基于新一代信息技术的重载铁路工务设备智能运维系统总体架构研究

2022-09-05丁茂廷赵有明柯在田

铁道建筑 2022年8期

丁茂廷赵有明柯在田

1.国能朔黄铁路发展有限责任公司，河北肃宁 062350；2.中国铁道科学研究院集团有限公司，北京 100081

随着新一轮科技革命快速发展，大数据、云计算、物联网、人工智能等技术创新取得重大突破。2017年国际重载大会首次提出了“国际重载4.0”理念，指出未来世界重载技术将进一步向智能化、数字化方向发展。将大数据、人工智能等现代信息技术与重载铁路工务设备运维深度融合，搭建现代化数字网络平台，充分发挥数据价值提升重载铁路工务基础设施设备检测监测可靠性和智能化水平，实现设备状态修和精准修，提高维护效率降低运维成本，成为工务智能运维的研究发展方向。

近10年来，大数据、BIM、5G等技术在欧美国家铁路得到了较为广泛的应用，在基础设施的状态监测与维护、运营管理、乘务管理等方面得到了重要的应用［1］。德国铁路通过规划建设统一的数据中心平台，实现了包括经营状况、设备故障分析等精益分析功能在内的数据综合应用平台［2］。美国货运铁路启动了资产健康战略计划（Asset Health Strategic Initiative，AHSI），AHSI编辑和分析由各个铁路公司分别收集和存储的大量数据，并由此解决行业内最关键的铁路设备管理与维护问题［3］。瑞典铁路运用管理数百个不同的数据源，基于大量轨道状态检测数据，评估基础设施的整体状态、维护情况、资金支出等［4］。

中国国家铁路集团有限公司于2018年启动智能高速铁路战略研究，完成了中国智能高速铁路顶层设计，形成了智能高速铁路体系架构与标准体系，完成铁路大数据成套技术应用体系攻关［5］及智能京张高铁、智能京雄高铁和浩吉铁路等示范工程。国家能源集团在十四五发展规划中明确提出以“智能运输、精准运输、高效运输”为导向，以“保安、提效、降本、减人、可持续发展”为目标，以重载铁路智能运输创新为主攻方向，围绕智能运营、智能装备、智能运维、智能管理，开展系统、装备发展规划研究，依照“需求引领，高效适用”总体思路，构建智慧重载铁路技术体系。

朔黄铁路近10年的信息化建设，已积累28套信息化系统，分别管理了检测监测、施工维修等信息，使用了道岔监测、断轨监测等大量监测设备，初步构建了检测监测体系。工务设备智能运维系统作为智慧重载工务检测监测体系的重要组成部分，基于大数据等技术构建系统，快速掌握重载铁路基础设施状态演变规律，提高安全风险的预判预知能力，做到超前防控及时处理和工务维修资源的科学配置［6］。针对重载铁路的设备管理特点及需求，采用大数据、BIM［7］、GIS［8］、人工智能［9］等先进技术，围绕智慧重载铁路［10-12］发展战略，采用“平台+应用”的模式，建立重载铁路工务设备智能运维系统，基于工务设备检测监测、维修和基础设施台账数据，深度融合分析挖掘钢轨、道岔、桥梁等设备状态变化趋势和规律，实现设备全寿命故障智能诊断、智能预警和健康管理全生产闭环管理，为工务设备运维提质增效。

1 总体架构

随着检测监测技术发展，朔黄铁路引入无人机、北斗监测等新的监测技术，全面提升了感知能力，而数据传输、存储等能力亟待提升，重新建立工务设备智能运维架构（图1）势在必行。

图1 工务设备运维总体架构

工务设备运维是以基础设施设备为核心，采用综合检测车、探伤车、隧道检测车、桥梁结构监测、边坡北斗监测、无人机巡检、人工检查等手段对基础设施服役状态进行全面的检测监测，通过铁路专用网、4G/5G等移动传输通道将数据汇聚至智能运维系统中。总体包括检测监测对象、感知层、传输层和工务设备智能运维系统四部分。该架构采用大数据、5G、无人机等技术，实现了数据的充分融合，建立了数据资产平台和智能分析平台。

检测监测对象涵盖了钢轨、道岔、桥梁、隧道、涵洞等主要设备。感知层主要是利用综合检测车、探伤车等移动检测装备，以及无人机、北斗监测设备等获取基础设施状态数据，包括动态监测、静态监测、空天监测、日常检查和自轮运转设备运行监控。传输层将采集到的基础数据输送到智能运维系统，使用铁路专用通信网、移动4G/5G网、毫米波等技术实现数据的高效安全传输。工务设备智能运维系统基于检测监测数据资源，提供检测监测数据的融合分析、健康状态评估与预测、智能决策等多方面应用。

