上海轨道交通车辆智能运维系统

(来源:中国城市轨道交通协会)

车辆智能运维系统建设目标

建设背景

上海地铁由于其超常规模和体量,同时建设时序长(新线不断开通,老线已进入大量更新、改造)以及长期的高负荷运行,必然对车辆运维产生极大的压力。目前,上海地铁日均客流超过1000万,占公交出行的53% 以上,有9条线高峰满载率超过100%,出行早晚高峰不均衡潮汐现象严重。伴随运营网络规模不断扩大,对正线故障事件的应对处理能力不足,运营网络自救能力不足,将导致突发事件发生数量逐年增加,其影响波及全路网,线路以及专业系统关联将造成突发事件由点向面扩大趋势。同时,乘客对于乘坐准点率、舒适性、灵活性等需求的日益提高与服务水平增长之间的矛盾也日益凸显。

建设目标

通过建设先进的上海轨道交通车辆智能运维系统RISE,并辅以运维管理手段的创新,初步实现城市轨道交通车辆运维由传统的计划修、故障修向状态修的转变。

着力打造的车辆智能运维系统RISE 由车联网系统(IOR), 轨旁综合检测系统(SMIT),维护管理系统,车辆维护专家系统组成,可完成从车辆运行到车辆检测维护全过程的数据采集工作,并实现对上海地铁全路网车辆的状态实时监测,异常情况预警,计划自动生成,维修维护指导等功能。

车辆智能运维系统拟实现:

  • 建成上海地铁全网范围内可获取列车实时运行状态数据和故障数据以及能够更全面反映列车及子系统设备状态的非实时数据的车联网系统IOR(Internet Of Rolling Stock)。

  • 建成上海地铁全网范围内,可获取各类车辆外部检测信息的轨旁车辆综合智能检测系统SMIT(Smart Metro Inspection Technology)。

  • 建立车辆维护管理系统,包括车辆移动巡检系统、检修平台可视化管理即“鹰眼”系统、工具管理系统、物料管理系统以及基于物联网的工艺设备管理系统。

  • 建立包含车辆运行、检测、维修等全过程状态的数据中心,并建立具备车辆知识库、检修业务支持、设备健康管理、列车服务评估、列车历史履历、专业主题分析等功能的车辆维护专家系统。

  • 构建以车联网系统(IOR)、轨旁车辆综合检测系统(SMIT)、维护管理系统为基础, 以车辆维护专家系统为核心的智能运维系统平台RISE(Rolling stock Intelligence SupportEngineering),并完成与上海地铁各类既有维修业务平台的接口建设,重构车辆运维业务流程,实现车辆状态修。

  • 制定面向城市轨道交通网络的智能运维系统技术标准和规范体系,包括车辆、检测数据传输规范和车辆运营、检修管理规范等。

车辆智能运维系统建设内容

车联网系统IOR

车联网系统通过在车辆安装无线传输设备,对列车运行的状态数据与故障数进行采集与封装;在内网、专网或互联网环境下,采用适当的信息安全保障机制与数据传输协议进行数据传输;应用部分提供安全可控乃至个性化的实时在线监测、定位追溯、报警联动、调度指挥、在线升级、统计报表等管理和服务功能。车联网系统所采集的数据是车辆智能运维系统最重要的数据基础。

图1 轨旁车辆综合检测系统

轨旁车辆综合检测系统SMIT

轨旁车辆综合检测系统SMIT是通过在车辆段或运营正线轨旁安装基于红外线、激光、线阵相机、雷达等传感技术的检测装置,当车辆不停车经过时自动检测车辆的外表故障、磨耗件尺寸、走行部温度以及关键部件状态等,通过图像识别,激光测距、人工智能、机器视觉等方式,发现故障、缺陷及问题,并将此类信息通过上海地铁专用网络发送到数据服务器,并最终进入车辆智能运维系统RISE。轨旁车辆综合检测系统实现了降低人工检修劳动强度,特别是人工检查车辆的频次,提高检修效率,并且有效支持车辆检修作业。如图1所示,当列车通过SMIT系统时,检测设备自动对列车进行检测,并对故障及异常进行标注和提示。

车辆维护管理系统

车辆维护管理系统的实质是通过信息化手段,将车辆运维人员在作业中的全过程记录下,以更为全面地获取维护维修状态信息,并将这些信息格式化、电子化。这些信息包含维护人员作业行为、维护对象实际状态、维护过程工具使用信息、维护过程物料流转信息、维护过程工艺设备使用信息等等。车辆维护管理系统采集这些信息,并对这些信息做分类、汇总管理。车辆维护管理系统同时能够实现维修作业过程中涉及系统的统筹,完成多系统功能的协同联动。如图2 所示,车辆维护信息管理系统以点巡检系统为核心,辅以可视化接地系统、鹰眼系统、检修物料配送系统、工器具管理系统,实现了检修全流程的信息化。

