前言：本站為你精心整理了高鐵站機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)淺析范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

1引言

中國(guó)城市軌道交通協(xié)會(huì)發(fā)布《中國(guó)城市軌道交通智慧城軌發(fā)展綱要》［1］，提出2020～2025年車輛、能源、通信、信號(hào)等智能運(yùn)維系統(tǒng)將在全行業(yè)推廣應(yīng)用，持續(xù)提升日常檢修效率等發(fā)展目標(biāo)。本文基于人工智能的故障預(yù)測(cè)與健康管理技術(shù)，結(jié)合城市軌道交通車站智能化系統(tǒng)，對(duì)當(dāng)前車站的設(shè)備維護(hù)技術(shù)、管理方式進(jìn)行變革提升，實(shí)現(xiàn)智能運(yùn)維管理，降低故障率，減少運(yùn)維成本，提升運(yùn)營(yíng)效率。

2機(jī)電設(shè)備監(jiān)控運(yùn)維方法與高鐵站房現(xiàn)狀

2．1機(jī)電設(shè)備監(jiān)控運(yùn)維技術(shù)方法

機(jī)電設(shè)備監(jiān)控運(yùn)維的方法日益智能化，在機(jī)電設(shè)備領(lǐng)域常用的方法可分為狀態(tài)監(jiān)測(cè)、故障診斷、狀態(tài)預(yù)測(cè)和維修決策［2］四大類技術(shù)方法。包括振動(dòng)監(jiān)測(cè)診斷法、噪聲故障監(jiān)測(cè)法、紅外測(cè)溫法、油液磨屑分析法、智能決策算法等［3］，下面針對(duì)四大類技術(shù)方法進(jìn)行總結(jié)介紹。(1)狀態(tài)監(jiān)測(cè)類技術(shù)針對(duì)機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)，目前主流的監(jiān)測(cè)技術(shù)包括振動(dòng)監(jiān)測(cè)診斷法、噪聲故障監(jiān)測(cè)法、溫度監(jiān)測(cè)法、壓力監(jiān)測(cè)法、油液磨屑分析法、聲發(fā)射監(jiān)測(cè)法等。借助各類監(jiān)測(cè)儀器，如磁電速度傳感器、壓電加速傳感器、渦流位移傳感器、紅外測(cè)溫儀、壓力傳感器等監(jiān)測(cè)儀器，結(jié)合分析儀器及故障診斷的專家系統(tǒng)，對(duì)設(shè)備受損位置和程度大小進(jìn)行判斷。(2)故障診斷類技術(shù)設(shè)備故障診斷是在設(shè)備運(yùn)行過(guò)程中監(jiān)控其真實(shí)的狀態(tài)，確定其整體或部分是正?；虍惓＃霸绨l(fā)現(xiàn)故障及其原因的技術(shù)。目前主流的診斷技術(shù)包括時(shí)頻診斷法、統(tǒng)計(jì)診斷法、信息理論分析法、人工智能診斷法(含人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等)、集成化診斷法等。(3)狀態(tài)預(yù)測(cè)類技術(shù)設(shè)備狀態(tài)預(yù)測(cè)是在設(shè)備狀態(tài)監(jiān)測(cè)的基礎(chǔ)上，確定設(shè)備預(yù)報(bào)故障發(fā)展趨勢(shì)的技術(shù)。目前主流的預(yù)測(cè)技術(shù)包括時(shí)序模型預(yù)測(cè)法、灰色模型預(yù)測(cè)法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等。(4)維修決策類技術(shù)隨著對(duì)設(shè)備智能控制和故障診斷關(guān)聯(lián)的不斷深入研究，為實(shí)現(xiàn)更可靠的設(shè)備運(yùn)維決策夯實(shí)基礎(chǔ)。目前主流的技術(shù)包括故障樹(shù)推理法、數(shù)學(xué)模型解析法、貝葉斯(Bayes)網(wǎng)絡(luò)法、智能維修決策法等。以上技術(shù)方法在高精端裝備或精度較高的制藥等領(lǐng)域率先嘗試應(yīng)用，但在如高鐵站房的大型公用建筑領(lǐng)域尚未進(jìn)行系統(tǒng)的、深入的、工業(yè)化的研究。

