樊孟杰 ，江海凡 ，丁國富，王 兵，鄒益勝

(西南交通大學(xué) 先進(jìn)設(shè)計(jì)與制造技術(shù)研究所，四川 成都 610031)

0 引言

地鐵是大中城市重要的出行交通工具，對(duì)其進(jìn)行性能評(píng)估、把握實(shí)時(shí)運(yùn)行狀態(tài)、保障其安全運(yùn)行具有重要意義。近年來，隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展，智慧地鐵[1]建設(shè)藍(lán)圖被推上前沿，對(duì)其中的智能運(yùn)維模式[2]也進(jìn)行了需求分析和規(guī)劃。基于該模式，不少學(xué)者設(shè)計(jì)了地鐵列車監(jiān)測評(píng)估體系架構(gòu)，闡述了從底層數(shù)據(jù)采集到頂層列車評(píng)估的相關(guān)使能技術(shù)，能有效地推進(jìn)地鐵運(yùn)行從傳統(tǒng)的被動(dòng)安全向主動(dòng)安全轉(zhuǎn)型[3-5]。然而，隨著地鐵列車設(shè)備越來越多樣化、復(fù)雜化、個(gè)性化，對(duì)其進(jìn)行性能評(píng)估時(shí)將會(huì)面臨一些問題與挑戰(zhàn)，主要集中于以下3方面：

(1)評(píng)估缺乏全面性、數(shù)字化程度不足 傳統(tǒng)的性能評(píng)估多基于數(shù)據(jù)，對(duì)某一部件進(jìn)行單方面的狀態(tài)分析，以圖表形式展示結(jié)果，缺乏對(duì)列車及其部件在結(jié)構(gòu)、屬性、運(yùn)行過程等多方面的數(shù)字化刻畫，難以全面反映列車性能，使評(píng)估內(nèi)容不夠豐富、評(píng)估結(jié)果可視化程度也不足。地鐵列車結(jié)構(gòu)復(fù)雜，從全路網(wǎng)的角度，需要明確列車各層級(jí)模型之間的關(guān)系，并逐一建立數(shù)字化模型，形成對(duì)模型、數(shù)據(jù)的有效管理，以實(shí)現(xiàn)數(shù)據(jù)共享和業(yè)務(wù)共融。

(2)評(píng)估缺乏時(shí)效性和準(zhǔn)確性 列車性能評(píng)估的時(shí)效性和準(zhǔn)確性是評(píng)估結(jié)果好壞的重要評(píng)判指標(biāo)。一方面，當(dāng)前列車性能評(píng)估數(shù)據(jù)源大多以離線數(shù)據(jù)集或模擬數(shù)據(jù)為主，時(shí)效性不足；另一方面，評(píng)估模型缺乏對(duì)可變參數(shù)的集成，不能自感知?jiǎng)討B(tài)數(shù)據(jù)來調(diào)整模型參數(shù)，模型無法實(shí)現(xiàn)迭代優(yōu)化，從而導(dǎo)致評(píng)估結(jié)果精度不高。

(3)評(píng)估模式單一導(dǎo)致評(píng)估效率不高，難以滿足多樣化、個(gè)性化的評(píng)估需求 當(dāng)前列車性能評(píng)估模式以“數(shù)據(jù)采集-車地?cái)?shù)據(jù)傳輸-地面數(shù)據(jù)挖掘與分析”為主。隨著車載智能設(shè)備多樣化、復(fù)雜化，各類數(shù)據(jù)將呈海量增長，該模式下車地協(xié)作不充分、評(píng)估時(shí)效不協(xié)調(diào)、通訊信道資源和存儲(chǔ)資源浪費(fèi)或不足等造成的系統(tǒng)運(yùn)行效率低的缺點(diǎn)會(huì)逐漸暴露，需要新的車地協(xié)作評(píng)估模式以適應(yīng)多樣化、個(gè)性化的評(píng)估需求。

數(shù)字孿生(Digital Twin，DT)作為實(shí)現(xiàn)虛實(shí)之間雙向映射、動(dòng)態(tài)交互、實(shí)時(shí)連接的關(guān)鍵途徑，能形成對(duì)物理世界高保真的動(dòng)態(tài)多維/多尺度/多物理量觀察、認(rèn)知、控制及改造[6]。近年來，數(shù)字孿生處于不斷的探索階段。在生產(chǎn)制造領(lǐng)域，數(shù)字孿生用于構(gòu)建工業(yè)互聯(lián)網(wǎng)架構(gòu)[7]以及信息物理系統(tǒng)[8]，同時(shí)提出了數(shù)字孿生車間[9]的概念，并闡述了其演化機(jī)理[10]；在產(chǎn)品設(shè)備運(yùn)維方面，數(shù)字孿生用于設(shè)備的在線監(jiān)測、壽命預(yù)測以及維護(hù)優(yōu)化[11-14]；在醫(yī)療領(lǐng)域，數(shù)字孿生用于搭建虛擬藥品質(zhì)量控制實(shí)驗(yàn)室，以優(yōu)化設(shè)備、人員效益，降低成本[15]。

