轨道交通车辆智能运维系统

摘要

本发明公开的轨道交通车辆智能运维系统，是一个包括云端运维层、雾端运维层、物端运维层的三级递阶智能系统，它由以云端服务器集群构建的轨道交通智能运维中心，集成了铁路机车智能运维系统、旅客列车智能运维系统、货运列车智能运维系统、高铁动车智能运维系统、城轨地铁智能运维系统、工程车辆智能运维系统、磁浮列车智能运维系统、设备厂商运维子系统、管控决策运维子系统、诊断预测运维子系统。本发明的有益效果在于：系统将轨道交通车辆在线状态监测与管控决策、诊断预测和设备厂商运维集成一体，有效解决了轨道交通车辆运营监测监控、风险管控、隐患排查和应急处置中的信息互通共享、交互融合问题。

说明书

技术领域

本发明涉及用于轨道交通车辆运行维护、故障诊断与预测的技术方法及管理系统，尤其涉及一种轨道交通车辆智能运维系统。

背景技术

轨道交通是指运营车辆需要在特定轨道上行驶的一类交通工具或运输系统。我国幅员辽阔，铁路运输是我国交通运输的主力，随着经济的腾飞，铁路运输事业突飞猛进。预计2020年末，全国铁路营业里程达到14.6万公里，其中高速铁路3.8万公里，中西部地区铁路营业里程9万公里，铁路复线率和电化率分别达到60%和73%。2019年全国铁路机车拥有量为2.2万台，其中内燃机车0.80万台、占36.9%，电力机车1.37万台、占63.0%；全国铁路客车拥有量为7.6万辆，其中，动车组3665标准组、29319辆；全国铁路货车拥有量为87.8万辆。庞大的铁路体系不仅仅带来经济的繁荣发展，更给机车车辆运行、维护带来巨大压力。由于缺乏有效技术装备和系统长期运行的经验积累，我国铁路部门普遍沿用不计成本保安全的劳动力密集型计划维修（即定期维修）体制。该体制是在针对传统机械装备的磨耗型故障模型上形成的，已经难以适应目前集成化机电装备的故障规律，造成维修量大、工作强度高、准确性不足的局面。根据统计，2015年全路动车组平均检修率达14.22%,上线率只有75%。更为紧迫的是，我国高铁装备海外出口势头已经形成，但是由于技术装备输入国通常强制要求相关劳动力资源本土化，我国现有劳动力密集型维修体制无法在国外复制，难以满足高铁海外出口的维修保障需求。针对以上现状，铁路维修保障部门已经提出，未来维修方式应该在精确掌握列车状态的前提下，逐渐向状态维修体制过渡，从而保障运行安全、提高维修效率，满足国内和海外维修保障需求。

近年来开始蓬勃发展的大数据、机器学习以及云计算技术，为机械设备维修保障提供了全新的解决途径，国外轨道交通领域技术先行国家在故障预测健康管理方面已经进行了大量的研究和运用，如日本川崎重工的MON系统、美国GE的RM&D系统、加拿大庞巴迪的MITRAC CC Remote 系统、法国阿尔斯通的 Health Hub系统、德国西门子的 Railigent系统等。日本的新干线在2015年7月，构建了可以连续对东海道新干线上高速列车进行监测，采集并分析车辆上各个重要部件与设备运行状态数据的系统，并在东京、大阪设置了专业分析车辆数据的机构“车辆数据分析中心”，使得维修人员配备减少1/3，故障大幅下降。美国通用电气公司的RM&D平台可以实现对高铁装备进行远程监控与诊断，其包括的功能有：实时监测、故障诊断、关键部件寿命预测，并且可以提供智能维修建议。我国轨道交通智能化行业在近年来的快速发展，得益于高速铁路建设、城市轨道交通大规模投资带来的牵引和拉动作用；以城市轨道交通为例，我国目前城市轨道交通开通运营城市达50座，运营总里程突破6000公里，投资达4万亿元，拥有全世界最大的轨道交通市场，无疑会使轨道交通的信息化与智能化发展到前所未有的水平。

综上所述，现在迫切需要一种能提高轨道交通车辆检修效率，降低劳动成本的先进的运维方法。轨道交通车辆智能运维系统能有效提高轨道交通车辆运维工作效率，故障预测与健康管理更是能让业主或主机厂全方位掌控轨道交通车辆各系统健康情况，及时合理安排轨道交通车辆的修程，让轨道交通车辆实现经济效益最大化。