2．2高鐵站房機(jī)電設(shè)備監(jiān)控運(yùn)維現(xiàn)狀

目前針對(duì)高鐵站內(nèi)機(jī)電設(shè)備的健康監(jiān)控主要是面向空調(diào)機(jī)、室內(nèi)機(jī)等標(biāo)準(zhǔn)化設(shè)備，且對(duì)于設(shè)備的監(jiān)測(cè)僅限于常規(guī)閥值的監(jiān)視，多數(shù)為單一設(shè)備參數(shù)的監(jiān)控，未形成多參數(shù)之間的關(guān)聯(lián)分析和判斷。一些無(wú)法直接安裝傳感器反映設(shè)備健康狀況的部位、非標(biāo)設(shè)備、附加設(shè)備等，如管道閥門、數(shù)據(jù)通路等是當(dāng)前各類設(shè)備監(jiān)控系統(tǒng)的盲點(diǎn)，無(wú)法進(jìn)行有效監(jiān)控。因此，當(dāng)前的機(jī)電設(shè)備監(jiān)控系統(tǒng)已經(jīng)不能滿足智能運(yùn)維的基本需求，迫切需要一種針對(duì)加裝的各類傳感器、管道閥門、數(shù)據(jù)通路等設(shè)備監(jiān)控及智慧判斷方法，來(lái)解決設(shè)備智能運(yùn)維控制的需求［4］。

3高鐵站房機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)研究

3．1人工智能運(yùn)維系統(tǒng)研究思路

本次在雄安高鐵站開(kāi)展的人工智能運(yùn)維系統(tǒng)總體研究思路:(1)搭建主要機(jī)電設(shè)備健康狀態(tài)監(jiān)控“感官”，即加裝振動(dòng)、電氣參數(shù)、溫度、噪聲等儀表、傳感監(jiān)測(cè)裝置;(2)將健康狀態(tài)參數(shù)模型化，通過(guò)預(yù)學(xué)習(xí)各設(shè)備機(jī)組的故障庫(kù)及測(cè)點(diǎn)區(qū)間值，同時(shí)設(shè)定不同故障類型規(guī)則的安全等級(jí)預(yù)警;(3)通過(guò)系統(tǒng)實(shí)時(shí)監(jiān)測(cè)設(shè)備各個(gè)參數(shù)數(shù)值變化，學(xué)習(xí)故障發(fā)生前的設(shè)備狀態(tài)走勢(shì)，建立設(shè)備故障伴隨狀態(tài)庫(kù)(設(shè)備數(shù)據(jù)關(guān)聯(lián)關(guān)系)。同時(shí)通過(guò)在線學(xué)習(xí):人為發(fā)現(xiàn)設(shè)備故障，記錄當(dāng)下點(diǎn)往前一段時(shí)間的設(shè)備參數(shù)變化，包括單測(cè)點(diǎn)曲線趨勢(shì)、多測(cè)點(diǎn)組合曲線趨勢(shì)，并記錄維修方案及故障特征;(4)當(dāng)觸發(fā)故障伴隨狀態(tài)庫(kù)的單測(cè)點(diǎn)或多測(cè)點(diǎn)曲線趨勢(shì)時(shí)，推送故障預(yù)警和排查或維修方案，長(zhǎng)期積累情況下，對(duì)設(shè)備總體健康狀態(tài)進(jìn)行評(píng)分［5］。

3．2搭建系統(tǒng)架構(gòu)

機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)綜合考慮可擴(kuò)展需求，從接入層、采集層、數(shù)據(jù)層、應(yīng)用層、展示層5個(gè)層次全面遵循統(tǒng)一標(biāo)準(zhǔn)規(guī)范體系和安全保障體系，如圖1所示?！蠼尤雽?實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)共享交換的需求?！蟛杉瘜?為系統(tǒng)數(shù)據(jù)分析和應(yīng)用功能提供數(shù)據(jù)支撐。◇數(shù)據(jù)層:為系統(tǒng)提供存儲(chǔ)力和算力支撐，實(shí)現(xiàn)數(shù)據(jù)清洗、數(shù)據(jù)處理入庫(kù)、分析存儲(chǔ)?！髴?yīng)用層:利用數(shù)據(jù)管理、分析，提供業(yè)務(wù)支撐，實(shí)現(xiàn)設(shè)備運(yùn)維管理?！笳故緦?支持工作站與移動(dòng)終端展示，便于工作人員使用。

3．3關(guān)鍵技術(shù)

