轨道交通关系到我们的出行和物资保障。要护送轨道交通安全，离不开安全监控器-传感器。通过传感器收集数据信息进行分析，可以实现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准确、更快地诊断和治疗车辆？中车工业研究院公司(以下简称中车研究院)，、，在不增加传感器安装成本的情况下，故障检测精度提高了10个百分点。
中国汽车研究所是中国汽车科技创新管理和支持服务的直属机构。技术和产品涵盖中国所有铁路机车、卡车、动车、城市轨道车辆（地铁轻轨）通用机电和风电新能源。
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，车辆的振动数据可以比传统收集的电流和电压数据更早地反映车辆的异常和故障，但现有车辆上的振动传感器数量有限，不仅增加了成本，而且很麻烦。振动数据是否可以根据现有车辆的电流和电压数据变出？
自2018年以来，中车研究所开始探索如何构建虚拟传感器：没有实体，就像健康一样APP同样，传感器收集到的电流和电压数据也可以进行一系列计算，并转换为所需的车辆振动数据。这项研究属于前沿领域，在中国没有人尝试过。面对这个棘手的问题，中国汽车研究所高级架构师刘琦找到了另一种方法，认为它可以使用AI一试。
2020年，刘琦的团队了解并比较了国内外的深度学习框架和平台，很快专注于百度桨，这是中国第一个独立研发、开源开放、功能丰富的产业深度学习平台。恰巧当时百度AICA首席AI架构师培训计划三期班正在报名招聘，基于桨将AI技术与工业场景深度融合的理念击中了刘琦。她以创建虚拟传感器为主题AICA在培训学习中。
最大的挑战是，这个领域以前没有人做过，也没有参考。在高级工程师的指导和建议下，刘琦的团队选择应用桨框架中的顺序分析和语义理解算法，在桨官方网站上完整的中文数据的指导下，探索可行的路径，整理出清晰明确的实施计划。
刘琦用飞桨开发虚拟传感器模型
中车研究所团队利用桨结构的虚拟传感器模型，首先提取电流电压数据和振动数据的特点，找到两者之间的共同点AI黑盒计算公式计算公式，使两种数据相互映射，最终完成虚拟传感器模型的设计。
传统的算法方法从模型构建、培训到实际部署应用需要两到三年时间；在桨的支持下，这一技术创新突破只花了几个月的时间。实际效果也令人惊叹：经过实验室试验和铁路环线验证后，基于桨的虚拟传感器获得的振动数据与安装的振动传感器数据同等有效随着中车研究院算法的不断优化，故障检测的整体精度提高了10%，取得了长远进展。
在铁路环线上进行验证
目前，中国汽车研究所采用桨框架作为基础开发的故障识别模型和虚拟传感器模型，已加载在中国汽车研究所自主研发的积木设备物联网和计算平台上，并已应用于轨道交通和风力发电领域。在这个国内无人驾驶的研究领域，中国汽车研究所与桨携手突破，最终在无人区取得创新突破。
未来，这种虚拟传感器将出现在我们每天乘坐的高铁、动车、地铁，甚至电动公交车和风力发电机中，AI保护每个人的出行安全。
请关注更多飞桨行业应用案例故事。飞桨让AI走进田野，你我身边！
点击阅读原文或在飞桨微信官方账号后台回复关键词有解。行业有问题，飞桨有解。
左右滑动试阅
关注【飞桨PaddlePaddle】公众号
获取更多技术内容~