吴强,屈利杰

(中车南京浦镇车辆有限公司，江苏 南京 210000)*

截至2019年9月30日，我国内地累计有39个城市开通运营，轨道交通线路总计6333.3 km，新增运营线路571.9 km.城市轨道交通的迅猛发展，设备的安全性也备受关注.车辆是其重要载体，目前对车辆的研究技术在不断的改进和加强，牵引、辅逆、制动、车门、空调等系统日趋复杂，因而发生故障的类型更加多样化，如何基于车载和轨旁系统数据来提前进行故障预警预测，是PHM系统成功与否的关键所在.国内外研究机构和企业都在这一领域做了大量的尝试与验证.在故障预测的研究方面，早期研究多关注单个设备部件.近年来，随着轨道交通行业数据的积累，基于深度学习的智能运维逐渐兴起[1-2].

目前常用的故障预警方法有：

(1)固定阈值法[3-4]：通常根据专家经验知识设定阈值范围.该方法优点是简单，缺点是需要大量依赖人工经验，不适用于周期性变化的数据，维护困难，准确性较差.

(2)基于数据驱动的预测技术[5-6]，是通过设备生命周期中大量的数据信息，通过学习获得输入和输出的映射关系，并在内部建立非透明、非线性和不针对特定目标的预测模型，实现对设备未来状态的预测.对于复杂系统来讲，因其本身结构的复杂性，使得建立与之相对应的物理模型是很困难的.

(3)基于统计分析的预测[7-8]，利用实际生产中积累的经验数据对产品进行分析，得到参数信息，并利用设备性能数据统计出各类故障概率密度函……