上述研究表明，數(shù)字孿生在數(shù)字化領(lǐng)域中解決問題更加全面、逼真、系統(tǒng)、實(shí)時(shí)、高效。因此，本文結(jié)合性能評(píng)估中存在的問題與挑戰(zhàn)，將數(shù)字孿生應(yīng)用于列車性能評(píng)估系統(tǒng)中，提出列車虛實(shí)映射構(gòu)建方案，通過數(shù)字孿生下的虛實(shí)映射數(shù)字化手段全面表達(dá)列車性能，并在此基礎(chǔ)上建立列車異常定位方法和性能評(píng)估模式，為解決性能評(píng)估中存在的問題提供一定借鑒。

1 系統(tǒng)參考架構(gòu)

數(shù)字孿生在面向不同的應(yīng)用對(duì)象時(shí)，具體的系統(tǒng)構(gòu)建方式不同，結(jié)合地鐵列車性能評(píng)估需求和陶飛教授等[16]提出的數(shù)字孿生五維模型，構(gòu)建如圖1所示的基于數(shù)字孿生的地鐵列車性能評(píng)估系統(tǒng)參考架構(gòu)，該架構(gòu)總體分為5部分：

(1)物理空間 從全路網(wǎng)的角度，為使評(píng)估具有全面性，系統(tǒng)應(yīng)當(dāng)能實(shí)現(xiàn)對(duì)任意線路上任意列車的評(píng)估，物理空間則要包括從列車單元級(jí)部件到系統(tǒng)級(jí)列車，再到復(fù)雜系統(tǒng)級(jí)線路或路網(wǎng)的各層級(jí)物理實(shí)體及其屬性信息。在列車運(yùn)行過程中，物理空間產(chǎn)生運(yùn)行數(shù)據(jù)、工作環(huán)境參數(shù)等，是整個(gè)系統(tǒng)的數(shù)據(jù)信息來源，具備底層數(shù)據(jù)采集、傳輸功能。

(2)虛擬空間 通過對(duì)列車及其部件、線路及全路網(wǎng)在幾何、物理、行為、規(guī)則等方面的描述，建立全方位的數(shù)字化模型，一方面在虛擬世界全方位表達(dá)列車信息并真實(shí)反映列車的動(dòng)態(tài)運(yùn)行過程；另一方面將建立的模型用于列車性能評(píng)估分析，如部件劣化分析、有限元分析、多體動(dòng)力學(xué)仿真等。數(shù)字化模型可以表達(dá)為三維模型、標(biāo)記文本、工程算法等形式。

(3)服務(wù)應(yīng)用 通過對(duì)虛擬空間建立的各類模型、算法等進(jìn)行服務(wù)化封裝，在物理空間實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)下完成服務(wù)。在列車性能評(píng)估中，主要應(yīng)用服務(wù)包括列車運(yùn)行異常定位(狀態(tài)辨識(shí))、對(duì)列車及其部件的性能評(píng)估以及評(píng)估結(jié)果的可視化推送。

(4)孿生數(shù)據(jù) 融合了物理空間、虛擬空間以及服務(wù)應(yīng)用中產(chǎn)生及衍生的所有數(shù)據(jù)，主要包括各類模型、列車知識(shí)數(shù)據(jù)、評(píng)估分析數(shù)據(jù)、監(jiān)測數(shù)據(jù)等。各類數(shù)據(jù)通過標(biāo)識(shí)、分類、管理為其余部分提供數(shù)據(jù)支撐，可通過搭建統(tǒng)一的數(shù)據(jù)管理平臺(tái)，建立交互接口，實(shí)現(xiàn)數(shù)據(jù)共享和服務(wù)協(xié)同。

(5)各部分之間的連接 物理空間通過各類協(xié)議、總線(如MVB)將車載數(shù)據(jù)、信息傳輸至虛擬空間和孿生數(shù)據(jù)中，前者用于更新列車模型，實(shí)現(xiàn)以虛寫實(shí)，后者形成數(shù)據(jù)管理，并通過Java數(shù)據(jù)庫(JDBC)、開放數(shù)據(jù)庫連接(ODBC)建立數(shù)據(jù)庫接口，供其余部分調(diào)用；虛擬空間從孿生數(shù)據(jù)中獲取歷史數(shù)據(jù)用于模型訓(xùn)練，并在實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)下進(jìn)行評(píng)估分析，分析結(jié)果一方面返回至孿生數(shù)據(jù)，另一方面在服務(wù)應(yīng)用中，形成報(bào)表統(tǒng)計(jì)，并轉(zhuǎn)換為控制決策；服務(wù)應(yīng)用可通過交互界面請(qǐng)求虛擬空間中的分析服務(wù)，并通過短信或APP形式將控制決策發(fā)送給司機(jī)室或維護(hù)管理人員，實(shí)現(xiàn)對(duì)物理列車的控制或維修。同時(shí)，本次運(yùn)維信息將返回至孿生數(shù)據(jù)進(jìn)行存儲(chǔ)，形成列車履歷數(shù)據(jù)。