3．3．1人工智能故障判斷及預(yù)測(cè)技術(shù)。針對(duì)不同的故障類型，故障預(yù)測(cè)的技術(shù)綜合可劃分為三類:模型驅(qū)動(dòng)、知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)［6］。人工智能控制算法如遺傳算法、模糊控制等在故障診斷中的應(yīng)用更加有效。將模糊理論應(yīng)用在機(jī)械設(shè)備的故障診斷，只需要進(jìn)行合適隸屬函數(shù)以及模糊矩陣的建立，即可以實(shí)現(xiàn)問(wèn)題來(lái)源的準(zhǔn)確獲取。通過(guò)神經(jīng)網(wǎng)絡(luò)對(duì)故障判斷進(jìn)行決策，能夠以分類、聯(lián)想、自我學(xué)習(xí)等辦法對(duì)繁雜信息準(zhǔn)確處理。通過(guò)遺傳算法，能夠?qū)Χ鄠€(gè)問(wèn)題同時(shí)處理且還能夠?qū)Ω黝I(lǐng)域內(nèi)問(wèn)題處理和判斷，它在非線性的問(wèn)題和寬泛查找的問(wèn)題上呈現(xiàn)顯著優(yōu)勢(shì)。在雄安高鐵站項(xiàng)目上綜合運(yùn)用多種技術(shù)，通過(guò)預(yù)學(xué)習(xí)各系統(tǒng)相關(guān)設(shè)備的故障類型，在機(jī)理模型的基礎(chǔ)上，通過(guò)學(xué)習(xí)故障庫(kù)與專家經(jīng)驗(yàn)，實(shí)現(xiàn)不同故障類型的分級(jí)預(yù)警，將故障消除在潛在狀態(tài)。3．3．2故障分級(jí)預(yù)警AI技術(shù)邏輯。設(shè)備發(fā)生已知故障時(shí)，系統(tǒng)能夠?qū)崿F(xiàn)提示故障庫(kù)中已知故障代碼，直接讀取信息，根據(jù)分級(jí)定義進(jìn)行不同等級(jí)的報(bào)警通知。設(shè)備關(guān)聯(lián)參數(shù)綜合判斷符合設(shè)定規(guī)則時(shí)，判斷并提示為設(shè)備故障。當(dāng)設(shè)備發(fā)生未知故障類型時(shí)，系統(tǒng)能夠自動(dòng)記錄異常發(fā)生時(shí)異常測(cè)點(diǎn)的實(shí)時(shí)值并提示。設(shè)備故障處理完成后，能夠自動(dòng)記錄解決方案并進(jìn)入故障解決方案庫(kù)。后續(xù)出現(xiàn)同種測(cè)點(diǎn)異常時(shí)，可進(jìn)行預(yù)警并實(shí)現(xiàn)匹配維修方案的推送［7］。系統(tǒng)具備基于各種條件下的故障，自動(dòng)觸發(fā)系統(tǒng)的故障演進(jìn)過(guò)程學(xué)習(xí)的能力。系統(tǒng)能夠自主學(xué)習(xí)故障前一段時(shí)間的測(cè)點(diǎn)參數(shù)趨勢(shì)，后續(xù)在出現(xiàn)匹配趨勢(shì)曲線時(shí)實(shí)現(xiàn)同類故障的提前預(yù)警［8］。

4機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)應(yīng)用

以人工智能技術(shù)為代表的設(shè)備智能運(yùn)維系統(tǒng)在雄安高鐵站進(jìn)行應(yīng)用，對(duì)多類設(shè)備進(jìn)行了狀態(tài)監(jiān)控，并依據(jù)狀態(tài)監(jiān)控結(jié)果給出了設(shè)備健康度判斷結(jié)論，現(xiàn)以暖通空調(diào)設(shè)備為例進(jìn)行應(yīng)用說(shuō)明?；谠O(shè)備運(yùn)行數(shù)據(jù)、狀態(tài)監(jiān)控實(shí)現(xiàn)設(shè)備故障預(yù)報(bào)警的應(yīng)用功能界面展示如圖2所示。

4．1采集設(shè)備數(shù)據(jù)

通過(guò)室外溫度傳感器采集室外溫度;通過(guò)溫度傳感器采集冷熱水溫度;管道電磁閥門與室內(nèi)出風(fēng)口一一對(duì)應(yīng)，管道電磁閥門開(kāi)度控制冷熱水管道的流量，通過(guò)位移傳感器采集管道電磁閥門的開(kāi)度;通過(guò)室內(nèi)溫度傳感器采集出風(fēng)口對(duì)應(yīng)的人活動(dòng)區(qū)域的室內(nèi)溫度等。

