【摘要】保障铁路货车在轨安全运行是铁路货运企业重要的工作之一。针对铁路货车车辆检修如何向智能化检修转变进行了论述，首先从货车检修现状分析智能化检修发展的必要性，然后对货车智能化检修所涉及的图像识别、语音识别等主要人工智能技术进行了阐述，最后对人工智能技术在货车智能化检修中的应用进行了分析。结果表明，人工智能技术能够提高货车检修工作效率，降低检修作业安全风险和劳动强度，保障人员生命安全，减少企业经济损失，是未来货车智能化检修的重要发展趋势。

【关键词】人工智能；智能化检修；状态修；深度学习

一、引言

铁路货运在我国经济发展中扮演着重要角色。截至2021年底，我国货车保有量达到96.6万辆，庞大的保有量和检修需求的迅速提升给检修作业带来了巨大压力；另外人工检车作业时凭借肉眼主观观察，在高强度、大作业量情况下，容易出现误判和作业效率降低的问题。因此对货车检修综合化、智能化程度的要求也同步提升。

人工智能是第四次工业革命中推动人类进入智能时代的决定性力量，全球产业界纷纷转型布局人工智能创新生态。铁路作为运输骨干，同样面临着前所未有的挑战。2020年国家能源集团全面启动重载铁路货车智能运维“状态修”，采用多种传感器检测装备进行货车周期性检测、实时监测、技术状态检查，积累智能化、精准化的检测数据，形成铁路货车运行基础技术数据“数据云”，这为人工智能应用提供了良好的实践基础。

本文分析了货车检修的现状，介绍了人工智能发展历史，研究了面向货车检修的人工智能技术，提出了人工智能在货车检修中的应用方向，为提升货车检修智能化水平、提高货车检修效率提供了新的思路。

二、铁路货车车辆检修的现状

我国铁路货车检修制度正处于由计划修向状态修过渡阶段，陆续推广了铁路货车技术管理信息系统（HMIS）、状态监测维修系统（HCCBM）、5T系统、自备铁路货车管理信息系统等信息系统，为检修模式向状态修转变提供了重要支撑。

国铁集团提出“强化系统化、智能化、自动化分析诊断能力，为实现预防修，减少过度修提供决策支持”，有学者对实施状态修检修制度构成框架的设想为：在货车使用寿命周期内设置1次重造+2次换件修+状态修。国能铁路装备公司以剩余寿命预测和失效规律两大理论为基础，率先应用大数据、信息化技术将状态修引入铁路领域，开发了状态修寿命预测、状态监控、数据评判、等级修程、精准修理等核心技术，使我国铁路货车状态修技术达到世界领先水平，使原本时间紧、任务重的重载铁路货运拥有了更安全、更高效的运行模式。

目前，我国虽为适应新时代铁路货运的新挑战进行了一些有益制度探索，较大提升了检修作业效率和货车利用率，但是现阶段的货车检修工作主要以传统的人工检修方式和低水平智能化的检修方式共存形式存在，并且人工检修在货车检修作业中占据着绝对主要位置；另外，各系统数据信息壁垒还未完全打通，数据应用困难，即使现阶段有成熟的技术也难以落实到实际的工作中去，无法有效提高货车检修工作的智能化水平。

三、人工智能概述

（一）人工智能发展历史

人工智能是对人的意识和思维过程进行模拟并系统应用的一门新兴学科。人工智能发展至今，可以分为4个阶段，分别为形成阶段、黄金发展阶段、缓慢发展阶段和由深度学习引领的现代人工智能四个发展阶段。

1956年到1961年是人工智能形成阶段。1956年首次提出人工智能概念，将其视为一门独立科学。20世纪50年代—70年代计算机解决了一些数学证明问题，在这一时期研究成果呈井喷态势涌现，人工智能迎来了二十年高速发展的黄金阶段；20世纪70年代—90年代，由于计算机计算能力限制、缺乏大容量数据存储设备，以及数学理论不够完善等原因，导致高速发展的人工智能迎来了缓慢发展期；20世纪90年代至今，随着大数据时代的到来和计算机性能的提升，以深度学习为代表的机器学习算法在计算机视觉、自然语言处理、自动驾驶汽车等领域的应用取得了极大的成功。