发明内容

为了解决上述问题，本发明基于现有轨道交通车辆的运维模式，为充分发挥大数据处理技术在轨道交通车辆运维中的作用，构建了以云计算、雾计算、物计算为基础的轨道交通车辆智能运维系统。

本发明采用的技术方案是：一种轨道交通车辆智能运维系统，是一个包括云端运维层、雾端运维层、物端运维层的三级递阶智能系统；其特征是：云端运维层是轨道交通车辆智能运维的核心层，按照我国轨道交通的基本运营模式，它由以云端服务器集群构建的轨道交通智能运维中心将铁路机车运维云、旅客列车运维云、货运列车运维云、高铁动车运维云、城轨地铁运维云、工程车辆运维云、磁浮列车运维云、设备厂商运维云、管控决策运维云、诊断预测运维云集成一体，各运维云服务器根据设置地点的不同可分别选择通过既有广域网、城域网或局域网与轨道交通智能运维中心建立连接，轨道交通智能运维中心收集、处理、分析、存储来自各运维云服务器的、用于智能运维支撑的实时数据和非实时数据，管控决策运维云服务器通过既有广域网、城域网或局域网连接到国家、地方的交通运输管理、调控、决策的相关职能部门以形成轨道交通车辆的管控决策运维子系统，诊断预测运维云服务器通过既有广域网、城域网或局域网连接到从事轨道交通车辆状态监测与故障诊断的科研院所以形成轨道交通车辆的诊断预测运维子系统，设备厂商运维云服务器通过既有广域网、城域网或局域网连接到轨道交通车辆的主机厂、设备供应商以形成轨道交通车辆的设备厂商运维子系统，在管控决策运维子系统、诊断预测运维子系统的支持下对监测数据进行分类挖掘、实时状态分析、故障诊断与趋势预测并实现数据互通共享、交互式查询，同时将相关设备状态信息反馈到设备厂商运维子系统，设备厂商通过对反馈信息统计分析完成对在线运行设备的隐患挖掘以改进技术及产品、优化运维管理；铁路机车运维云、旅客列车运维云、货运列车运维云、高铁动车运维云、城轨地铁运维云、工程车辆运维云、磁浮列车运维云是针对不同轨道交通车辆运维的、以其云端服务器为核心而形成的智能运维系统。

在本发明中，所述铁路机车、旅客列车、货运列车、高铁动车、城轨地铁、工程车辆、磁浮列车的智能运维系统采用相同的结构形式，因不同轨道交通车辆的运营管理模式不同，其智能运维系统需具有独立的雾端运维层和物端运维层；以城轨地铁运维系统为例，其雾端运维层是基于现有城市轨道交通运营模式构建的P个城市的城轨地铁智能运维子系统，通过广域网与城轨地铁运维云端服务器连接，通过既有城域网与城市所管辖的

在本发明中，所述的轨道交通智能运维中心是包括数据接收服务器、数据处理服务器、数据存储服务器、数据接入服务器的云端服务器集群，其中，数据接收服务器由铁路机车智能运维系统、旅客列车智能运维系统、货运列车智能运维系统、高铁动车智能运维系统、城轨地铁智能运维系统、工程车辆智能运维系统、磁浮列车智能运维系统的云端服务器组成，数据接入服务器由设备厂商运维子系统、管控决策运维子系统、诊断预测运维子系统的云端服务器组成，数据存储服务器用于保存系统运维数据，数据处理服务器通过数据接收服务器接收并保存来自轨道交通车辆各智能运维系统的实时状态监测数据，结合设计参数库、设备履历库、诊断知识库、专家知识库、故障数据库、健康数据库经数据清洗、数据融合、数据分析、数据推理后作出运维决策结论并发送至相应的轨道交通车辆智能运维系统、设备厂商运维子系统、管控决策运维子系统和诊断预测运维子系统，同时根据运维决策结论将该数据保存到故障数据库或健康数据库，对存在故障的数据进行数据挖掘以期建立故障的数据模型，为后续运维决策提供数据支持。

