魏利 王鈺
摘 ? 要:城市軌道交通作為高速、大容量公共交通工具,其安全性、可靠性直接關(guān)系到乘客的人身安全。關(guān)鍵設(shè)施設(shè)備是城市軌道交通運營的基礎(chǔ),其工作狀態(tài)對列車運營安全至關(guān)重要。近年來,地鐵行業(yè)開始把設(shè)備維護和信息化結(jié)合建設(shè)智慧運維作為發(fā)展方向,各地鐵公司逐漸將智慧運維工作列為重中之重。本文重點針對地鐵維護系統(tǒng)特點,對地鐵信息系統(tǒng)的智慧運維系統(tǒng)需求進行研究,為全路相關(guān)系統(tǒng)研發(fā)提供思路和方法。
關(guān)鍵詞:智慧運維 ?地鐵 ?發(fā)展分析
中圖分類號:U284 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼:A ? ? ? ? ? ? ? ? ? ? ? 文章編號:1674-098X(2020)04(c)-0168-02
1 ?引言
隨著各地地鐵線路不斷鋪開,維護的技術(shù)力量不斷被攤薄,客流量逐漸攀升以及延長運營帶來的維護時間的壓縮等都給各地地鐵通信信號設(shè)備的維護工作帶來壓力。我國地鐵信息化建設(shè)經(jīng)過幾十年的發(fā)展,信息系統(tǒng)幾乎深入到地鐵所有專業(yè)領(lǐng)域,已成為地鐵運輸生產(chǎn)和管理工作的重要工具和核心戰(zhàn)略資源。隨著科技技術(shù)的迅猛發(fā)展,正日益深刻地改變著人類的生產(chǎn)方式和生活方式,并且日益成熟的科技技術(shù)開始應(yīng)用于地鐵運營維護,結(jié)合目前軌道交通建設(shè)現(xiàn)代化、智能化,需要利用現(xiàn)代先進手段,提升設(shè)施設(shè)備運行水平,提高運營維護、維修效率。通過實施智能運維平臺建設(shè),可有效解決信息孤立分散、缺乏基于系統(tǒng)安全態(tài)勢分析的預(yù)警及隱患識別能力的問題。
2 ?地鐵運維系統(tǒng)分析
地鐵運行設(shè)備的維護管理一方面要具有及時性和預(yù)防性的特點,一方面又具有管理協(xié)調(diào)復(fù)雜、可靠性保障要求高的特點。這兩類特點相互交織,互為矛盾。由于地鐵運營具有連續(xù)性和大載荷的要求,因此地鐵運營主要依靠成組供電設(shè)備和信號控制設(shè)備組成的大型系統(tǒng)來完成。這類系統(tǒng)中具有各類專業(yè)設(shè)備,這些設(shè)備的性能直接影響到地鐵的運營,設(shè)備的性能會隨著運營時間而降低,因此如何提升設(shè)施設(shè)備運行水平,提高運營維護、維修效率就成為需要解決的問題之一。
3 ?多元融合智能感知技術(shù)、大數(shù)據(jù)技術(shù)、機器學(xué)習(xí)技術(shù)和BIM技術(shù)在地鐵運維中的應(yīng)用
3.1 多元融合智能感知技術(shù)的應(yīng)用
傳統(tǒng)的地鐵運營設(shè)備維護模式主要靠人工計劃測量、維護,這種模式的維護效率低,勞動強度大、質(zhì)量低,發(fā)現(xiàn)問題概率低,數(shù)據(jù)間斷不連續(xù)、依靠人的主觀能動,不確定性大。
針對這種情況可以采用多元融合智能感知技術(shù),即選擇感知技術(shù)適配不同種類設(shè)備、設(shè)備不同部件的工作特性,完成關(guān)鍵設(shè)備全狀態(tài)感知。實現(xiàn)機器、設(shè)備自動在線感知,這種模式效率高,質(zhì)量高,做到7*24小時不間斷感知,智能機器感知,數(shù)據(jù)可靠。多元融合智能感知技術(shù)主要有:電氣感知、視頻感知、激光測距、環(huán)境感知、網(wǎng)絡(luò)感知、還有無線場強、智能接口和紅外感應(yīng)的感知技術(shù)。
多元融合智能感知技術(shù)的應(yīng)用為設(shè)備監(jiān)測提供的信息基礎(chǔ),針對不同的數(shù)據(jù)特性研發(fā)相應(yīng)的分析方法實現(xiàn)數(shù)據(jù)的全量智能分析:實時波形分析(連續(xù)數(shù)據(jù)流實時特征分析),曲線分析(事件型曲線特征分析),推理機(綜合型多數(shù)據(jù)的特征分析)和故障樹(系統(tǒng)性特征概率分析)。多元融合智能感知技術(shù)的應(yīng)用,可以做到對設(shè)備的實時針對,提前發(fā)現(xiàn)設(shè)備隱患,提供維修建議,提高設(shè)備可靠性,并且故障時能快速定位故障原因,壓縮故障延時,提高了地鐵運營效率。
3.2 數(shù)據(jù)挖掘和數(shù)據(jù)分析技術(shù)在運維系統(tǒng)中的應(yīng)用
