PHM與智慧運維落地實踐案例集 — 機車運用數據智能診斷系統正式上線！

2019年9月20日，經過爲期一個多月的緊張測試，北京潤科通用技術有限公司爲中車某機車單位傾力打造的“機車運用數據智能診斷系統”正式上線運行，標誌着潤科通用在軌道交通智慧運維領域的又一案例成功落地。
近年來，我國機車出口業務快速增長。客戶的某型柴油電力機車是早期出口非洲的一個主力車型，也是我國“鐵路外交”的一張靚麗名片。當地地理環境特殊，具有早晚溫差大、溼度差大、海拔落差大的特點，機車單程運行里程長，途徑草原、丘陵、溼地、平原等多種地形。由於機車遠在國外運營、當地維保設施智能化程度低、難以調配大量人員進行快速響應，這些客觀因素均對車輛走行部件的運維提出了嚴峻考驗。

系統架構

行業痛點

衆所周知，不同溫度、不同速度、不同軸重的因素將導致複雜的工況組合。然而，機車上的傳統專家診斷系統大多采用對目標量“一刀切”的簡單閾值診斷方式，難以勝任這類非定常、非線性、非經典工況的診斷（“三非”問題），更不必說在高度複雜的情況下對故障進行準確預測。

這導致了在以往的運營中，無論是故障的虛警率還是漏檢率均居高不下，且系統對重要故障的預警能力缺失。在2018年度，專家診斷系統的能力缺陷曾導致了一起熱軸故障，使機車在國外正線上停運，當地搶險運維資源不足、國內工程人員又難以迅速趕往現場，無論在經濟上還是質量口碑上均造成了很大損失。

關鍵技術

長久以來，“三非”困難已成爲工程領域的老大難問題。幸運的是，隨着各場景下算力與傳輸帶寬的突飛猛進與成本降低，數字孿生、機器學習等技術已快速走向實用。正因對“三非”問題的有效性與優勢，工業智能領域將數字孿生、機器學習、IIOT等新技術視爲曙光，而這也是現代工業系統實現自感知、自適應、自學習、自評估與自決策的基礎。

通過與客戶深度合作，基於“數據型”數字孿生技術與機器學習技術，潤科通用的軌交智能業務團隊通過不斷技術攻關，已實現數字空間虛體與物理空間轉向架實體表觀一致、行爲一致、參數一致的深度孿生。採用“一架一檔”的形式，對各轉向架進行全生命週期的數字檔案生成與管理。截止目前，採用在高維特徵空間中全工況評估的方式，故障預測算法已能夠實現全架軸溫的精準健康預測，可提前約120小時發出軸溫異常報警，杜絕了低可達性嚴重故障、爲遠程運維爭取了寶貴響應時間，爲“計劃修”、“故障修”向“狀態修”、“預測修”轉變提供技術保障，真正實現了對車輛走行部件的“智慧賦能”。

成果介紹

機車熱軸故障智能預測系統包括業務軟件、數據型數字孿生體、以及熱軸故障預測算法。機車運用數據分析軟件的主要功能包括狀態監控、異常預警、故障統計、數據查詢、數據管理、日誌管理、用戶管理等。

狀態監測

目標車型的機車轉向架上關鍵位置的溫度狀態通過紅色、綠色LED進行高亮顯示，用戶可對當前機車轉向架溫度狀態一覽無遺。

狀態監測局部（正常）