工务设备智能运维系统实现数据的统一归集、存储、管理和共享，同时建立算法集成分析服务平台，集成各类设备状态评估、预测、决策类算法和模型，结合数据面向维修提供经济化、智能化的辅助决策支持。系统按业务逻辑划分为三层：资源层、业务层和应用层。

1）资源层将工务基础设施检测监测数据进行统一存储和管理。数据范围包括动态检测、静态检测、人工巡检等检测监测数据，线路、桥梁、隧道等设备的基础台账数据，年度计划、月计划、日计划、作业票、作业验收等施工维修作业信息，以及GIS信息、BIM信息、基础数据字典等数据资源的统一存储管理。

2）业务层进行智能分析，为各类模型和算法的执行提供辅助支撑。具体包括：数据对外接口服务管理，算法注册、调度、监控和结果管理，病害录入、病害分类分级和病害分析管理，以及健康评估、病害诊断、运维决策、分析预测管理。

3）应用展示层面向公司、分公司、工队等各级用户提供数据资产可视化、设备状态可视化、数据融合分析等数据深度挖掘应用服务、安全生产等管理。主要提供线路、道岔、路基、桥梁、隧道等设备病害预警分析，设备状态变化趋势分析，设备健康状态评估，辅助维修决策，生产计划生成等功能。

2 数据架构

2.1 与既有系统的数据融合

朔黄铁路经过多年的发展已建立了很多检测监测系统和业务管理系统。从业务角度既有系统分为检测监测设备管理、数据管理、安全管控、企业资源计划（ERP）、办公自动化（OA）等信息系统。工务设备智能运维系统以工务设备为核心，根据一数一源、一源多用的原则与检测监测设备管理系统和数据管理系统连通接入设备动态检测、静态监测数据；与物资系统和人事系统对接物资库存以及物资属性信息、人员信息；通过系统分析、预测结果将预警报警类信息推送给安全管控系统。针对不同业务系统，建立数据接口标准，在数据传输过程中采用国密算法进行数据和消息加密，确保数据安全。与既有系统数据接入关系见图2。

图2 与既有系统数据接入关系

2.2 数据架构

综合朔黄重载铁路既有的和在建的信息化管理系统，结合本项目新建的工务检测监测设备及相关信息系统，共同构建本项目工务设备智能运维系统的数据来源。该架构（图3）支持数据生命周期管理、数据标准化存储以及数据对外服务接口规范化管理。

图3 数据架构

3 业务架构

工务设备智能运维管理是以朔黄重载铁路固定资产投入、运营成本优化和可持续发展为目标，对设备从入库、运行、维护到报废的全过程进行科学的闭环管理。结合GIS、数据分析、大数据存储技术，以提升工务设备全生命周期价值为出发点，实现工务设备管理从被动维护到主动检养修和掌握全局转变的一套系统平台。

依托朔黄智能运维大脑平台，研发工务设备智能运维系统，系统业务逻辑架构包括：数据源、数据存储、智能决策、平台应用四个层次的功能及服务。其中数据源和数据存储对应资源层，智能决策对应业务层，平台应用对应应用层。系统业务逻辑架构见图4。

图4 系统业务逻辑架构

1）平台应用。平台应用包括工务设备数字化智能管理、检测监测数据一体化管理、工务安全生产管理、状态评估与运维决策及环境监测管理5大类应用，共计60多项系统功能及服务。实现了工务设备精细化管理、检测监测数据统一融合管理和安全共享、设备状态评价预测和辅助生产决策，以及工务生产全流程管理。

2）融合分析与智能决策。基于工务设备生产作业运维业务，系统提供多种智能化专业分析算法和计算模型。设备状态评价及维修预测决策包括：道岔状态评估与决策、轨道单元维修决策、轨道几何和动力学状态评估、钢轨廓形轮轨状态评估与分析、道床清筛预测与决策、大机捣固预测与决策、钢轨大修预测与决策、轨道状态与地质雷达评估、桥梁损失预警服务与状态评估、桥涵劣化状态评估与预测、隧道状态智能评估、隧道状态预测与预警分析。

系统提供统一的算法分析平台，注册接入不同专业的算法和计算模型，适配不同的语言类型，包括但不限于Python、C++、Java、C#、Matlab等，为朔黄重载铁路工务设备运维的智能化提供相应的算法分析服务，实现朔黄铁路工务生产作业辅助的预测预警与运维决策支持。

3）数据存储。采用分布式数据库集群和分布式文件系统，按专业类型和年份合理规划结构和非结构化数据的存储规范和存储方式，实现数据存储的高效性和高可用性。结构化数据包括：基础设施台账、检测设备台账、监测设备台账、检修组织机构信息、检测缺陷/偏差、监测预警、现场作业及巡检记录等。非结构化数据包括：日报、周报、月报、年报、日志、波形原始文件等。