上述5部分描述了基于數(shù)字孿生的地鐵列車性能評(píng)估系統(tǒng)架構(gòu)組成。而數(shù)字孿生的應(yīng)用服務(wù)建立于虛實(shí)映射之上，其本質(zhì)是以數(shù)字化的形式對(duì)物理對(duì)象的行為、狀態(tài)或流程進(jìn)行實(shí)時(shí)的動(dòng)態(tài)呈現(xiàn)[17]。數(shù)字化的基礎(chǔ)是在虛擬空間中建立物理對(duì)象的各類模型；行為或流程表達(dá)為對(duì)列車運(yùn)行過程中動(dòng)態(tài)要素的呈現(xiàn)；狀態(tài)是反映列車某時(shí)刻下的性能，通過評(píng)估手段來實(shí)現(xiàn)。因此，本文進(jìn)一步從虛實(shí)映射的角度構(gòu)建性能評(píng)估系統(tǒng)，將架構(gòu)中列車的虛實(shí)映射過程分為模型映射、行為映射和狀態(tài)映射3個(gè)遞進(jìn)層次。三者在虛擬空間中先通過全方位建模反映列車靜態(tài)屬性信息，再將實(shí)時(shí)數(shù)據(jù)與模型關(guān)聯(lián)，反映列車動(dòng)態(tài)運(yùn)行過程/要素(如列車運(yùn)行場景/傳感數(shù)據(jù))，最后在數(shù)據(jù)驅(qū)動(dòng)下，調(diào)用系統(tǒng)封裝的各項(xiàng)功能，完成評(píng)估分析服務(wù)，使評(píng)估具有層次性、全面性，進(jìn)而使列車信息得到全方位的表達(dá)。

2 基于數(shù)字孿生的地鐵列車虛實(shí)映射

2.1 模型映射

模型映射旨在構(gòu)建與列車虛實(shí)一致的靜態(tài)數(shù)字模型，全方位地表達(dá)并管理列車及其部件的屬性信息，是性能評(píng)估服務(wù)的基礎(chǔ)。為使評(píng)估面向全路網(wǎng)并能形成有效管理，首先需要?jiǎng)澐值罔F網(wǎng)絡(luò)層次結(jié)構(gòu)，然后確立各層級(jí)模型的信息組成和關(guān)聯(lián)關(guān)系，最后采用建模手段實(shí)現(xiàn)模型信息的數(shù)字化表達(dá)。

(1)多層級(jí)地鐵網(wǎng)絡(luò)劃分 地鐵列車自身是集機(jī)電一體化、自動(dòng)化于一身的復(fù)雜高科技產(chǎn)品[18]，從全路網(wǎng)的角度，應(yīng)當(dāng)要實(shí)現(xiàn)對(duì)任意線路列車及其部件的信息定位。在實(shí)際情況中，線網(wǎng)中有若干條運(yùn)行線路，線路上管理著若干輛列車的運(yùn)行；列車由多節(jié)車輛“串聯(lián)”而成，而車輛則通過各組分的諸多部件裝配而成。由于性能評(píng)估多是面向關(guān)鍵系統(tǒng)部件，本文不考慮系統(tǒng)部件以下的零部件級(jí)別采取由面到線、由線到點(diǎn)的層級(jí)劃分方式。如圖2所示，劃分出的層次結(jié)構(gòu)至上而下為“線網(wǎng)-線路-列車-車輛-組份-部件”。進(jìn)一步，根據(jù)劃分的層級(jí)，建立各級(jí)模型名稱字典，利用元模型[19]思想建立車輛、列車、線路、路網(wǎng)的產(chǎn)品元模型結(jié)構(gòu)樹，并對(duì)各級(jí)模型設(shè)定編號(hào)規(guī)則，形成逐層統(tǒng)一標(biāo)識(shí)，以實(shí)現(xiàn)全路網(wǎng)下信息的快速定位與管理。

(2)模型信息組成及關(guān)聯(lián)關(guān)系 上述劃分的各層模型可以單獨(dú)抽象為一類實(shí)體對(duì)象，考慮到模型間的關(guān)聯(lián)關(guān)系，各級(jí)模型對(duì)象需包含約束信息、共享信息和自身信息，如圖3所示。

約束信息指從上一層能夠唯一確定下一層模型的獨(dú)有信息，如在某條線路上可以通過列車編號(hào)來確定某一列車，從而獲取列車相關(guān)信息，用Inf_Map表示。將該信息以接口的形式來建立層級(jí)間的關(guān)聯(lián)，對(duì)模型進(jìn)行逐級(jí)封裝，能有效減少建模時(shí)的信息冗余。共享信息指各層模型共同擁有、同步更新的信息，該信息可以在某一層獲取后，通過信息共享機(jī)制傳遞給其它層，如從車載日志上獲取的列車日運(yùn)行里程，可傳遞到同列車其余各層模型，作為日運(yùn)行里程參數(shù)，用Inf_Share表示。自身的屬性信息則指除約束和共享信息外，要構(gòu)建模型的一切信息，包括在全生命周期內(nèi)的設(shè)計(jì)參數(shù)、裝配參數(shù)等，用Inf_Self表示。用Modle表示某一層實(shí)體模型，則其信息組成為：

Modle=。

(3)模型信息表達(dá) 以上三類信息抽象地描述了各級(jí)模型應(yīng)當(dāng)包含的信息類型，以明確模型信息間的關(guān)聯(lián)關(guān)系，而對(duì)3類信息進(jìn)行實(shí)體化時(shí)，又可以從幾何、物理、規(guī)則等方面進(jìn)行描述，如圖4所示。幾何描述包括列車基本結(jié)構(gòu)尺寸信息、部件間的裝配關(guān)系等；物理描述包括重要物理特征項(xiàng)及其演變規(guī)律，如彈性剛度、載荷工況等；規(guī)則描述則是對(duì)有關(guān)聯(lián)的屬性間的關(guān)系進(jìn)行描述，以形成內(nèi)部數(shù)據(jù)關(guān)聯(lián)邏輯。