（二）面向铁路货车车辆检修人工智能技术概述

人工智能的目标是通过机器实现人类的部分智能，替代人类实现识别、分类与决策等多种应用的功能技术。针对常见工作场景和智能化检修需求，面向检修工作全过程，对所涉及的典型人工智能技术包括图像识别技术、自然语言处理技术、语音识别技术等进行了分析。

1.图像识别技术

图像识别技术是人工智能的一个重要领域。伴随着现代计算机技术及信息化技术的快速发展，其已广泛应用于安防、交通、金融等领域。随着我国货车检修作业不断深入推进数字化改革，图像识别技术将成为一项十分重要的技术手段。

在实施检修工作和货车运行过程中，通过5T设备或智能检测设备采集可见光、红外等图像信息，这些数据体量大且价值密度低，依靠人工方式判定效率低且准确度较低；另外在货车检修作业中，传统方法是通过工人和现场监督人员进行人为判定，导致货车零部件故障判定失误，操作过程步骤缺失，人员安全措施不到位等情况时有发生，严重的将危及工人生命安全和货车运行安全。为此，针对货车检修过程中所涉及的相关图像进行自动检测，提取相关的特征，对于准确把握货车零部件状态缺陷，把控检修流程与人员管理具有重要的技术价值。

2.自然语言处理技术

自然语言处理技术旨在实现人与计算机之间用自然语言进行有效的通信。自然语言处理涉及许多领域，包括词汇、句法、语义和语用分析，文本分类、情感分析、自动摘要、机器翻译等。随着通信和计算机相关技术的发展，自然语言处理技术目前已深入各行各业，例如文本检测、仪表信息识别等。

在5T设备动态监控与货车检修中涉及大量的文本分析，主要包括货车长期运行过程中的检修记录、货车零部件缺陷、故障报告以及检修消缺文档、各类检修标准和规范等。其中存在着大量货车检修所需的检修流程指导、不同故障判定及处置标准、货车零部件健康信息等，对建立货车智能化检修档案具有重要意义。

3.语音识别技术

语音识别是指从麦克风采集到的语音波形信号中，解码出人类所述语言内容的过程。通过语音识别技术， 计算机与人可以以语音的方式直接交流， 计算机接收到语音信号后能够理解人的意图， 并根据意图作出相应的反应。

铁路行业注重对技术规章管理，在传统的货车检修工作中，需要遵循众多技术规章、技术文件和其他文件等，工人在作业现场需翻阅大量资料，对检修步骤进行确认，不仅效率低且易出错。为此，基于语音识别技术建立语音交互系统，依托可穿戴设备实现现场作业指导、流程监控、预警提示、专家远程指导请求等多种人机交互功能，可降低检修工作量和安全风险，提高工作效率。

4.知识图谱技术

知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关属性—值对，实体间通过关系相互联结，构成网状的知识结构。目前知识图谱技术主要用于智能语义搜索、移动个人助理以及深度问答系统。

在传统的检修计划制定、现场检修问题处理等过程中，往往依赖于工作人员熟知相关技术规范、零部件参数、检修流程、故障处理方式等资料的情况下才能进一步制定相关的检修流程、检修建议等。依托知识图谱构建货车检修知识网络，将货车设计信息、历史检修信息、零部件参数、故障处理方式和不同检修作业流程等方面获取的多源、多域知识进行融合关联，使隐性知识显性化、数据知识标准化，实现基于运维数据的维修性设计知识支持，检修计划自动生成、检修过程故障处置方式自动推荐、检修工作辅助决策等。

