基于PHM技術的EOAS健康管理和故障預測系統(tǒng)研究

程 亮，王少華

高鐵因其安全、快速、準時的特性，成為了現(xiàn)代社會不可或缺的出行方式，我國全路每天運行3 000 多列動車組。動車組司機操控信息分析系統(tǒng)（EMU Engineer Operation Analysis System，EOAS）車載設備作為動車組重要行車設備，其運用狀態(tài)直接影響車輛運用效率，然而現(xiàn)有維護手段已逐漸無法滿足高標準、嚴要求的車載設備運用保障要求。

故障預測與健康管理（Prognostics Health Management，PHM）是為了滿足設備自主保障、自主診斷提出的重要理念，相關技術的發(fā)展也較為成熟，因此在EOAS 系統(tǒng)的維護管理中引入PHM技術，建立安全狀態(tài)診斷和預測系統(tǒng)，提升EOAS設備的可靠性，對提高設備維修維護效率、降低成本起到了關鍵作用［1］。

1 現(xiàn)存問題

隨著EOAS 車載設備數(shù)量的快速增長，以及部分EOAS 車載設備逐漸進入維修周期，僅依靠人力和機務故障報修系統(tǒng)進行設備維護，其及時性、有效性顯然無法保證，具體表現(xiàn)在以下幾方面［2］。

1）無法及時準確掌握故障。電務部門作為電務車載設備的維護單位，主要通過機務故障報修系統(tǒng)獲取車載設備故障信息，而機務故障報修系統(tǒng)存在著大量的重復報修、無效報修，無法準確有效地反映出EOAS 車載設備的故障狀態(tài)，并且人工篩選有效信息，時間上相對滯后，不能及時掌握設備的故障狀態(tài)，無法有效開展設備維護。

2）缺乏音視頻設備監(jiān)測手段。EOAS 司機室攝像頭、前置攝像頭、拾音器、線路相機等音視頻設備的狀態(tài)檢測依賴于二級修和故障修時人工上車檢測，在單個檢修周期內(nèi)不能及時發(fā)現(xiàn)設備異常，所以無法便捷、有效地進行音視頻設備監(jiān)測。

3）缺乏轉儲裝置維護手段。隨著動車組開行頻次的增加，EOAS 轉儲裝置的插卡頻次越來越高，造成較高的設備損耗，導致在報修故障中出現(xiàn)的轉儲裝置接觸類問題日漸增多，但目前缺乏轉儲裝置運用趨勢分析和故障預判手段。

2 設計目標

為解決電務檢修人員無法及時掌握EOAS 設備故障、缺乏故障檢測和預判手段等痛點問題，基于PHM 技術，通過開發(fā)專用檢測設備，運用圖像識別和大數(shù)據(jù)分析，研制基于PHM 技術的EOAS健康管理和故障預測系統(tǒng)（以下簡稱“系統(tǒng)”），系統(tǒng)設計目標如下。

1）設備狀態(tài)實時監(jiān)測與故障分析。系統(tǒng)應具備EOAS 車載設備各插板、轉儲裝置等部件工作狀態(tài)的實時采集、監(jiān)測功能，并結合機務部門提報的報修單信息，進行數(shù)據(jù)綜合分析，生成故障報警。

2）視頻設備自動檢測。系統(tǒng)應對EOAS 車載司機室攝像頭、前置攝像頭、線路攝像機等設備的拍攝圖案進行抓圖展示，自動識別出攝像頭圖案的黑屏、白屏、花屏狀態(tài)，并基于圖像識別算法進行圖像異常檢測，同時生成報警，提高檢測效率。

3）設備檢修閉環(huán)管理。對既有EOAS 車載設備轉儲裝置進行硬件優(yōu)化：支持掛卡槽插卡次數(shù)計數(shù)，便于及時掌握掛卡槽的損耗情況；支持無線傳輸通信功能，利用專用的車載設備檢修手持終端進行無接觸式EOAS 車載設備檢測、拍照、檢修記錄回傳以及自動回執(zhí)報修單，實現(xiàn)設備檢修作業(yè)的閉環(huán)管理。

4） 設備故障趨勢分析。結合實時采集的EOAS 設備狀態(tài)數(shù)據(jù)以及上車檢修過程的檢測數(shù)據(jù)，通過大數(shù)據(jù)分析，實現(xiàn)關鍵部件的性能判斷和趨勢預判［3］。

3 系統(tǒng)實現(xiàn)

3.1 物理架構

系統(tǒng)總體架構見圖1，由路局健康管理服務器、電務車間工區(qū)數(shù)據(jù)處理存儲工作站、用戶終端、數(shù)據(jù)轉儲裝置、手持檢測終端等組成［4］。

