张世德
中车唐山机车车辆有限公司，河北省唐山市，邮编064000
摘 要：在随着我国铁路技术的发展，越来越多的动车组投入到使用当中，由此产生的动车组监测数据也越来越多，如何充分的利用这些监测数据为动车组建立更好的主动运维服务系统成为各学者研究的重点。本文从动车组主动运维服务状态监测与故障诊断技术的背景和意义出发，介绍了主动运维服务关键组成的部分和状态监测和故障实时诊断的过程，最后重点介绍了状态监测和故障诊断的两种常用技术的应用。
关键词：主动运维服务 状态监测 故障诊断
长期以来，我国大型 装备制造和维修 过程中的电子化 、信息 化投资仍然专注于投向设备设计、设 备制造的过程，而相反的在信息化的使用和维 护阶段投入较少，以至于我国制造业的维修和使用过程中的把控与西方国家还有一定差距，如何充分利用使用过程中产生的监测数据，更好地为设备运行服务，值得研究。
一、研究背景及研究意义
1.1 研究背景
1964年的世 界第一条高速铁路“新 干线”开通以来，铁路技术日益发展，越来越多的列车组投入使用，越来越多的国家在铁路建设上投入更多的财力人力和物力，由此而来列车的技术和列车的性能也越来越强。在列车的建设和运营方面来看。越来越多的铁路轨道都采用更加安全的技术，建设人员都可以在各种各样复杂的环境下铺设铁轨，而在列车的性能方面来看。动车组的表现越来越好。而对动车组的维护和养护的成本也越来越高。
1994年我国自主研发的第一条准高速铁路正式通车，时速可达一百六十千米，2003年，我国第一条高铁正式通车，从此开启了中国高铁发展的大序幕。伴随着我国形成四纵四横的高铁网络，中国交通发展进入高铁新时代，目前，我国成为全球高速铁路建设规模最大、运营里程最长、系统技术最全、运行速度最快、集成能力最强的国家。
1.2 研究意义
世界的铁路和中国的铁路都在高速的发展，逐步形成了一个庞大而复杂的动车组系统，伴随着铁路交通行业的澎湃发展而来的铁路运行安全问题也汹涌而至。高速的运行过程中会产生各式各样的状况从而产生海量的状态检测与故障诊断安全数据，这些数据的运用具有重要的意义。
首先，动车组状态检测与故障诊断，能够极大的在数据理论上支撑动车组在运营方面做出正确的决策。通过对运行的数据和故障数据进行提炼，总结和归纳，通过大数据技术能够掌握动车组运行的规律和模式，通过对掌握的规律，能够成功的预测动车组的发展方向来支持决策的做出。
其次有利于动车组维修系统的逐步完善。通过对监测定位与动车组故障数据的分析，可以形成一个持续的过程，从而建立一个合理的检修模式，相关专业人员可以依据这类模式，对动车组进行一个正确的检测，同时在过程中可以不断地反馈问题，总结优化，形成一个不断改进的过程，而这些优化的过程中产生的数据就可以得到一个更加优化的模式，形成一个不断循环的闭环系统，构成整个列车组一个完善的检修模式，为列车组的更好运行提供极大的帮助。
最后能够为整个铁路组的运营和维护，减少成本，带来巨大的经济效益。通过对检测结果进行分析，可以有效的减少列车组运营过程中产生的成本。不仅可以避免安全事故的产生，更可以节省大量的人力，财力和物力，有利于铁路行业的发展，更有利于整个社会经济效益的提升。
二、动车组主动运维服务状态监测与故障诊断技术的介绍
2.1主动运维服务
主动运维服务主要包括核心业务构件支持部分、决策支持技术部分和设备传感器部分，分别介绍如下：
核心业务构件支持部分包括：主动运维服务的知识管理技术，这方面应考 虑如何有效地组织主动运 维 服务的资源材料和知识，通常通过产 品 的物料清单来实现；维修需求管理技术，维修需求与产品的标准设计或制造物料清单相关联，每项维修需求都有相应的资源需求标准；主动运维服务 计划与实施 管理技术：产品使用过程中会发生各种故障，以及有各种不同的维护和维修工作要进行。
决策支持技术部分：产品健康监 测和故障诊断技术和产品故 障分析。