模型信息的表達(dá)則以某種規(guī)范的數(shù)據(jù)結(jié)構(gòu)形式對(duì)描述信息進(jìn)行數(shù)據(jù)建模，并采用適當(dāng)?shù)墓ぞ呋蚴侄螌?duì)其實(shí)現(xiàn)數(shù)字化。如利用CAD、CAE等軟件對(duì)列車形狀、尺寸、紋理、材質(zhì)、物理特性等方面屬性進(jìn)行刻畫；基于拓?fù)浣④囕v內(nèi)部裝配運(yùn)動(dòng)模型，并賦予相應(yīng)規(guī)則；利用文本、表格、標(biāo)記語言等管理模型信息的讀寫屬性。

2.2 行為映射

行為映射旨在反映列車在途過程中的動(dòng)態(tài)運(yùn)行過程/要素，進(jìn)一步促進(jìn)虛實(shí)空間的關(guān)聯(lián)，該過程獲取實(shí)時(shí)運(yùn)行數(shù)據(jù)，是性能評(píng)估服務(wù)的驅(qū)動(dòng)?？紤]到物理對(duì)象行為粒度的不同，將列車行為分為宏觀上的行為和微觀上的行為。

(1)宏觀行為 指通過一定的設(shè)備或手段可直接觀測、感知、描述的物理對(duì)象行為，落實(shí)到在途地鐵列車，這一類行為可表達(dá)為運(yùn)行過程中產(chǎn)生的動(dòng)作流、數(shù)據(jù)流和信息流，如圖5所示。

動(dòng)作流是列車最直觀的行為，可直接觀測，它將列車的運(yùn)行過程看作一系列動(dòng)作的銜接，如從開門到關(guān)門，再到啟動(dòng)行駛，這一動(dòng)作銜接過程即可形成列車在站臺(tái)“停車-候客-出發(fā)”的場景行為。通過在虛擬空間中對(duì)動(dòng)作流進(jìn)行實(shí)時(shí)映射，可直觀展現(xiàn)列車外觀形態(tài)，提升可視化效果，該過程可采用虛擬運(yùn)行、視景仿真[20]的形式實(shí)現(xiàn)；數(shù)據(jù)流通過感知各類實(shí)時(shí)數(shù)據(jù)來量化列車的行為，可由車載設(shè)備記錄或加裝傳感裝置來獲取數(shù)據(jù)，如列車行駛速度、懸掛部件振動(dòng)信號(hào)、受電弓溫升變化等。由于這些數(shù)據(jù)都是隨著運(yùn)行過程而不斷變化，對(duì)數(shù)據(jù)動(dòng)態(tài)過程的表達(dá)即是對(duì)列車行為的表達(dá)，該映射過程可通過實(shí)時(shí)數(shù)據(jù)監(jiān)控來實(shí)現(xiàn)；信息流是對(duì)列車運(yùn)行過程中位置、站點(diǎn)、運(yùn)行時(shí)間等信息進(jìn)行描述，可用于列車實(shí)時(shí)位置定位，如列車當(dāng)前站點(diǎn)、即將到站站點(diǎn)、公里標(biāo)等，這一流程可直接描述，因此可以通過二維坐標(biāo)定位或可視化看板的形式來實(shí)現(xiàn)。

(2)微觀行為 指在環(huán)境干擾與內(nèi)部運(yùn)行機(jī)制下，無法直接觀察、感知的列車及其部件內(nèi)部響應(yīng)行為，該行為在長期、慢性的內(nèi)部演化過程中形成了一定的規(guī)律，并能建立模型來對(duì)其進(jìn)行映射與描述，如通過建立部件劣化辨識(shí)模型來描述其性能退化行為、利用決策樹模型來描述其基本演化行為。通過這些模型的描述，能使列車的行為從微觀上更加精確地表達(dá)，將其運(yùn)用到列車的性能評(píng)估中，能在一定程度上提升評(píng)估結(jié)果的準(zhǔn)確性。

2.3 狀態(tài)映射

狀態(tài)映射旨在通過評(píng)估分析手段，挖掘并反映列車某時(shí)刻下的性能，是性能評(píng)估服務(wù)的實(shí)現(xiàn)。與傳統(tǒng)離線或基于模型的仿真相比，數(shù)字孿生更注重實(shí)時(shí)數(shù)據(jù)與仿真模型的結(jié)合，即模型映射與行為映射共同驅(qū)動(dòng)的仿真評(píng)估，使列車的性能分析能從原來的被動(dòng)變?yōu)橹鲃?dòng)，離線變?yōu)樵诰€。在評(píng)估過程中，首先應(yīng)根據(jù)列車結(jié)構(gòu)、技術(shù)參數(shù)、歷史數(shù)據(jù)、工程理論等建立如有限元、動(dòng)力學(xué)、劣化分析等全方位的仿真評(píng)估模型以及各自的評(píng)價(jià)指標(biāo)體系，并進(jìn)行服務(wù)化封裝。然后，在實(shí)時(shí)數(shù)據(jù)的驅(qū)動(dòng)下，調(diào)用模型、算法接口或第三方工程軟件進(jìn)行評(píng)估分析。最后，得出分析結(jié)果并輸出。

為提升評(píng)估結(jié)果的準(zhǔn)確性，仿真評(píng)估模型應(yīng)考慮環(huán)境變量、動(dòng)態(tài)參數(shù)的集成。為此，設(shè)計(jì)了如圖6所示的仿真評(píng)估模型接口格式。接口主要由3部分組成：

