轨道交通关乎我们的出行和物资保障，要为轨道交通安全护航，离不开“安全监测器”——传感器，通过传感器收集数据信息再进行分析，能够实现对轨道车辆的状态监测和故障诊断。
如何在这些传感器的基础上更精准、快速地为车辆“诊断”、“治疗”？中车工业研究院公司（简称“中车研究院”）
基于飞桨创新打造了“虚拟传感器”
，
在国际前沿的科技领域实现了重点创新
、
开国内研究之先河
，不增加传感器加装成本的同时，还将故障检测准确率整体提升了10个百分点。
中车研究院是中国中车科技创新管理和支撑服务的直属机构，技术和产品覆盖中国所有铁路机车、货车、动车、城轨车辆（地铁轻轨）通用机电，以及风电新能源等领域。
故障预测与健康管理是中车研究院持续深耕的重要方向之一。一节列车的车厢上装载几百至几千个传感器来收集电流、电压等车辆的健康数据，再通过对数据进一步分析来判断定位列车的故障，有针对性地进行检修和维护。
相关研究表明，车辆的振动数据能比常规收集的电流、电压数据更早反映出车辆的异常和故障，但既有车辆上的振动传感器数量有限，加装的话不仅增加成本、布线也很麻烦。能否根据已有的车辆电流电压数据“变出”振动数据？
从2018年开始，中车研究院便开始探索如何打造虚拟传感器：没有实体，像一个健康APP一样，能将传感器收集到的电流电压数据进行一系列计算，转化成需要的车辆振动数据。这项研究属于前沿领域，在国内还无人尝试。面对这个棘手难题，中车研究院高级架构师刘琦另辟蹊径，想到或许可以用AI一试。
2020年，刘琦所在团队了解比对了国内外的深度学习框架和平台，很快将目光聚焦在国内首个自主研发、开源开放、功能丰富的产业级深度学习平台百度飞桨上。恰巧当时百度AICA首席AI架构师培养计划三期班正在报名招募，基于飞桨将AI技术与产业场景深度融合的理念“击中”了刘琦，她把打造虚拟传感器作为课题带进AICA的培训学习中。
“最大的挑战是这个领域之前根本没人做过，也没有任何参考。”在飞桨资深工程师的指导建议下，刘琦所在团队选择应用飞桨框架中的时序分析与语义理解算法，在飞桨官网齐全的中文资料指引下，探索得到了可行路径并梳理出清晰明确的实施方案。
中车研究院团队利用飞桨构造的虚拟传感器模型，首先提取电流电压数据和振动数据的特征，找到两者之间的共同点后，应用AI自主设计出一个黑盒计算公式，让两种数据实现相互映射，最终完成虚拟传感器模型的设计。
从模型搭建、训练到实际部署应用，传统的算法方法需要两到三年；而在飞桨的加持下，这一技术创新突破仅仅花费了几个月的时间。实际效果也令人惊艳：通过实验室测试、铁路环线验证后，基于飞桨打造的虚拟传感器所取得的振动数据与加装振动传感器数据同等有效，并且在中车研究院的算法持续优化之下，故障检测准确率整体提升了10%，取得了长远的进步。
目前，中车研究院使用飞桨框架作为底层基础开发的故障辨识模型和虚拟传感器模型，已经加载于中车研究院自研的积木式设备物联与计算平台中，并在轨道交通及风力发电领域实现了应用。这一国内无人挑杆的研究领域，中车研究院与飞桨携手闯关，最终在无人区实现创新突破。
未来，我们日常乘坐的高铁、动车、地铁，甚至电动大巴汽车、风力发电机中都会有这个虚拟传感器的身影，AI时时刻刻守护着每个人的出行安全。
更多飞桨产业应用案例故事，敬请关注7月21日举办的2022百度世界大会。飞桨让AI走进了田间地头、你我身边！
点击阅读原文或在飞桨公众号后台回复关键词“有解”，即可获得飞桨“有解”案例册链接。产业有问，飞桨有解。
