基于大数据的动车检修智能化优化研究

基于大数据的动车检修智能化优化研究

单亚男

 中车唐山机车车辆有限公司 河北省唐山市  063000

摘要：在铁路速度不断提升、动车组不断修建的情况下，动车组运营量也在不断加大，维护高效、高质量的动车组，是保障动车组安全运营的关键。动车组维修基地现代化以配置科学规划，工艺流程先进，工具设备先进等为标志，动车组维修成本这一关键技术则是借鉴国际先进设计理念的经验与教训，建立国际规模动车组维修系统、实行智能化网络整体管理、利用汽车单元网络保障动车组优质运营。

关键词：大数据；动车检修；智能化

前言：目前动车组检修作业多采取模糊，感官化经验检修操作，检修质量多取决于人员。这样的检修方式已完全不能够满足铁路的发展。在信息化技术不断发展的今天，大数据和智能检修被广泛地应用于地铁和电力领域。运用大数据与智能分析手段并与动车组检修管理相结合实现动车组及其重要零部件故障预测，健康分析与专家诊断是未来动车组智能检修的一个重要发展方向。文章提出了一种以大数据技术为基础的智能检修方案来辅助检修人员利用大数据进行动车组检修时做出正确决策。

一、大数据与动车组研究现状

（一）大数据研究现状

近年来大数据的迅猛发展受到科技界，业界及政府部门的广泛关注，很多国家及国际组织都意识到大数据技术所发挥的巨大作用，纷纷开展大数据战略。从2011年起，中国计算机学会和中国成立了大型数据委员会，负责分析和研究大数据中的科学和工程问题，中国电子贸易公司阿里巴巴提出要做国内首个数据分析平台，对相关商业交易及主要数据技术进行数据分析，就能对是否为企业发放贷款进行评价，截至目前，阿里巴巴累计借入300余亿元，坏账率0.3%左右，远远低于商业银行。在互联网，云计算以及大数据产业飞速发展的背景下，我国数据中心也已步入大规模设计与施工阶段，而数据提取所具有的含义从数量众多且不够全面、从模糊、随机数据中挖掘出被人预先未知、却又是潜在有用信息、知识的隐藏信息，人把原始数据看成是知识的源泉等，制造业中通过传感器采集大量的半导体状态数据能够从庞大的数据中检测出半导体生产中出现的各种问题，从而提高了产品的质量，同时降低了生产成本。

（二）动车组的研究现状

日本于1964年动工兴建了第一条新干线，并伴随着小本新干线建设与发展而形成了以东京，大阪，博多，圣堂等城市为核心的动车组网，法国从1981年开通东南线至今，已有45年的时间开始发展高铁，在此期间积累了不少经验和教训，驾驶员可以对整列列车关键部件运行情况进行实时查看，如有设备故障或者故障倾向时可以采取措施进行保养与修理，以免危害驾驶安全。20世纪80年代德国开始研制高速动车组系列产品，历经由实验性动车组向最新型动车组批量生产的演变历程，国外动车组设计、维护和应用已有四十多年的历史，而我国动车组的设计、维护和应用尚处于起步阶段，2001年1月8日，中国第一台动车组集中传动系统于广州至深圳线投入商业运行，牵引电力迎来历史性转折——2015年，京广东部铁路干线上一列客运要使用动车组，为确保动车组迅速，安全，舒适，有效地运行，需要经常检修维护。