(1)自定義參數(shù)接口 該接口代表需要根據(jù)知識(shí)或經(jīng)驗(yàn)在一定的范圍內(nèi)進(jìn)行主觀賦值的參數(shù)，如在多版本仿真模型共存時(shí)的模型選擇、算法中的初始權(quán)重賦值、在不同應(yīng)用場景下的評(píng)估指標(biāo)和閾值的確定等，通常以人機(jī)交互的形式來主觀確定。

(2)自適應(yīng)參數(shù)接口 列車在運(yùn)行過程中或維護(hù)優(yōu)化后，微觀行為的演化會(huì)使某些物理屬性和結(jié)構(gòu)參數(shù)發(fā)生變化，該接口自感知這種變化并將其反饋至仿真評(píng)估模型中，通過調(diào)整相應(yīng)的參數(shù)來提升模型精度，它不依賴于主觀因素，而是依靠內(nèi)部自感知、分析來實(shí)現(xiàn)調(diào)整。常見的自適應(yīng)參數(shù)包括傳感數(shù)據(jù)、基于算法的辨識(shí)數(shù)據(jù)、以及模型迭代后的優(yōu)化數(shù)據(jù)，而在一些情況下，三者也會(huì)形成循環(huán)。以車輛動(dòng)力學(xué)仿真評(píng)估為例，將懸掛部件實(shí)時(shí)振動(dòng)數(shù)據(jù)作為輸入?yún)?shù)，懸掛部件的劣化辨識(shí)模型(預(yù)先訓(xùn)練好)接收該參數(shù)并進(jìn)行性能退化辨識(shí)，而辨識(shí)后的結(jié)構(gòu)參數(shù)再自動(dòng)輸入到動(dòng)力學(xué)仿真模型中，優(yōu)化其對(duì)應(yīng)的參數(shù)。最后，以優(yōu)化后的模型進(jìn)行動(dòng)力學(xué)仿真評(píng)估，能有效提升仿真評(píng)估準(zhǔn)確性。

(3)結(jié)果輸出接口 該接口在仿真評(píng)估結(jié)束后，將仿真數(shù)據(jù)進(jìn)行整理和歸納，以文件報(bào)告、圖表分析、數(shù)據(jù)存儲(chǔ)記錄等形式輸出，是性能評(píng)估中可視化的體現(xiàn)。

上述3個(gè)接口能實(shí)現(xiàn)數(shù)字孿生下仿真評(píng)估模型的輸入與輸出，使其具備自感知、自優(yōu)化能力，并在實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)下進(jìn)一步實(shí)現(xiàn)狀態(tài)映射，有效提高評(píng)估時(shí)效性和準(zhǔn)確性。

3 基于虛實(shí)映射的列車性能評(píng)估關(guān)鍵技術(shù)

地鐵列車性能評(píng)估中的應(yīng)用服務(wù)主要體現(xiàn)為對(duì)列車及其部件進(jìn)行異常識(shí)別、定位，并在此基礎(chǔ)上施以相應(yīng)的評(píng)估方案。針對(duì)列車性能評(píng)估模式單一導(dǎo)致的評(píng)估效率不高的問題，基于模型、行為及狀態(tài)3個(gè)層次的映射，進(jìn)一步從異常定位與評(píng)估模式兩方面來探討列車性能評(píng)估關(guān)鍵技術(shù)。

3.1 基于時(shí)空環(huán)比的異常定位

列車的性能評(píng)估包括正常情況下的預(yù)測性評(píng)估以及異常狀態(tài)下的診斷性評(píng)估。在正常情況下，利用實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)評(píng)估模型實(shí)現(xiàn)預(yù)測性評(píng)估，該過程以關(guān)鍵部件為首要評(píng)估對(duì)象(如轉(zhuǎn)向架、受電弓)；在異常狀態(tài)下，則應(yīng)當(dāng)以異常源為首要評(píng)估對(duì)象。因此，首先需要對(duì)異常信息進(jìn)行定位?？紤]到列車運(yùn)行環(huán)境的封閉性、相似性，以及列車相同部件數(shù)量眾多，本文利用時(shí)空環(huán)比的方式進(jìn)行異常定位。時(shí)空環(huán)比從維度上可以分為時(shí)間域和空間域，從層級(jí)上則可分為列車級(jí)和部件級(jí)。

(1)列車級(jí)時(shí)空環(huán)比 用于判定是線路異常還是列車異常，如圖7所示。在時(shí)間維度下，同一列車運(yùn)行于不同的線路段之間，分別記錄各路段下列車行為映射中的實(shí)時(shí)信息流、數(shù)據(jù)流，并提取特征，輸入到?jīng)Q策模型(如聚類算法)中進(jìn)行各路段下的狀態(tài)特征比對(duì)，輸出評(píng)判結(jié)果。時(shí)間維度下的比對(duì)情況可歸納為兩類：一類是列車在某路段內(nèi)出現(xiàn)數(shù)據(jù)異常、特征不一致，在其余路段內(nèi)行駛均為正常，此時(shí)可判定為線路段存在異常；另一類是列車在所有時(shí)間節(jié)點(diǎn)內(nèi)都為數(shù)據(jù)異常，此時(shí)可能是列車異常，也可能是整條線路異常，需要進(jìn)一步在空間維度內(nèi)進(jìn)行判定。

