摘要：现如今，我国是智能化科技快速发展的新时期，我国的大数据技术的得到了快速的发展，针对我国高速动车组数量多、运量大、运营环境复杂的现状，为了建立快捷、高效的动车组运维模式，文章基于“大数据+人工智能”技术提出适用于轨道交通的大数据平台构架。它整合了动车组列车在生产、运营、维护过程中产生的数据以及动车组运营过程中的环境、线路及开行交路数据信息，并在整合相关数据后采用人工智能技术完成了高速动车组关键设备及子系统准确的故障诊断及预警，为构建高效、快捷的动车组运维新模式奠定基础。
关键词：大数据；高速动车组；列车运维；人工智能
引言
随着动车运用检修工作的不断进步，传统计划预防修模式引发的“过度修”等问题日渐暴露，以大数据为核心的“可靠性”状态修模式应运而生，等人从理论的角度基于动车组等故障概率研究了状态维修建模体系，、结合生产运用中的大数据对运输组织及管理进行了优化，本文结合状态修理论以及现场大数据的应用，从动车运用工作中实际问题出发，研究相应部件磨耗、老化或故障规律，探索可靠性维修体系，确定合理的检修方式、检修类型、检修间隔周期等，从而争取以最少的维修资源消耗确定合理有效的检修方针。
1总体架构
动车组运维数据服务平台通过整合相关系统数据，规范数据内容，提高数据质量，为监管类和统计、分析类应用提供数据支持。总体架构设计依据可重用性、安全性、高可用性、可管理性、可扩展性的设计原则，采取总体规划分级实现的方式完成。动车运维数据服务平台分中国国家铁路集团有限公司（以下简称“国铁集团”）级与铁路局集团公司级两级平台，通过相同数据架构统一搭建，依托铁路内部服务网进行数据传输，汇集动车组相关信息系统中配属、履历、检修作业计划、故障等内部系统数据和动车组高级修作业设备数据等外部系统数据，支撑铁路系统内各层级动车组运维数据全面应用，实现动车组运维数据共享最大化。
2基于大数据的人工智能技术在动车组运维工作中的应用
2.1数据挖掘实施技术路线
在实现数据采集及存储管理的基础上，按照对车辆运营安全、正常行车及乘客舒适度影响的程度，以及“整车—主要系统—关键部件”的层次，分析数据挖掘的业务对象，形成转向架走行系统、牵引系统等各个专题需求。根据具体的需求，从数据中心提取列车运营历史数据和试验数据，针对选取的应用对象进行数据整合（重采样、数据降维、剔除异常、补缺等操作），基于机理分析及专业知识，初步选择模型特征及对应的输出参量，同时采用随机森林等机器学习方法从整合后的全部数据字段自动搜索模型特征，将两种方法选择的特征相组合，采用机器学习方法构建模型。开展模型训练及测试工作。将提取到的数据源按照90%和10%比例拆分为训练和测试数据，由于动车组运营数据中设备故障数据比例较少，可采用多折交叉法验证。将测试、验证后模型部署于生产环境数据中心并接入动车组运营实时数据，对相关设备运营状态进行检测、评估。在此过程中，对设备发生故障的数据进行标注，以强化模型的学习能力，进而优化模型。最后，根据模型诊断结果，给出预警信息；有针对性地制定设备维护计划（包含维护时间节点、需要的配件和工具及技术支持等），优化配件管理；通过数字化技术资料及虚拟远程可视化技术，完成故障的快速处置。
期刊文章分类查询,尽在期刊图书馆
2.2系统数据源优化
