重载铁路线路设备智能感知体系框架研究

2022-09-05卢春房马战国蔡超勋

铁道建筑 2022年8期

卢春房马战国蔡超勋

1.中国铁道科学研究院集团有限公司，北京 100081；2.中国铁道科学研究院集团有限公司铁道建筑研究所，北京 100081

智能铁路是现代新技术在铁路领域的综合应用，是铁路运输必然的发展方向。我国已提出智能铁路技术体系，智能铁路的总体框架包含智能建造、智能装备、智能运营三大系统［1-3］。铁路线路设备智能运维是智能铁路的重要组成部分，通过人工智能、物联网、大数据等先进技术的应用，提升铁路线桥隧固定设施及自然环境等的状态感知，掌握基础设施劣化机理及演变规律，实现预测性维修，提高养护维修效率，降低运维成本，实现设备故障预测、预警，突出超前防范，整体提升铁路运行安全保障能力。

近年来，国内外逐步开展了线路设备智能感知技术的研究。文献［4］提出高速铁路基础设施检测监测体系框架，应用高速综合检测列车、综合巡检车、运营动车组搭载检测设备等移动检测，关键设备固定监测和空天遥测等手段，全覆盖感知高速铁路基础设施状态。文献［5-6］探索了利用BIM（Building Information Modeling）术搭建桥梁运维管养系统的关键技术，实现了基于BIM的信息存储、传递和关联。文献［7-10］研究了以数据驱动机制为核心的智能运维平台，提出分层架构设计，基于基础数据与业务数据之间的业务逻辑过程实现设备履历自动更新、维修计划差异化等。

朔黄铁路作为我国“西煤东运”重载煤运通道，地质地形条件复杂，线路曲线半径小，坡度大。列车运行密度高、编组长，主要开行2万t重载列车，2021年年运量已达3.2亿t。在重载列车的频繁作用下，线路设备状态恶化速率加大，给重载列车的安全运营带来了一定的隐患。本文结合人工智能、大数据、北斗、5G等技术发展现状，从朔黄铁路线路设备智能运维需求出发，搭建了重载铁路线路智能感知体系架构，规划了智能检测监测技术、数据平台及应用的主要发展方向与技术性能。

1 体系框架

重载铁路线路基础设施主要包括轨道、路基、桥涵、隧道等。目前我国重载铁路线路基础设施检测采用移动检测和静态检测相结合方式，移动检测有综合检测车、钢轨探伤车等，静态检测以人工检查为主。线路设备修理采用周期修与状态修相结合的维修方式。传统线桥隧设备检测智能化程度低、检测监测效率低，信息共享程度低，数据分析深度不足，难以满足“状态修、精确修、预防修”要求。

朔黄重载铁路线路基础设施智能感知体系框架应以设备安全和智能运维需求为导向。结合既有综合检测车、钢轨探伤、雷达检测等移动检测，静态检测、固定监测技术的应用现状，针对检测监测、数据管理、病害库、设备状态评估与运维决策等方面存在的薄弱环节，融合应用北斗、人工智能、物联网、5G、大数据分析等先进技术，以移动检测、实时监测为主导，搭建基于“空天车地”一体化智能感知体系框架，实现线路基础设施“自感知、自诊断、自评估、自决策”的目标。

通过研发桥梁智能巡检机器人、隧道智能检测车、线路全天候检测车、空天遥测与无人机巡检等新型智能化感知系统，以及既有检测监测装备智能化提升技术，实现线路基础设施自感知与自诊断。应用BIM，GIS（Geographic Information System）、云计算、大数据挖掘等技术，研发数字化、可视化的大数据资源管理与应用平台，平台具备检测监测数据资源管理、业务处理和应用展示等功能，实现多专业融合、多维度、全寿命周期的线路设备精细化运维管理。重载铁路线路设备智能感知体系框架可分为智能感知层、传输层、资源层、业务应用层，见图1，分述如下。

图1 重载铁路线路智能感知体系框架

1）智能感知层。朔黄铁路由于轴重、运输密度大，在重载列车的频繁作用下线路基础设施服役状态变化快。应用卫星遥感、北斗、无人机、人工智能、云计算、大数据分析等技术，建立空天车体一体化智能感知是实现线路设备全面感知、实时诊断、安全预警、智能运维决策的前提和重要手段。感知层按类型可分为移动检测、固定监测、人工检查三大类［4］。

2）传输层。传输层采用专网（LTE-R）、公网（4G、5G）、车地无线传输、卫星通信等无线和有线传输方式［11］，将感知层获取的海量数据信息，及时安全传输至各业务数据管理系统，为大数据平台数据归集共享奠定基础。

3）资源层与业务应用层。实现资源管理、业务处理和应用展示，包括资源层（检测监测数据、基础台账数据、生产维修数据和其他数据）、业务层（数据管理、算法管理、病害管理和决策分析服务）、应用层（大屏显示、预警分析、趋势分析、状态评估和维修建议）。

2 智能感知技术

2.1 线路设备空天车地一体化智能检测监测架构

融合应用既有综合检测车、钢轨探伤、雷达检测等移动检测和静态检测技术，建立朔黄铁路线路设备监测对象（轨道、桥梁、隧道、路基、环境灾害）各实体要素的空天车地一体化检测监测技术，其技术架构见图2，新研发的用浅红色表示。

