城市轨道交通对城市发展起着重要的带动作用，而城市发展对城市轨道交通安全可靠、高效集约、网络化、智能化的发展也提出了越来越高的要求。如何在保障城市轨道交通系统安全可靠运营的基础上最大限度地降低维修成本，在满足可持续发展战略要求的同时，提升城市轨道交通设备智能化管理水平，成为轨道交通行业广泛关注和研究的热点。智能运维系统是建立在设备基础上的、以状态修模式为主要发展目标的智能化、数字化系统，其依托大数据中心，结合设备履历数据，并借助实时监控设备，采集和分析城市轨道交通车辆的运行和检修数据，判断设备故障趋势，诊断设备的运用健康状态，从而实现故障预警和分级报警，指导关键设备现场维修作业的智能化管理。
目前，上海地铁、北京地铁、广州地铁等地铁公司已经开始对车辆智能运维体系进行探索性应用，国内各大城市轨道交通企业均积极着手研究适用于自身的智能检修模式。智能检修解决方案一般通过在车辆制动系统、车门系统、牵引系统中安装传感器的方式，实现在线监测与预警。然而，其外设布局点有限，导致检修人员不能有效监测车辆运行状态。国内大部分轨道交通企业以设备安全运营为基本目标，检修制度较为保守，过度维修现象较为普遍，造成人力、物力和财力的浪费。与此同时，由于无法及时监测部分设备的状态，因此在计划性修程中未能及时对其进行维护，从而导致故障部件无法更换、车辆带故障上线运营等严重问题，形成安全隐患。国内城市轨道交通企业在探索智能化维保策略的过程中已取得一些成果（如优化修程、拉长计划性维修的时间间隔），但大多数公司仍以试点测试为主，尚未形成批量化的实际应用案例。
根据目前车辆维保的生产组织模式和车辆设备状态的运营趋势，可将城市轨道交通车辆智能运维系统分为车厂智能生产管理系统、车辆智能检修系统和车辆智能专家诊断系统，整体依托于从大数据中心导出的车辆履历信息、实时数据、历史数据和故障数据，如图1所示。车辆智能检修系统可对城市轨道交通车辆的车底、车侧、车体外观以及轮对状态进行智能检测；车厂智能生产管理系统用于智能管理车辆状态，智能排布运营日计划，实现设备的自动定位以及对施工工单进行智能冲突检测；车辆智能专家诊断系统运用大数据、人工智能等先进技术手段及模糊逻辑等推理算法，对车辆运行状态进行监测和故障预测，评估车辆健康状态，并结合维修基地的维修资源情况，给出合适的维修决策，以实现关键设备和部件的预测性维修，保证车辆高质量的运营。
图1 智能运维系统构架
车辆智能检修系统通过传感、激光、图像识别、红外线等状态监测技术获取车辆走行部以及车体的状态数据信息，通过模式识别、特征匹配、深度学习等数字图像处理技术有效识别车辆异常状态，以提高检修效率，节省人力成本。
智能检修机器人利用机器人技术、机器视觉技术及多种控制技术和先进算法，在动态和静态情况下采集车底、车侧高清图像，并通过图像处理技术判断车辆异常，可降低人工劳动强度，改善作业环境，提高检修效率。
车底定位模块分为面阵相机和线扫相机2部分，面阵相机用于定位车底设备，线扫相机用于采集车底设备图像。此外，还应用轮轴编码器确保采集的车底图像稳定、不发生抖动。以图2为例，通过使用相机对车底设备进行高清拍摄，实现对设备异常形态、设备异常变化的智能监测，从而快速识别故障点，确定故障位置及故障等级，给出故障判断，引导人员使用与设备相对应的检修标准、工器具进行维修，最终实现故障的快速诊断和准确报警，提高检修效率。
智能检修机器人的核心技术在于面阵相机的设备图像故障定位、线扫相机的图像处理算法测试以及机械臂控制。
走行部检测系统安装在城市轨道交通车辆入库线上，以不停车检测的方式，自动完成对走行部及闸片的高清图像获取，自动监控走行部异常状态。其安装效果如图3所示。通过利用库内轨旁检测设备对车侧部分进行图像采集，能够获取车辆走行部侧面的清晰过车图像，再通过数字图像处理技术，实现对走行部及闸片的异物检测以及对关键部件缺失、变形等的异常监视。
图2 检修机器人采集样图
