物联网技术在铁路检测仪表领域中的应用研究

刘朝晖，钟桂东，陈 栋

检测仪表在铁路工务、电务、供电、车辆等专业日常维护作业中一直发挥着重要作用，仪表检测数据也是实现信号设备故障预测与健康管理系统（Prognostic and Health Management，PHM）功能的基础。目前铁路各专业的日常检修作业，大多基于各类仪器仪表，通过人工操作、纸质记录的方式，实现对各类基础设备设施的检测［1］。随着铁路信息化建设日臻成熟，铁路运量的持续提高，对铁路日常维护作业的维护效率、数据准确性、数据存储周期等运维工作也提出了更高的目标［2-4］。当前这种人工纸质记录数据的方式难以满足要求，主要表现为：

1）检测维修效率相对较低。人工记录数据的方式需对检测数据逐一记录，对于较为复杂的故障，需先将数据带回或发回车间、站段等单位，再组织专家进行分析，增加了对设备故障的分析和处理时间。

2）数据准确性难以保证。作业人员需边操作、边记录，加之作业现场环境较为艰苦，干扰因素较多，难免发生错记、漏记、串记等情况，容易遗漏、忽略异常数据，造成安全隐患。

3）数据积累和分析困难。所有检测数据均为纸质存储，不利于数据资产的积累、流转、分析和利用，也难以对设备状态数据进行长期保存。维护人员对设备历史状态的分析需要花费大量的时间和精力，不利于快速得出分析结果。

4）难以挖掘数据潜在价值。纸质数据存储的方式难以对较长时间内的数据进行关联性分析，不利于信号设备PHM技术的实现，无法充分利用数据的潜在价值，造成了数据资产的浪费。

随着铁路智能运维管理技术的日益精细化，对工务、电务、供电等专业基础设备设施的检测频率、效率及数据的可信度等要求也越来越高，检测仪表的多样化接入需求、多业务场景需求、数据自动化存储及标准化传输需求、智能化管理需求等越来越清晰。因此，基于微服务架构的物联网平台，研究检测仪表数据智能管理系统，提高仪表的使用效率、深度挖掘数据价值，对保障设备正常运行，提升线路运力和安全性有着十分重要的意义。

1 基于微服务架构的物联网平台

针对铁路行业运维管理特点，物联网平台采用浏览器/服务器（B/S）的技术架构，维护和升级方式更简单，并可在私有云平台上实现部署［5-7］。物联网平台面向物联网感知层的南向接口采用标准MQTT通信协议，可接入铁路各专业检测仪表数据。物联网平台总体架构见图1。

图1 物联网平台总体架构

物联网平台参考Web页面设计的主流架构，纵向分层，横向分块。前端展现采用H5响应式交互框架和WebSocket（一种在单个TCP连接上进行全双工通信的协议）实时通信技术，后端服务采用微服务分布式结构。为实现服务的平滑扩展和服务调用的负载均衡，以及服务与服务的充分隔离，后端服务与服务之间需基于分布式系统通信框架进行通信，由远程过程调用（Remote Procedure Call，RPC）通信框架进行统一的服务注册与负载均衡管理；同时为避免底层服务对高层服务的调用，采用消息队列（Message Queuing Telemetry Transport，MQTT）的形式，由底层向高层提供数据推送服务［8］。

2 基于物联网平台的检测仪表数据管理系统

由基于微服务技术架构的物联网平台构建的检测仪表数据智能管理系统（以下简称“系统”）架构见图2。针对铁路行业检测仪表的业务需求，系统业务功能包括：终端及仪表管理、测试项目编制、检测数据处理、实时数据展现、统计分析报表、历史数据查询、用户及日志管理、异常告警等。

图 2 基于物联网技术的铁路检测仪表数据智能管理系统架构

1）终端及仪表管理。系统前端提供可视化操作界面录入或导入终端及仪表信息，调用物联网平台提供的设备服务接口，存储终端和仪表基础信息，并为后续终端接入平台提供认证信息。通过平台设备服务接口进行台账展示，可查看以下统计信息：①名称、型号、编号、厂家信息；②主要技术参数；③仪表所属组织机构、使用频次统计等。

