轨道交通中信号智能运维系统的应用和维护

那 杰

（西安中铁轨道交通有限公司，陕西西安 710000）

1 信号智能运维系统主要功能

IOM 智能运维系统功能分为基础功能和可选功能两类。基础功能不依赖于高级功能。

基础功能包括：全景图。提供顶层的运维数据，统计、展示运营可靠度、故障数据、运营安全数据和维护工作量数据。状态监测。提供各系统实时运维数据和报警的显示、存储和分析；提供历史数据的调取和分析预测；设备的状态报告等功能。数据分析。提供故障场景的数据分析和展示，对故障数据模型进行管理和迭代，对数据的规律和趋势进行分析预测，对图像数据进行定性和定量分析。

可选功能包括。专家系统：对报警和故障提出维修建议，并针对实际维护/维修的故障定位和维修步骤对维修建议进行更新优化。可以通过BIM、3D、5G 和AR 等技术由专家对一线运维人员进行赋能，提高运维效率，提供AR 远程协作、基于3D 的培训指导和配置管理功能。

1.1 全景图

全景图一般用于在大屏上展现，集中展示线网级顶层统计数据，对线网当前运维数据统计、预测和故障统计等信息进行总体的评价和展示。全景图由多个独立数据区域组合构成，每个数据区域显示不同的数据内容。显示的数据来源应该与客户要求保持一致。应对数据进行必要的过滤，允许客户手工输入。几个数据区域可以进行排列组合。全景图应包含如下数据区域。

1.1.1 线网图

展示各线路以站点为单位的故障状态。状态分为故障和预警，分不同颜色显示。当重要故障发生时，线网图中相应位置站点图标会进行闪动提示，便于运维人员快速发现线网中的故障。当鼠标移动到闪动站点，提示框会提示故障的简介。鼠标点击后会跳转到详细的状态监测页面进行故障数据的详细呈现。

1.1.2 运营可靠度

系统提供管理界面进行数据的人工输入，包括5分钟晚点次数、15分钟晚点、清客和道岔故障次数等。可以按线路、时间进行统计。

1.1.3 平均故障间隔里程MDBF

统计系统平均故障里程，形成折线图展示、对比、预测，同时提供管理界面进行数据的人工输入，可以按线路、时间进行统计。

1.1.4 告警趋势分析

提供故障告警统计数据曲线，以及基于历史数据的故障趋势预测曲线，按线路、时间、子系统类型和告警等级等进行统计。

1.1.5 设备健康度

对设备健康度进行评估、分析和展示，按线路、时间、子系统类型、健康状态等进行统计。

1.1.6 告警提醒

按照故障类型和级别进行统计分析。鼠标点击可以进入详细的故障报警查看和处理页面。

1.1.7 安全运营信息

常见需要的当前时间、安全运营天数、安全运营公里数等相关运营安全信息。

1.2 维修指挥

系统协助运维人员组织高效的抢修，快速克服故障，避免对运营造成影响。

告警发生后，由维护人员对告警进行确认。对于需要进行人工维修的故障，系统会利用生产管理模块实现对备品、物资、值班人员、应急人员的快速定位，并利用故障分析模块实现对设备故障原因的智能诊断，并提供维修指导建议。

生产管理模块根据报警信息自动创建工单，工单内容应自动填入。工单内容包括时间、地点、设备类型、设备ID、报警内容、维修建议、物资及备品备件位置、应急人员位置等。维修建议包括可能原因、维护方法、影响范围、发生次数。维修人员可以根据需要修改工单内容，并派发给选定的应急人员处理。

应急人员根据工单领取物资和备件，并进行现场维修。维修结束后需在工单中记录实际维修步骤，并关闭工单。系统会对工单中填写的实际维修记录进行统计分析，并对维修建议库进行更新。

最终实现问题闭环管理，实现对报警的跟踪处理，根据不同的问题参与者，按预定规则自动传递文档、任务信息，通过信息化流程手段实现整个流程的闭环。

1.3 数据分析

利用大数据分析和人工智能技术实现对于设备实时数据、设备日志等海量数据的跨专业深度的统计和分析。根据预置的分析模型对故障场景进行预警、定位、数据展示、回放和触发工单。每种故障有一种或多种各个维度的分析模型对应，可以不断迭代进行完善。

