基於數字孿生的軌道交通裝備故障預測與健康管理平台檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於數字孿生的軌道交通裝備故障預測與健康管理平台本案例是2020年工信部「工業互聯網創新發展工程」項目的成果轉化，是以實現軌道交通裝備故障預測與健康管理為目標，利用5G技術匯聚車輛全壽命周期數據，以數字孿生車輛為載體，融合人工智能、邊緣計算、數據挖掘等創新技術，打造基於工業互聯網的車輛故障預測與健康管理平台架構，構建完整的軌道交通車輛故障診斷體系。通過數據模型、機理模型等一系列人工智能算法及智能人機交互的方式，實現故障的實時定位與快速預測，不僅為軌道車輛提供預測性維護，提升車輛運營的穩定性，還可以為車輛的設計、製造、運營、檢修、服務全生命周期各環節提供數據支撐。該方案的實施將有效帶動整個軌道交通行業的智能化轉型升級，為軌道交通「新基建」助推助力。

一、案例簡介

數字化、智能化已成為促進城市軌道交通發展的重要戰略，軌道車輛的穩定運營是乘客的出行安全及運力的保障。平均一列城市軌道車輛的零部件就高達20多萬個，每一個零部件的健康狀態都關乎着行車安全。所以及時準確的對軌道交通裝備的故障進行預警，對各部件健康進行管控顯得十分重要。

本案例通過構建符合軌道交通特點的故障預測與健康管理平台，利用5G技術實時獲取在途運行車輛各系統運行狀態數據，通過邊緣計算及大數據處理技術將多源異構數據進行接入與解析。藉助人工智能算法及智能人工交互的手段整合各類專家知識，構建故障機理模型及數據模型，通過模型驅動、數據驅動實現對軌道交通裝備健康狀態的全程追溯及精準預測維護。通過對各類數據的整合構建數字孿生車輛，可細化到最小更換單元，實現對車輛全生命周期的管理。同時數字孿生車輛可與XR技術結合，使相關人員可更直觀、更具沉浸式的方式感知車況信息。

通過基於數字孿生的軌道交通裝備故障預測與健康管理平台可對不同區域、不同車型、不同製造商的軌道車輛及產品進行多維度橫向綜合分析，優化軌道交通裝備的設計、製造、檢修等各個環節。同時也為車輛管理、運營決策、調度規劃、運維服務等帶來更加有效的數據支持。

二、案例背景介紹

至2020年底，國內軌道各類車輛保有量已突破16萬輛，全國鐵路營業里程達14.63萬公里，成為世界軌道交通運營里程最長、在建規模最大的國家。伴隨着運營里程數及車輛保有量快速增長，對軌道交通裝備健康狀態的監測與管理就顯得十分重要。

隨着「中國製造2025」及「交通強國」戰略的提出，軌道交通裝備行業迎來重大機遇。以信息化與工業化深度融合為主線，基於工業互聯網打造以人工智能、人機交互、數據挖掘等新興技術為驅動的數字化平台，實現軌道交通行業全要素、全產業鏈、全價值鏈的全面連接和深度融合，推動產品及產品服務數字化，已成為行業發展的新趨勢。

本案例介紹的基於數字孿生的軌道交通裝備故障預測與健康管理平台，可以幫助車輛運營方及裝備設計製造方科學、及時的掌握軌道交通車輛各系統部件的健康情況，解決車輛數據獲取不及時、各類數據之間流通不暢、專家知識無法得到復用等困擾，從而幫助其更合理的進行車輛調度、制定維修策略、輔助優化設計等。在保證車輛安全可靠運行的前提下，降低全壽命周期的維護成本，達到數字化、網絡化運營模式下的可持續、最優化的資源配置。