2）测试项目编制。系统前端提供表格形式的编辑操作，可依据铁路工、电、供各专业对各类设备进行现场维护作业时的测试项，以及测量值合理的范围，确定测试项目编制内容，并保存为测试项模板。通过调用物联网平台数据库，将表单信息进行保存，为后续作业和检测数据的存储提供基础。

3）检测数据处理。终端设备基于MQTT协议连接到物联网平台，对仪表检测数据进行上报。平台接收到数据后，基于时序数据库进行解析和存储，同时将数据对应到相应的测试表单，实现对手持终端应用软件上报数据的接收、标准协议解析、按测试项进行数据分发和存储、检测数据查询、问题管理、检测数据和测试项之间的关联及绑定等功能。

4）实时数据展现。物联网平台将现场测试数据解析并保存到时序数据库中，系统通过调用平台数据中心的开放接口，将现场测试的数据实时回传至应用系统，并呈现给用户，各专业专家可实时查看现场检测数据。数据展现方式包括单一数值、测试数据曲线等。

5）历史数据查询。基于物联网平台数据中心的存储和查询能力，通过调用平台数据中心的开放接口，对过去一段时间内上报的检测数据，依据时间范围、仪表名称、作业类型、组织机构等字段进行数据检索、查询、展示等。

6）统计分析报表。针对检测过程中出现的问题进行统计分析，按日、月、年等不同时间周期，给出预告警统计列表，包括预告警频次、故障频次、多发故障原因、维修手段等。物联网平台处理和存储历史数据，并通过数据中心的开放接口传输给系统应用层，应用层通过调用平台的开放数据接口，并结合表格、曲线等多种可视化手段，进行统计分析报表的展示。

7）用户及日志管理。系统管理功能提供账户信息维护、登录认证及密码管理、权限控制管理等，以便更好地适应不同专业、不同人员的日常操作管理需求；同时对系统运行日志进行管理，便于系统维护。

8）异常告警。针对测试数据超标、超限等情况，给出预告警信息。

3 关键技术

3.1 检测仪表智能化改造

铁路维护作业涉及的仪表种类繁多、形态各异。基于铁路工务、电务、供电3个专业常用仪表的使用频率、检测数据的重要性、作业场景的实时性等因素，结合仪表自身的特点，选择轨道检查小车、电子道尺、蓝牙数字万用表、接触网激光测量仪、大口径三相钳形功率表等作为典型仪表，实现检测数据自动化获取。其中电子道尺、蓝牙数字万用表和接触网激光测量仪，厂家已采用蓝牙通信方式升级改造为具备自动上报数据功能。而轨检小车、大口径三相钳形功率表目前还没有满足需求的成熟产品，因此，需单独设计硬件模块，使其具备无线通信、小体积、长续航、便携性等特点，实现数据自动上报等功能。

以大口径三相钳形功率表为例，设计和开发采集模块，包含硬件和软件2部分。

1）硬件部分。研发一款无线蓝牙数据传输模块，用于大口径三相钳形功率表测量数据的传输，通过蓝牙传输至现场手持终端。采集模块硬件架构见图3。其中，低功耗处理器通过外设接口与各功能单元或组件连接，主要实现检测数据传输、工作状态指示等；蓝牙模块实现与控制单元及手持终端通信；电源与电池管理单元主要包括电源与电池充电管理、电源转换模块、锂电池和外部供电接口；状态指示灯用于指示模块的工作状态，包括蓝牙通信建立指示、电池充电状态指示和电池电量指示；USB通信接口用于采集模块和仪表之间的USB通信，同时为仪表提供电源；调试串口用于系统调试。

图3 采集模块硬件架构

2）软件处理。采集模块软件处理流程见图4，具体说明如下：①蓝牙模块及系统初始化配置，主要包括硬件驱动初始化、系统时钟配置、外设时钟配置、操作系统初始化、“启动任务”创建、操作系统启动、电池电压检测、指示灯状态初始化、蓝牙模块初始化配置、链路连接状态检查等；②启动任务包括接口硬件初始化、其他任务创建、指示灯扫描循环等；③蓝牙串口接收即读取蓝牙串口命令数据；④判断命令数据读取是否超时；⑤判断帧结构是否正确；⑥如命令未超时且帧结构正确，则将数据转发至USB接口；⑦USB接口初始化，定时调用USB中间件的USB主机处理方法，实现对USB接口的扫描处理；⑧USB接收任务，从仪表USB接口接收一帧数据；⑨将数据转发到蓝牙模块。