图3 走行部监视单元采集模块效果图
走行部智能监测系统的核心技术为：在过车速度不均匀引起图像纵向畸变和车体上下振动引起横向畸变情况下的图像采集以及分析处理算法。
车辆360°视觉检测能够对关键部件的常规测距和可视部位的图像进行自动监视，检测范围包括螺栓、螺母的松动及丢失，各类管线脱落，异物侵入，受流器、牵引装置、牵引电动机、齿轮箱等关键部件的脱落、丢失、变形等。如发现异常，能及时发出自动报警提示。
轮对数字激光检测可以快速、准确、高效地测量车轮踏面轮廓、车轮直径和轮对内侧距，并通过无线数据传输，实现对车轮踏面磨耗和轮轨接触关系的分析，从而对车辆稳定性进行安全预警，同时为轮对镟修决策提供指导，提升列车运行的安全性，并延长车轮的使用寿命。
此2项应用使车辆轨旁检测功能得到完善，有助于实现对车辆走行部和车体的智能化检修，减少维修人力配置，节约检修成本，避免过度维修。
当前，人类社会正全面进入信息时代，以教育信息化带动教育现代化已成为教育创新与变革的重大战略抉择。教育部《教育信息化十年发展规划（2011～2020）》指出：“实现教育信息化手段是要充分利用和发挥现代信息优势途径，方法则是信息技术与教育的深度融合”“职业教育信息化是培养高素质劳动者和技能型人才的重要支撑，是教育信息化需要着重加强的薄弱环节”，所以，如何将现代信息技术更好地、更广泛地应用于职业教育，值得我们共同研究和探讨。
器容量也不能比所带的电动机小得太多，因为电动机本身的空载电流较大，变频调速器的容量一般不得小于电动机容量的65%。
车厂智能生产管理系统以保障检修作业安全、提高生产组织效率、降低维保成本为目标，对车辆基地进行信息化、智能化管理。车厂智能生产管理系统的主要功能包括：车辆状态的实时动态监测、运营日计划的自动排布管理、关键设备的定位防护管理、施工作业的智能管理以及智能维修终端的远程协同管理。通过模块间的互通联动，实现厂段重要生产组织过程的智能化。
当车辆进入厂段，该系统会利用定位设备自动对车辆状态进行实时动态监测，自动定位车辆停放股道，并显示车辆的状态信息（如股道编号、带电状态、修程状态、车辆故障信息）以及维修工单状态等，便于检修人员实时查询目标车辆状态信息；并通过逻辑条件计算，对股道状态进行实时异常检测，并检验作业条件是否冲突，从而实现智能化安全管理。该系统的界面如图4所示。
The Current Situation of Agricultural Products Logistics and the Conception of Logistics Systemin Henan Province: based on the Case of Zhengzhou
系统根据车辆检修计划、故障情况、运行里程、施工情况、扣修情况以及当前股道位置等信息，建立智能排布模型；模型依据各影响因素的不同加权值，自动排布车辆运营日计划；检修调度员须根据实际情况对运营日计划进行调整和确认。若需要收回或发出车辆，检修调度员会调整目标车辆优先级；在车辆替换上线或回库后，模型会根据当前状态智能更新运营日计划。
图4 车辆状态管理界面
当车辆进入车厂后，系统基站通过超宽带定位技术与车载定位设备进行通信，确定车辆准确位置，并在车厂控制中心（DCC）监控屏幕中进行实时显示；铁鞋等车厂内关键设备通过附着在其表面的定位设备与车厂内基站进行通信，系统可借此标定其准确摆放位置；施工作业人员通过安全帽或者胸牌等定位设备与基站进行通信，DCC监控屏幕可实时动态显示其在车厂内的位置；针对车厂内高压带电的重要施工区域，划定电子围栏，防止未授权人员进入，一旦有人闯入则发出声光报警信号，从而消除带电股道区域内的人员、设备安全隐患。
系统可以自动生成当日检修计划工单，检修调度员可将其一键派发。当值班长通过移动终端远程查看检修任务，并根据系统提示一键派发给相关作业人员。系统会根据当值检修人员的专业资格及个人履历智能分配相关作业，优先安排熟练度高的人员进行检修，从而在保证检修质量的同时，兼顾工作量的平衡性和合理性。工单关闭后，系统会自动生成车辆电子维修履历，为后续全寿命周期研究的推进做好准备。
