T/CI 048-2023 地铁列车外观智能故障诊断与运维管理技术及应用指南

ICS45.120

CCSS30/39

团体标准

T/CI048-2023

地铁列车外观智能故障诊断与运

维管理技术及应用指南

Intelligentfaultdiagnosisandoperationmaintenancemanagement

technologyandapplicationguideforSubwaytrainappearance

2023-4-6发布2023-4-6实施

中国国际科技促进会发布

T/CI048-2023

目次

前言......................................................................................................................................................................II

引言......................................................................................................................................................................III

1范围.....................................................................................................................................................................1

2规范性引用文件................................................................................................................................................1

3术语和定义........................................................................................................................................................1

3.1故障特征FaultFeature.................................................................................................................................1

3.2图像配准ImageRegistration.........................................................................................................................1

3.3目标检测ObjectDetection...........................................................................................................................1

3.4深度学习DeepLearning..............................................................................................................................1

3.5智能运维IntelligentOperationandMaintenance........................................................................................2

4总体设计.............................................................................................................................................................2

4.1基本原则........................................................................................................................................................2

4.2地铁列车外观的健康监测诊断与运维管理总体思路介绍........................................................................2

4.3地铁列车外观关键零部件及其故障模式....................................................................................................4

4.3.1地铁列车外观关键零部件及其故障模式概述........................................................................................4

4.3.2常规故障模式分析.....................................................................................................................................4

4.3.3磨损消耗类故障模式分析.........................................................................................................................6

4.4地铁列车外观故障检测的性能指标............................................................................................................6

4.4.1机器人性能与导航性能推荐指标.............................................................................................................6

4.4.2常规典型类故障检测算法性能指标.........................................................................................................7

4.4.3磨损消耗类故障检测算法性能指标.........................................................................................................8

4.5地铁列车外观图像数据采集技术概述........................................................................................................8

4.5.1外观线阵图像采集.....................................................................................................................................9

4.5.2外观面阵图像采集...................................................................................................................................10

4.6地铁列车外观图像预处理技术概述..........................................................................................................11

4.6.1二维图像预处理算法...............................................................................................................................11

4.6.2三维点云数据预处理算法.......................................................................................................................15

4.7基于目标检测的地铁列车外观关键零部件定位技术..............................................................................18

4.8地铁列车外观故障智能检测技术............................................................................................................20

4.8.1地铁列车外观关键零部件异常检测技术..............................................................................................20

4.8.2地铁列车外观关键零部件测量技术......................................................................................................22

