地铁车辆检修及信息化应用研究综述

地铁车辆检修及信息化应用研究综述

黄旭

321322198712067032

恩际艾科技（苏州）有限公司

摘要：社会的发展推动了城市建设的进步，城市轨道交通网络在城市发展中发挥着重要作用。地铁车辆作为城市轨道交通网络的核心，需要进行必要的维护和保养，使其在一定时期内保持良好的运行状态，具备高运营可靠性，对于地铁车辆维修质量和效率提出了较高要求。如何提升地铁车辆检修质量和效率，减少维修停时，加强检修作业各环节信息流转速度，避免数据孤岛，成为目前研究的重点方向之一。

关键词：地铁车辆检修；信息化应用；研究综述

引言

城市轨道交通车辆的检修维护对于保障乘客的安全和提高运营效率具有重要意义。定期的检修维护可以及时发现和修复车辆存在的故障和问题，确保车辆的正常运行。这有助于减少因车辆故障而造成的延误和事故，提高乘客的出行体验和安全感。

1地铁车辆段运维的基本要求

地铁车辆段运维是确保城市轨道交通系统高效、安全运行的重要组成部分，其基本要求体现了对设备、人员和流程的全面管理和维护，其基本要求是保障设备的正常运行，包括轨道车辆、信号系统、通信设备等各个方面，意味着必须定期进行设备巡检、检修和维护，确保各系统处于良好的工作状态，防患于未然。同时，高水平的车辆段运维要求在设备故障发生时能够迅速响应，快速排除故障，以最短的时间将设备恢复到正常工作状态。

在人员管理方面，车辆段运维要求拥有一支高素质、专业化的团队，运维人员需要具备丰富的专业知识和实践经验，能够熟练操作各类维护设备，迅速做出正确的判断和应对措施，对应的培训和技能提升是保持运维人员竞争力的重要手段，通过定期培训和学习，不断提高人员的技术水平和应变能力，车辆段运维还要求建立健全的安全管理体系，确保人员在操作过程中的安全，降低事故发生的概率。此外，通过制定科学合理的运维计划和流程，合理安排设备检修、保养和维修工作，最大程度地提高设备的利用率。流程管理还包括对运维活动的监控和评估，通过数据分析和绩效考核，及时发现问题，调整和改进运维流程，提高运维效率。

2当前研究现状

2.1智能运维研究

通过各类信息化手段，及时采集相关数据，利用车地传输通道，将车辆实时状态数据及运营数据发回地面服务器，结合专家诊断系统对车辆状态数据及运营数据进行实时监控，并根据数据对比分析，提出运维建议，及时开展检修工作，推动计划修向状态修转变，是目前智能运维研究的热门方向。其中，通过分析地铁运营需求，提出了一种智能运维系统框架，明确了智能运维整体思路，指出了具体实施方向和技术路线。通过分析现有地铁检修模式，明确现有模式存在故障诊断效率低、人工成本高等问题，提出现有检修模式改进建议，指出未来地铁检修模式的发展方向。一种车辆智能检修系统包含智能生产管理系统模块及智能专家诊断系统，论证了智能检修系统在缩短设备生命周期管理人员维修时间、降低运营风险、提高运营质量和保证安全运行等方面的有效性。基于全寿命周期健康状态分析，利用FMEA（失效模式及影响分析）、AHP（层次分析法）分析建立地铁车辆健康状态模型，量化评估车辆全寿命周期状态，根据健康状态建立对应检修评级及作业时间对应关系，给出作业时间建议，实现了维修决策优化。

2.2智能检修研究

智能检修研究重点集中在利用信息化、数字化手段，搭建信息化平台系统，实现检修作业过程的信息化，提高过程信息流转效率。通过分析现有地铁车辆运维检修模式，指出现有检修模式的生产管理环节存在检修规程不完善、计划兑现率低、资源分配不合理、信息反馈不及时等问题，借由检修规程管理、生产计划管理、生产调度管理、生产执行管理等角度，结合生产管理流程分析，指出智能化、信息化设备系统在车辆检修应用的有效性，并基于地铁信息化技术发展，重点介绍了自动排程系统及移动点巡检系统。对高速断路器检修过程进行研究，利用生产信息化技术，设计了一种面向高速断路器检修过程的信息化系统，实现了对高速断路器检修过程的信息管控，提高了检修效率和检修质量。