在本发明中，所述的设备厂商运维子系统是由设备厂商运维服务器通过既有网络连接

在本发明中，所述的管控决策运维子系统按照我国轨道交通现行管理运营体制，由管控决策运维服务器通过既有网络连接国家交通运输部所属的综合规划司、运输服务司、国家铁路局、地方交通运输厅和国家铁路集团公司所属的客运部、货运部、调度部、机辆部、各铁路局集团公司的相应职能部门终端而形成的系统，其中，城市轨道交通的主管、运营和检修部门通过地方交通运输厅设置的二级服务器接入，其它轨道车辆运维的客运段、货运段、车辆段、机务段、检修段通过各铁路局集团公司设置的二级服务器接入，实现对轨道交通车辆运营过程、区域和关键设施设备的监测监控、风险管控和隐患排查、应急处置。

在本发明中，所述的诊断预测运维子系统是由诊断预测运维服务器通过既有网络连接

本发明的有益效果是，通过由云端服务器集群构建的轨道交通智能运维中心集成了铁路机车智能运维系统、旅客列车智能运维系统、货运列车智能运维系统、高铁动车智能运维系统、城轨地铁智能运维系统、工程车辆智能运维系统、磁浮列车智能运维系统、设备厂商运维子系统、管控决策运维子系统、诊断预测运维子系统等，有效解决了轨道交通车辆运营监测监控、风险管控、隐患排查和应急处置中的信息互通共享、交互融合问题。

附图说明

图1是本发明实施例的总体结构框图；

图2是本发明的轨道交通智能运维中心实施例结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见附图，图1是本发明实施例的总体结构框图，为现有轨道交通运维中存在的问题，本发明基于现有轨道交通车辆的运维模式，为充分发挥大数据处理技术在轨道交通车辆运维中的作用，构建了以云计算、雾计算、物计算为基础的轨道交通车辆智能运维系统。物计算即基于物联网技术的边缘计算。云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户；云计算早期就是简单的分布式计算，解决任务分发，并进行计算结果的合并，因而云计算又称为网格计算；通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。雾计算（Fog Computing），在该模式中数据、（数据）处理和应用程序集中在网络边缘的设备中，而不是几乎全部保存在云中，是云计算的延伸概念，由思科（Cisco）提出的；这个因“云”而“雾”的命名源自“雾是更贴近地面的云”这一名句。雾计算和云计算一样，十分形象，云在天空飘浮，高高在上，遥不可及，刻意抽象；而雾却现实可及，贴近地面，就在你我身边；雾计算并非由性能强大的服务器组成，而是由性能较弱、更为分散的各类功能计算机组成，渗入工厂、汽车、电器、街灯及人们物质生活中的各类用品。随着我国高速铁路列车速度的不断提升，用于控制列车安全、可靠、平稳、高速运行的基础装备和列车运行控制系统正向电子化、智能化、复杂化方向发展。这些日益复杂的装备和系统自身的安全性和可靠性，是技术人员非常关心的问题。高铁列车的基础装备和运行控制系统虽在设计之初都遵循了“安全指标”原则，但仍存在发生故障的可能性，因为越复杂的系统发生故障的概率也会越高。