圖1 系統(tǒng)總體架構

1）路局健康管理服務器包括應用服務器和數(shù)據(jù)庫，部署在路局機房，主要實現(xiàn)EOAS 車載設備狀態(tài)數(shù)據(jù)、機務報修單數(shù)據(jù)的采集抽取、預處理、數(shù)據(jù)存儲、挖掘分析，同時進行系統(tǒng)基礎數(shù)據(jù)維護、操作權限控制，實現(xiàn)電務工區(qū)數(shù)據(jù)存儲工作站與用戶終端的交互功能。

2）電務工區(qū)數(shù)據(jù)存儲工作站部署在電務車間工區(qū)，主要實現(xiàn)音視頻檢測數(shù)據(jù)、檢修計劃數(shù)據(jù)、設備檢修結果數(shù)據(jù)的存儲和調(diào)閱。

3）用戶終端包括健康管理終端和視頻設備監(jiān)測終端，部署在電務車間工區(qū)。其中，健康管理終端用于訪問系統(tǒng)采集的監(jiān)測數(shù)據(jù)、報警數(shù)據(jù)和檢修作業(yè)數(shù)據(jù)；視頻設備檢測終端用于訪問車載各攝像頭視頻圖片數(shù)據(jù)和圖像異常報警數(shù)據(jù)。

4）手持終端用于電務檢修工區(qū)人員上車進行EOAS設備檢測、檢修和數(shù)據(jù)下載。

3.2 軟件架構

系統(tǒng)的軟件設計采用B/S 架構，自下而上劃分為數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)分析層、健康管理運用層4層［5］，軟件架構見圖2。

圖2 軟件架構

1）數(shù)據(jù)采集層。通過系統(tǒng)間數(shù)據(jù)自動接入和人工錄入等方式，獲取系統(tǒng)所需的車載設備狀態(tài)、音視頻數(shù)據(jù)、報修單數(shù)據(jù)、EOAS交路數(shù)據(jù)等。數(shù)據(jù)采集層適配了不同類型的采集接口，通過車地傳輸通道發(fā)送至地面設備；通過接入機務故障報修系統(tǒng)，定時采集機務提報的報修數(shù)據(jù)，包括報修車號、故障時間、故障類型等信息；通過標準化模板支持檢修任務單數(shù)據(jù)的導入。

2）數(shù)據(jù)存儲層。將采集數(shù)據(jù)根據(jù)業(yè)務運用特性，進行格式分類、組織，形成符合要求的數(shù)據(jù)，并按類別存儲。對于調(diào)閱頻繁的熱數(shù)據(jù)，使用非關系型數(shù)據(jù)庫Redis 存儲；對于分析后的結果數(shù)據(jù)采用關系型數(shù)據(jù)庫存儲。

3）數(shù)據(jù)分析層。采用多種分析模型和PHM分析結構對各類數(shù)據(jù)進行挖掘及應用。對車載設備狀態(tài)數(shù)據(jù)、機務報修單數(shù)據(jù)，通過關聯(lián)規(guī)則、多維分析、模型可視化的方式進行處理，能夠將車載設備的原始狀態(tài)信息與報修單中的設備故障匹配，呈現(xiàn)設備故障的規(guī)律和趨勢。

4）健康管理運用層。按照運用業(yè)務劃分為不同的功能模塊，在既有列控車載動態(tài)監(jiān)測及傳輸系統(tǒng)（Dynamic Monitoring System，DMS）客戶端軟件上進行健康管理功能模塊開發(fā)，并通過DMS 客戶端訪問系統(tǒng)，方便電務管理和設備維護人員的使用。

4 系統(tǒng)功能

系統(tǒng)主要具備故障報警自動分析、音視頻設備檢測、實時監(jiān)測設備狀態(tài)、設備檢修閉環(huán)管理、故障預測分析等功能［4］，見圖3。

圖3 系統(tǒng)功能

4.1 故障報警自動分析

系統(tǒng)通過列控車載動態(tài)監(jiān)測及傳輸系統(tǒng)的車地實時傳輸通道，采集EOAS車載主機CPU板、EOASCOMM 插板、DUMP 插板、WTD/DRWTD 插板、CIR 插板、轉儲裝置、司機室攝像頭、前置攝像頭、線路攝像機、拾音器等設備狀態(tài)以及板卡間的通信狀態(tài)，結合動車組的行車場景，自動對設備狀態(tài)數(shù)據(jù)進行設備故障判斷、分析，形成實時故障報警［6］。同時系統(tǒng)從EOAS 故障報修系統(tǒng)同步機務部門提報的EOAS 報修單，將報修單內(nèi)車載設備故障結合實時設備檢測狀態(tài)進行關聯(lián)分析。把機務提報的問題主要分為設備故障、外部數(shù)據(jù)異常、數(shù)據(jù)邏輯處理3 類。其中，設備故障需由電務檢修人員使用手持終端，按計劃車載設備故障處理，任務下發(fā)時系統(tǒng)會給出故障處置建議，可為檢修人員提供參考；外部數(shù)據(jù)異常一般為接口設備類問題，可反饋至相關設備維護單位協(xié)同處理；數(shù)據(jù)邏輯處理為EOAS設備車、地軟件類問題，電務檢修人員無需上車進行硬件設備故障處理。

