城市轨道车辆智能运维关键技术研究及应用

　　一、实施背景

　　城市轨道交通是世界公认低能耗、少污染的“绿色交通”，是解决“城市病”的一把金钥匙。截至2023年底，我国共有59座城市开通城市轨道交通运营线路338条，总里程达11232公里，客运总量超294亿人次，里程和客运量均位居世界第一。随着国内诸多城市轨道交通系统形成网络化运营，客流增多、列车开行频次密集、运维天窗期进一步缩短、维护工作量成倍增加。轨道交通系统一旦运维不当发生故障，在客流巨大的公共交通系统中危害十分严重。例如，2021年南京地铁突发故障导致列车延误。2021年重庆轨道交通环线由于运维操作不当，使列车门与人防门发生擦碰，致1人死亡3人受伤。2022年青岛地铁1号线因列车运维不及时使得接触轨失电，导致停运6小时。为进一步保障人民群众生命财产安全和提高城市轨道交通运行效率，中共中央、国务院印发的《交通强国建设纲要》、国务院印发的《“十四五”现代综合交通运输体系发展规划》、工业和信息化部联合8部委印发的《“十四五”智能制造发展规划》等国家层面的指导性文件均明确将轨道交通关键设施设备运维理论与关键技术等列为重要内容。

　　到2023年底，南宁轨道交通运营线路共计5条，里程总长为128.2千米，共设车站104座，形成了网络化运营。随着市民对地铁依赖程度增加，南宁轨道交通的线网客运服务强度、维稳和安全保障要求均显著提升，运营成本刚性增长成为常态。南宁轨道交通迫切需要挖掘和利用现有智能化设备以及相关数据，积极探索设备设施智能化运维管理的新思路和新做法，依托现代化信息技术，提高智能化运维管理水平，实现生产管理的升级。但是，由于轨道交通装备系统复杂性，南宁轨道交通目前尚无面向轨道交通行业装备运行质量的专业化服务平台，现有的服务平台难以有效满足南宁城市轨道交通高质量发展和高质量服务的需求，装备运行的检验检测、寿命评估、在线监测等相关整体服务有待提升。目前主要存在以下问题：

　　检修效率低，故障定位精准度差，故障诊断智能化程度低。由于体量增加、夜间作业时间缩短以及计划修作业模式，缺少对车辆关键设备的快速检查、故障精确定位以及故障智能辨识，目前只能通过频繁的日检修确保运营质量，无法实现针对性的预防性维护措施，提高效率。

　　主要依赖于计划修，运维成本高，缺乏维修动态调整机制。据不完全统计，目前国内车辆维修平均人车比为0.6，随着线路的不断延伸，包括管理、技术、技能等在内的骨干力量需求加大，人力、物力成本居高不下，在确保车辆运行安全的前提下，缺乏有效的运维体系降低运维成本。

　　列车维修强度大，检修模式与增长规模不匹配。日益突出的大客流量导致的车辆剧增及运营时间的调整，对设备维修的频次和质量提出了新的需求。

　　数据利用不细化，信息挖掘程度低，预警模型不完善。目前国内在城市轨道车辆智能运维方面已初步掌握了关键部件故障诊断技术、基于多源异构特征数据的融合与智能处理技术、基于数据的轨道交通装备智慧运维决策技术等关键技术，但各关键部件寿命预测模型不完善，通过阈值、规则和机理模型搭建，模型未得到有效的验证。计划修到状态修的关键在于对关键部件的寿命情况的精确判断，高效可用的模型成为瓶颈。

　　针对上述问题，同时为了进一步防范潜在风险、减小经济损失、预防重大公共安全事故，南宁城市轨道交通系统急需构建基于大数据的城轨车辆故障诊断平台，研制便捷可用的数字化工具，帮助从业人员将先进的大数据技术运用于轨道交通系统，提升整体运维效率。

　　二、主要做法

　　(一)围绕“交通强国、智慧地铁”目标，聚焦车辆运营检修痛点，将轨道交通场景与新技术应用深度融合，主要包含车载检测系统、地面分析平台、检修业务系统以及轨旁检测系统，充分利用现有的城轨车辆360°综合检测系统、车辆综合监测系统、车门系统PHM 、轨旁和库内智能等软硬件设备，建设成高度集成的车辆综合智能运维平台。该平台可实现车辆关键部件健康状态管理，有效提升车辆检修质量，推动状态修技术，提高车辆维护效率，降低维护成本。

　　(二)核心技术

　　①人工智能技术：通过机器学习算法和人工智能技术对列车运行状态、设备故障进行应用分析，实现自主决策和优化，提高设备运行的效率和安全性。

　　②分布式微服务架构技术：实现应用分层、应用组件化以及应用之间松耦合，随着业务需求变化，系统架构动态扩展和资源动态平衡，可伸缩和开放，满足用户高并发量和高吞吐量使用场景。

　　③数据驱动的平台化技术：地面系统通过标准接口实现数据接收、存储、分发、交互，为不同的数据提供标准的通道和存储手段，整个系统由数据源头进行驱动，结合前端应用展示出不同的效果，实现系统的平台化。