在空間維度下，通過對(duì)比多列車經(jīng)過同一路段時(shí)產(chǎn)生的信息流與數(shù)據(jù)流，輸入到?jīng)Q策模型中，輸出異常定位結(jié)果。該模式下的對(duì)比情況也可歸納為兩類，一類是所有列車在該路段內(nèi)均出現(xiàn)數(shù)據(jù)異常，此時(shí)可判定為線路異常；另一類是只有當(dāng)前列車在該路段上出現(xiàn)數(shù)據(jù)異?；虼嬖谡＿\(yùn)行的列車，則可判定為列車異常。

(2)部件級(jí)時(shí)空環(huán)比 在確定異常來自于列車的情況下，需要進(jìn)一步定位異常的部件。在時(shí)間維度下，將部件的數(shù)據(jù)流進(jìn)行特征提取，并形成歷史數(shù)據(jù)，通過建立決策模型來評(píng)估部件當(dāng)前數(shù)據(jù)特征與歷史數(shù)據(jù)特征的一致性，若決策結(jié)果存在不一致性，則該部件可判定為異常，反之則為正常。

在空間維度下，列車相同部件數(shù)量眾多、且正常情況下同類部件運(yùn)作機(jī)理、數(shù)據(jù)流表征狀態(tài)幾乎一致，利用這一特點(diǎn)，建立聚類決策模型，在模型基礎(chǔ)上評(píng)估同時(shí)段下，同類部件的監(jiān)測數(shù)據(jù)表征的狀態(tài)是否一致，若某一部件的特征與其余部件出現(xiàn)了聚類偏離，則可判定其為異常部件。

3.2 云邊協(xié)同的列車性能評(píng)估模式

與傳統(tǒng)列車狀態(tài)監(jiān)控或故障診斷不同，數(shù)字孿生驅(qū)動(dòng)下的性能評(píng)估需要評(píng)估列車全方位、多角度的性能。一方面，由于各類評(píng)估模型或算法復(fù)雜度不同，會(huì)存在長周期與短周期的評(píng)估、長時(shí)耗與短時(shí)耗的計(jì)算以及正常情況與異常情況下的不同評(píng)估需求，它們對(duì)數(shù)據(jù)完整性、評(píng)估時(shí)效性均有不同要求；另一方面，列車車載智能設(shè)備向多樣化、復(fù)雜化、個(gè)性化發(fā)展，從底層感知的數(shù)據(jù)多源異構(gòu)，呈海量增長，對(duì)數(shù)據(jù)的處理邏輯包含流式數(shù)據(jù)計(jì)算、離線模型訓(xùn)練、實(shí)時(shí)數(shù)據(jù)監(jiān)控等多種方式，需要建立高效、可靠、穩(wěn)定的數(shù)據(jù)通信與存儲(chǔ)機(jī)制。但傳統(tǒng)列車評(píng)估多以車地?cái)?shù)據(jù)傳輸、地面中心進(jìn)行多車數(shù)據(jù)挖掘與分析為主。在兩方面的背景下，會(huì)出現(xiàn)車地存儲(chǔ)與通信信道資源浪費(fèi)或不足、評(píng)估時(shí)效不協(xié)調(diào)、地面中心數(shù)據(jù)吞吐量壓力大等情況，從而造成評(píng)估效率不高，難以滿足多樣化、個(gè)性化的評(píng)估需求。為此，引入云邊協(xié)同[21-22]的性能評(píng)估模式來解決這一類問題，其架構(gòu)如圖8所示。

邊緣計(jì)算在網(wǎng)絡(luò)的邊緣節(jié)點(diǎn)處以分布式存儲(chǔ)與計(jì)算模式提供基于數(shù)據(jù)的服務(wù)，是對(duì)云計(jì)算的一種補(bǔ)充與擴(kuò)展[23]。引入邊緣計(jì)算，能有效減少設(shè)備端與云端吞吐壓力，緩解云中心負(fù)載壓力，提高數(shù)據(jù)分析響應(yīng)效率[24]。

落實(shí)到地鐵列車性能評(píng)估中，邊緣側(cè)用于處理時(shí)延敏感、短周期、短時(shí)耗、異常情況下的評(píng)估需求。其具體實(shí)施為：在車載端建立邊緣側(cè)分布式評(píng)估系統(tǒng)，將評(píng)估所需數(shù)據(jù)或信息直接由車載數(shù)據(jù)中心發(fā)送至各評(píng)估子系統(tǒng)進(jìn)行評(píng)估計(jì)算，并將評(píng)估結(jié)果返回至數(shù)據(jù)中心及列車司機(jī)室顯示終端，直接形成車載終端評(píng)估可視化。同時(shí)，由于數(shù)字孿生下的評(píng)估面向列車全方位的性能，部分評(píng)估的實(shí)現(xiàn)需要融合多個(gè)邊緣部件的數(shù)據(jù)信息，為避免形成信息孤島，可在邊緣節(jié)點(diǎn)間建立通信機(jī)制，形成邊邊協(xié)同[23]，實(shí)現(xiàn)節(jié)點(diǎn)間數(shù)據(jù)共享，提升各部件的評(píng)估質(zhì)量。