图2 线路设备空天车地一体化智能检测监测架构

1）“天”基平台灾害与地表变形监测技术。朔黄重载铁路线路跨度大，沿线地质地形复杂，应用天基平台是实现大区域地质灾害、大范围地表变形监测最直接有效的手段之一。“天”类星载平台监测技术包括了合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）、GNSS（Global Navigation Satellite System）卫星定位技术、高分辨率卫星等。

2）“空”类环境状态感知与病害巡检技术。主要包括机载激光雷达技术（Light Laser Detection and Ranging，LIDAR）、无人机摄影等。可进行铁路沿线三维激光扫描、高精度数字地面建模、高精度（厘米级）的垂直测量和倾斜测量，同时结合人工智能以及深度学习等技术，可用于重点区域灾害筛查以及线桥隧病害巡检。

3）“车”类移动检测技术。主要指以各类检测车、运营货车为基础载体，通过安装各类传感器、数据采集和分析处理系统对线路设备的状态进行实时检测。需重点研发测试货车、隧道检测车、桥梁巡检机器人等智能化移动检测装备，研究基于动力响应的轨道几何状态评估、钢轨廓形评估等既有综合检测系统功能提升技术。

4）地面基础设施监测技术。针对线路设备重点区段，研发道岔尖轨、路基边坡、隧道洞口、小半径曲线轨道等长期监测技术，提高设备安全监控能力。

在这一架构规划下，考虑既有检测监测技术应用情况，需研发适用于朔黄铁路的北斗技术+空天卫星、无人机技术、移动检测、地面检测等低功耗、高灵敏度、宽量程、易维护、高耐久性等智能感知技术，实现线路设备智能感知与诊断，提升设备安全服役性能。

2.2 移动检测

2.2.1 测试货车

在朔黄铁路运营货车上安装货车动力响应感知设备，研发应用自发电和智能数据采集、诊断装置，研究基于货车动力响应的线路病害智能评价和数据管理系统，可对轨道短波病害、轨道几何不平顺和结构病害、货车运行品质等进行智能检测和诊断，实现线路设备全天候、全工况的检测评估，保障运输安全。主要智能化功能包括：①应用GNSS、陀螺仪和动力性能综合定位等技术，实现病害精准定位；②研发应用低功耗传感器、轴端自供电、智能采集和车载处理终端，实现线路病害的智能采集与诊断；③智能识别并量化评估钢轨表面波磨、擦伤、辙叉掉块等短波不平顺，为轨道病害识别、针对性整治措施的制定提供依据；④智能识别轨道不平顺和典型基础病害，评价货车运行稳定性和运行品质，实现线路病害全天候实时检测，保障运输安全。

2.2.2 隧道智能检测车

基于线阵成像和激光扫描技术研制隧道衬砌表观状态快速采集系统，构建隧道衬砌典型病害样本库，基于深度学习技术实现病害的自动识别和特征提取。应用BIM模型实现病害的三维展示，研发隧道衬砌病害数据管理平台，具备病害特征、图片、限界等多源异构数据的集成管理以及病害的历史对比分析等功能，实现隧道表观和限界的无人化、快速移动巡检，提高检测效率，大幅减少巡检人员。检测车可实现隧道衬砌表观、基底、限界等全面检测。主要智能化功能有：①实现隧道衬砌表观裂缝、掉块、渗漏水、夹块、挂冰及限界的智能检测与识别；②高分辨率图像快速采集，可实现100 km/h速度内清晰成像和速度变化时图像的自适应成像；③实现隧道裂缝、剥落（掉块）、渗漏水等多种类型和多种尺度（0.1~1.0 m）衬砌病害的智能识别和特征提取；④基于异位激光检测技术，实现道床煤灰状态采集和厚度的智能识别；⑤应用激光扫描技术获取隧道衬砌三维点云，实现隧道限界智能检测与分析。

2.2.3 无人机智能巡检设备

应用无人机、三维激光、高清摄像等，研发包含飞行平台、病害智能识别、数据管理等功能的线桥隧一体化无人机巡检系统。构建线桥隧典型设备病害库，应用图像识别和机器学习技术，开展病害智能识别。实现条件艰险地段高墩桥梁结构、隧道洞口高陡仰坡、路基等区段的智能巡检，提高检测效率，降低巡检人员工作风险。主要智能化功能包括：①巡检路径智能规划。精确获取地理坐标，辅助飞行人员对不同设备进行巡检路径规划，与BIM+GIS模型结合，直观呈现巡检路径效果。②病害智能识别。实现混凝土梁裂缝、伤损，钢桁梁主桁外立面、上平联顶面钢构件锈蚀、螺栓构件缺失，隧道洞口仰坡危岩落石、坡面防护和排水结构病害，路基边坡、支挡结构、排水设备等病害的智能识别。③巡检数据管理平台。具备航迹规划、飞行管理、数据管理等功能，实现业务流程、无人机检测数据一体化管理。

