摘要：动车组是我国快速铁路的客运、货运设备，相比较原来的火车运输体系、汽车运输体系，动车更加快速和安全，能够在单位时间完成更多的运输任务，是陆路运输的首选。因此，如何保障动车装备的平稳安全运行是整个运输系统的重点。根据目前动车装备的运维体系以及科技的发展，本文将从体系和数据入手，探寻一种更加安全智能的运维体系。
关键词：动车装备；故障；运维；数据
1．高速铁路的发展
根据中国铁路总局的运行数据，至2019年底，我国目前已在运营的高速铁路总里程已经达到了35000千米，是全世界高速铁路运营里程最长的国家。高速铁路的迅猛建设，我们有目共睹，十年来，高速铁路完完全全改变了我们的出行方式。原来飞机垄断的高速运输市场，现在变成高速列车和飞机二分天下，在一些短途的运输上，不得不说高速铁路更具性价比和优势。
高速铁路的建设同时也带来了大基建时代，在高速铁路建设的沿线，带动了相关产业的增长、拉动了就业，为城市的发展、升级提供了助力。
2．动车装备运维对于安全的重要性
高速铁路在国内越来越重要，是我们远行的主要选择，因此，动车装备的安全运维是整个铁路系统重中之重的工作。
根据高速列车检修段所的情况，在现有高速铁路运维工作中，主要有这么两个部分的工作：一个是定期检修，也就是我们常说的计划性防修；还有一个就是视情维修，根据动车装备的目前的运行状态，由工程师决定是否进行维修。
定期检修是整个运维工作的重点，根据每个部件的使用寿命、上次维修的数据、以及其他条件，对动车装备进行的全面的检修，维修过程可控，是动车装备安全运行的第一道保障。
而视情维修显然要更加复杂和不可控，更加考验工程师的经验和判断力。要在现有的动车装备状态下，判断它在下一次运行出现故障的概率。这种维修方式存在一定的风险，但却是解决未知风险最重要的维修方式。
3．目前的运维方式存在的问题
通过上面的两个维修方式能够解决大部分的动车装备存在的问题，但是通过对数据的研究，发现目前这种维护方式还是存在很多的问题。总结下来有如下几种：
3.1维修不足
因为动车本身十分的复杂，是一个高度集成的设备，所以出现故障的规律不会按照简单的线性衰减，有些是动态的对数衰减、有些则是其他衰减模型；还有就是每台动车装备虽然都是出自同一个厂、同一个公司，但是每台动车装备之间还是存在微小的个体差异，这些差异并不会记录在维修状态中，一般部件的差异还可以接受，但如果是重要部件，那必然存在维修不足的情况。因此这些问题给定期检修提出了巨大的考验。
3.2过度维修
上面讲的是维修不足，那肯定也会出现过度维修的情况。第一个原因就是上面说的，动车装备之间存在个体的差异，这些差异也会导致有些部件在固定的更换期之前可能就被磨损了，需要提前进行更换；另一个原因是因为动车装备的安全运行是最高的要求，在日常的运维过程中肯定会按照最大的裕量进行维修，以保障安全为主，所以过度维修肯定是每个动车装备必然存在的问题。
3.3衍生风险高
由于定期的更换和维修部件，对于复杂集成的动车装备本身就是一种破坏，就像每辆汽车在出厂之前都是经过调教的，但是当你进行维修更换过一些部件之后，你会发现开起来会有一些微小的变化；另一个原因是参与维修和更换的都是工人，而且是在夜晚反生物钟进行工作，增加了一些操作不当的风险，过度的维修更是加重了风险系数，根据统计，这类事故不在少数。
期刊文章分类查询,尽在期刊图书馆
3.4维修成本高
首先维修的动车装备本身无法进行运营，据统计，目前动车平均只有75%的运营率，剩下的25%的动车装备不是在维修就是在等待维修，这对于铁路公司来说本身就是损失；另外过度维修又会导致部件、人工、时间成本大量的浪费，这也是为什么动车装备维修成本居高不下的原因。
总的来讲这些问题主要就是因为无法精确的对动车装备进行运维而产生的不足和浪费，我们需要做就是让运维变得更加精确，既不会维修不足，也不会过度维修，那我们应该怎么改进运维方式呢？