4.2 音視頻設備檢測

系統(tǒng)通過列控車載動態(tài)監(jiān)測及傳輸系統(tǒng)周期性采集各類攝像機圖像，并把圖像數(shù)據(jù)傳輸至健康管理服務器。系統(tǒng)采用圖像識別技術對圖像黑屏、白屏、花屏等進行自動識別并報警［7］。電務工作人員可通過視頻設備監(jiān)測終端篩選日期、車號、攝像頭類型等條件，查詢到圖像報警列表詳情以及報警頻次。系統(tǒng)支持圖像異常時刻和最新圖像同屏對比顯示，便于工作人員分析判斷。

4.3 設備狀態(tài)實時監(jiān)測

系統(tǒng)能夠查看EOAS 車載主機設備各板卡和音視頻設備的實時狀態(tài)，并以示意圖形式動態(tài)展示，便于維護人員及時、直觀地掌握各設備的工作狀態(tài)，為及時安排故障設備檢修作業(yè)提供依據(jù)。

4.4 設備檢修閉環(huán)管理

系統(tǒng)可生成車載設備類故障檢修計劃，及檢修問題的排查建議，維護工區(qū)工作人員通過手持終端按設備檢修流程進行任務領取和上車檢修，作業(yè)完成后通過手持終端將檢修數(shù)回傳，實現(xiàn)檢修作業(yè)閉環(huán)管理。

手持終端采用便攜式設計，內(nèi)置專用無線模塊及APP 軟件，在司機室附近，可以自動連接升級版EOAS 車載轉儲裝置的內(nèi)置專用無線網(wǎng)絡，實現(xiàn)無接觸式設備檢測、數(shù)據(jù)下載等功能。

4.5 故障預測分析

利用EOAS 實時監(jiān)測所采集的狀態(tài)數(shù)據(jù)、機務故障報修數(shù)據(jù)及無接觸檢測終端采集的檢測數(shù)據(jù)，根據(jù)故障類別、故障所屬范圍（動車組車端、動車所、電務段）等維度，進行設備故障數(shù)據(jù)的統(tǒng)計和趨勢分析。

1）設備故障統(tǒng)計。統(tǒng)計設定時間段內(nèi)各部門配屬車輛的EOAS 設備故障情況，根據(jù)設備故障類型查看分布情況，并支持按照車端故障數(shù)量統(tǒng)計排序。

2）故障增長率統(tǒng)計?？蓪σ欢螘r間內(nèi)的車載設備類故障按照最近12 月的月度環(huán)比增長率進行分析和比較，并統(tǒng)計最近2 年的月度同比增長率，方便管理人員掌握車載設備故障的整體發(fā)展趨勢。

3）作業(yè)情況統(tǒng)計?？山y(tǒng)計設定時間段內(nèi)車載設備類故障的處置情況，方便管理人員及時掌握故障的檢修維護處理情況。

4）故障趨勢預判。結合EOAS 各插板、部件狀態(tài)和使用情況，通過大數(shù)據(jù)計算，對EOAS 轉儲裝置卡槽壽命到期進行預警。并且系統(tǒng)可對EOAS車載設備故障進行趨勢分析，識別故障頻次較高車端、故障頻率較高類型，提前進行故障預警［8］。

5 關鍵技術

5.1 圖像識別技術

利用圖像識別技術，對司機室攝像機、前置攝像機、線路攝像機等的圖像進行識別和異常報警?；赟obel 算子的邊緣檢測，對圖像模糊度進行計算，同時結合閾值和邏輯判斷進行圖像黑屏、白屏、花屏的識別［9］。

Sobel 算子作為一種在圖像處理中廣泛使用的邊緣檢測算法，通過計算圖像灰度函數(shù)在橫向和縱向上的梯度大小來檢測圖像的邊緣。邊緣是圖像中灰度值快速變化的區(qū)域，這些變化通常對應于物體與背景之間、不同物體之間或物體結構的細節(jié)。對圖像中邊緣線的檢測是圖像分割與特征提取的基礎，通過計算像素灰度值的變化速度，可以確定該像素是否位于邊緣上。

Sobel算子使用橫向和縱向兩個方向的卷積核，分別計算像素灰度值在橫向和縱向上的梯度大小，根據(jù)梯度大小反映了該像素所處位置的邊緣強度。將圖像中每個像素的梯度大小與預先設定的閾值進行比較，確定該像素是否位于邊緣上。在實際應用中，通常使用一些邏輯判斷方法來確定圖像的邊緣。例如，將相鄰像素的梯度大小進行比較，如果相差較大，則認為它們構成邊緣，否則不構成邊緣［10］。

