6页(P16-21)【关键词】城市轨道交通;车辆;智能化维保;架大修;数据处理
【作 者】朱新荣
【作者单位】南京中车浦镇城轨车辆有限责任公司,江苏南京 210031
【正文语种】中 文
激光发射器【中图分类】U231+.94
0 引言
城市轨道交通行业的发展从20世纪90年代末期开始起步，随后逐步加速，至今已经历了20年的发展，从一条线路延伸到片区运营，再发展到后续的成网运营。作为所有资产管理的核心，车辆和基建设备的维护一直是主要的研究课题。如何提高车辆维修质量和效率，确保运营安全，减少人工成本，使管理更加“现代化、智能化、精细化”，是行业人士始终追求和探索的目标。通过对数据的收集、分析和价值挖掘，减少资本占用、降低维保成本、提高维保效率是现在通行的一种做法。 库房管理流程1 智能化维保的实现方式
随着大数据、机器自我学习、深度数据挖掘技术的发展，以及计算机图像识别、激光定位
技术、声波自主分析技术等人工智能的实现，现有的智能运维方式在城市轨道交通车辆维保行业中的应用也越来越多，主要体现在以下3个方面。
（1）生产增智，提高设备自主生产能力。将智能化技术手段融入到生产作业环节中，用机器替代人工进行简单的重复劳动，并自动上传和自主分析生产作业数据，提出改进方案，从而全面提升企业的生产效率。例如，在架大修车间采用分布式控制（DCS）技术，通过统一车辆段的架大修设备接口，将维修设备的关键数据统一传送到设备运维服务中心，以节省现场人员记录数据以及将其录入计算机的时间。通过较长时间的数据积累，可以在该系统基础上进行改造和升级，最终实现架大修车间的无人化、智能化生产。 （2）产品注智，从软件到硬件的智能升级。将人工智能算法，以封装和开放的方式嵌入到产品中，生产新一代的智能产品。例如，车门供应商利用每节车自带的车门管理模块对车门部件状态进行实时监控。该模块可将单车车门数据分时传送至车辆段维护中心，还可将信息通过网络同步传送到车门供应商的大数据处理中心，并记录产品的实时曲线。通过对实时曲线的分析，指导维修人员重点关注具有变差趋势的部件，以便提升车队整体的安全性和可靠性。
（3）服务注智，提高车辆的运营品质。利用人工智能算法，为车辆维护作业提供更精准的增值服务。通过对前2种方案中的数据进行聚合统计和预测，可以提高日常维护以及架大修过程中的实时监测效率和管理水平，提升运营的安全性。
2 车辆的智能化维保
城市轨道交通车辆的维修工作分为车辆级和部件级2个级别。
车辆级维修主要是指车辆的预检、清洗、上下体分离、单节车落车及称重、车辆解联及静动态调试，依据维修深度覆盖上述工作中的部分或全部任务。
部件级维修包括车辆11大系统（车门、贯通道、内装、牵引辅助、车钩、空调、制动、信号、乘客信息、列车控制网络、列控小部件）的拆解、测试、组装、试验等过程。
车辆的整体结构复杂，部件种类繁多。依据现有的维保模式，一般是将部件更换工作尽可能地集中在车辆维修作业的某一特定作业周期统一进行。按照GB 50157-2013《地铁设计规范》的规定，现有地铁车辆维保分为日常维保（包含日检、周检、月检、年检）和高级别维修（5年架修、10年大修）2个级别。而对于现有制式的有轨电车、轻轨、自动导向轨
道系统（APM）、跨坐式单轨等新车型，没有统一的维修周期标准，目前主要依据车辆部件制造商的维护手册以及参照地铁维修模式进行维保。同时，由于现有维修模式是按照计划修方式定期扣车和维修，因此会导致工作任务不均衡，以及人员成本的增加。如何降低人员成本和相应管理成本支出，提高维修效率，已成为各城市轨道交通公司的主要研究课题。而利用大数据、人工智能等新技术实施智能化维保，可以较好地解决这些问题。
2.1日常维保智能化
城市轨道交通车辆的日常维保作业覆盖车辆的整个寿命周期，涉及的人员数量众多，物资、设备损耗巨大，日常管理工作繁杂，是个持续耗时耗力的工作。目前的主流方向是通过增强人员素质、提高检修技能水平、采用先进设备等方式，特别是依托大数据、物联网、人工智能等新技术，实施智能化维保，以提高整体检修水平。
