朔黄重载铁路线路维修健康管理平台

曲建军，秦怀兵，龙亦语，马帅，代春平

（1.中国铁道科学研究院集团有限公司 基础设施检测研究所，北京 100081；2.朔黄铁路发展有限责任公司，河北 肃宁 062350）

0 引言

朔黄铁路是我国西煤东运的第二大重载运输通道，其重载货车车辆轴重、编组数量和牵引质量较大，2万t及以上轴重重载列车已实现规模化开行，年通过总重目前已突破4亿t。与普速线路相比，朔黄重载铁路存在既有线路设备劣化速率较快，线路日常维修养护工作量大，综合维修、大中修周期短，线路修理综合费用高且维修后线路设备保持效果差等问题。朔黄重载铁路目前执行的综合维修和大中修仍然以周期修为主，部分项目缺少更加科学的参考依据和数据支撑，造成超前修或滞后修，导致资源浪费。传统维修模式已不能满足降本增效要求。因此，引入先进的预防性维修管理理念，采用科学的预测与决策手段指导工务部门制定维修计划，构建的朔黄重载铁路设备健康管理平台具有重要现实意义［1］。

当前，朔黄重载铁路已积累了大量设备台账数据、维修信息、通过总重数据、检测监测数据等，这些数据没有得到系统化管理和深入挖掘，无法为设备健康管理提供数据支撑，也造成了一定程度的资源浪费。随着朔黄铁路设计建造和运营维修技术的快速发展，各铁路基础设施养护部门已经深刻意识到综合分析利用各类数据建设基础设施健康管理系统平台，提高线路维修管理的科学性、针对性、智能性和经济性的重要性［2-3］。但是朔黄铁路发展有限责任公司现有的管理信息系统普遍存在一些问题，如信息系统各自独立，数据资源难以共享；信息采集不够及时、准确、完整；分析手段落后，信息化、智能化效益难以充分发挥［4］。因此，有必要引入数据资产化概念，对朔黄铁路各类数据进行系统化、规范化管理和综合分析，充分挖掘并利用各类数据隐含信息，使其在设备健康管理过程中发挥重要作用。

根据朔黄重载铁路的运营和维修特点，构建了朔黄铁路智能化线路设备健康管理系统，对朔黄铁路通过总重、设备台账和各类检修数据等进行数据资产化管理，引入先进的预防性维修管理理念并采用科学的预测与决策方法，着力研究以大机捣固、大机清筛、钢轨维修为代表的重载线路重要维修方式的优化决策技术和智能算法，实现设备状态预测和维修计划辅助决策，有效管控朔黄铁路线路修理成本、变革维修模式，搭建高效、先进、智能的数据平台，实现数据的集成分析、智能化分析与设备健康管理。

1 系统逻辑架构

系统综合考虑朔黄重载铁路基础设施养护维修作业特点，提出了一套具有高兼容性、可扩展性和易用性的软件体系逻辑架构［5］。

朔黄重载铁路线路修理优化决策及设备健康管理系统可以实现服务化的管理平台、对线路设备的健康状态进行预测管理。该系统以轨道几何动态检测数据、道床检测数据、钢轨磨耗和伤损检查数据等作为数据源，对数据进行预处理，封装各类分析算法，提供具有扩展性的数据和算法集成管理，建立线路设备健康状态评价及预测决策模型，实现对捣固维修、道床清筛、钢轨状态等典型病害的预测和设备状态分析，为生产计划的制定提供辅助决策支持。

