空配準。

（3）矢量計算。根據設備失效模式進行觀察矢量分析并計算，建立矢量計算模型。

（4）劣化擬合。利用可行的技術手段對樣本空間進行建模，通過矢量數據擬合劣化曲線，在達到關注狀態(tài)時對研究對象進行故障預警，在達到異常狀態(tài)時進行故障報警[13]。

（5）優(yōu)化迭代。根據運用情況，調整修改計算參數，更新計算過程，優(yōu)化擬合性能。

4.1.2 系統(tǒng)級健康評估模型

系統(tǒng)級健康評估模塊基于歷史監(jiān)測數據，利用機器學習技術建立系統(tǒng)故障規(guī)則和數據演變模型，動態(tài)生成系統(tǒng)的健康狀態(tài)遷移矩陣，基于計算結果給出系統(tǒng)級健康狀況評價。

針對車門、制動、走行部系統(tǒng)，通過對系統(tǒng)的物理機能和運用情況的掌握，確定系統(tǒng)的健康度觀察矢量，形成按車按系統(tǒng)的每日運行狀態(tài)動態(tài)跟蹤記錄表。通過對多交路健康度矢量數據動態(tài)跟蹤記錄表的數據標定，確定有價值的目標車次集合，構建健康狀態(tài)空間，反映系統(tǒng)部件的健康狀態(tài)。系統(tǒng)級健康評估示意圖如圖4所示。

圖4 系統(tǒng)級健康評估示意圖Fig.4 Schematic diagram of system-level health assessment

4.2 視頻圖像識別技術

采用視頻圖像識別技術對列車司機室、路況、客室、車頂受電弓等部位采集的視頻流進行分析，可以開展受電弓故障識別、司機異常行為識別、火災檢測等方面應用，提升故障排查效率。

系統(tǒng)采用目前物體檢測領域最先進的深度學習框架YOLO[14]。YOLO 利用回歸思想來處理目標檢測，通過卷積神經網絡直接進行目標區(qū)域定位和目標類別的判斷，網絡復雜度小且能夠滿足實時性檢測需求[15]。

YOLO在目標區(qū)域采用的是端對端的檢測，首先把一個圖像分為S×S個網格，然后假設一個目標物體的位置落在了這個網格上，通過這個網格來檢測該目標物體。而每個網絡都需要檢測預測區(qū)域的位置信息和置信度信息，每一個預測區(qū)域對應了4 個位置信息(x，y，w，h)和1個置信度信息。置信度表示了被預計的box中所包含目標物的精度，以及物體屬于該預測區(qū)域的概率。得到每個預測區(qū)域的分類置信度以后，設置閾值，濾掉得分低的，對保留的預測區(qū)域進行非極大抑制(NMS)處理，得到最終的檢測結果。

為了解決速度問題，YOLO不斷被優(yōu)化，目前已經發(fā)展到第五代YOLO網絡，即YOLOv5，該網絡犧牲了一部分精度，但是檢測精度和速度大大提高?？偟膩碚f，YOLO 網絡結構簡單，參數較少，計算量小，精度有所不足，適合部署在車載嵌入式平臺上。

5 結束語

從城際動車組實際需求入手，在既有車輛平臺體系結構的基礎上，通過融合智能感知、實時以太網、人工智能、大數據分析等先進技術手段，建立列車監(jiān)測網，完成對列車關鍵子系統(tǒng)的智能監(jiān)測和管理，并結合地面配套的運維平臺，完成對關鍵子系統(tǒng)的健康狀態(tài)分析評估，有效提高列車運行安全性、可靠性及智能化水平，為車輛檢修提供基于數據支撐的運維決策信息，提高了列車運營效率和運維保障能力。