多元融合智能感知技術(shù)產(chǎn)生了海量的信息,有的線路可能每天產(chǎn)生上萬億的數(shù)據(jù)元,這些運營維護數(shù)據(jù)元已呈現(xiàn)“海量數(shù)據(jù)復(fù)雜類型數(shù)據(jù)”的狀態(tài),已具有大數(shù)據(jù)的特征,但地鐵信號系統(tǒng)運營維護記錄和監(jiān)控大數(shù)據(jù)存在多源異構(gòu)和信息非結(jié)構(gòu)性等突出問題,因此如果無法形成一種有效的信息共享機制,最終形成大量的信息孤島,不能有效地實現(xiàn)知識的共享和互操作,造成信息浪費,這將影響地鐵的智能運營維護決策和行車效率。
解決此問題的最好的方法是應(yīng)用大數(shù)據(jù)技術(shù)。大數(shù)據(jù)(big data),IT行業(yè)術(shù)語,是指無法在一定時間范圍內(nèi)用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合,是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。通過大數(shù)據(jù)技術(shù)對運營維護數(shù)據(jù)元進行分析,發(fā)現(xiàn)長期性的、全生命周期的、規(guī)模性的、多維度的設(shè)備運行規(guī)律;為產(chǎn)品設(shè)計、采購決策、庫存決策、人員培訓(xùn)、設(shè)備改造、維護決策、大中修決策提供建議。
傳統(tǒng)的設(shè)備故障模型,是通過專家經(jīng)驗+設(shè)備工作原理轉(zhuǎn)化為知識模型,每個知識模型都需要業(yè)務(wù)專家+知識工程師反復(fù)提煉完成。通過大數(shù)據(jù)技術(shù)建立的設(shè)備故障模型需要具備自學(xué)習(xí)功能,設(shè)備故障模型的自學(xué)習(xí)功能,是通過機器學(xué)習(xí)算法將歷史故障案例自動提煉知識模型,從而使得設(shè)備故障診斷及預(yù)警分析更具備擴展性。如圖1所示。
以轉(zhuǎn)轍機為例,可以參考殘差網(wǎng)絡(luò)單元( ResNet )的網(wǎng)絡(luò)結(jié)構(gòu),適當改進適用于道岔轉(zhuǎn)轍機電氣特性曲線的識別。在卷積層中采用1×1,3×3和1×1的卷積核堆疊,可以有效減少訓(xùn)練參數(shù)的個數(shù),同時利用殘差網(wǎng)絡(luò)能更好地識別出正常曲線和故障曲線的區(qū)別。運用跨層連接實現(xiàn)殘差的傳遞,避免訓(xùn)練過度導(dǎo)致退化和過擬合問題。
另外,在每個卷積層后用BatchNormalization(BN)對輸出結(jié)果進行規(guī)范化,它可以防止梯度彌散并且加快收斂速度。激活函數(shù)采用ELU,它能減少正常梯度與單位自然梯度之間的差距,加快收斂,并且在負的限制條件下能夠更有魯棒性。圖像及視頻識別一直是人工智能領(lǐng)域的難題,它不同于電氣特性按設(shè)備設(shè)計原理傳導(dǎo)具備一定的規(guī)則性。圖形及視頻更多體現(xiàn)出他的可變性,其隨著光影、視角、遠近等因素變化?;诖髷?shù)據(jù)的機器深度學(xué)習(xí)算法擅長于圖形及視頻識別,在各領(lǐng)域已有成熟應(yīng)用
3.3 BIM技術(shù)在運維系統(tǒng)的應(yīng)用
使用BIM技術(shù),與信息化系統(tǒng)結(jié)合,對運營設(shè)備進行全生命周期的管理,從采購到報廢。通過建立的BIM系統(tǒng)打造一個閉環(huán)的設(shè)備監(jiān)測+生產(chǎn)管理平臺,提高了生產(chǎn)效率。
4 ?結(jié)語
地鐵信號系統(tǒng)作為地鐵的大腦中樞,為保證地鐵的高效、安全運行起著不可估量的作用。需要保證地鐵信號系統(tǒng)能夠一直保持良好的運營狀態(tài),才能保證地鐵的持續(xù)運行。隨著信息技術(shù)的發(fā)展,地鐵信號系統(tǒng)產(chǎn)生了海量的運營維護數(shù)據(jù),只有對運營維護數(shù)據(jù)進行分析和挖掘才能實現(xiàn)對地鐵信號系統(tǒng)運營狀態(tài)的準確掌握。
參考文獻
[1] 田明宇.地鐵設(shè)備管理中信息化應(yīng)用研究[J].信息產(chǎn)業(yè),2010(6):144.
[2] 劉巍.西安地鐵設(shè)備管理淺談[J].科技信息,2012(22):474.
[3] 朱禮平,趙寶龍.地鐵設(shè)備維修管理分析[J].城市建設(shè)理論研究,2013(13):48-53.