4．2測(cè)點(diǎn)配置

區(qū)分主設(shè)備與配套設(shè)備，分別針對(duì)設(shè)備下述信息進(jìn)行配置，見(jiàn)表1。

4．3規(guī)則設(shè)定

(1)閾值報(bào)警。設(shè)備值連續(xù)越上下界“連續(xù)越界次數(shù)”次及以上時(shí)，發(fā)出故障報(bào)警。(2)組合模型監(jiān)控。建立基本組合模型監(jiān)控:定義組合模型報(bào)警規(guī)則，超出規(guī)則即報(bào)警。附加組合模型故障監(jiān)控:在基本組合模型的基礎(chǔ)上，引入附加設(shè)備輔助參考，對(duì)附加設(shè)備進(jìn)行監(jiān)測(cè)，建立監(jiān)測(cè)判斷模型，當(dāng)出現(xiàn)異常事件時(shí)，發(fā)出預(yù)警。系統(tǒng)通過(guò)自學(xué)習(xí)，實(shí)時(shí)修正并重算上下界。全狀態(tài)組合模型監(jiān)控:在前述模型基礎(chǔ)上，定義全狀態(tài)組合，生成狀態(tài)向量。出現(xiàn)異常發(fā)出報(bào)警。發(fā)生故障后，記錄故障發(fā)生時(shí)的全狀態(tài)組合［9］?；谇笆龅脑O(shè)備數(shù)據(jù)、測(cè)點(diǎn)配置及監(jiān)控模型，設(shè)備故障預(yù)警調(diào)用關(guān)系圖如圖3所示。