针对车下设备的日常维保，城市轨道交通企业开始使用检修机器人。该机器人在带地沟的股道下部基台处行走，并利用伸缩机器臂和高清摄像头对车下设备进行拍照。通过对这些图像进行识别和对比分析，给出车下部件的检查记录，可减少车下日检作业人员的数量。
针对日常作业中的专项检查，例如轮饼凹坑剥离、轴承温度和钢簧压缩量检查，以及车顶空调和受电弓检查等，可应用激光定标后定点拍摄、红外摄像成图、高清图像对比识别、无人机定点拍摄识别等技术（图1～图3），在提高检修效率的同时，以更多维度对过程数据进行记录，为后续的大数据分析和状态预测提供初始数据支撑。
城市轨道交通企业通过使用上述智能化技术，逐步减少一线作业人员，提高检修效率，并致力于增强数据的可追溯性，以提高资产的产出比及设备的可靠性。
虽然在近阶段，智能设备对车辆的检测还无法完全摆脱有经验人员的二次甄别，且车辆故障诊断的准确度普遍不高，但通过持续积累数据，以及引入神经网络算法、遗传算法、模糊算法等高级算法，可逐步提高诊断的准确度，并最终达到降本增效的目的。
除了利用上述先进技术对车辆设备进行检测和故障诊断外，为提升车辆设备的整体资产利用率，建议有条件的城市轨道交通企业参考香港铁路有限公司（简称“港铁”）的维保理念，在日常维保过程中对每列车的数据进行持续收集和分析，并以常年积累的车辆数据为基础，为每列车制定有针对性的修程，再根据后续的运营状态监测结果及时调整各列车的维修周期，避免用统一标准对车况较好的车辆进行过度维修。将此种模式应用在车轮镟修
、受电弓滑板磨耗、车门橡胶件更换等方面，将会产生较好的经济效益。
图1 轮饼激光定点后拍摄
图2 转向架钢簧及紧固螺栓高清图像对比识别
图3 车顶受电弓摄像图
2.2 架大修智能化
城市轨道交通车辆的架修和大修作为高级别维修，主要以车辆部件的寿命（尤其是橡胶类部件的寿命、小部件的动作次数限值等）为依据，对车辆进行一定范围内的解体、清洗、检测、修复、试验、组装、调试和部件喷漆等工作。
针对车辆的高级别维修，除了沿用传统模式（即将车辆停驻在固定地点，分班组将车辆全部拆解，再将各零部件转运到对应工区或缓存区进行检修）之外，越来越多的城市轨道交通企业开始将车辆主机厂的精益生产理念、大节拍制引入架大修中，以改善车辆架大修管理。
如图4所示，传统模式的架大修属于蚂蚁搬家式的班组式生产，虽然能够完成车辆的架大修作业，但是在日常工单管理、物料追溯、人员管理、质量控制方面会存在不可避免的重复投入。通过将工区工位制理念、精益流水线理念引入架大修中，如图5所示，可以：①利用智能化系统对工时、物料、设备试验数据进行统计；②避免重复工作、物料管理混乱等问题。
图4 传统模式下的架大修
图5 生产制造企业的架大修微型电风扇
车辆的架大修涉及预检、解编、上下体分离、部件分拆、部件检修、部件组装、落车调试等过程，如采用静态铺开的方式，会导致占地面积大、生产组织无明显规律、关键工序受制约、生产难以形成节奏、组织困难等问题。为解决这些问题，可将整个修理流程细分为2条独立的工艺路线，即上体修理工艺路线和转向架修理工艺路线，如图6所示。
通过对上述车辆总体工艺进行分解，可将原有的架大修工作分解为多台位，并以跨工区的方式进行车辆的转运和维修作业。为节省物料及工器具的准备时间，可通过人工或者自动
调速皮带轮导引运输车（AGV）（图7）将对应台位的物料、常用工具配送到台位处的智能物料箱（图8）和智能工具箱（图9）中。此外，还可通过智能化手段对工具的使用频次、物料的实际消耗进行分项统计，为核算厂段年度资产耗费、单车实际资产耗费提供基础数据支撑。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议