二、基于大数据的动车检修智能化优化内容

高速动车组的综合智能检测技术就是充分运用故障诊断和健康管理（PHM）的技术手段，利用各种故障诊断的手段，主要有基于阈值的方法机理，基于型的方法和基于数据驱动的方法来对转向架进行全面的诊断。故障预测和健康管理、（PHM）技术是利用传感器捡拾系统状态的实时信息并利用智能算法分析系统状态、故障诊断与预测和维修维护建议为用户的决策提供支持。PHM技术重点研究系统状态感知，数据分析，健康状况监控，故障频发地点和时间以及故障发生和演化预测等问题，起码应达到数据采集，数据处理，状态监测，健康评估，故障预测和决策支持等六大功能。故障诊断的主要内容包括故障检测，故障种类判断，故障定位和故障恢复。其中故障检测就是在和系统建立联系之后，周期性地将数据发送到主机，对数据进行分析，通过阈值的比较来判断系统故障的出现；故障类型判断是指系统发现故障后通过分析原因来对系统、故障类型进行判定；故障定位就是在前面两个步骤的基础上，对故障种类进行细化，并对系统的具体故障部位及故障原因进行诊断，从而为故障恢复做好铺垫；故障恢复作为故障诊、流程的最后一步和最重要环节，需针对故障原因，对故障进行不同措施、系处理；故障得到了修复。当前故障诊断主要有三种模式，即基于解析模型的模式，基于信号处理模式以及基于知识模式。

（一）以解析模型为基础进行故障诊断

以解析模型为基础的故障诊断方法多采用构造观测器对系统输出进行估计，再与真实系统的输出进行测试来实现。值进行比对，从中获取故障信息。这种方法又可以进一步划分为两种：一种是以状态估计为基础，另一种是以参数估计为基础，前一种是由真实系统输出相对于状态观测器或卡尔曼滤波器输出构成残差。再由残差提取故障特征，再诊断故障；后者通过机理分析建立了系统模型参数与物理元器件关系方程，并通过实时辨识得到系、真实模型参数进而解算真实物理元器件参数，通过和标称值的对比来判断系统的失效与否以及失效的程度。在解析的基础上，典型故障诊断方法均需要系统准确的数学模型，然而随着现代设备不断发展，诊断大型化，复杂化以及非线性化，常常难以或不可能建立起系统的精确数学模型，因而极大地制约了这种方法的推广应用。

（二）以信号处理为基础进行故障诊断

故障诊断方法是基于信号处理的传统故障诊断技术，通常采用信号模型（例如，相关函数，频谱。自回归滑动平均，小波变换，等等）直接对可测信号进行分析，提取如方差，幅值，频率等特征值对机械设备所处状态进行辨识与评估。该方法又分为基于可测值或其变化趋势值检查和基于可测值，处理的故障诊断方法等。前一种方法骤是基于系统输入输出信号的直接可测量。它的变化趋势用于故障诊断，在系统输入、输出信号或变化超过允许范围后，就认为系统故障，可以根据信号的异常情况判断故障性质及位置；后一种方法是利用输出信号状态和某一故障源的相关性确定并定位故障，包括频谱分析方法。

（三）以知识为基础进行故障诊断

对具有复杂结构的系统来说，当它在运行过程中出现故障后，易于得到的通常是某些与故障征兆有关的说明。知识和对各种故障源和故障征兆的关联性。以知识为基础的故障诊断方法就是运用这种、知识、用符号推理来诊断故障。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。有经验的专家是使得，在很长一段时间内积累的这种经验知识能够迅速地直接诊断出系统故障。以知识为基础的、障诊断是当前研究与应用中的一个热点问题，国内外学者已经提出多种方法。由于领域专家对基于知识的故障诊断起着重要作用，因此基于该知识的故障诊断系统又称故障诊断专家系统

结语：

近些年来，大规模数据技术与数据提取技术发展十分火热，可谓是计算机时代下的一大转变。在我国动车组飞速发展的背景下，动车组维修费用管理显得日益重要，大数据技术融入动车组维修费用管理成为必然，研究最新大数据技术可以提升大数据平台执行速度，负载平衡以及可扩展性等性能，并基于维护成本对动车组关键部件生命周期管理做了深入研究。

参考文献：

[1] 胡文涛 , 孟建军 . 基于大数据的动车组故障诊断方法研究 [J]. 工业控制计算机 ,2020,33(6):3.

[2] 罗丹 . 大数据时代下软件工程关键技术分析与研究 [J]. 信息记录材料 ,2020,21(9):3

[3] 周奇 , 印鉴 , 张良均 , 等 . 基于大数据关键技术方案的舆情数据中心的研究 [J]. 现代计算机 ,2020(27):7.