3车辆检修维护技术的应用

3.1传感器技术的应用

传感器技术可以实时监测车辆的机械部件，如发动机、传动系统和制动系统等。通过安装压力传感器、温度传感器和振动传感器等，可以实时监测这些部件的工作状态和运行参数。一旦发现异常的振动、温度或压力等情况，系统就会发出预警信号，提醒维修人员及时检修，避免故障的发生。传感器技术还可以监测车辆的电气系统，如电池、电动机和电子控制单元等。通过安装电流传感器、电压传感器和温度传感器等，可以实时监测电气系统的工作状态和电能消耗情况。一旦发现电流异常、电压波动或温度过高等情况，系统会自动发出警报，提醒维修人员进行检修和维护，以防止电气故障的发生。此外，传感器技术还能监测车辆的安全系统，如制动系统、防抱死系统和稳定控制系统等。通过安装压力传感器、速度传感器和角度传感器等，可以实时监测这些安全系统的工作状态和参数。

3.2数据分析和预测算法

城市轨道交通车辆故障预测和预警系统是通过数据分析和预测算法来实现的。系统会收集大量的车辆运行数据，包括车速、加速度、温度、振动等多个参数。通过对这些数据进行分析，可以发现车辆故障的一些特征和规律。数据分析的方法包括统计分析、机器学习和深度学习等。统计分析可以通过计算均值、方差、相关系数等指标来了解数据的分布和关系。机器学习算法可以通过训练模型来识别车辆故障的模式，例如使用支持向量机、决策树和随机森林等算法。深度学习算法则可以通过构建深层神经网络来提取数据的高级特征，例如使用卷积神经网络和循环神经网络等。在预测算法方面，常用的方法包括时间序列分析、回归分析和分类分析等。时间序列分析可以通过建立时间序列模型来预测未来的故障情况，例如使用ARIMA模型和指数平滑模型等。回归分析可以通过建立回归模型来预测故障发生的可能性，例如使用线性回归和逻辑回归等。分类分析可以通过建立分类模型来判断故障的类型，例如使用支持向量机和朴素贝叶斯等。

4市场需求应对思路

（1）成熟的技术、产品、供应商。依托产品，进行标准化、模块化设计；项目投标、设计、推介时，选用先进成熟的技术，RAMS指标高的产品，算法模型成熟、有应用业绩的机电设备，适合国际化经营、产品服务俱佳的供应商。通过交付高可靠性可用性可维修的车辆产品，提高车辆及维保服务的项目中标能力。

（2）配件的持续稳定供应。依托信息化平台做好供应链管控、搭建采购平台、需求预测、报废管理等工作，以达到高端客户类似最低库存水平、长期维保服务、报废管理等需求；必要时候，协同国内部件供应商“走出去”战略，共同开拓境外市场，提高全寿命周期内持续维保服务能力。

（3）稳步推进智能运维平台方案。围绕车辆全寿命周期业务场景，进行车辆、场段、管理的数字孪生；提高系统平台应用的效能，做好易用好用；贯穿数字、精益、安全的理念，实现车辆安全运营和检修提质增效。同时扩展供电、通信、工务等智能运维管理，实现地铁系统的智能运维体系。

结语

通过分析城市轨道交通车辆检修现状及存在问题，结合目前城市轨道交通车辆检修在检修模式理论、部件检修技术、智能检修、智能运维等方面的研究，立足于现有研究存在的不足之处，基于未来城市轨道交通车辆检修的发展趋势，提出优化性建议，为后续开展相关研究提供借鉴。

参考文献

[1]王宏刚,叶鹂君.地铁车辆基地智能运维管理平台的设计及实现[J].铁道通信信号,2022(003):058.

[2]郭泽阔,张艳兵,王璐.基于物联网技术的智慧运维在地铁车辆段的应用[J].都市快轨交通,2019,32(03):19-24+38.

[3]鲍新娜.大数据和人工智能发展中的智慧地铁运维研究[J].百科论坛电子杂志,2020(008):60.