　　(三)创新突破

　　①基于风险管理的健康度评价模型

　　突破传统主要基于零部件参数情况、故障情况等为主要指标的建模方式，搭建基于风险管理、零部件参数情况、指标表现情况等多维度的综合健康度评价模型，使列车、零部件的评价更合理，更能指导运维作业的开展，从而逐步实现向“状态修”的转变。

　　②基于运维场景和数据驱动的新型运维平台

　　站在车辆维保单位视角，以解决运维业务需求为出发点，基于保障安全、提升效率、降低成本、提升客服、精准定位故障点这5类业务场景，针对列车关键、重点零部件，充分依托车辆现有设备及轨旁设备，适量加装检测设备，建设具有高可靠度的智能运维系统，切实提高车辆设备的可靠性和维护效率。

　　③车载-轨旁于一体的车辆关键系统综合监测融合创新

　　运用车辆及轨旁数据、轮对在线检测数据及受电弓检测等技术，向智能运维系统传输数据并进行分析，可在大屏上显示和查询，确保地面人员及时查看车辆运营关键设备情况，确保车辆运营安全。

　　④多技术融合集成的车辆轨旁系统研制

　　基于多光截图像测量、高速动态3D结构光成像、线阵成像+激光补光成像以及人工智能深度学习技术，并将振动、声学、光学图像和热像数据通过特征算法有效融合在一起，实现设备监控以及图像检测样本自学习，解决目前我国城市轨道交通车辆轮对、受电弓、转向架、电机箱、齿轮箱、联轴节、轮对、轴箱轴承等关键部件检测的效率和质量问题，提出一种在线的通过式检测技术，提高车辆关键部件检测效率，该方法能可靠车辆关键部件健康状态的实时监控，防止因车辆关键部件故障造成的行车事故。

　　三、初步成效

　　在车辆智能运维系统投入使用后，可大幅提升检修效率，具体如下：

　　(一)降低物料采购与存储成本：基于构型的数据贯通，对车辆零部件进行状态管理，将计划修逐渐转变为状态修，最大限度延长关键部件使用寿命，减少备件消耗;通过优化检修项点，减少物料消耗，可将电客车备品备件及消耗料成本降低10%以上，预计每年可节约约47.89万元。

　　(二)延长日检检修周期：在应用车辆运维平台后，可通过轨旁检测、城轨车辆360°智能综合检测系统等加强对车辆设备的检查，可适当延长日检的检修周期，由双日检调整为八日检。

　　(三)优化检修项点：在车辆运维平台投入使用后，可优化检修项点20项，通过技术手段替代人工检查，大幅提升检修可靠性，降低质量风险;通过对轮对状态的精准检测，将轮对从定期整体镟修优化为局部镟修，预计部分轮对可进行延寿，预计平均年可节约256万元。

　　(四)降低检修成本：如将4号线电客车由日检优化为八日检，同时优化均衡修检修项点，预计可减少27888工时，每年可节省人力成本210万元，后续通过持续优化均衡计划修的作业项点，如轮对尺寸测量、立岗接车等，可进一步提高检修效率，降低人力和检修成本。

　　(五)高效运维管理：车辆智能运维平台能够实时监测车辆运行状态，提供准确的数据和信息。通过远程监控和实时分析，可及时获取到设备的潜在故障和异常，进行及时的车辆调度和安排维修，最大限度地减少由此而引发的停运时间，提高设备的可靠性和稳定性。这有助于提高企业的运维管理效率和水平。

　　(六)安全运营保障：车辆智能运维平台可以帮助企业实现对列车安全运营的全面监控和保障。通过实时监测列车运行状态，系统可以及时发现潜在的安全风险，防止电客车故障引发严重事故，为列车运营提供安全保障。四、下一四、步工作打算

　　(一)通过各类智能传感器对轨道交通车辆关键系统关键设备进行全面感知，建立状态全息监测平台，并结合设备材料性能、应用环境等进行设备寿命研究，实现关键零部件的健康管理，以智能运维决策反哺装备制造设计、工艺、检修，全面提升装备全寿命周期的智能化。

　　(三)将普通数据转变为数据资产，可以通过车辆全寿命数据贯通，为深度的数据消费提供基础，最终通过优化修程修制和设计改良，实现车辆全寿命周期质量、成本、周期的控制。通过加大车辆数字化、智能化研究，逐步推进关键部件维修模式由计划修向状态修转变。通过故障及检修数据监测、数据清洗、数据分析，不断探索检修技术规程优化及检修过程人机替代研究。

　　(四)建立基于风险管理的健康度评价模型，通过进一步完善系统对于部件健康识别的准确性，推进检修智能化。在此基础上评估风险点的影响程度、结合零部件参数、指标表现情况等多维度综合健康度评价，构建健康模型。抓住运维中的关键影响要素，使列车零部件的评价更合理，精准评价部件健康状况，更好地指导运维作业的开展。

　　(五)利用人工智能赋能城市轨道交通车辆智慧运维，AI辅助智慧化的部件健康度评价管理，将AI接入列车部件检修数据库，通过AI的智能大数据分析，预测未来部件的故障发展趋势，提前对风险点做出有效预警。强化学习算法调整列车牵引、制动参数，探索“车-网-储能”协同优化模式，降低列车能耗，提升车辆效率。