四、人工智能在铁路货车车辆检修中的应用研究

（一）传统检修向智能化跨进

在传统的货车检修过程中，首先需要依据检修规程对在轨货车进行检修方案制定、检修工作编排；然后通过调度操作将指令下发到各个基层检修单位，再由各单位检修班组根据检修指令开展检修工作。针对货车检修整个过程中的检修计划编制、现场检修操作等过程中的难点，依托知识图谱、自然语言处理、语音识别等技术，构建检修知识图谱。针对检修需要自动编制作业班组，实现检修班组由人员固定编组向按需自动编组跨进，从而提高工作效率。在检修任务实施的过程中，工人可通过语音交互与可穿戴设备进行人机交互。检修过程中，实现语音调取检修方案，可通过图像识别、文字识别等实现零部件身份确认、铭牌识别、故障识别。对现场难以解决的故障，可请求远程指导。智能化检修解放了工人双手的同时，既提高了作业效率也提升了检修工作成效。检修作业安全员可通过手持或可穿戴设备对工人和检修过程实现作业安全监控。

（二）智能化检修升级

通过图像识别、自然语言处理、语音识别等技术提高现有检修设备智能化程度，实现智能化检修设备的升级优化。当前检修作业采用了大量的5T设备和高分辨率CCD相机进行货车运行故障监控和检修作业。5T设备和高分辨率CCD相机所拍摄的视频图像需要人工肉眼辨别，工作人员疲劳状态和个人特质都将对判断造成较大的影响，从而致使检修结果判断失误。加入图像识别、文字识别、语音识别等人工智能技术，通过远程语音指挥以及现场实时拍摄识别、零部件故障识别和表记异常识别预警等，实现现有智能化检测的升级，减少了人工介入工作量，提高了货车运行故障监控和检修作业工作效率，降低人员的工作强度。

（三）人工智能与多技术融合应用

智能化的货车检修作业不仅是对传统检修方式的改善和对检修设备性能的升级优化，未来，在大数据技术、区块链技术、5G移动通讯技术、云计算技术、边缘计算技术、可穿戴技术和北斗定位技术等不断发展进步的基础上，货车检修将打通货车全寿命周期相关数据的信息壁垒，形成货车检修“数据云”，依托知识图谱及大数据分析等技术构建一个货车检修智慧大脑与数据应用平台，实现对检修计划方案自动编制及优化，以及检修作业过程中更多的智能辅助支持。

五、结语

现阶段推进货车智能化检修应用还处于发展的初级阶段，人工检修方式在货车检修工作中依然占据主导地位。为提高货车检修工作的智能化程度，需要铁路相关企业依托人工智能发展，构建货车检修全过程智能化辅助功能，真正实现货车智能化检修的终极目标。

【参考文献】

[1]刘洋，巩婷婷，乐建炜，胡小宁，朱涛.铁路货车状态修数字化赋能系统研究[J].铁道货运，2021，39（09）：33-38.

[2]王同军.智能铁路总体架构与发展展望[J].铁路计算机应用，2018，27（7）：1-8.

[3]李权福，余祖俊，杨劲松.基于PHM技术的重载货车状态修综合诊断模型研究[J].中国设备工程，2020（21）：163-167.

[4]何健，韩俊峰.中国重载铁路智能货车研究[J].智慧轨道交通，2021，58（05）：9-12.

[5]孙蕾，陈雷，刘向东.我国铁路货车实施预防性状态修检修制度的可行性[J].铁道车辆，2018，56（12）：12-18+4.

[6]顾险峰.人工智能的历史回顾和发展现状[J].自然杂志，2016，38（3）：157-166.

[7]KUANG Lichun，LIU He，REN Yili，LUO Kai，SHI Mingyu，SU Jian，LI Xin.Application and development trend of artificial intelligence in petroleum exploration and development[J].Petroleum Exploration and Development，2021，48（01）：1-14.

[8]Li B K，Miao Q，Li M，et al. An investigation on machined surface quality and tool wear during creep feed grinding of powder metallurgy nickel-based superalloy FGH96 with alumina abrasive wheels[J]. Advances in Manufacturing，2020，8（2）：160-176.

[9]王艳芬，朱绪冉，云霄.面向公共安全监控的多摄像机车辆重识别[J].西安电子科技大学学报，2019，46（4）：190-196.