原圖像素點的橫向梯度Gx為

原圖像素點的縱向梯度Gy為

式中：A為原始圖像。

通過Gx和Gy可以得到圖像的整體梯度幅值G為

式3可以簡化為

根據(jù)式4，計算出每個像素點的G值，最后對整個圖像的全部G值求和作為整張圖像的模糊度M。M值越大，說明圖像的邊緣信息越少，圖像越模糊；M值越小，說明圖像的邊緣信息越多，圖像越清晰。系統(tǒng)識別的黑屏、白屏和花屏均為模糊度較高的圖像。將樣本圖像分為正常和非正常兩大類，分別計算出兩類圖像的M均值M1和M2，將M1和M2作為兩類的分界線，可區(qū)分出正常圖像和非正常圖像，再根據(jù)非正常圖像的RGB 值可進一步分辨出黑屏、白屏和花屏。

系統(tǒng)周期性采集攝像機視頻圖片，利用配置了GPU 運算能力的服務器進行輔助圖像識別，識別結果顯示在視頻設備檢測終端。如圖4 所示根據(jù)當前登錄用戶所在組織的配屬車輛信息進行默認車輛展示，如果用戶設置有關注車輛，則默認顯示關注車輛的當天抓圖信息，否則按照左側車輛列表展示最新3 個車端數(shù)據(jù)。左側車號列表顏色顯示規(guī)則：最近24 h 存在抓圖信息的標注綠色，超過30 天無圖片信息的標注紅色。如圖5 所示，系統(tǒng)可有效識別黑屏、白屏、花屏異常，形成報警數(shù)據(jù)，并按照車號、時間、相機類型、報警類型、運行端進行關聯(lián)查詢。

圖4 圖像抓拍識別

圖5 報警車輛

5.2 風險矩陣分析法

系統(tǒng)采用風險矩陣分析法定量計算風險項的風險值，評估EOAS 設備故障的安全風險等級。風險矩陣法是一種常用的風險評估方法，它通過比較項目的各個風險因素，從而確定各因素的風險等級，最后計算得出項目的總風險值。基于此，科學劃分風險等級，分析風險發(fā)生的可能性與嚴重程度的關系，權衡風險可接受尺度，流程如下。

Step 1識別風險。首先，需要識別出可能造成事故后果的風險因素：整機風險、板卡風險、模塊風險、人員風險、操作風險等。

Step 2確定風險級別。風險等級從高到低劃分為重大安全風險、較大安全風險、中等安全風險、一般安全風險，分別用紅、橙、黃、藍4 種顏色標示。

Step 3評估事故發(fā)生的概率。對于每個風險因素，評估其發(fā)生的概率，采用5 種等級標識：很可能、可能但不經(jīng)常、可能性很小/完全意外、很不可能/可以設想、極不可能。

Step 4定量計算風險值。建立風險矩陣，計算每個風險因素的風險值。矩陣的行表示風險的概率，列表示風險的嚴重程度。

Step 5計算總風險值。將所有風險因素按照其風險值進行排序，可使用加權平均等方法計算所有風險的數(shù)值總和，即為項目的總風險值。

6 系統(tǒng)應用

系統(tǒng)于2022 年12 月在南京電務段南京動車所投入應用。系統(tǒng)支持對列控車載動態(tài)監(jiān)測及傳輸系統(tǒng)車載設備的檢測，可一機多用，故僅需購置一套系統(tǒng)即可替代傳統(tǒng)檢修方式中電務檢修車間分別采購的EOAS 綜合測試臺和DMS 綜合測試臺，兼顧了對EOAS、DMS 車載設備的檢測，采購成本可減少約50%。同時，利用系統(tǒng)具備的實時監(jiān)測、自動診斷等功能，檢修人員遠程操控即可完成設備的功能檢測，取代了傳統(tǒng)人工攜帶檢測工裝上車的方式，提高了檢測效率，降低人工作業(yè)成本和檢測耗時。

7 結論

基于PHM 技術的EOAS 健康管理和故障預測系統(tǒng)提升了電務部門對EOAS 車載設備維護效能，進一步豐富了EOAS車載設備檢維手段，為EOAS車載設備狀態(tài)監(jiān)測提供了解決方案，可以有效提高設備異常情況從發(fā)現(xiàn)到處置的及時性、準確性，助力保障設備運行的可靠性和安全性。接下來，將繼續(xù)挖掘既有數(shù)據(jù)利用深度，通過AI 學習訓練，建立更多種不同故障類型的故障模型，提升系統(tǒng)診斷與預判的精準度和及時性。