图4 采集模块软件处理流程

3.2 数据自动获取及标准化传输

近年来，物联网短距无线通信技术发展十分迅速，已经出现了很多成熟、可靠的短距无线通信技术［9］，并实现了一对多的通信机制［10］。其中蓝牙技术作为常见的短距无线通信技术，具有硬件体积小、低成本、低功耗、兼容性较好、抗干扰性强、标准开放等特点［11］。而铁路作业现场广泛使用的手持终端也大多支持蓝牙通信功能，因此蓝牙通信成为检测仪表智能化改造的首选通信方式，这也与目前仪表厂家的智能化产品所采用的通信技术相吻合。

由于铁路各专业检修维护作业涉及的仪表种类繁多、型号各异、生产厂家也没有统一的数据协议标准可以参考，这就造成了各仪表都有自己特定的数据协议。因此，需研究如何实现不同检测仪表数据协议的标准化、统一化接入技术，降低系统开发、运维难度，为形成检测仪表数据传输标准奠定技术基础。

检测仪表数据智能管理系统通过手持终端应用软件，将各类仪表数据协议统一转换成物联网标准MQTT协议，实现数据回传。MQTT是一种轻量级、低开销的即时通信协议［12］，提供了多个层次的安全特性：①网络层通过专线或者使用虚拟专用网络连接设备与MQTT代理，最大限度地避免了窃听和非授权访问；②传输层使用安全传输协议进行加密，在配置文件中指定认证文件和密钥文件，在客户端安装证书，既可以保证传输数据加密，也可以做连接认证，防止中间人攻击；③应用层提供客户标识以及用户名、密码，使用授权管理插件，实现批量级用户权限和读写权限管理，亦可在应用层验证设备［13］。

综上，仪表数据获取的方式为：通过仪表本身或加装的硬件模块蓝牙接口，将数据发送给手持终端，在手持终端侧开发应用软件，支持多种检测仪表的数据接入及协议解析，并将不同仪表的数据转换成标准的MQTT协议数据，通过运营商核心网实现与物联网平台的数据交互。检测仪表数据传输示意见图5。

图5 检测仪表数据传输

3.3 数据智能管理

基于物联网平台数据中心提供的数据存储和处理能力，检测仪表数据智能管理系统对数据进行实时、离线2种处理。基于实时数据实现智能预警，基于离线数据进行数据分析，保证常规性报警的及时性，输出设备状态的分析报告，为实现更加复杂的预警处理、趋势分析、预测和综合评估能力积累数据。

考虑到目前检测数据仍然按照计划周期进行获取，系统采用批处理和实时处理相结合的方式，同时实现实时数据处理和离线数据处理，并构造相应的数据仓库。实时数据仓库和离线数据仓库之间采用基于Kafka队列的同步工具实现数据同步。

3.3.1 实时数据处理

回传到系统的检测数据，经过物联网平台的消息引擎，以及系统的数据校验预处理、提取设备主要特征参数后，存储到实时数据仓库中，可供系统查看。实时数据处理过程见图6。

图6 实时数据处理过程

在实时数据仓库处理过程中，需要调用规则引擎实现预警生成功能。规则引擎采用jar包形式封装到物联网平台流式处理的每个节点执行器上，由流式处理引擎通过Java API触发调用规则匹配处理，生成预警。系统采用主流规则引擎工具Drools 实现，将业务报警规则（专家规则）定义为规则引擎中的规则。规则引擎以规则文件方式，根据外部传参参数，与事先定义好的规则进行匹配。当触发规则时，生成报警。Drools规则引擎可基于retes算法进行规则推理，即在将触发的规则之间进行Agenda冲突调节，从而形成最终推理结论。

在实时数据流式处理过程中，同时通过批处理队列将数据推送到离线数据仓库，为离线数据分析积累检测数据。

3.3.2 离线数据处理

在离线数据仓库流式处理过程中，采用离线数据队列异步同步方式，数据经过ETL和指标计算，存储到离线数据仓库，实现设备检测全集数据的汇聚；并可通过ETL、FTP功能，从其他业务系统收集到设备履历信息、设备维修数据等，通过应用界面进行数据展示。离线数据处理过程见图7。