设备传感器部分：主要由两部分：一是传 感 器 网 络，是由分布在空 间 中 的 许 多 自动装置组成的计算机网络，有些设备使用传感器协同监测不同位置的物理或环境条件，并使监测数据采集到主动运维服务系统中；二是产 品 定 位 和 跟 踪 ，卫 星 导 航系统是重要的空间基础设施，能够提供高精度的导航定位、测速和计时服务。
2.2状态监测及故障诊断技术
设 备 状态监测与故 障 诊断技术分为三个基本环节：状 态 监测、分析诊断和治理预防。
2.1.1状态监测
状态监测是设 备 故障诊断的前期工作，是指在设 备 运 行过程中，对设备的特定特征信号进行检 测、记 录、分 析、处 理 和 显 示。监测信号主要是设备或部件的各种运行信息，这些信号通过传感器转换成电信号或其他物理信号，然后送到信号处理系统进行处理，从而得到反 映 设备运行状态 的 特 征 量 ，实现对设备 运 行 状态的监 测 和 下一步诊断。
2.2.2分析诊断
分析诊断的 过 程分为信号分析处理 和故 障 等 的两部分。信号分析处理是用一定的方法对信息进行处理，提炼有价值的信息。分析的过程，通常用计算机和专用的分析仪，处理和分析这些数据，信号分析处理是故障诊断的前提。
故障诊断是判定设备是否故障的一个过程，它是根据前期提供的数据与故障的数据进行比较来做出一个判定。在某些情况下，还要进一步故障特征模式进行一个对比判断，如果设备处于故障状态，就需要对设备从程度、原因、部分、趋势等方面进行诊断。
2.2.3 治理预防
治理预防措 施 ，就是在分析设 备 故障时，就故障产生 的 原因、危险程度和产 生 的部位。进行研究，并 采 取 方 法 进 行 预 防 或 者 治 理 ，措 施 通 常 包 括 更 换 设 备 、检修设备、调 整 设 备 和 改 善 设 备 等 。如果认为设备短时间内还能够维持运行的话，就对可能产生故障的趋势进行一个预测和分析，并加强监测。
三、状 态 监 测 与 故 障 诊 断 技 术 常 用 方 法 介 绍
故障诊断技术发展至今,已提出了大量的方法，本文主要介绍两种常用的方法：支持向量机（SVM）和自组织映射（SOM）。
3.1 支持向量机（SVM）
SVM理 论 是 对 数 据 分 类 问 题 的 处 理，利 用 原 理 使 得 所 获 得 对 牵引 电 机 状 态 的 分 割 平 面 位 于 每 两 个 相 邻 类 别 的 中 心 ，即寻找一个使得超平面 保 证 分 类精度的同时还能使 两 侧 的 空白区域最大化的满足分类要求。该方法是对结 构 风 险 最小化归纳原 则 的 近 似 ，根据有限的样本信息在复杂性模型与学习能力之间寻找折中，以求获得良好的泛化能力。该方法散的主要不足点在于该方法的使用一方面需要的时间过长，另一方面是需要样本过大，有时候过大的数据规模会超过可利用的服务器的上限，并且数据中还夹杂着许多故障数据和错误数据，导致系统无法生成有效的数据结论。
3.2 自组织映射（SOM）
自 组 织 映 射 的 目的是将任 意 维数输入信号 模式转换为一 维或者多 维的离散映射，并且以有 序的方式自适应实 现 这个转换。自组织映射是一种利用神经 网络权 重代表知识点的局 部 学习方法。因此使用自组织映射保证训练样本中的知识被分割到多个子集中也能在集中学习时被保留并抽出来。自组织映射主要有三个过程，竞 争过程、合 作过程、适 应过程。
现有学者研究将SOM与SVM相结合，补充前一种方式需要海量样本的缺点，进行算法的改进，实现了SOM算法的并行化，大 大 增加了算法的数据 处理能力。目前，基于支持向量机的状态监测和故障诊断技术还处于发展和研究的初始阶段,理论技术和实际操作都不成熟，特别是支持向量机在故障诊断方面的很多关键技术仍需要大量的实验进行验证方可进行进一步的研究。
参考文献：
[1] 任钦正. 动车组主动运维服务状态监测与故障诊断技术研究与应用[D]. 北京交通大学, 2014
[2] 张笑天. 动车组高级修智能化信息管理系统研究[J]. 铁道车辆, 2020, 11(5):37-39.