分析手段主要包括：统计分析、专项分析和预测模型分析。挖掘设备运行状态与设备工作环境、设备设计质量、设备出厂质量、设备维护质量、设备劣化曲线的关系。建立不同服役环境、不同设备老化状态、不同设备缺陷情况下的设备中长期动态评估及预测模型。

1.3.1 ATC数据分析

（1）信标丢失。通过采集车载ATC 报告的信标丢失、丢失原因，分析轨道信标性能，以及车载TI接收器性能是否有减弱趋势。包括：信标丢失次数与列车ID 相关性、信标丢失次数与信标ID 相关性、列车ID 与信标ID 相关性、不同列车信标丢失次数对比统计、不同信标被丢失次数对比统计。

（2）列车丢失定位。通过ATS 报告的列车丢失定位的位置、车载ATC 报告的信标丢失和丢失原因，分析列车丢失定位与列车ID、列车位置以及丢定位原因的特征关系。常见的分析方式：列车丢定位次数与列车ID 相关性、不同列车丢定位次数对比统计、列车丢定位原因统计。

（3）停准设备故障。通过车载ATC 报告的停准失败、失败原因，结合ATS 报告的列车位置、目标站台等信息，分析停准故障与列车ID、列车位置和故障原因的关联关系，以及系统整体停准精度的分析。包括：停准设备故障次数与列车ID 相关性、不同列车未停准次数对比统计、停准设备故障的原因统计。

（4）列车超速。通过车载ATC 系统报告的列车超速、超速原因、车辆牵引相应情况，结合ATS 报告的列车位置信息，分析定位超速原因。

（5）轮径校准。通过车载ATC 报告的轮径校准情况、校准失败的原因，并结合列车位置进行分析。预测出轮径变化趋势，定位校准失败的原因。

（6）车地无线通信丢失。通过ATS 报告的车载通信丢失位置、DCS 报告AP 天线与车载ATC 通信中断情况，可以直观定位车载ATC 故障或AP 故障。此场景共有以下3种分析方式：列车与轨旁丢失通信与列车ID 相关性、列车与轨旁丢失通信与列车位置相关性、列车与轨旁丢失通信与AP 相关性。

（7）旅速分析。地铁车辆的运行旅速是衡量地铁运力运能的重要指标，旅速的好坏直接体现了运营能力。通过对于每个车次的旅速分析，可以直观地看到列车的早点，晚点情况，并且对于影响旅速的因素进行了分析，能够为保障旅速来提供依据。

1.3.2 基础设备分析

（1）道岔转辙机转动分析。通过微机监测报告的转辙机动作电压、电流、功率、转动方向、转动时间、转动次数等信息，对转辙机动作曲线与标准曲线进行对比，通过差异可以评判转辙机的健康程度，及时提醒维护。

（2）道岔转动次数及时间。转辙机分析是对于全网的所有的转辙机进行针对动作次数，动作时间的分析，动作次数是转辙机维修的重要指标，动作时间是衡量转辙机可用性的重要指标，转辙机的部分故障是可以通过观察转辙机动作时间指标来进行及时维修，保障转辙机的可用性。

运维人员可以选择时间段和转辙机的方式来查看单个或者多个转辙机的动作情况，并且具有统计功能，通过K 线图形进行的展示，图形中包括最大值，最小值，数据的占比关系。通过观察图形信息，能够方便直观查看转辙机的状态信息。

（3）道岔动作故障分析。道岔动作电路继电器动作时序检测，对每个电路链路节点故障相应的道岔动作曲线，将电流的流向及继电器的动作实现图形化。

道岔曲线实时采集比对，系统建立故障诊断库导入数据特征值，根据故障库曲线与实时故障曲线比对，结合参数特征值智能判断故障点，并提供处置思路和维护建议；对道岔动作的电流、电压和功率进行实时监测。根据不同的道岔类型，建立道岔动作曲线库。根据大数据和经验建立不同类型道岔的道岔动作标准曲线。将实时监测的数据与标准曲线进行对比，识别出数据的异常，并生成报警和异常原因的推断。监测实时数据的变化趋势，对道岔故障进行预警。