这些装备或系统在实际运行中一旦发生故障会极大地影响运营效率，在极端情况下甚至会导致安全事故的发生。因此，提高高铁列车基础装备和运行控制系统在运行过程中的安全性及可靠性，已日益受到关注，PHM(故障预测与健康管理)技术也日益得到重视。本发明采用的轨道交通车辆智能运维系统，是一个包括云端运维层、雾端运维层、物端运维层的三级递阶智能系统；其中，云端运维层是轨道交通车辆智能运维的核心层，按照我国轨道交通的基本运营模式，它由以云端服务器集群构建的轨道交通智能运维中心将铁路机车运维云、旅客列车运维云、货运列车运维云、高铁动车运维云、城轨地铁运维云、工程车辆运维云、磁浮列车运维云、设备厂商运维云、管控决策运维云、诊断预测运维云集成一体，各运维云服务器根据设置地点的不同可分别选择通过既有广域网、城域网或局域网与轨道交通智能运维中心建立连接，轨道交通智能运维中心收集、处理、分析、存储来自各运维云服务器的、用于智能运维支撑的实时数据和非实时数据，管控决策运维云服务器通过既有广域网、城域网或局域网连接到国家、地方的交通运输管理、调控、决策的相关职能部门以形成轨道交通车辆的管控决策运维子系统，诊断预测运维云服务器通过既有广域网、城域网或局域网连接到从事轨道交通车辆状态监测与故障诊断的科研院所以形成轨道交通车辆的诊断预测运维子系统，设备厂商运维云服务器通过既有广域网、城域网或局域网连接到轨道交通车辆的主机厂、设备供应商以形成轨道交通车辆的设备厂商运维子系统，在管控决策运维子系统、诊断预测运维子系统的支持下对监测数据进行分类挖掘、实时状态分析、故障诊断与趋势预测并实现数据互通共享、交互式查询，同时将相关设备状态信息反馈到设备厂商运维子系统，设备厂商通过对反馈信息统计分析完成对在线运行设备的隐患挖掘以改进技术及产品、优化运维管理；铁路机车运维云、旅客列车运维云、货运列车运维云、高铁动车运维云、城轨地铁运维云、工程车辆运维云、磁浮列车运维云是针对不同轨道交通车辆运维的、以其云端服务器为核心而形成的智能运维系统。PHM 的概念首先出现在美国军方在 20 世纪末的 JSF 联合攻击战斗机项目中，最初是基于视情维修(CBM)而提出的。PHM对于提高战斗机的维修保障能力、减少飞机维保费用有着重大意义。如今随着技术的不断发展，如何通过对设备状态信息的釆集、处理、分析，来准确评估设备的健康状况，并及时对将要发生的故障进行精准的预测，已经成为亟待解决的新问题。CBM 技术在过去几十年中，作为安全性和可靠性评估的工具已经取得了一定的成效，但它仍然是一个相对静态的过程，并不能够动态监视并预测系统的真实健康状态，而 PHM 技术则能够很好地解决此问题。目前，国外几种典型的 PHM 系统(如 PHM De-sign TM)的设计、开发及验证都是服务于航天领域。为提高 PHM 技术在我国大型复杂装备领域的应用，研制一款设计、开发及验证功能一体化的PHM 系统具有重要意义。本文以轨道交通装备为研究对象，针对 PHM 系统设计的关键技术及其体系结构进行论述，分析了适用于轨道交通装备的PHM 系统的结构体系;并应用该系统动态监测关键部件及系统的健康状态，以提高列车运营期间的安全性。