與邊緣側(cè)相反，云端列車性能評(píng)估中心則面向路網(wǎng)，建立在地面一端：借大數(shù)據(jù)平臺(tái)，根據(jù)模型映射中建立的全方位數(shù)字化模型和狀態(tài)映射中建立的型接口格式來負(fù)責(zé)長周期的模型訓(xùn)練、正常情況下的預(yù)測性評(píng)估、離線數(shù)據(jù)挖掘等。二者在地鐵列車性能評(píng)估中的部分應(yīng)用項(xiàng)設(shè)計(jì)如表1所示。

表2 性能評(píng)估云端與邊緣側(cè)應(yīng)用項(xiàng)設(shè)計(jì)

云端與邊緣側(cè)通過車地通信單元實(shí)現(xiàn)交互。云端將訓(xùn)練好的評(píng)估模型下發(fā)至車載系統(tǒng)，再由車載系統(tǒng)分發(fā)至各評(píng)估子系統(tǒng)，后者在評(píng)估時(shí)能有效避免模型訓(xùn)練帶來的耗時(shí)，而邊緣側(cè)則將正常數(shù)據(jù)、評(píng)估結(jié)果等上傳至云端，為其提供離線模型訓(xùn)練、地面安全中心監(jiān)控等的基本數(shù)據(jù)支撐。地面(云)與車載(邊)相互協(xié)同，能有效提升列車性能評(píng)估系統(tǒng)的運(yùn)行效率。

4 應(yīng)用實(shí)例

4.1 系統(tǒng)實(shí)現(xiàn)

基于上文提出的系統(tǒng)架構(gòu)及虛實(shí)映射方法，結(jié)合某地鐵，對(duì)基于數(shù)字孿生的地鐵列車性能評(píng)估系統(tǒng)進(jìn)行實(shí)現(xiàn)。如圖9所示為3個(gè)映射方法及部分應(yīng)用服務(wù)的實(shí)現(xiàn)，主要內(nèi)容包括：

(1)面向全路網(wǎng)的列車模型映射 利用可擴(kuò)展標(biāo)記語言(eXtensible Markup Language，XML)建立了路網(wǎng)數(shù)據(jù)模型，用于管理路網(wǎng)級(jí)和線路級(jí)基本信息，并以二維路網(wǎng)的形式實(shí)現(xiàn)可視化?；陂_源圖形場景(Open Scene Graph，OSG)建立了列車及其部件可視化建模模塊，支持3DMAX、CATIA、SOLIDWORKS等主流三維建模軟件的模型導(dǎo)入，并通過關(guān)系型數(shù)據(jù)庫、文檔形式管理列車及其部件的全方位信息，形成模型知識(shí)庫。此外，建立了模型結(jié)構(gòu)樹用于管理各級(jí)模型及其關(guān)聯(lián)關(guān)系，通過界面中樹節(jié)點(diǎn)實(shí)現(xiàn)對(duì)相關(guān)知識(shí)信息的增刪改查操作，為行為映射和狀態(tài)映射提供了基本數(shù)據(jù)支持。

(2)數(shù)據(jù)驅(qū)動(dòng)的列車行為映射 從模型映射建立的模型樹或二維路網(wǎng)可進(jìn)入到具體列車的行為映射模塊中。該模塊在運(yùn)行數(shù)據(jù)驅(qū)動(dòng)下，利用OSG技術(shù)實(shí)現(xiàn)列車虛擬運(yùn)行，模擬列車開門、關(guān)門、隧道行駛等動(dòng)作流，展現(xiàn)運(yùn)行速度、部件溫度等信息流，能達(dá)到數(shù)據(jù)驅(qū)動(dòng)下的列車同步到站、停車、開關(guān)門、啟動(dòng)等效果，較為逼真地還原了列車動(dòng)態(tài)運(yùn)行過程。同時(shí)，結(jié)合二維路網(wǎng)，同步展現(xiàn)列車當(dāng)前站點(diǎn)、到站時(shí)間等信息流，當(dāng)列車出現(xiàn)異常時(shí)，可通過異常標(biāo)識(shí)在路網(wǎng)中進(jìn)行定位。

(3)基于車輛動(dòng)力學(xué)評(píng)估的狀態(tài)映射與應(yīng)用服務(wù) 本文以車輛動(dòng)力學(xué)為例，對(duì)狀態(tài)映射部分所提理論進(jìn)行實(shí)現(xiàn)。一方面利用SIMPACK動(dòng)力學(xué)仿真軟件建立某線路上A型車的多體動(dòng)力學(xué)仿真模型及評(píng)價(jià)指標(biāo)體系。另一方面，由于懸掛部件故障引起的列車事故占比很高[25]，考慮到其對(duì)車輛動(dòng)力學(xué)性能的影響以及評(píng)估模型對(duì)動(dòng)態(tài)參數(shù)的集成需求，基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)訓(xùn)練了振動(dòng)信號(hào)下的懸掛部件劣化辨識(shí)模型，模型在行為映射實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng)下，可對(duì)懸掛參數(shù)進(jìn)行辨識(shí)分析。辨識(shí)后的參數(shù)，自適應(yīng)更新至動(dòng)力學(xué)仿真模型中，替換原有參數(shù)，并聯(lián)合定義的軌道參數(shù)、速度值等進(jìn)行評(píng)估分析，輸出結(jié)果。由于該過程考慮了懸掛部件的退化情況，滿足狀態(tài)映射中所提的仿真模型接口格式，在一定程度上能提升評(píng)估準(zhǔn)確性。

