MSS维护监测系统在城市轨道交通中的智能应用

王向阳，朵建华，刘懂懂，金雪军

维护监测系统（Maintenance Supervision System，MSS）是城市轨道交通CBTC 系统的统一运维平台，是反映设备运用质量，提高设备维护效率，加强结合部管理的重要信号设备［1］。它与国铁信号集中监测系统一脉相承，其设计都遵循国铁集团发布的《信号集中监测系统技术条件》［2］标准。

与传统的铁路信号系统制式相比，城市轨道交通CBTC 系统的集成化程度更高，偏向于全电子执行单元，设备的电子元器件集成在控制板卡中，用户对其控制原理及运行状态知之甚少［3］。MSS系统日常维护数据来源于CBTC 各子系统的自诊断数据，通常只有正常、故障2 种状态，这些数据是单一且片面的，从表面上看并无关联性，难以找出设备故障的根本原因，也不能对设备的运行趋势进行分析预测；当各系统（设备）结合部出现问题时，难以通过单个系统的状态信息来明确故障原因，影响设备维护、检修效率。段亚美等［4］提出了故障智能诊断、分析预测的概念，指出通过建立信号设备智能运维系统平台，研究构建新型维护管理模式，但并未提出从数据角度出发的具体实现方法。

交通运输部2022 年1 月颁布的《城市轨道交通信号系统运营技术规范（试运行）》［5］第9.2 条指出，MSS 子系统宜提供信号设备故障模式影响分析，主要包括分析对象、设备功能、故障模式、故障现象、故障影响范围、影响行车程度和故障处置建议等。

为此，本文基于MSS 系统数据特点，提出在MSS 系统维修中心的应用服务器上增加智能分析模块，深度分析各子系统的数据特点，明晰设备故障隐藏的规律，指导维护人员进行预防性维修，实现MSS系统在城市轨道交通中的智能化应用［6-7］。

1 MSS系统数据特点

MSS 系统数据按照数据来源分为自采集数据和系统接口数据。自采集数据为采集分机获取的道岔、信号机、外电网等基础设备的运行状态；系统接口数据为通过通信接口获取的其他CBTC 各子系统的自诊断数据。

1）自采集数据。按照数据类型分为电气特性数据和设备状态数据。以简单的阈值分析为主，在采集数据偏离了预先设定的报警上下限时，输出超限预报警信息，指导维护检修［8］。自采集数据在整个MSS 系统的数据量中占比约为10%，有限的数据无法反映CBTC系统及设备的运行状况。

2）系统接口数据。主要为各子系统板卡（模块）正常或故障的状态数据。MSS 系统以图形方式显示各子系统的运行情况，并以颜色区分板件（模块）的工作状态。

维护人员只能根据板卡的状态信息进行故障处置，并不能直观地了解设备内部的电气性能，这与国铁信号集中监测系统通过采集和分析设备电气特性数据的变化趋势，预测设备工作状态的维护模式存在较大的区别。当设备因板卡（模块）的电子元器件老化等原因处于亚健康状态时，无法通过信号子系统的诊断数据体现，维护人员只能在设备出现故障后进行被动维修。

2 MSS系统架构

MSS 系统由分布在设备集中站、车辆段/停车场的站机设备，非设备集中站、控制中心、维修工区的采集设备，维修中心的服务器及各维护工区的维护工作站等设备组成；实现对信号机、转辙机、电源等基础信号设备的监控；接收计算机联锁（CI）、列车自动监控系统（ATS）、数据通信系统（DCS）、无线通信系统（LTE）、计轴、区域控制器（ZC）、列车自动驾驶系统（ATO）、列车自动防护系统（ATP）等子系统的运维信息［3］；实现系统数据的统一存储、处理及分析，并在各级维护工作站中可视化展示故障报警信息［9］。MSS 系统架构见图1。

图1 MSS系统架构

图1 中，维修中心数据库服务器用于保存各站机自采集数据及各CBTC 子系统的接口数据，并建立CBTC 系统维护数据池；应用服务器增加智能分析模块，通过设置定时任务，启动对前一天数据的智能分析，并输出分析报告，维护人员可在各级维护工作站调阅该分析报告及健康度显示界面，实现故障定位及排故指导。

3 智能分析应用

3.1 设备关联性分析

本文采用灰色关联度及卷积神经网络算法，对设备间的关联度进行分析，以发现各子系统间的相关性及隐藏的故障规律［10］。MSS 系统对每一种设备的报警分布进行数据窗口划定，即神经元；设定神经元的大小为60 s，即分布在1 天内的某设备的报警可划分为1 440 个神经元，有颜色的方块表示该单元内存在报警；2 种设备按照同一神经单元进行划分，颜色有重叠表示2 种设备在同一时间段内都存在报警，这些报警可能存在关联性，颜色块重叠的越多，表示2 个设备的关联度越高，反之则越低。设备A、B的关联度计算式为

式中：Sup(A∪B)为神经元内设备A、B 同时报警的次数；Cot(A)为设备A 报警出现在神经元内的总次数。Cof(A→B)仅表示A 与B 之间的关联度和因果关系，不表示设备B与A之间的关联度和因果关系，关联度为介于0~1 之间的数值，越接近1表示设备间关联性越高。

在设备出现故障时，MSS 系统输出设备关联分析报告，并自动提示既有设备的关联数据，辅助维护人员分析故障发生的根本原因，提高维护检修效率。由图2 所示电源屏故障设备关联分析报告可知，电源屏超限报警由外电网设备引起的可能性为94%，为此在电源屏出现电气特性超限报警时，维护人员应着重分析同一时刻外电网的工作状况是否正常。