动车组履历系统主要针对新造和检修动车组以及动车组所有关键配件进行管理的信息系统，记录了车组级履历信息、配件级履历信息和关键配件组成信息。其中车组级履历信息包括：车组号、车组批次、车组名称、车型、制造厂商、车长、车宽、车高等车组基本信息；配件级履历信息包括：部件产品表示代码、产品序列号、配件生产日期、配件状态等配件信息；关键配件组成信息包括：关键配件结构、子配件安装位置、关键配件安装车组、安装时间等关键配件信息。目前，动车组履历系统数据分别来源于主机厂、检修基地、各动车段及下属动车运用所、设备供应商和配件供应商等。不同数据源通过接口将数据推送至动车组履历系统。在系统使用过程中出现了由于通信接口不断增多导致接口管理工作复杂化，同时存在部分人工检修复核数据不准确造成的数据质量差以及数据更新不及时等诸多问题。动车组运维数据服务平台的构建能够有效解决以上问题。动车组运维数据服务平台所管理的数据覆盖了动车组全生命周期内的所有相关数据，因此，其可以作为动车组履历系统的惟一数据来源。通过统一接口，动车组运维数据服务平台为动车组履历系统提供可靠有效的数据，从而解决动车组履历系统接口和数据质量问题。
2.3权限管理
权限管理主要针对动车组运维人员和管理人员的，是为了保障系统内部的权限管理和责任落实，并非任何人都能进入该系统对数据进行操作。根据项目的需求，本系统所设计的权限管理包括三个部分：用户管理、角色管理以及权限管理。其中，用户管理功能主要是对系统用户的定义、维护以及用户一角色的映射等，主要包括了增添用户、删除用户、用户查找、用户更名以及用户的角色映射这五部分；角色管理使模块和应用系统的需求紧密联系，依据职能、岗位等需求，对系统的角色进行定义、维护等。主要包括定义角色、角色查找、增添角色、删除角色、角色更改和角色映射等几个部分；权限管理主要包括权限的增添、查询、修改以及删除等四个部分。
2.4典型应用场景
牵引变压器作为动车组列车牵引系统重要设备之一，属于列车重点的监控及维护对象，本文以此为例介绍基于大数据的人工智能技术在动车组运维工作中的应用。牵引变压器在工作中会产生大量的热损耗，引起电气部件温度升高，如果超过电气部件所能承受的温度范围，牵引变压器将不能正常工作，甚至会破坏电气部件的绝缘性能，影响列车的安全、正点运行。正常运行过程中，牵引变压器产生的热量通过油循环进入散热器，最后由冷却风通过滤网散发出去。因此，确保滤网清洁对牵引变压器正常运行至关重要。由于滤网清洁程度与列车运行地域环境、气候（柳絮季节、大雪等）等因素有关，难以通过传统的解析或简便的测试方法获悉，目前主要是通过分地域、不同季节，制定不同定期清洗周期，维护成本较高。基于大量的历史运营数据，采用机器学习方法判断牵引变压器温度是否发生异常；基于历史数据统计分析及滤网清洗记录，识别出滤网清洗前后时段对应的样本数据，并进行标记，以随机森林机器学习建立滤网堵塞判断模型；在判断变压器温度异常的基础上，根据列车运营数据，通过滤网堵塞模型识别滤网堵塞程度，从而可以根据需要灵活地开展滤网清洗维护工作。
结语
随着大数据热潮与铁路信息化建设的全面开展，信息化管理在生产中成效显著。动车组运维数据服务平台面向动车段配属、计划、履历、故障、大部件等系统业务，迎合多种业务需求，与现有的动车组信息系统建立联系。通过数据规范制定、大数据平台搭建、数据仓库建设、元数据管理等一系列流程建设，该平台具备数据规范治理、数据共享、数据挖掘、数据接口管理等功能，同时实现了动车组主数据统一管理、同步维护、集中发布和全路共享，对动车组PHM建设，动车组智能运维，保障动车组安全运输，提高经营效益与运输质量，提升服务能力，具有重要的现实意义。
参考文献：
[1]吕兆星，郑传峰，宋天龙，等.企业大数据系统构建实战[M].北京：机械工业出版社，2017.
[2]王华伟.铁路运输设备技术状态大数据平台架构研究[J].铁道运输与经济，2017，39（8）：60-64.
论文作者:刘振富1,宫儒松2,樊佳兴3,汪肖佟3,乔雷3
论文发表刊物:《基层建设》2019年第31期
论文发表时间:2020/4/13
标签：车组论文; 数据论文; 系统论文; 履历论文; 滤网论文; 配件论文; 角色论文; 《基层建设》2019年第31期论文;