图7 离线数据处理过程

离线数据仓库内部按照贴源层、特征层、数据仓库明细层、数据仓库汇总层以及设备标签层，进行数据分层部署。

1）贴源层：存储回传的原始仪表检测数据。

2）特征层： 在贴源层基础上，基于流式处理的预处理（包括滤波等）和特征工程，将检测数据转换为clean数据和特征数据（采集数据的特征矢量）。特征层可以视作一种特殊的数据仓库明细层表。

3）数据仓库明细层： 是数据仓库内核心的存储结构，是经过关联、合并、标准化后的模式化数据仓库数据，包含大量的数据仓库内历史数据，按照有序的维度建模方法，形成有利于分析的数据模型。数据模型采用基于星型或雪花型的维度模型构造，根据表类型，一般划分为数仓维度表和事实表。

数据维度表用来定义各类设备实体，实体是由各种表示统一维度属性的组合构成。其中一类代表实际实体，例如设备实体，主要包括设备类型、设备型号、设备厂家、安装车站等维度属性；另一类代表抽象实体，例如日期维度，主要包括年、季度、月、星期的维度属性。数据仓库可以通过实体编码，实现事实表与对应实体表之间的关联，并根据实体表的维度，生成各维度的指标统计（按维度分组）和关联性宽表（基于维度属性并与实体编码匹配）。事实表用来存储事实的度量及指向各个维度的外键值。维度表用来保存该维的元数据，即维的描述信息，包括维的层次及成员类别等。简单的说，维度表主要观察该事物的角度（维度），事实表主要关注内容。例如信号机主体信息表，信号机主体事件可以转化为一个事实表，即主体事实表，然后车站对应一张车站维度表，信号机类型对应一张信号机类型维度表。每个维度表都包含单一的主键列。维度表的主键可以作为与之关联的任何事实表的外键，同时维度表行的描述环境应与事实表行完全对应。

4）数据仓库汇总层：通过汇总、统计运算，形成汇总统计数据，可以包含各类指标，各类时间维度（日表、月表和年表）的曲线数据统计指标等。该层数据主要服务于各类查询展示，包括上取、下钻等联机分析处理场景。

5）设备标签层：为面向设备对象的一种融合数据建模方法，即打通一个设备对象的各种标识，归一有关设备的各类描述信息，把跨业务板块、数据域的对象数据在同一个粒度基础上组织起来，并同该对象进行关联绑定。例如，对于1个设备标签表，可以将与设备有关的设备静态履历属性、设备维修信息、设备检测数据信息、设备故障信息，以及设备检测统计信息，共同构成这一设备相关的设备标签表信息。

通过建立离线数据仓库，可以构建设备健康状态评估的框架，有效组合利用数据价值，通过数学计算进一步提升数据价值，为设备“状态修”提供有益参考。通过确定设备健康状态影响因素，如报警情况（使用一级报警/二级报警次数来表达）、上道时间、维修情况、使用状况（由于不同设备的指标不同，可考虑其在日常检测中的异常值及出现次数、频率等因素）、环境条件（可以使用环境温湿度报警次数）等，在不同类型的设备之间进行调整，进而判断设备的健康状况，生成健康状态评估报告。

4 应用情况

目前检测仪表数据智能管理系统已在包神铁路万水泉南站部署并试运行，解决了现场仪表数据纸质存储、不便于数据分析，无法实时掌握现场测试数据等问题，对于异常处理的流程也实现了电子化管理，提高了检测作业及问题处理的效率。

5 结束语

针对铁路行业工务、电务、供电等专业日常运维作业过程中检测仪表的使用情况，在分析人工记录、纸质流转检测数据存在诸多不足的基础上，基于物联网技术对检测仪表进行智能化改造，通过物联网短距无线通信技术及MQTT标准化传输协议，实现铁路检测仪表数据自动化上报、标准化传输技术，为信号设备PHM系统积累数据。同时，研究基于典型物联网平台的微服务能力，结合铁路各专业检测仪表业务需求，搭建铁路检测仪表数据智能管理系统，实现检测仪表数据的自动化存储、智能化分析及应用。目前该系统已在现场部署试运行，并切实解决了检测仪表数据处理的问题，具有一定的应用价值。