系统逻辑架构（见图1）共分为采集层、数据层、服务层和应用层。采集层研究确定数据综合接入方案，制定统一接口规范，接入各类检测数据进行统一存储管理，对检测数据进行预处理以提高数据质量，为朔黄重载铁路线路修理优化决策及设备健康管理提供多源数据支撑。数据层以多种存储和计算技术为支撑，汇集轨道几何、钢轨伤损、道床状态、台账数据、通过总重数据及其他数据等，建设海量数据的安全存储、计算和管理体系，形成统一标准基础资源库与应用资源库。服务层针对各业务模块结合大机捣固预测与决策算法、道岔清筛算法、钢轨状态评估算法等，研究建立线路设备健康状态评价及预测模型。应用层利用该系统管理的轨道检测数据、道床不良、钢轨磨耗与伤损数据，根据维修信息、通过总重信息、基础台账信息和病害数据等，对各类历史问题数据及其变化趋势进行分析并做出维修决策建议。

图1 系统逻辑架构

2 系统技术架构

系统技术架构（见图2）包括系统层、数据层、业务层和展现层。系统层基于Linux操作系统及JDK1.8提供系统支持。数据层包括多种数据来源，具体包括基于数据库及Redis的数据存储、以文件流方式读取的数据、通过Smb协议远程以流方式读取的数据，以及通过Geo Core Service读取的检测文件数据。业务层基于Spring Cloud Alibaba、Spring Security OAuth2.0、Spring Cloud Gateway、Spring Boot、Mybatis、Redis等成熟的技术栈开发，业务层为展现层提供Rest风格的API。同时业务层采用OkHttp调用其他的底层服务，如Geo Core Service。展现层核心基于Vue Element组件库开发，同时包括基于Js、css、html、Echarts、d3开发的图表组件等，前端发布打包为Electron应用程序，Electron中集成了NodeJs，可以实现客户端功能扩展。

图2 系统技术架构

3 软件功能模块设计与实现

系统包括基础运维数据管理、检测数据管理、大机捣固预测与决策、大机清筛预测与决策、钢轨状态综合分析5个模块，各模块示意见图3。

图3 朔黄重载铁路健康管理平台功能模块示意图

3.1 基础运维数据管理

重载铁路基础设施运维数据结构复杂、格式多样，包括维修数据、通过总重数据、钢轨履历信息、基础台账信息等多方面内容，记录及查看方式不一，异构性特征显著。以往的基础运输数据采集与管理主要依靠人工记录和Excel表格汇总，记录不规范，且记录的准确性、时效性不高，因此需要建立起一个统一的、集成的运维数据管理平台，不仅能有效汇集所有类型的设备基础信息，针对不同类型数据特点采取不同的储存方式，统一管理，还能保证数据收集的及时性、完整性和数据传输的便捷性［6］。

该模块从地理位置、时间、设备3个维度对基础运维数据进行整合，并建立了基础运维数据管理库（见图4）。该数据库不仅全面融合了维修作业、通过总重、钢轨履历、基础台账等信息源，同时还支持数据展示和图形展示（以图5维修信息展示为例），满足基础运维数据的调用需求和可视化需求。

图4 基础运维数据库

图5 基础运维数据展示

3.2 检测监测数据管理

朔黄重载铁路的检测监测数据包括轨道检测数据、钢轨伤损数据、钢轨磨耗数据、车辆动态响应检测数据等多种数据，不同种类数据之间的记录格式、量级、查看及处理方式不一。以往各类数据独立存储的方式缺乏实时性和整体性，不能及时对不同数据进行对比分析与互动交流，甚至由于记录不及时还可能造成数据缺失。因此需要建立统一的数据录入与存储平台，为不同种类的检测监测数据提供相应的用户接口，保证数据能及时、完整地录入系统［7］。

检测监测数据管理模块（见图6）集合了数据的时间和空间信息，根据不同数据类型设计了相应的记录格式，不仅涵盖了多种检测监测数据的详细信息，还支持数据的文本和图形的多维展示，基于线路行别、里程、日期或线路区间等条件对检测监测数据进行查询，保证了数据查询的灵活性，能够有效支持现场作业。