4．4設(shè)備數(shù)據(jù)關(guān)聯(lián)分析

(1)故障判斷。在暖通設(shè)備正常工作狀態(tài)下，生成設(shè)備數(shù)據(jù)關(guān)聯(lián)關(guān)系表，所述設(shè)備數(shù)據(jù)關(guān)聯(lián)關(guān)系表包括同一時(shí)刻的室外溫度值、冷熱水溫度、出風(fēng)口風(fēng)速檔位、電磁閥門開(kāi)度、室內(nèi)溫度值等。下達(dá)新的電磁閥門的開(kāi)度指令，經(jīng)過(guò)設(shè)定時(shí)間后，室內(nèi)溫度達(dá)到新的平衡點(diǎn)，獲取當(dāng)前各傳感器數(shù)據(jù):當(dāng)室內(nèi)溫度傳感器采集的數(shù)據(jù)超過(guò)上下限時(shí)，判斷為室內(nèi)溫度傳感器出現(xiàn)故障;在其中，上下限是需要預(yù)先進(jìn)行設(shè)定的，同時(shí)，室外溫度傳感器、水流溫度傳感器的故障判斷也與此相同。當(dāng)電磁閥門的開(kāi)度指令數(shù)據(jù)與電磁閥門的開(kāi)度設(shè)定值不一致時(shí)，判斷為指令下達(dá)失敗故障;電磁閥門的開(kāi)度設(shè)定值需要預(yù)先設(shè)置。當(dāng)管道電磁閥門的開(kāi)度指令數(shù)據(jù)與管道電磁閥門的開(kāi)度設(shè)定值一致，但管道電磁閥門的開(kāi)度指令數(shù)據(jù)與實(shí)際開(kāi)度值相差大于預(yù)先設(shè)置的偏差設(shè)定值時(shí)，判斷為管道電磁閥門故障［10］。(2)多維關(guān)聯(lián)故障判斷。將室內(nèi)多個(gè)溫度傳感器數(shù)據(jù)與設(shè)備數(shù)據(jù)(室外溫度、冷熱水溫度、出風(fēng)口風(fēng)檔位、電磁閥門開(kāi)度等)建立關(guān)聯(lián)關(guān)系表，下達(dá)新的管道電磁閥門的開(kāi)度指令，經(jīng)過(guò)設(shè)定時(shí)間后，室內(nèi)溫度達(dá)到新的平衡點(diǎn)，獲取當(dāng)前各傳感器數(shù)據(jù)，以室外溫度、冷熱水溫度、出風(fēng)口風(fēng)速檔位為分類指標(biāo)，查詢?cè)O(shè)備數(shù)據(jù)關(guān)聯(lián)關(guān)系表中管道電磁閥門開(kāi)度數(shù)據(jù)和與管道電磁閥門開(kāi)度數(shù)據(jù)對(duì)應(yīng)的各傳感器數(shù)據(jù)，做關(guān)聯(lián)分析［11］。以溫度傳感器故障判斷為例進(jìn)行說(shuō)明。每個(gè)室內(nèi)出風(fēng)口對(duì)應(yīng)3個(gè)室內(nèi)溫度傳感器，分別標(biāo)記為傳感器A、傳感器B和傳感器C，判斷具體傳感器故障的方法如下:令Ｒ為被對(duì)比傳感器的比值，則:Ｒ12=傳感器A實(shí)際數(shù)據(jù)/傳感器B實(shí)際數(shù)據(jù);Ｒ23=傳感器B實(shí)際數(shù)據(jù)/傳感器C實(shí)際數(shù)據(jù);Ｒ13=傳感器A實(shí)際數(shù)據(jù)/傳感器C實(shí)際數(shù)據(jù);Ｒ12'=傳感器A查表數(shù)據(jù)/傳感器B查表數(shù)據(jù);Ｒ23'=傳感器B查表數(shù)據(jù)/傳感器C查表數(shù)據(jù);Ｒ13'=傳感器A查表數(shù)據(jù)/傳感器C查表數(shù)據(jù);v=|傳感器A實(shí)際數(shù)據(jù)－傳感器A查表數(shù)據(jù)|+|傳感器B實(shí)際數(shù)據(jù)－傳感器B查表數(shù)據(jù)|+|傳感器C實(shí)際數(shù)據(jù)－傳感器C查表數(shù)據(jù)|，當(dāng)|Ｒ12－Ｒ12'|+|Ｒ13－Ｒ13'|＞2．4，判斷為傳感器A故障;|Ｒ12－Ｒ12'|+|Ｒ23－Ｒ23'|＞2．4，判斷為傳感器B故障;|Ｒ13－Ｒ13'|+|Ｒ23－Ｒ23'|＞1．4，判斷為傳感器C故障;否則，當(dāng)V＞4．5，判斷為管道電磁閥門開(kāi)度故障。(3)故障預(yù)警學(xué)習(xí)故障發(fā)生前的設(shè)備狀態(tài)走勢(shì)，建立設(shè)備故障伴隨狀態(tài)庫(kù)。在線學(xué)習(xí):人為發(fā)現(xiàn)設(shè)備故障，記錄當(dāng)下點(diǎn)往前一段時(shí)間的設(shè)備參數(shù)變化，包括單測(cè)點(diǎn)曲線趨勢(shì)、多測(cè)點(diǎn)組合曲線趨勢(shì)。設(shè)備范圍:包含水系統(tǒng)、風(fēng)系統(tǒng)、傳感器、給排水設(shè)備等。以冷水機(jī)組為例，冷水機(jī)組壓縮機(jī)電流限定臨界值為95%，平均值為40．5%，系統(tǒng)通過(guò)實(shí)時(shí)監(jiān)測(cè)電流動(dòng)態(tài)值，同時(shí)學(xué)習(xí)安全范圍值，實(shí)時(shí)進(jìn)行算法分析，當(dāng)電流值從平均值短時(shí)內(nèi)呈現(xiàn)漸變趨勢(shì)變化，并與曾經(jīng)出現(xiàn)故障前的某一狀態(tài)走勢(shì)匹配時(shí)，系統(tǒng)判斷可能出現(xiàn)壓縮機(jī)燒壞情況，此時(shí)系統(tǒng)將進(jìn)行安全預(yù)警，防止?jié)撛诠收习l(fā)生［12］。