数据处理及传输

在车辆智能运维系统的建设过程中,存在大量的数据交互需求,从数据类型来分,有无线链接数据、流媒体数据、关系型数据以及文件数据。对这些数据进行预处理,使之能快速高效的在各个系统内流转是一个复杂且高难度的课题,车辆智能运维系统通过对不同类型的数据使用适合的数据处理方式,提升了数据处理的效率,加快了数据在系统内流转的速度,极大程度提高了系统的可用性以及用户体验。

  • 无线链接数据预处理

解析数据网关发送过来的数据,Kafka作为消息队列,协议解析器负责数据解析,Spark Streaming负责流式数据处理;完成数据清洗(噪声/ 遗漏/不一致等)、数据集成(多源合一/ 消除冗余)、数据转换(总计、合计等)的数据预处理;使用基于Websocket协议的数据推送;Websocket 推送的数据格式主要为JSON,这个步骤基本不会产生延迟。

图2 车辆维护管理系统架构图

  • 流媒体数据预处理

使用Ffmpeg 完成流媒体数据编解码、采集、格式转换、截图、加水印、协议转换、切割等功能;需要接入的流媒体数据包括RTSP/ RTMP传输协议,H264编码。系统将协议统一转为RTMP。视频转为文件存储,形式FLV,前端支持在主流浏览器下的视频播放。

  • 关系型数据预处理

提供基于数据仓库的主题分析,建立以故障分析为指标的数据集市,其中IFS 的故障数据为事实表,各个主数据为维度表。

  • 文件数据预处理

解析二进制文件传感器数据,完成数据清洗(噪声/ 遗漏/ 不一致等)、数据集成(多源合一/消除冗余)、数据转换(总计、合计等)的数据预处理;使用基于Websocket 协议的数据推送。

车辆维护专家系统

如图3所示,车辆智能运维系统RISE的核心是在领域知识和历史数据基础上,通过实时发现异常状态并对车辆状态进行准确及时的评估,精确定位现有故障并预测零部件和车辆未来状态趋势,从而科学化、系统化实施运维决策。

图3 专家系统预警诊断逻辑

智能运维系统平台RISE

智能运维平台RISE 的整体架构如图4所示,在RISE的应用业务层面,运维基础数据管理系统作为整个平台运行的基础,提供列车基本信息,列车结构树、列车故障词典等基础信息;车辆运维多维数据采集系统即指IOR 系统、SMIT系统、维护管理系统的合集,立体化的采集数据;这些信息汇总至车辆维修专家系统,车辆维修专家系统同时也收集规程信息、人事信息、工具信息、物料信息、施工条件信息及车辆主数据信息,生成车辆状态修计划。在维修的过程中,车辆维修专家系统也会回采企业资产管理系统的数据,实现车辆设备的全寿命周期管理。

图4 车辆智能运维平台

车辆智能运维系统技术标准和规范体系

为了规范智能运维系统建设,形成可复制可推广的建设模式,将建设经验固化为建设方法,制定了车辆智能运维技术标准体系。

车辆智能运维系统建设成果

RISE由上海地铁大数据中心承载,其核心是在领域知识和历史数据基础上,通过建立海量数学模型实现对车辆状态进行动态评估,精确定位现有故障并预测零部件和车辆未来状态趋势,使运维决策效率更高,更为科学。

数学模型包含设备异常状态检测、故障诊断和推理、轨道车辆状态评估和预测、部件剩余寿命预测四个方面。上海地铁17 号线在车辆运维工作中全面应用了车辆智能运维系统,目前运维人车比下降20%,达到0.4;车辆可用率提升3%。

上海地铁17号线作为RISE系统的试点投用线路,已为17号线运行保障服务2 年,对所有列车实时状态进行24小时不间断的监控,收集列车运行过程中的所有信息,并用大数据平台将其存储、分析,每100至500毫秒更新一次列车的状态数据。通过人工视觉、图像识别手段,每天对完成运行的回库列车进行外观扫描以及重要部件的尺寸检测,并可对异常状态的部件进行主动报警,识别精度高达0.1 毫米。

为提升正线故障处置效率以及尽早发现车辆隐患,在RISE平台上设置了预警规则59项。其中特别需要提到在17号线运营初期,牵引电机温度传感器的故障率颇高,为了尽力减少牵引电机温度传感器故障给正线运营带来的影响,特别设置了相应的预警规则,成功避免了多起运营故障。该预警规则的检修提前介入成功率率超过85%。

车辆智能运维系统已在上海地铁完成了初步建设和试点应用工作,证明了其方案的科学性以及建设的可行性,通过系统在上海地铁17号线的试点应用,已经证明了系统对列车运营可靠性的提升是巨大的,在人工成本节约方面是有效的。

但是在系统建设的过程中还是有许多亟待解决的问题,急需推进部件名称、列车信号的标准统一工作、基础数据梳理工作以及列车构型建立工作。车辆智能运维系统还将在上海地铁继续发展和完善,助力上海地铁超大规模网络化运营,提升上海市民乘坐满意度,提升列车整体运营水平。

来源:傅嘉俊 上海地铁维护保障有限公司车辆分公司

(0)

相关推荐