1.4.1 材料 显微外科器械、无菌培养皿（10 cm）、无菌移液管离心（15 mL）、无菌PBS、Ⅳ型胶原酶0.5%（每只1.5 mL）、无菌注射器（5 mL、1 mL）、无菌六孔板、碘伏、棉签、乙醚、DMEM（高糖）培养基。37℃水浴预热Ⅳ型胶原酶，按照0.5%Ⅳ型胶原酶/PBS=1/4比例配置Ⅳ型胶原酶工作液（即每只10 mL）。
工作人员可以通过手持终端填写请销点申请、断送电申请、借用申请等检修工单，从而提高登车作业审批、请销点、物品借用等检修流程的效率，实现对检修作业的全过程把控。扫描二维码即可填写对应设备的检修任务单，真正实现无纸化生产运作。此外，还支持拍照、视频、音频等多种故障上报形式，可以智能推荐历史故障解决方案供故障上报人和处理人参考，并能支持车辆状态、生产信息和检修资料的实时查询等功能。
第一,健康教育宣导。护理人员可利用医院相关宣传册、黑板报、网上视频教学等宣传手段让孕妇充分了解妊娠的具体过程,并使孕妇及其家属充分了解整个孕期中孕妇所应注意的各种问题。同时,护理人员应注意将相关分娩知识教予孕妇,让孕妇对于分娩过程有一个直观的了解,以提高孕妇顺利分娩的成功率,缓解孕妇的紧张和焦虑。此外,护理人员还应对孕妇及其家属进行血糖控制知识教育,避免并发症的产生。
地面智能专家诊断系统通过车载状态监测设备采集车辆的实时状态数据，监测车辆的运行状态，对车辆运行的异常状态进行智能报警，并对车辆状态数据信息进行预处理，搭建数据分析模型，通过科学算法实现对车辆关键部件的故障预测及健康管理。
最后，建立多元评价机制来了解学生对教学内容的掌握程度。一方面翻转课堂利用多媒体和互联网教学，网站的数据能直观的反映学生的学习情况，教师调取平台数据，查询学生的学习情况、任务完成情况、线上交流的情况以及线上测试的完成结果情况，就能对学生的课前和课后学习情况进行监督与评价。另一方面学生课堂中的表现也是监督评价体系的重要构成方面。通过学生上课提问的次数、对例子的解析深度，课堂回答问题与课后作业完成的情况也能深度了解学生对知识掌握和运用的情况。综上所述，通过对学生视频学习和课堂讨论的监督价能综合掌握学生的学习情况。
车载状态监测设备通过传感器、数据采集终端、多功能车辆总线（MVB）网络等数据采集途径实现对车门系统、牵引系统、制动系统和蓄电池等关键系统、部件的实时状态监测。该系统通过5G等车地无线传输方式，实时获取车辆运行状态数据，如图5所示。
图5 车辆状态监控
利用车载状态监测设备采集的车辆实时状态数据，并根据系统或部件的历史监控数据，对于专家系统给定阈值内的数据抖动进行变化趋势分析和比对。图6显示了车辆走行部轴箱轴承状态监测设备在某运行区间所记录的2轴右轨振动数据。在图中K25+292～K25+400区间，最大振动有效值为7.58g，波磨路段的振动频率为400～450 Hz，未超出系统给定的正常状态阈值，但相较于该轴的历史数据记录，本次振动幅度特别大，因此系统记录下数据变化趋势并发出报警信号，提示检修人员检查该部位走行部状态。
在咱东北，桓仁、新宾到通化这一带，小孩儿要是哭、闹，不听话，大人就吓唬：“再闹，老杲子来啦!大虎杲子来啦啊！”“老杲子”这名是啥时候留下来的呢？在王杲做古埒城城主的时候留下来的。
车辆智能专家诊断系统会提取影响车辆运行状态的关键数据指标和过程变量，作为故障判定的主要参照，在采集所有的状态数据后，对车辆或系统状态对应时间窗内的所有模拟量数据进行统计，提取区段最大值、最小值、平均值和平均差等不同参数作为区间特征值进行数据重组。然后，将同一车架的同一类车辆或设备状态数据作为学习样本，采用无监督机器学习算法对所得数据进行异常检测。整个数据集按照适当的比例分割为训练数据集和测试数据集，用相应的算法进行验证测试，如表1所示。