I

T/CI048-2023

前言

本文件按照GB/TL.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》

的规定起草；

某些内容可能涉及专利，本文件的发布机构不承担识别这些专利的责任。

本文件由西南交通大学提出。

本文件由中国国际科技促进会归口。

本文件起草单位：西南交通大学、成都运达科技股份有限公司、杭州申昊科技股份有

限公司、广州运达智能科技有限公司、北京交通大学、深圳市市政设计研究院有限公司、

广州地铁集团有限公司、安徽大学、北京市地铁运营有限公司、陕西铁路物流集团有限公

司、合肥工业大学、欧亚高科数字技术有限公司、成都轨道产业投资集团有限公司、成都

卓安卓越新能源科技有限公司、四川顶峰时代智能科技有限公司、城市轨道交通系统安全

与运维保障国家工程研究中心、轨道交通电气化与自动化工程技术研究中心、先进能源牵

引与综合节能铁路行业重点实验室、国科联盟(北京)国际信息科学研究院。 

本文件主要起草人：黄德青、马磊、秦娜、王青元、黄大荣、王洪伟、孙永奎、许水

清、赵舵、靳守杰、胡远江、马珺杰、程军强、吴海腾、孙鹏飞、王长春、刘安、陈刚、

刘正一、王磊、王顺、李洁、苏钊颐、蔡亮成、沈楷、陈勇、戈珊珊。

II

T/CI048-2023

引言

为拓展地铁列车外观智能故障诊断与运维管理技术的应用，以及进一步深化各交叉领

域的研究，同时为了各个群体更为高效的合作，本文件制定了地铁列车外观智能故障诊断

与运维管理技术及应用通用指南。

本文件针对地铁列车外观故障检测，具体主要针对各种外观重要零部件的缺失类、鼓

包类、异物类、松动类、裂纹类、磨损类等故障。

本文件为首次发布，今后将根据地铁列车外观智能故障诊断与运维管理技术要求及发

展情况适时修订。

本文件由中国国际科技促进会标准化工作委员会负责管理。由西南交通大学负责具体

技术指标的解释工作。若发现问题或有修改意见请及时联系西南交通大学，以便今后的修

改与补充。联系方式：028-66367782。邮编：611756。

III

T/CI048-2023

地铁列车外观智能故障诊断与运维

管理技术及应用指南

1范围

本文件提供了在地铁列车外观智能故障诊断与运维管理技术及应用的术语和定义、典

型故障模式分析、性能指标、数据采集技术、图像预处理技术、零部件定位技术、外观故

障智能检测技术等相关内容的指南。

本文件适用于在地铁列车外观故障检测的全生命周期健康检测与诊断研究、设计、技

术路线，可作为地铁智能运维设计与研究的技术依据。

2规范性引用文件

本文件没有规范性引用文件。

3术语和定义

下列术语和定义适用于本文件。

3.1

故障特征FaultFeature

指用检测程序对一个有故障的部件进行检测时所得到的图像特征。

3.2

图像配准ImageRegistration

指将不同时间、不同传感器（成像设备）或不同条件下（天候、照度、摄像位置和角

度等）获取的两幅或多幅图像进行匹配、叠加的过程。

3.3

目标检测ObjectDetection

指定位图像中所有感兴趣的目标，并确定其的类别。

3.4

深度学习DeepLearning

指通过训练大量的样本学习数据的内在规律和表示层次，让机器能够像人一样具有分

析学习能力。

1

T/CI048-2023

3.5

智能运维IntelligentOperationandMaintenance

指将人工智能或其他高级分析技术应用于数据分析中，以建立关联并实时提供规范性

和预测性答案，能够更快地解决问题，并帮助完全避免异常事件。

4总体设计

4.1基本原则

(1)对标国家重大需求。以国家需求为研究命题导向，以研究成果落地为研究目标。

(2)紧跟学科和工程前沿。以前沿科学技术驱动智能制造的发展创新。

(3)密切联系实际地铁列车检修场景，尤其是对地铁列车运行中会容易产生的重要故

障，会导致事故发生，造成人员伤亡、环境损害、经济损失等，以安全性和可靠性为设计

基础。

(4)项目组应以设备检修过程中及时准确的发现异常、诊断故障、避免事故、确保安

全为目标。

4.2地铁列车外观的健康监测诊断与运维管理总体思路介绍

随着近年来我国城市轨道交通的发展建设，轨道交通相关产业也随之强大起来，当前

我国城市轨道交通发展历程处在突飞猛进阶段。“十三五”时期，我国城市轨道交通的运

营、建设、规划线路规模和投资实现跨越式增长，城市轨道交通行业持续保持快速发展趋

势。随着轨道交通的不断发展，地铁列车在频繁运行过程中保持良好状态成为了保障整个

轨道交通系统安全运行的关键。一旦地铁列车发生故障，将会导致整个城市轨道系统停滞，

甚至引发严重的事故灾难，威胁生命安全，造成巨大的经济损失。因此做好地铁巡检工作

是保证地铁正常运营的重要前提，地铁列车的故障巡检是保障城市轨道系统安全运行的必

要方式。

2

T/CI048-2023

图4-1智能巡检机器人系统