4．5設(shè)備健康度判斷

基于設(shè)備正常運(yùn)行過(guò)程中的測(cè)點(diǎn)數(shù)據(jù)采集，建立測(cè)點(diǎn)健康樣本庫(kù)，將每個(gè)特征測(cè)點(diǎn)相應(yīng)的健康樣本的區(qū)間作為正常值域，將設(shè)備實(shí)時(shí)/歷史運(yùn)行測(cè)點(diǎn)參數(shù)與正常值域進(jìn)行比較，結(jié)合統(tǒng)計(jì)學(xué)知識(shí)給出分級(jí)標(biāo)準(zhǔn)，并根據(jù)測(cè)點(diǎn)參數(shù)占比確定權(quán)重系數(shù)，最終得到設(shè)備狀態(tài)綜合評(píng)價(jià)模型［13］。在雄安高鐵站建筑機(jī)電設(shè)備的健康評(píng)價(jià)過(guò)程中，主要按如下步驟實(shí)施:(1)將各測(cè)點(diǎn)參數(shù)與正常值進(jìn)行比較，規(guī)定在正常值范圍內(nèi)的100分(可調(diào))，超出正常值范圍5%之內(nèi)的60分(可調(diào))、超出正常值5%以上的0分(可調(diào))。(2)基于設(shè)備預(yù)報(bào)警過(guò)程中測(cè)點(diǎn)參數(shù)的作用，確定各測(cè)點(diǎn)參數(shù)在計(jì)算過(guò)程中的主成分貢獻(xiàn)率。①A類邊緣數(shù)據(jù):只監(jiān)測(cè)不報(bào)警，發(fā)生故障后用于輔助判斷機(jī)組情況;②B類數(shù)據(jù):超出閾值即報(bào)警;③C類數(shù)據(jù):超出閾值報(bào)警，且需監(jiān)測(cè)數(shù)據(jù)趨勢(shì)。(3)基于(2)所確定的權(quán)重進(jìn)行加權(quán)計(jì)算，得出健康分?jǐn)?shù)H。(4)針對(duì)健康分?jǐn)?shù)H，進(jìn)行健康等級(jí)劃分和狀況描述，具體見(jiàn)表2。

4．6應(yīng)用效果

雄安高鐵站機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)自2020年12月27日投用以來(lái)，依托集成化、智能化、信息化的上層建筑設(shè)備監(jiān)控及能源管理集成系統(tǒng)，與傳統(tǒng)的設(shè)備運(yùn)維系統(tǒng)相比較，實(shí)現(xiàn)了各子系統(tǒng)設(shè)備協(xié)同聯(lián)動(dòng)分析和智能診斷，為設(shè)備運(yùn)維管理提供了決策支持;通過(guò)本系統(tǒng)的研究及應(yīng)用，關(guān)鍵設(shè)備故障率和運(yùn)維成本實(shí)現(xiàn)逐步下降，故障處置率得到有效提升;同時(shí)維修效率、精準(zhǔn)度有了明顯提高，運(yùn)維人員依靠系統(tǒng)做到合理化、集約化管理，實(shí)現(xiàn)了系統(tǒng)研究的經(jīng)濟(jì)、社會(huì)和環(huán)保效益目標(biāo)。

5結(jié)論

雄安高鐵站機(jī)電設(shè)備人工智能運(yùn)維系統(tǒng)是人工智能技術(shù)在設(shè)備監(jiān)控運(yùn)維領(lǐng)域的一次成功應(yīng)用，通過(guò)將數(shù)據(jù)通路的監(jiān)控應(yīng)用到對(duì)設(shè)備故障診斷中，解決易損傳感器的故障報(bào)警問(wèn)題;同時(shí)，從設(shè)備的關(guān)聯(lián)關(guān)系入手，發(fā)現(xiàn)故障、定位故障，解決非智能化設(shè)備的自動(dòng)監(jiān)控和數(shù)據(jù)通路的故障監(jiān)控盲區(qū)問(wèn)題，提升了系統(tǒng)整體的穩(wěn)定性和可靠性;系統(tǒng)從高鐵站的設(shè)備運(yùn)維現(xiàn)狀與業(yè)務(wù)需求出發(fā)，解決了高鐵站復(fù)雜設(shè)備可視化監(jiān)測(cè)、設(shè)備日常運(yùn)維管理及故障預(yù)報(bào)警方面的痛點(diǎn)，從而實(shí)現(xiàn)設(shè)備全生命周期管理，提升系統(tǒng)運(yùn)維與管理效率。系統(tǒng)基于PHM技術(shù)思路，利用數(shù)據(jù)采集、處理和狀態(tài)監(jiān)控模塊處理后的設(shè)備狀態(tài)數(shù)據(jù)，結(jié)合歷史數(shù)據(jù)，采用建模和統(tǒng)計(jì)等方法，實(shí)現(xiàn)健康評(píng)價(jià)和故障預(yù)測(cè)，并提供維護(hù)建議，打破了傳統(tǒng)意義上設(shè)備健康狀態(tài)監(jiān)控只監(jiān)測(cè)數(shù)據(jù)無(wú)法給出結(jié)論及決策建議的困局，是設(shè)備運(yùn)維管理技術(shù)方面的一大突破。

作者:張桂平 董建林 李文友 鐘沫 劉佳 單位:中國(guó)鐵建電氣化局集團(tuán)有限公司 中國(guó)鐵建房地產(chǎn)集團(tuán)有限公司