图2 电源屏故障设备关联分析报告

3.2 设备故障时段分析

CBTC 信号系统轨旁设备（如道岔、信号机、计轴磁头、应答器、电缆等）的工作状态受室外环境温湿度的影响较大。因此有必要将设备故障时段、影响范围、种类、频次［11］等因素通过统计报表的形式展现给用户。

基于设备的报警时间，建立设备24 h 及月报警分布图，得出故障时段分析报告；系统也可输出某月发生故障最多的3 类设备，并提醒维护人员在该月重点关注此类设备。如图3所示，2022年8 号线道岔设备在1~3 月期间报警较多，故障原因可能与气温、湿度等因素相关，因此维护人员应在设备故障多发季节，重点关注该类设备的运行状态。

图3 设备故障时段分析报告

3.3 设备劣化趋势分析

随着设备使用年限的增加，相关电子元器件的老化，导致CBTC 各子系统设备故障增多。MSS系统从同比、环比角度生成设备的报警趋势曲线，依据设备报警频次、报警持续时间等参数，分析设备是否存在劣化趋势，达到预先告警和维护管理的目的［12］。设备劣化趋势分析报告见图4。该报告指出该分析时段内，1-J1 设备在2022 年共发生156 次报警，5~12 月报警频次及持续时间呈逐渐增加趋势；其中道岔缺口监测报警增加较多，需在天窗点内调整锁闭杆或联合工务进行整治，消除道岔缺口监测报警根因。

图4 设备劣化趋势分析报告

3.4 设备健康度评估

3.4.1设备健康度计算

设备健康度是设备运行状态的直观体现，也是备件采购、检修规程制定的重要参考数据。依据设备服役状态的健康指数评价，指导用户进行预防性维修，提升运维质量［5］。系统从设备生命周期、未恢复报警、总报警数量、模拟量偏差、设备运用次数、设备检修等6 个维度对设备的健康度进行评判，按照重要程度预先设定权重，6 项权重相加为1，依据式（2）将6 项维度分值相加，即为设备健康度分值（最高为100 分）。使用设备健康度分值将设备分为3 种状态：健康、亚健康和故障，可反映设备形态与性能由量变到质变的动态过程［13］。

1）生命周期维度。采用基于统计的设备寿命评估法，根据设备的上道时间、使用年限、配件及易损件的检修更换情况，计算设备生命周期分值［13］。按照设备上道时间与使用年限的比例进行减分操作。设备生命周期以最小可替换单元的使用年限计算，如以信号机灯泡的使用年限作为信号机设备的生命周期年限，在配件检修更换后，应重置设备的使用年限。

2）未恢复报警维度。该参数是分析设备当前工作状态是否正常的重要指标。在分析周期内，依据设备报警类型、报警等级等参数做减分操作，如一级报警减10 分，二级报警减5 分，三级报警减2 分。设备未恢复报警维度的权重应占总权重的50%及以上。

3）总报警数量维度。该参数统计了设备的已恢复报警和未恢复报警的数量，是设备在使用过程中是否可靠运行的重要指标。若设备报警较多，说明该设备运行不可靠，存在故障的可能性。通过设定每种报警类型数量对应的减分值，来计算该维度的分值。

4）模拟量偏差维度。在分析周期内，以设备的模拟量日报表数据为基础，计算当前模拟量平均值与历史经验平均值的偏差比例，根据预设的偏差比例扣分值计算该维度分值。如当前偏差比例为5%时的预设扣分值为5 分，则该项计算分值为95 分，若维度权重为10%，则该维度计入设备健康度的分值为9.5 分。对无模拟量的设备，该项维度权重为0，则计入健康度的分值也为0。

5）设备运用次数维度。依据道岔动作次数、信号机点灯时间、继电器动作次数的统计报表进行维度分值计算，采用“（已运用次数/允许总运用次数）×维度权重”得出设备的该维度分值。对没有运用次数统计的设备，该项维度的权重为0。

6）设备检修维度。在计算设备检修维度时，应考虑计划检修及故障预防检修2 种情况。系统内可预设设备的检修时间，对超过检修周期的设备以天为单位进行扣分。

根据设备类型和特性，设备健康度的计算权重应单独设计。以某站道岔设备为例，其6 个维度的权重设置建议为：设备生命周期维度权重为0.1、未恢复报警维度权重为0.5、总报警数量维度权重为0.2、模拟量偏差维度权重为0.05、设备运用次数维度权重为0.1、设备检修维度为0.05。

3.4.2应用效果

维护工作站可显示系统站机状态、健康度评分、系统平均无故障时间等数据，双击图表可细化展示各设备的具体评分。系统健康度展示主页面见图5，该站场状态为67分，表示该站场设备的整体运行情况处于较低分值，需重点关注，其中电源屏设备的健康度分值较低，需进行检修。

图5 系统健康度展示主页面

4 结束语

MSS 系统从多维度、多特征的角度对CBTC各子系统运行数据进行关联分析，寻找设备的劣化趋势，发现设备隐患，及时调整维修策略，达到预先告警、预先维护管理的目的，在指导现场对故障原因定位及跨专业分析方面效果突出。

2022 年，该系统已在宁波地铁投入使用，应用效果良好。目前，该系统已经累积了大量的样本数据，并建立了CBTC 运行大数据池，可积极引入智能化技术、大数据分析技术，进一步构建CBTC智能运维系统。