4．改进措施
4.1建立故障知识库
建立故障知识库的第一步就是要收集故障数据，这个知识库要包含两个方面的内容，第一个是动车装备自带的故障收集系统，在故障产生的时候，动车随车电脑会进行故障收集和分析，这是故障最直接的体现；另一个就是在日常的运维过程中检查出来的问题，这一部分的数据一般在电脑中没有，而是记录在当时维护动车的工程师日常记录中。建立知识库就要把这两方面的内容进行整合和整理，达到所有故障都记录在案，所有数据都有据可查。
根据收集到的故障信息进行编号、分类整理，整理成故障知识库。使这个故障知识库具备实时的故障更新、能够进行故障知识的搜索、对动车装备能够进行健康管理、最后还能在大数据的基础上进行故障分析并为动车装备提供远程技术和数据支持。因此在故障知识库中一定要写清楚故障类型、发生故障时的现象、以及产生故障的原因、后续的处理方式等，详细的数据才能为动车装备的运维提供更加坚实可靠的支持。
整个知识管理体系不仅仅开放给运维人员使用，同时也要开放给动车装备集成制造集成商使用。运维人员可以就故障知识库中的数据对动车装备的故障进行快速排查和快速定位，获取故障的基本信息、采取相应的维修方式，维修结束还能就故障进行详细的分析和反思，找到引发故障更深层次的原因，追根溯源。这种故障知识库可以有效的指导动车装备运维人员进行动车装备的维护，可以有效的解决维修不足的情况。
除去动车检修段所的运维人员外，还应该将故障知识库开放给动车装备集成制造商，动车装备集成制造商能够根据故障知识库提供的数据找到动车实际运行与设计不相符的情况，更好的收集到每个零部件的材料实际使用情况，再将获得的数据提供给设计人员进行参考，找到更可靠的零部件，从源头解决运维的问题。
4.2建立智能故障预测模型
智能故障预测模型是很多大型交通装备运营公司使用的技术，包括波音和空客。在欧洲铁路产业联盟中，智能故障预测模型也有运用，他们一直在改进他们的新一代智能故障预测和诊断技术，为高速铁路装备的运维系统提供支持和解决方案。
整个智能故障预测模型最重要的环节是采集动车装备历史的运行数据和实时运行数据。然后在对动车装备整体及零部件的监控中，根据动车装备整体、子系统和零部件本身固有的特性建立模型，再不断地进行数据完善、改进模型的关联参数，优化预测效果。
因为动车装备是一个庞大的系统集群，建立动车装备智能故障预测模型涉及整车、子系统和零部件等三个层次的数据，这三个层次又是相互关联和影响的，因此我们在建立模型进行预测的时候会使得模型变得极为复杂。为了找到这个复杂关系背后的逻辑，尽量厘清每个层次之间的联系，需要大量的运行数据进行测算，最后找到一个较为符合历史数据的预测模型，再使用模型对整车、子系统和零部件之间的关联进行监测和分析。
整个智能故障预测模型是一个基于动车装备现有状态，将运行过程数学化的抽象分析。模型的完善还需要后期大量的运行数据支持，通过数据的喂养，不断更正和改进关联参数，最后达到对整个系统的优化。前端的设计可以通过智能预测模型进行改进；中间的动车装备集成制造商可以通过模型寻找更合适的零部件；而后端的运营商可以通过这个模型进行精准的维护，保障设备的安全运行。
5．总结
动车装备的运维是轨道交通保证安全运行的重要条件，目前我们采用的定期检修和视情维修无法完全满足动车装备的运维，存在维修不足和维修过度的问题。本文提出了建立故障知识库和建立智能故障预测模型两个解决办法，旨在通过数据的办法优化和改善现有的运维体系，最后达到设计、制造、运维一体的运维体系，从源头解决运维不足和运维过度的问题。
论文作者:岳殿超
论文发表刊物:《科学与技术》2019年第22期
论文发表时间:2020/4/28
标签：装备论文; 故障论文; 数据论文; 模型论文; 知识库论文; 高速铁路论文; 智能论文; 《科学与技术》2019年第22期论文;