引言:一个两百块的轴承,差点让晚高峰限流
前年冬天,某城市地铁 2 号线一个换乘站,晚高峰刚过,站台屏蔽门有三扇门反复开关,防夹光幕不停报警。值班员到场重启一次,好了半小时,又不行。当天夜里拆开检查,问题很简单——门机皮带的张紧轮轴承缺油干磨,间隙大了,门体到位时带一点微小抖动,光幕被这抖动误触发。
一个两百多块的轴承,让一整条线的晚高峰差点限流。这种事在轨道交通行业不算稀奇。它跟别的行业不一样:可靠性要求极高,可用的检修窗口极短。地铁晚上收车到次日发车,留给检修的只有三四个小时,高铁更紧。所以给轨道交通设备做预测性维护,价值不在"少修几次",而在"把活干进窗口里"。提前三天知道某个轴承不行了,你可以在计划窗口里从容换掉;当天才知道,就只能抢修,抢修就意味着降速、限流、道歉。

下面按现场最该盯的几类设备,聊聊具体怎么落。
一、车辆段:走行部、车门、制动,三处最容易踩空
车辆段是车辆的家。走行部、车门、牵引辅助三大块,是故障的集中区,也是传感器最值得投的地方。
先说转向架。轴箱轴承、齿轮箱、牵引电机轴承,这三个位置信号干净、转速稳定,最适合做频谱分析。轴箱轴承的早期损伤,在加速度包络谱的几百到几千赫兹高频段会先冒规律冲击,一般比温度报警早两到三周。我们在一号线上做过对比,包络指标报警到温升报警之间,平均有 19 天,这 19 天足够排进两次检修窗口。
再说车门。车门是地铁投诉榜的常客,但它的数据最好用——开关门电流曲线。门机健康的时候,曲线形状几乎每一趟都一样;导轨脏了、皮带松了、下摆臂磨损了,曲线立刻变形。做法很土但有效:取一段健康期的曲线做模板,算相似度,掉到 0.85 以下就提示检查。不用上模型,一段脚本就够。
制动系统看两个量:制动缸压力建立时间和闸瓦间隙。建立时间变长,多半是管路漏或者阀卡;间隙变化则直接反映调整机构的状态。
二、站台设备:屏蔽门和扶梯,比想象中更值得管
很多人做轨道交通预测性维护只盯车,其实站台侧的量更大、更分散,出问题同样影响运营。几类设备的监测点和预警提前量,可以参考下面这张表:
设备 | 建议监测点 | 典型故障 | 可提前量 |
|---|---|---|---|
屏蔽门门机 | 电机电流、开关门时间、到位振动 | 皮带松弛、滚轮磨损、锁钩不到位 | 3—7 天 |
自动扶梯 | 驱动主机振动、梯级链张紧、扶手带速度差 | 链条伸长、扶手带打滑、减速机磨损 | 1—2 周 |
环控风机 | 轴承振动、运行电流 | 轴承磨损、叶轮积尘失衡 | 2—4 周 |
变配电设备 | 母排温升、局放 | 接头松动、绝缘劣化 | 1—3 周 |
扶梯那一项特别值得说。扶手带和梯级的速度差超过 2%,说明梯级链已经伸长,扶梯会开始有"顿"的感觉,老年乘客最容易在此时摔倒。这个指标不需要昂贵设备,两个编码器就够。
三、为什么轨道交通不爱"大数据",更爱"规则加趋势"
这是行业特性决定的:样本不够。某一条线某个型号的车门,一年真正失效的也就那么几次,深度学习喂不饱,训出来的模型不敢用。所以现场真正跑得住的是两样东西——阈值加趋势,以及专家规则库。
我们给一个车辆段搭的方案,规则不到二十条,覆盖了八成的常见故障模式。比如"包络指标连续三天超过基线的 2.5 倍且趋势单调上升",比如"门机电流曲线相似度周均值下降超过 10%"。这些规则不神秘,但它们可解释、可追溯,出了误报能说清是哪个条件触发了,老师傅才肯认。
趋势比阈值更重要。设备从健康到失效是一条斜线,不是一个台阶。你把每周的特征值连成线,斜率突然变陡的那一周,就是该动手的时候。
四、落地绕不开的三个现实问题
无线不可靠。隧道里网络时断时续,车载数据落地经常丢包。务实的做法是车端先存后传,出库入库两个时段集中回传,别指望实时。
数据分散在三个专业。车辆、通号、机电各管一摊,指标口径都不一样。要么先统一设备编码,要么先做一个小场景打通,别一上来就建大平台。
预警要跟检修窗口对齐。提前 30 天报的警没人管,提前 3 天报的警能救命。预警的时效性和窗口节奏匹配,比准确率还关键。
写在最后
轨道交通的预测性维护,本质是把"被动抢修"换成"计划检修"。它不需要多炫的算法,需要的是把测点布对、把基线摸清、把预警和检修窗口对齐。做得好的团队,一年下来维修工时未必减少很多,但非计划停运会明显下降——这才是这条赛道真正的考核指标。
