基于大数据分析与AI模型的轨道交通列车车轮踏面智能管理系统研究.pdfVIP

SharingExperience经验研讨

基于大数据分析与AI模型的

轨道交通列车车轮踏面智能管理系统研究

文：李溯，丛林，王超丨盘天（厦门）智能交通有限公司

李红莲丨北京交通运输职业学院

苑壮凌，杨彦超丨长春市轨道交通集团有限公司

本文介绍了一种结合数据库技术和人工智能的综合解决方案——车轮踏面智能管理系统，该系统旨在通过长期数据积累和深度分析，

实现对车轮损伤特性、镟修周期及使用寿命的有效预测。这一创新性方法将促进城市轨道交通维修作业由传统的计划管理向智能化

运维转型，提高维护效率与安全性。

车轮踏面损伤作为影响列车运行安全与维护成特征库，通过智能算法提取并总结踏面表面压力

本的关键因素之一，一直是轨道交通行业关注的重与不同类型的损伤模式的内在联系及其演变规律。

点问题。传统上，车轮的检查与维修主要依赖于定四是预测模型参数库，存储训练好的AI模型及相

期人工检测及经验判断，这不仅效率低下且难以实应优化参数，便于系统调用和更新。

现精准预测和预防性维护。近年来，大数据技术、

人工智能算法的深入发展及其在交通运输领域的应（二）数据采集与整合

用加深，为解决上述问题提供了新的可能。通过建

立全面的车轮信息数据库，并运用智能分析模型对通过在轨道上部署一系列连续的剪力传感器，

损伤演变特性进行深度学习，以期实现更加精准的能够实时捕捉并上传车轮状态变化至智能管理系

状态评估与维护策略制定。本研究旨在开发一套统。数据预处理阶段通过收集（Collect）、转换

集数据采集、存储、智能分析于一体的车轮踏面（Transform）、加载（Load）流程保证了信息的完

智能管理系统（以下简称“系统”）。该系统将整性和准确性。收集，即通过对车辆通过时的压力

长期积累数据转化为实时决策支持，推动维修作变化，收集车轮踏面压力波形变化数据。转换，即

业模式从传统的人为计划管理向智能化运维转变。对采集的数据进行清洗，去除冗余和错误值，并将

其标准化为统一格式。加载，即把处理后的数据高

一、踏面损伤数据库效地导入数据库相应模块内。通过上述设计与实施

的数据管理框架，车轮踏面智能管理系统能够确保

在数据驱动高效的数据库构建和精细的数据所有关键信息的安全存储、快速检索及精准分析，

管理是实现智能分析模型成功应用的基础。本文为后续的损伤趋势预测和维护决策制定提供基础。

将详细阐述车轮踏面损伤智能管理系统中涉及的

关键数据库架构、及数据采集策略。二、踏面损伤模型

（一）数据库设计踏面损伤模型是铁路车辆维护管理中一个关

键的技术领域，踏面损伤不仅影响列车运行的安

系统采用分布式关系型数据库系统对数据进全性和稳定性，还直接关系到铁路系统的经济效

行存储，以确保数据的高可用性和一致性。该数率和服务质量。我们通过对采集的踏面损伤特征

据库被划分为多个子模块：车轮信息管理模块、进行精细分析，结合前沿深度学习技术，提出了

检测结果存储模块、损伤特征库及预测模型参数一种对车轮踏面损伤进行识别及预测的算法模型。

库。一是车轮信息管理模块，用于记录每个车轮

的基本属性（如型号、制造日期）和历史维护记录。（一）算法选择与设计

二是检测结果存储模