此外，由于車輛動(dòng)力學(xué)評(píng)估對(duì)時(shí)效性要求較低，一般在較長周期內(nèi)進(jìn)行定期評(píng)估并更新其動(dòng)力學(xué)模型即可，因此將其部署至云端一側(cè)(地面)；而懸掛部件的劣化辨識(shí)模型則由云端訓(xùn)練，并定期下發(fā)至車載邊緣側(cè)部署，進(jìn)行低時(shí)延的辨識(shí)，當(dāng)辨識(shí)結(jié)果出現(xiàn)異常偏離時(shí)，即可上傳云端進(jìn)行動(dòng)力學(xué)評(píng)估。

4.2 車輛動(dòng)力學(xué)仿真評(píng)估結(jié)果

懸掛系統(tǒng)結(jié)構(gòu)復(fù)雜，建模參數(shù)眾多，本文主要以一系、二系懸掛部件的剛度和阻尼為辨識(shí)對(duì)象，參數(shù)類型包括一系彈簧橫向、垂向剛度、二系橫向、垂向減震器阻尼、二系空簧橫向、垂向剛度等。首先為定量驗(yàn)證這些參數(shù)變化對(duì)動(dòng)力學(xué)性能的影響，通過動(dòng)力學(xué)模型在SIMPACK中獲取不同劣化等級(jí)下的懸掛系統(tǒng)模擬振動(dòng)數(shù)據(jù)(如劣化等級(jí)從100%到50%)，然后將數(shù)據(jù)輸入CNN模型中，輸出辨識(shí)后的懸掛參數(shù)，再聯(lián)合動(dòng)力學(xué)仿真模型進(jìn)行計(jì)算。

如圖10所示為設(shè)定的兩個(gè)速度等級(jí)下，該車輛輪軸橫向力(動(dòng)力學(xué)安全性指標(biāo))的仿真評(píng)估結(jié)果。在5個(gè)劣化等級(jí)下，輪軸橫向力上升的平均幅度達(dá)到10.22%，結(jié)合動(dòng)力學(xué)評(píng)估指標(biāo)，該結(jié)果表明隨著懸掛部件劣化程度增加，車輛動(dòng)力學(xué)性能下降明顯。將二者結(jié)合，能定量地計(jì)算懸掛部件劣化后的動(dòng)力學(xué)評(píng)估值，對(duì)于提升動(dòng)力學(xué)仿真模型的準(zhǔn)確性以及數(shù)字孿生下多學(xué)科、多物理量融合具有重要意義。

進(jìn)一步，為驗(yàn)證融合了懸掛部件劣化辨識(shí)的車輛動(dòng)力學(xué)仿真評(píng)估模型更加準(zhǔn)確，以橫向平穩(wěn)性為例(動(dòng)力學(xué)平穩(wěn)性指標(biāo))，將考慮和未考慮懸掛部件劣化的動(dòng)力學(xué)仿真評(píng)估與一段車輛實(shí)測情況下的動(dòng)力學(xué)評(píng)估結(jié)果進(jìn)行比較。其中考慮了劣化情況的懸掛參數(shù)劣化程度調(diào)至與實(shí)測情況的劣化程度相同，而未考慮的則以正常情況進(jìn)行計(jì)算。如圖11所示為3種情況下的評(píng)估情況對(duì)比，其結(jié)果表明考慮了劣化情況的評(píng)估趨勢與實(shí)測情況基本一致，且相對(duì)于未考慮的情況，在其基礎(chǔ)上將評(píng)估結(jié)果平均提升了約21%，使仿真評(píng)估更接近于實(shí)測值，即證明了融合了懸掛部件劣化辨識(shí)的動(dòng)力學(xué)仿真評(píng)估模型更加準(zhǔn)確。

5 結(jié)束語

本文提出了基于數(shù)字孿生的地鐵列車性能評(píng)估系統(tǒng)參考架構(gòu)。在系統(tǒng)中通過模型映射建立面向全路網(wǎng)的多層級(jí)數(shù)字化模型，解決評(píng)估不全面、數(shù)字化程度不足的問題；通過行為映射表達(dá)列車運(yùn)行過程中的動(dòng)態(tài)要素，并結(jié)合狀態(tài)映射來實(shí)現(xiàn)評(píng)估模型的構(gòu)建與執(zhí)行，解決評(píng)估缺乏時(shí)效性和準(zhǔn)確性的問題。在3個(gè)映射基礎(chǔ)上，基于時(shí)空環(huán)比方法和云邊協(xié)同模式實(shí)現(xiàn)性能評(píng)估中的應(yīng)用服務(wù)，解決評(píng)估模式單一導(dǎo)致的效率不高的問題。進(jìn)一步，通過系統(tǒng)實(shí)現(xiàn)和具體評(píng)估結(jié)果驗(yàn)證了所提方法及理論的有效性，為數(shù)字孿生在地鐵中的應(yīng)用提供了一定的參考。

本文重點(diǎn)在于提出數(shù)字孿生在地鐵列車性能評(píng)估系統(tǒng)中的應(yīng)用架構(gòu)及虛實(shí)映射方案，但沒有對(duì)方案中的具體使能技術(shù)進(jìn)行詳細(xì)探討。后續(xù)將結(jié)合實(shí)際情況開展更加深入的各環(huán)節(jié)技術(shù)理論研究以及與實(shí)際的協(xié)調(diào)配合，從而進(jìn)一步推進(jìn)數(shù)字孿生的落地應(yīng)用，更加有效地保障地鐵安全運(yùn)行。