基于故障数据点的有监督机器学习方法，首先，对数据进行特征扩充操作，每一段时间窗内的数据全部作为时间窗结束点的特征来考虑，进行数据标记，选择样本数据；然后执行数据降维、归一化、均衡处理等预处理流程，再将数据集按相应的比例分割为训练集和测试集；最后采用机器学习算法对训练集进行学习，并用故障前一段时间窗的数据作为验证训练集和测试集的数学模型，实现异常点的故障预警模型验证，当检测出连续出现的异常点时，可进行故障预警。
图6 车辆轮轨振动记录
表1 异常数据及比例
位置 S0 S1 S2 S3训练集架1 129（2.25%） 138（4.14%） 91（2.73%） 61（1.83%）架2 101（1.53%） 121（3.63%） 88（2.63%） 56（1.68%）测试集架1 57（3.97%） 75（9.00%） 69（8.26%） 40（4.80%）架2 47（2.84%） 72（8.64%） 66（7.90%） 29（3.48%）
城市轨道交通车辆智能运维系统是信息化时代城市轨道交通车辆实现状态修的重要手段，该系统可以显著降低维修保障费用，大幅提高维修保障效率及设备的可靠性。本文基于当前智能运维产业现状，探讨和研究智能运维系统的未来发展和规划方向，以期实现对城市轨道交通车辆关键部件的全覆盖状态监测和数据获取，缩短设备全寿命周期管理中的维修时间，有效减少了车辆上线运营期间的故障风险，提高运营质量，保障运营安全。
参考文献
[1] 詹炜，徐永能，王依兰. 城市轨道交通车辆智能运维系统应用研究[J]. 城市公共交通，2018（12）.
[2] 刘述芳. 城市轨道交通关键设备智能运维系统初步建构[J]. 设备管理与维修，2018（2）.
[3] 李聪. 地铁信号系统智能运维方案设计[J]. 铁道通信信号，2019（2）.
[4] 杜永生. 智能运维，基于自学习的自动化运维[J].信息通信技术，2018（1）.
[5] 刘立明，郝成亮，孙伟. 浅谈信息化预防性运维的重要性[J]. 城市建设理论研究（电子版），2018（20）.
[6] 郑鸿昌，付雪飞，高雪娟，等. 轨道交通信号运维系统车载记录平台的设计与应用[J]. 内燃机与配件，2018（19）.
[7] 苏俊锋，罗茜. 基于云计算的智能化轨道交通系统监测与维护研究[J]. 铁路技术创新，2016（4）.
[8] 吉敏. 基于大数据的专家系统在地铁智能运维方面的应用研究[J]. 计算机产品与流通，2017（11）.
[9] 杨国华，刘春艳. 轨道交通项目BIM+GIS云平台建设研究[J]. 土木建筑工程信息技术，2017（2）.
[10] 戴克平，白龙. LTE在城市轨道交通智慧运维系统中的应用[J]. 铁道通信信号，2017（5）.
[11] 魏晓东. 地铁综合监控系统建设关键问题分析[J].现代城市轨道交通，2009（6）.
[12] 兰燕红，申金升. 深圳地铁智能交通系统[J]. 城市轨道交通研究，2007（11）.
[13] 吴昊. 基于云技术的智慧快轨信息化总体规划[J].铁路通信信号工程技术，2019（4）.
[14] 耿杰，李聪，吴永城. 轨道交通设备运维管理系统的设计与实现[J]. 都市快轨交通，2015（6）.
[15] 谢向阳. 轨道交通设备运维管理系统设计与实现[D]. 江苏南京：南京邮电大学，2018.
[16] 王东妍，沈鹍，王瑞. 智能运维在高铁工务作业安全监控管理的应用[J]. 铁路计算机应用，2019（4）.
[17] 余博. 面向运维的城轨列车在途监测若干关键技术研究与应用[D]. 北京：北京交通大学，2014.
[18] 巩大力. 城市交通智能监控系统关键技术研究[D].陕西西安：长安大学，2009.
[19] 刘晓娟. 城市轨道交通智能控制系统[M]. 北京：中国铁道出版社，2008.
联系客服