2.3 固定监测

2.3.1 基于北斗的路基边坡和隧道洞口仰坡监测

针对朔黄铁路高陡边坡、易受洪水冲刷区段边坡以及重点隧道洞口仰坡，应用北斗高精度定位技术，布设地表位移监测网，实时监测路基边坡和隧道洞口仰坡稳定性。通过实时监测地表位移，结合形变速率、累计形变量等指标进行分级预测预警。

2.3.2 道岔尖轨裂纹监测

针对道岔区尖轨裂纹难于检测的难题，应用超声导波技术，研发道岔尖轨裂纹监测系统。基于道岔钢轨损伤前后导波传递特性的差异，采用小波包分解和重构算法实现尖轨裂纹智能监测与识别，实现道岔钢轨裂纹实时智能监测和诊断，保障运输安全。

3 数据汇集与智能应用

应用BIM、GIS、大数据等技术，研发工务设备智能运维系统，系统架构见图3。系统功能涵盖设备全寿命周期管理、检测监测一体化管理、设备状态智能评估与运维决策、安全生产管理、环境监测等五大功能模块。建立与既有系统接口规范，融合应用工务设备既有管理系统，以数据驱动为核心，实现工务设备数字化与生产流程数字化、全寿命周期精细化管理、智能运维决策和安全生产闭环管理。该系统可提高运维效率，降低运维成本，延长设备使用寿命。

图3 工务设备智能运维系统架构

3.1 设备全寿命周期管理

3.1.1 基于GIS的线路设备一张图

将设备台账、检测监测、历史维修、通过总质量等数据进行时空关联，实现基于GIS的线路设备全寿命周期管理［12］。通过病害空间分布、详情查询统计、维修追踪、设备健康状态评价、设备检修全过程信息追溯等功能，对线路设备全生命周期信息进行可视化管理与多维度分析。

3.1.2 基于BIM+GIS的桥隧设备一张图

基于BIM+GIS的三维可视化一张图管理，以BIM模型构件为载体，高效集成桥隧设备设计图纸，建设、加固改造、履历信息，检测数据等结构化和非结构化数据，实现设备信息动态更新和可视化展示、时间历程与空间分布等不同维度对比分析，以及自动生成相关报告等［13］。应用三维GIS信息，融合桥梁邻近区域三维场景，实现桥隧设备三维可视化管理。

3.2 检测监测一体化管理

制定工务设备检测监测数据标准规范，融合移动检测、定点监测、人工检查巡检的结构化和非结构化数据，建立工务设备数据资源池（数据库），开展全业务数据一体化管理与应用，实现数据采集、传输、处理、存储一体化资产管理，解决既有系统的“信息孤岛”问题。开展数据挖掘与分析，实现轨道几何、探地雷达、动静态数据的多维度综合分析应用。管理系统具备数据管理、自动校验、报告自动生产、融合分析等功能，为工务设备的智能运维提供数据支撑。

3.3 智能状态评估、预测预警与运维决策

应用大数据、深度学习、神经网络等技术，构建融合多源数据的工务设备评估指标体系和数字化评估模型，以数据驱动为核心，实现设备状态评估预测以及智能维修决策［14-15］。该模块具备轨道单元、钢轨修理、大机清筛捣固、道岔、路基以及桥隧状态评估与运维决策等功能。

3.3.1 线路设备状态评估

分析道床脏污指数的主要影响因素并建立预测模型，综合生产资源、维修能力等生产实际因素，智能生成大机清筛计划，实现大机清筛智能决策；建立线路质量分级管理标准和大机捣固质保期模型，实现轨道质量状态预测和大机捣固智能决策，形成基于维修经济性的全线路最优化大机捣固计划；基于人工智能算法，融合考虑轨道设备状态多源数据，实现轨道设备状态的智能分析以及养护维修方案的智能决策。建立基床、边坡、排水等路基设备评价指标及量化方法，形成路基维修计划的智能决策。

3.3.2 桥隧设备状态评估与运维决策

建立统一的病害分类分级标准和标准化描述，智能评定病害等级。综合隧道检测车、综合检测车等检测监测数据，结合建设、维修历史数据，利用模糊综合评判法、层次分析法开展桥隧区段状态综合评级和运维决策。

3.4 工务安全生产数字化与闭环管理

结合现有规章制度、作业标准、安全规范，在设备状态评定结果与运维决策分析基础上，建立计划编制、作业任务下发、实时作业监控、质量回检、评价分析等工务安全生产全业务数字化流程［16-19］，实现工务安全生产流程数字化和闭环管理。基于设备历史数据和作业质量，通过数据融合对比分析，实现作业工时、备品备件的精细化管理。

应用状态评估和运维决策数据，自动形成计划建议和方案，编制生成维修计划。制订统一工务作业票模板，实时进行作业票表单内容的自动关联填充、内容核对校验、逻辑判断处理，提高工作效率。通过接入“天网视频监控”等系统，实现作业现场实况的“数字镜像”，提高现场作业安全监控能力。将检测结果、作业结果实时传回系统，自动生成统计分析、评价考核结果，并将维修作业信息纳入台账变更、履历信息等，实现维修生产数字化闭环管理。