进一步地，本发明基于我国现行的轨道交通车辆运营模式，构建针对铁路机车、旅客列车、货运列车、高铁动车、城轨地铁、工程车辆、磁浮列车的、具有各自特点的独立智能运维系统，且这些系统共有一个云端轨道交通智能运维中心。在本发明中，所述铁路机车、旅客列车、货运列车、高铁动车、城轨地铁、工程车辆、磁浮列车的智能运维系统采用相同的结构形式，因不同轨道交通车辆的运营管理模式不同，其智能运维系统需具有独立的雾端运维层和物端运维层；以城轨地铁运维系统为例，其雾端运维层是基于现有城市轨道交通运营模式构建的P个城市的城轨地铁智能运维子系统，通过广域网与城轨地铁运维云端服务器连接，通过既有城域网与城市所管辖的

图2是本发明的轨道交通智能运维中心实施例结构框图。时代的进步预示着科技的进步，科技技术有了质的飞跃，从以前的事故发生能够迅速解决的要求逐渐提高，到现在科技已经可以做到在事故即将发生之前作出示警，提前做出处理，避免影响扩大。这样的技术称之为故障预测技术，而此项技术在我国近几年兴起的高铁动车组运行中起到了至关重要的作用，故障预测技术主要分成以下几类：（1）传统可靠性预测--该预测技术传承了传统技术的可靠性，主要研究主体设备的使用寿命以及周期性故障的规律性，依据统计分析的办法来将一类有共通性质的设备进行检测发现其发展规律；这种预测方式一般分为：以寿命作为采集指标预测技术，以故障原因作为出发点分析出设备的寿命规律。（2）失效物理预测--这种预测方法旨在分析探究设备的时间、所处环境、工作承受力等内部因素是否失去效用，确定失效因素，具体原因具体分析，然后根据其失效的情况，在储存状态下进行预测，该技术预测精确度较高，可以清晰分析出可能出现的问题，从而延长维修年限，减少维修消耗成本。（3）数据驱动预测--数据驱动即就是利用大量的设备使用周期信息来完善整个预测所需要的数据，并在数据内部建立相关的对应关系，建立起大众化、非针对性的模型，那么则需要数据的采取具有整体性，能反映出整体设备的关键性问题；最后对该模型进行专业性的预测与分析。（4）知识库预测--系统中包括了大量行业佼佼者所具备的知识框架与体系，节能采取智能手段，使用系统进行专业性的分析与检测，就等同于专家团队在做专业性的判断，从而快捷地寻找出最有效的解决办法；这是一种可以在信息的完全不对称，外界干扰严重的情况下，寻找出问题的解决方案的预测方法，如果说专家预测运用的是一种专业性标准映射，那么模糊逻辑的思维能力则是在非映射关系的情况下所实行的，该技术通常通过函数手段现将信息清晰化，分离出自己需要的信息，然后使用预测手段进行具体分析。为此，本发明中的轨道交通智能运维中心是包括数据接收服务器、数据处理服务器、数据存储服务器、数据接入服务器的云端服务器集群，其中，数据接收服务器由铁路机车智能运维系统、旅客列车智能运维系统、货运列车智能运维系统、高铁动车智能运维系统、城轨地铁智能运维系统、工程车辆智能运维系统、磁浮列车智能运维系统的云端服务器组成，数据接入服务器由设备厂商运维子系统、管控决策运维子系统、诊断预测运维子系统的云端服务器组成，数据存储服务器用于保存系统运维数据，数据处理服务器通过数据接收服务器接收并保存来自轨道交通车辆各智能运维系统的实时状态监测数据，结合设计参数库、设备履历库、诊断知识库、专家知识库、故障数据库、健康数据库经数据清洗、数据融合、数据分析、数据推理后作出运维决策结论并发送至相应的轨道交通车辆智能运维系统、设备厂商运维子系统、管控决策运维子系统和诊断预测运维子系统，同时根据运维决策结论将该数据保存到故障数据库或健康数据库，对存在故障的数据进行数据挖掘以期建立故障的数据模型，为后续运维决策提供数据支持。

考虑到目前冠名机车厂的不一定都生产铁路机车，以车辆厂冠名的不一定都生产轨道车辆厂。而目前依然生产机车的基本上就是北车的大连、大同、二七三家，南车的株洲、戚墅堰、资阳三家，另外，南车和北车还有四方、长客、唐客等生产动车的，而有些机车厂是不生产机车而进行机车大修的，比如洛阳、兰州、襄樊、柳州等。因此，本发明中的设备厂商运维子系统是由设备厂商运维服务器通过既有网络连接

交通运输部是国务院重要组成部门，负责推进综合交通运输体系建设，统筹规划铁路、公路、水路、民航以及邮政行业发展，建立与综合交通运输体系相适应的制度体制机制，优化交通运输主要通道和重要枢纽节点布局，促进各种交通运输方式融合；因此，本发明中的管控决策运维子系统按照我国轨道交通现行管理运营体制，由管控决策运维服务器通过既有网络连接国家交通运输部所属的综合规划司、运输服务司、国家铁路局、地方交通运输厅和国家铁路集团公司所属的客运部、货运部、调度部、机辆部、各铁路局集团公司的相应职能部门终端而形成的系统，其中，城市轨道交通的主管、运营和检修部门通过地方交通运输厅设置的二级服务器接入，其它轨道车辆运维的客运段、货运段、车辆段、机务段、检修段通过各铁路局集团公司设置的二级服务器接入，实现对轨道交通车辆运营过程、区域和关键设施设备的监测监控、风险管控和隐患排查、应急处置。

从事铁路科学研究的科研院所、学术团体较多。因此，本发明中的诊断预测运维子系统是由诊断预测运维服务器通过既有网络连接

综上所述，本发明公开的轨道交通车辆智能运维系统，是一个包括云端运维层、雾端运维层、物端运维层的三级递阶智能系统，它由以云端服务器集群构建的轨道交通智能运维中心，集成了铁路机车智能运维系统、旅客列车智能运维系统、货运列车智能运维系统、高铁动车智能运维系统、城轨地铁智能运维系统、工程车辆智能运维系统、磁浮列车智能运维系统、设备厂商运维子系统、管控决策运维子系统、诊断预测运维子系统。本发明的有益效果在于：系统将轨道交通车辆在线状态监测与管控决策、诊断预测和设备厂商运维集成一体，有效解决了轨道交通车辆运营监测监控、风险管控、隐患排查和应急处置中的信息互通共享、交互融合问题。

以上所述仅为本发明的较佳实施例而己，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。