图6 检测监测数据模块数据

3.3 大机捣固预测与决策

大机捣固预测与决策模块包含捣固指数查询与统计、轨道质量分析预测、捣固计划辅助决策、捣固效果分析四部分内容［8-9］。该模块引入捣固指数（MTQI）概念用于评价捣固维修前后的轨道质量，基于状态修理念，采用科学预测理论和挖掘方法，设置未来1年内的计划累计通过运量，预测未来1年内的MTQI发展趋势值，并进行数据列表和色阶图形展示（见图7），其中色阶图以不同颜色表示线路的健康、预警、优先、超限状态，并对预测无效值进行标记，可直观展示某一区段未来1年内线路质量变化情况，为捣固维修决策提供指导建议，同时该模块还提供线路劣化趋势计算功能，可根据历史数据查看不同区段的线路劣化速率。用户还可以根据现场情况配置不同的捣固标准、模式、条件、天窗等参数并存储为捣固方案，系统根据捣固方案中的参数进行捣固计划优化决策，生成大机捣固计划方案的数据结果和图形展示（见图8）。作为闭环管理，设置作业后的捣固质量评价功能，可根据不同捣固模式作业前后的轨道质量变化分析评价其捣固效果（见图9）。

图7 轨道质量预测色阶图形

图8 大机捣固维修决策计划

图9 大机捣固效果对比

3.4 大机清筛预测与决策

该模块分为道床脏污率查询与统计、脏污率对比分析与预测、清筛计划辅助决策和清筛质量评价四部分内容［10-11］。引入根据探地雷达检测数据计算得出的评价性指标—道床脏污率，用以评价道床受脏污介质污染程度，可根据时空信息查询道床脏污率数据，并支持图表等直观展示方式（见图10）。脏污率对比分析与预测功能可对同一区段不同时间的道床脏污率进行对比（见图11），并基于通过总重、维修信息等历史数据和台账数据进行道床脏污率的短期预测。清筛计划辅助决策功能根据选定的评价区计算脏污平均值、里程占比和历史清筛信息，用于指导清筛决策（见图12）。清筛质量评价功能可对完成清筛作业后的道床脏污状态进行及时评价，根据选定的时空条件进行统计查询并绘制清筛前后道床脏污指数曲线，用以评价清筛后道床的污染程度及评估清筛效果。

图10 道床脏污率查询与统计展示

图11 道床脏污率对比分析展示

图12 清筛计划辅助决策展示

3.5 钢轨状态综合分析

该模块分为磨耗统计分析、钢轨磨耗预测、伤损统计分析、钢轨重伤量预测、钢轨状态综合评估五部分，是钢轨综合状态信息管理平台，可对曲线地段钢轨磨耗情况、钢轨内部伤损进行查询和统计分析（见图13），并根据钢轨磨耗情况和维修历史数据、钢轨履历、通过总重、检测数据和钢轨服役环境等信息对钢轨磨耗进行预测分析并进行数字与图形化展示。钢轨状态综合评估部分将钢轨廓形、表面状态、平顺性及内部伤损等方面进行综合评价，用于指导钢轨打磨等维修工作。钢轨重伤量预测功能可预测某区段未来某月在特定的通过总重下每公里的钢轨重伤量，指导线路的换轨大修［12-13］。

图13 钢轨伤损统计展示

4 结束语

研发形成重载铁路线路维修健康管理平台，是国内首次针对重载线路的大机捣固、道床清筛、钢轨状态管理的系列预防性维修技术研究成果统一进行的平台化集成。平台能够实现对多元异构数据的存储、预处理并形成基础运维与检测监测数据库，为线路健康管理提供数据支撑；突破了传统维修模式和维修体制，通过科学的预测决策手段指导重载铁路维修计划的制定，为工务部门大中修计划安排提供科学依据；提供了面向用户的功能窗口，操作简单、功能齐全，能实现数据查询、多维统计分析、综合分析、设备评价、辅助维修计划展示等功能，可提升朔黄铁路运营维护、安全管理信息化技术水平，提高设备管理效率并降低维修成本，为朔黄重载铁路的维修作业提供科学化、智能化、经济化决策指导。