地铁列车自动驾驶系统（ATO）故障预测与健康管理

摘要：随着城镇化进程的加快，城市轨道交通逐渐成为解决城市交通拥堵问题、改善城市运行效率的主要方法。城市轨道交通的自动化驾驶是城市轨道交通发展的基本方向，其核心关键技术之一是列车自动驾驶控制系统（Automatic Train Operation，ATO）算法。受轨道交通系统复杂度高、持续运行负荷高等特性制约，系统设备故障和运行中断风险频繁出现，合理高效地利用自动驾驶系统（ATO）的故障预测及健康管理系统对全面保证列车运行安全、可靠至关重要，为解决以上问题，本文基于自动驾驶系统（ATO）故障预测及健康管理系统的应用价值，结合ATO系统架构及功能，对其进行了剖析。

关键词：地铁列车；自动驾驶系统（ATO）；故障预测；健康管理

引言：

轨道交通自动驾驶系统是在既有列车运行控制系统架构之上，以安装车载的自动驾驶单元，实现列车的自动驾驶控制，借助于地面精确的定位系统，实现列车的精确定位和停车。轨道交通是现代化都市的新型交通方式，为人们提供了快捷方便的安全的出行方式。为进一步保障轨道交通系统的可靠、安全，开展了包括自动驾驶系统（ATO）的健康状态监测、故障诊断及预测预警等故障预测与健康管理（Prognostics And Health Management，PHM）的普及应用。

一、地铁列车自动驾驶系统（ATO）故障预测与健康管理系统的应用价值

ATO系统是城市轨道交通自动控制系统（ATC）系统的核心，通过车载与地面信息的相互协作，实现控制列车牵引制动功能，从而完成列车自动驾驶、对位停车、站台门自动作业、无人驾驶折返、列车自动调整等控制功能。在城市化建设的推进建设下，地铁的大规模使用既解决了城市交通拥堵问题，又促进了区域经济的持续发展。轨道交通交通运输产业的飞速发展促使对车辆可靠可用性的社会关注度成为一个主要焦点问题，因此如何合理地运用ATO系统中的故障预测与健康管理方法也便显得非常有意义。在运行安全方面，ATO系统可以实现列车的自动控制运行，可以有效减少司机错误操作的可能性，从而降低交通事故产生的可能性。ATO系统可及时获取列车运行状态信息，一旦发生故障，立即对故障进行处理以保证列车的安全运行状态。ATO系统可以通过精确控制列车运行位置，使列车追踪间隔尽可能增加，降低列车间的冲突发生可能。在效率提高方面，ATO系统通过自动化控制能够有效缩短列车的运行间隔，提高列车的运行效率，并提高列车的准点率，降低列车的能耗问题。

作为新的市场经济形式下的一种新技术，PHM系统技术通过针对城轨车辆系统的重要参数安装传感器，从而实现状态维修和预知维修，在对自身的健康状态进行评估和预测时大数据和人工智能是更加强大的载体，提前预测系统存在的故障，加强对现有资源信息的综合运用，从而辅助指导维修维护保障工作开展。PHM系统是一种综合性技术，其包含了对自身状态进行监测和故障报警，对其未来的健康状态进行预估等多种功能，另外，通过PHM系统可以精确地预测到未来存在的健康状态，起到积极维修工作的主动性，从而保证装备保持良好的可靠性和可用性。

二、地铁列车自动驾驶系统（ATO）故障预测与健康管理系统架构和功能

1.系统架构

传感器在数据采集方面也大量被应用在PHM系统中，在PHM系统众多数据采集单元中，传感器占据着重要的地位，传感器能够对被测对象的温度、电压等实际的状态进行真实测量后，再将这些测量数据进行转化，使其转换为电信号，为后续的传输以及处理奠定了基础。被采集来的数据被应用于一系列的处理步骤中，例如数据的清洗工作，以及相同的信息还是不相同的在对信息进行了融合后，PHM系统就能够科学、准确地评价出车辆系统的工作状态，以及对系统的故障发生部位和使用寿命等的发展情况进行合理的预期，在这个基础上能够顺利进行维修保障工作的开展。

2.系统功能

2.1数据采集与处理

建立一套系统，可通过安装相应的传感器进行数据的采集，实时收集关于列车、轨道系统等必要的参数和信号信息，其中包括列车状态、制动系统、电气系统、通信系统等数据。收集的信息需要进行相应的数据处理，即对数据进行清洗、对数据进行特征提取、进行数据融合，为下一步的分析提供正确的数据。

2.2异常状态监测

系统实时监测数据，对采集到的数据进行实时分析，可以检查出制动机系统、电气系统和通信系统等异常情况，可以检出抱死故障、摩擦制动故障、速度传感器故障等常见的异常情况，从发生异常状态可帮助工作人员及时发现隐患并采取相关措施防止事故。

2.3故障预测

系统的构建通过对历史大数据进行分析建模，能找出故障特性、特点，将特征和特点作为依据，利用机器学习、统计分析等进行故障预测。通过预测给运营人员提供可能发生故障的类型、时间及程度，从而可以针对性地实施维修措施及进行预测性维护，起到提前预防的作用，提高轨道交通系统的可靠性和安全。

2.4故障智能诊断

传统的基于逻辑推理的故障诊断方法已具备快速排查大部分故障的能力，但仍存在部件级故障定位和自动化程度不高的问题。当前的研究方向是结合机理和数据分析技术，利用机器学习、专家经验等方法，系统能够快速定位电路板、阀类或管道泄漏等故障及其失效模式，实现对轨道交通系统故障的快速诊断和定位。

结束语

概括而言，自动驾驶系统（ATO）故障预测与健康管理作为城铁智能驾驶技术的核心，在提升城市轨道交通安全与效率方面发挥了重要作用。随着技术的不断发展和完善，自动驾驶系统（ATO）故障预测与健康管理将为城市轨道交通带来更加美好的未来。

参考文献：

[1] 张赟昀.全自动运行系统的运行模式分析[J].现代信息科技，2018，2（05）：186-188.

[2] 熊光华.城市轨道交通全自动驾驶运行场景的分析[J].铁道建筑技术，2016（z1）：307-309.

[3] 鼎慧.基于数据驱动的FAO系统测试方法研究[D].北京：北京交通大学，2016.

[4] 曹宏丽.FAO系统特有功能分析及互联互通探讨[J].铁道通信信号，2018，54（05）：93-95.

[5] 李猛，张艳兵，徐成永，郭泽阔.全自动运行系统城铁车辆关键技术[J].都市快轨交通，2018，31（01）：123-128.