传统的人工方式主要通过“一看、二摸、三听、四测量”对关键零部件进行外观检查

及功能测试，判断列车的健康状况，及时对状态不佳的零部件进行维修或者更换等。人工

巡检存在隐患多、效率低下，工作强度大，信息化程度差等问题。在一个信息化的时代的

发展背景下，为了有效解决了现有人工检测所存在的问题，应用机器人、计算机视觉、人

工智能等先进技术研发更高效可行的地铁巡检系统是一个必然发展趋势。所以目前地铁列

车的智能检测主要依赖于巡检机器人，智能巡检机器人系统如图4-1所示，包含以下几个

部分：1、机器人本体：机器人本体是巡检系统的核心组件，通常包括移动平台、传感器、

控制系统等。移动平台使机器人能够在地铁环境中自由行走；传感器则负责检测各种维护

信息，如轨道状况、供电系统、通信系统、信号系统等；机器人的控制系统负责处理来自

传感器的数据，根据预设的算法和规则，对机器人的行为进行控制。2、导航与定位模块：

在地铁环境中进行巡检，机器人需要能够准确地确定自身位置并规划行走路线。导航与定

位模块通常利用激光雷达、惯性导航、视觉SLAM等技术，实现精确的自主导航和定位，

完成路径规划、障碍物避让、自主充电等功能。3、地铁列车外观的健康监测诊断与运维管

理技术平台：为了便于监控和管理巡检机器人对地铁外观的智能检测，需要一个集成与管

理平台。该平台通过使用点阵和面阵摄像机、激光扫描仪、红外热像仪等设备，对列车外

观进行全方位、多角度的检测，捕捉列车外观的变形、裂纹、腐蚀、异物等问题。针对拍

摄的原始数据进行处理和分析，数据处理技术包括图像处理、信号处理、数据融合等，以

提取有用信息并确定列车外观的健康状况。根据处理后的数据，运用特征比对、机器学习、

深度学习等技术对列车外观状况进行诊断，诊断结果可用于预警，当发现潜在问题时及时

通知运维人员进行处理。最终将以上各模块集成建立一个集成的运维管理平台，实现对列

3

T/CI048-2023

车外观健康状况的实时监控、数据分析、故障诊断、预警处理等功能。该平台可帮助运维

人员制定维修计划、调度资源、追踪维修过程，提高运维效率。地铁列车外观的健康监测

诊断与运维管理技术是地铁巡检系统的重要模块，是提高城市轨道系统高效运行的关键途

径和重点难点问题。

地铁列车外观的健康监测诊断与运维管理技术研究，应从地铁列车外观的二维图像和

点云图像出发，通过图像的预处理技术、关键零部件定位技术、在线故障诊断与健康维护

决策等关键技术，实现地铁列车外观的自主健康管理，在以上关键技术攻关成果的基础上，

研发健康检测与诊断系统，最后，为贯彻产研相结合的理念，将该健康检测与诊断系统应

用于数个城市轨道交通装备系统中，以应用实践反馈作为改进方向，形成良性循环。

值得说明的是，本文件所提供的是一种面向地铁列车外观故障的通用技术架构，所涵

盖的应用对象为典型对象，包括如图4-2所示的典型故障或类似的对象。

图4-2总体路线图

4.3地铁列车外观关键零部件及其故障模式

4.3.1地铁列车外观关键零部件及其故障模式概述

根据地铁列车关键零部件智能故障诊断与运维管理所面对的部件故障模式，可以将故

障种类划分为简单目视即可判断异常的常规故障模式和需要测量才能够判断是否异常的磨

损消耗类故障模式。

4.3.2常规故障模式分析

常规典型故障类型主要包括缺失类（MissingClass）、鼓包类（BulgeClass）、异物类

4

T/CI048-2023

（ForeignClass）、松动类（LossesClass）以及裂纹类（CrackClass）。在智能检修中各个

项点的编码格式通常采用“所属故障类型_项点名称_项点编号”进行编码。下文将分别进

行分析论述。

缺失类故障是大部分列车检修时需要考虑的项目，列车上的部件包含大量的小零部件

如插销、螺栓以及协同装置等，这些小零部件保障着大部件的整体运行稳定性，使其能够

正常发挥功能作用。然而地铁列车长期频繁制动并运行在阴暗潮湿的高污环境中，其高频

振动和部件老化极易导致零部件损坏缺失。零部件的缺失容易进一步导致部件整体功能不

稳定甚至失效而引发安全事故，因此如何保证准确检测此类零部件是否缺失成为列车检修

中急需解决的问题。

鼓包类故障主要出现在地铁列车柔性部件上，此类部件往往作为一个调节装置保证列

车运行中的稳定性与舒适性。如空气弹簧，它是工作原理是在密闭的压力气囊充入惰性气

体或者油气混合物，使腔体内的压力高于大气压的几倍或者几十倍，利用活塞杆的横截面

积小于活塞的横截面积从而产生的压力差来实现活塞杆的运动。空气弹簧具有较理想的非

线性弹性特性，加装高度调节装置后，车身高度不随载荷增减而变化，弹簧刚度可设计得

较低，乘坐舒适性好。但空气弹簧悬架结构复杂，加上在列车行驶过程中需要根据运行状

态频繁改变内部压强，频繁的气囊形变使得其像常见的汽车轮胎一样容易出现鼓包。一旦

出现鼓包则空气弹簧随时有破裂风险，威胁着列车运行的平稳性。

异物类故障主要出现在列车各类通风装置中，如牵引电阻与自动电阻通风