（4）道岔缺口。分析道岔的缺口信息，包括缺口报警发生时的图像照片、实时图像、缺口标记的参考线、缺口类型和缺口数值等数据。利用曲线拟合和预测算法对缺口变化趋势进行预测，及时提醒维护。

采用有效算法对缺口图像进行处理，减小呈现的缺口值误差，杜绝出现实际缺口正常而采集缺口偏大现象，提高采集精度、减少误报警现象。

（5）信号电源。对信号电源各模块的数据信息，包括电压、电流、功率、功率因数等监测数据，以及过压、欠压、缺相、错序、输入突变等报警信息进行分析、预测和呈现。

1.3.3 DCS分析

（1）DCS 流量预测。通过监测关键网络节点网络流量情况，生成端口流量的规律曲线图。利用曲线拟合算法和趋势计算对每日未来的数据流量进行预测。当预测到网络流量异常时会及时产生报警信息。

（2）DCSAP 通信性能预测。通过车载ATC 报告的列车位置、DCS 报告的DCSAP 与车载ATC 通信场强数据，可以预测AP 性能下降趋势。

（3）设备性能。对工作站/服务器硬盘使用状况、工作站/服务器CPU 占用率、工作站/服务器风扇、温度、DCS 网络流量/车-地通信流量和丢包数据进行分析呈现。

2 系统的应用

除了传统微机监测的各项功能外，智能运维系统的应用核心体现在以采集基础数据而获取的大数据，结合智能化专家诊断、分析，实现对信号设备的智能诊断和预警分析，具备故障所处定位、故障原因分析、处理维护指导等智能诊断分析功能，结合故障闭环管理流程，实现智能化、集成化的综合智能诊断、分析功能、可通过大数据不断学习更新模型及优化应急管理模式。通过系统的应用，对预防及判断都将极大地提升现场效率。下面举几个特色模块作为应用说明。

2.1 道岔分析优化

目前的智能运维系统通过实时展示曲线，缺口及对应高亮显示动作电路的情况，让维护人员直观感受故障情况，确保当故障发生及可能发生时，都有直观显示，通过图纸匹配及优化的故障模型，结合专家系统将大大提升判断准确性，节约处置时间。

2.2 DCS分析优化

常见的通信系统分析均是对场强、设备状态做图形化展示，但是很难动态反馈车地通信实时情况，通过智能运维系统对数据的整合分析，形成电子地图。红色代表列车，能清晰观察列车与AP 设备的关联情况，冗余情况，当出现任何关联不稳及中断情况，都将实时通过地图展现，当然也可直接通过设置通信状态门限来将设备通信敏感度进行优化，确保系统整体通信状态的实时监督。

2.3 管理的优化

信号智能运维系统对管理的优化是显而易见的，通过整合人、机、料、环、法等各个环节，优化处置方案和模式，进行资源优化再整合，对未来的人员管理、绩效考核、处置效能评估等均有长远意义。对于通号和电务的运维业务几乎做到了全整合，确保了信息跨平台的失真和效率。通过信息流流转的优化及移动终端的推送，当设置全自动模式模式时，当发生需故障、计划生产任务等触发的场景时，将结合任务择优推荐匹配人员、备件、抢修车辆的协调，进行自动协作。

通过流程的同步推送及优化，节约大量时间及人员传递信息传递的失真，整体对任务的跟踪做到了实时进度更新及状态控制，降低了运维风险。

3 结束语

综上所述，信号智能运维系统的应用在信号系统本身以外，未来需要在维修指挥、生产管理、数据分析、专家系统等方面进行持续优化，通过不断学习演进，对管内设备平均故障时间，平均动作时间等相关数据，结合外部环境因素等多种变化，动态优化维护计划，并不断更新故障案例数据库，对突发故障第一时间进行影响评估和给出处置策略等等。通过信号智能运维系统的应用和维护，不断地更新升级，最终实现设备维护高可预测性，减轻设备维护压力及运营影响。