4）数据源。工务设备智能运维系统的数据来源众多且复杂，采集的多源异构数据主要包括：朔黄铁路既有多套业务系统数据、人工检查维修巡检数据、检测监测智能设备数据等。涉及的数据类型有基础设施台账数据、检测数据、监测数据、生产作业数据、结果分析数据等。数据采集方式为API接口、消息中间件、系统日志等。

4 部署架构

工务设备智能运维系统部署分为两部分：前端应用；后端应用和服务。前端应用包括各类监测设备的数据采集和手持终端（移动GIS终端）APP。后端应用和服务包括PC端应用展示和后台服务。两者分别部署后通过朔黄铁路办公网络实现互联网和内部办公网通信连接使用。网络部署架构见图5。

图5 网络部署架构

为保障重载铁路系统安全、稳定运行，同时实现生产作业数据实时传输，在网络建设方案中结合重载铁路现有信息中心内网运行系统的需求，建立内外网数据传输解决方案。

本系统内外网数据传输解决方案由以下三部分构成：

1）采用网闸设备连接内网和外网。该部分可支持多种数据传输协议，如Http/Https、UDP等，同时支持多种安全策略并具有一定防火墙的功能，而且具有网闸支持软/硬网络控制功能。当网络受到安全威胁时，可根据情况通过网闸控制软件中安全策略和防火墙功能进而控制数据传输；当受到严重安全威胁时可使用网闸物理切断内外网的数据传输，保障内网系统和数据安全不受外网攻击影响和破坏。

2）在外网设置防火墙作为网络安全的第一道防线。通过配置可用于阻隔一定的网络攻击，过滤外网数据交互请求，并验证请求的有效性。

3）内外网放置交换机。通过使用交换机实现内网系统在数据交互压力增加时，可以通过负载均衡进行扩容。同样当外网用户请求增大，当前移动应用服务器不足以支撑现有访问量时，可通过负载均衡使用交换机进行扩容，以此应对用户或业务量的增长。

5 功能架构

工务设备智能运维系统功能架构见图6。系统包括5大子系统模块：设备全寿命周期管理、检测监测一体化管理、状态评估与运维决策、安全生产管理、环境监测管理，实现18个方面的智能管理，产生55个工务运维应用，提供多项检测监测创新技术。通过工务设备智能运维系统实现多源数据共享、海量数据分析、全息时空数据深度挖掘、设备状态评估与决策的一体化管理。

图6 系统功能架构

1）设备全寿命周期管理

哈哈，自从妈妈生了弟弟之后，我们家又出现了一件大喜事——我家的机器人小白和我一样，也有了一个小弟弟，他的弟弟叫小谷。

在工务设备台帐精细化管理的基础上，完善和记录一系列的设备信息，如技术参数、维修历史、技术资料、图纸参数、设备构成、重大缺陷记录，换件记录、故障与事故履历、标准规范，设备调拨封存记录，施工大中修、维修作业、备件组成、设备分解关系、设备状态等信息。这些信息作为设备全生命周期管理分析的依据，在设备下道之后，可以对设备的整体使用经济性、可靠性及其管理成本作出科学的闭环管理与评估分析。

2）检测监测一体化管理

实现接入朔黄重载铁路工务既有系统、人工检查巡检、检测设备、监测设备等结构化数据和图纸、视频、文件等非结构化数据的全类型、全量、全专业数据，通过将这些零散的数据整合在一起，完成从数据采集、传输、处理、存储到统一有价值数据的一体化资产管理。

3）状态评估与智能决策

在全面掌握线路、桥隧等设备结构属性信息的基础上，采用大数据深度自主学习、神经网络、灰色预测等技术手段，提出线桥隧设备状态智能评估和运维决策模型，构建融合建设期数据、动态检测和周边环境监测等多源数据的工务设备评估指标体系并形成数字化评估算法，建立整治方案知识库和辅助维修决策系统的全流程管理服务体系，构建以数据驱动为核心的可靠的状态评估预测以及经济的维修决策平台，全力打造朔黄安全、高效、经济的工务设备维修智能决策系统。

4）安全生产管理

结合设备状态评估结果和运维决策分析，建立计划编制、作业票下发、实时作业监控、质量回检评价的全流程数字化生产闭环管理。以数据为驱动，提供同一设备、同一天窗、同一隐患集中综合处理策略，减少多次施工协调、减少天窗独占时间，集中一次性排除隐患，实现统一的标准化作业流程。根据现有规章制度、作业标准、安全规范、已形成的历史和作业数据，通过数据对比分析，实现作业工时、物料、机具、备品备件的标准化、精细化管理及各作业数据的联动管理，达到工务设备检养修的循环提升与更佳评定。

5）环境监测管理

主要接入视频监控、气象、粉尘、防灾等监测信息，实现朔黄铁路沿线全时段、全空间的网络化监控，为安全运输、生产作业的环境提供天眼网络。