基于通用人工智能（GenAI）的铁路车辆BIM与PdM及自动升级技术 Jo?o Matos Coutinho, Hugo Raposo, José M. Torres Farinha, Antonio J. Marques Cardoso

《Machines》：BIM and PdM of Railway Rolling Stock with Automatic Upgrading Based on GenAI Jo?o Matos Coutinho, Hugo Raposo, José M. Torres Farinha and Antonio J. Marques Cardoso

　　

摘要

铁路行业物理资产生命周期管理的范式转变要求采用新的维护模式，这意味着传统的预测性维护方法需要被超越。本文提出了一种创新的方法论，将建筑信息模型（BIM）与预测性维护（PdM）系统相结合，并通过生成式人工智能（GenAI）进行增强。该研究重点关注铁路车辆数字孪生体（DT）的自主同步。与静态BIM模型不同，所提出的解决方案能够利用GenAI算法处理来自集成传感器的连续数据流，使数字模型随着物理磨损的发生而自主进化。在这个框架中，GenAI（通过生成对抗网络—GANs）在数据增强方面发挥着关键作用，能够模拟在真实世界历史数据中较为罕见的“长尾”故障事件。通过合成这些退化场景，模型能够学习到传统PdM方法会忽略的复杂机械故障模式。GenAI用于合成退化场景，在IFC（行业基础类）框架内进行实时参数更新，并优化维护工作流程。该框架的应用显著降低了诊断延迟，并通过自动化更新和减少手动数据输入的需求，优化了铁路车辆的使用寿命。本研究得出结论：BIM、PdM和GenAI的融合为铁路车队管理建立了一个强大的框架。虽然目前的验证主要集中在使用随机森林和大型语言模型（LLMs）的转向架系统上，但它为未来的工业元宇宙铺平了道路，在那里沉浸式诊断可以集成到维护生命周期中。