赵 野,张 宁,刘德武,徐春峰,赵嘉伟
(1.无锡地铁集团有限公司运营分公司,江苏无锡 214171;2.东南大学智能运输系统研究中心轨道交通研究所,南京 210018)
城市轨道交通由于其安全、快速、准时的特性,成为了大多乘客优选的出行方式。随着轨道交通运营规模的扩大,对运维管理的要求也越来越高,如何在保障安全运营的基础上降低运维成本、提升轨道交通设备智能化管理水平,成为当下研究的热点。目前多家轨道交通企业已经建立独立的设备管理信息系统,用于故障信息管理[1]、风险管控[2]、智能运维[3]等,但此模式对设备故障预见性不足,同时也忽略了设备带来的大量有价值数据。智能运维系统是利用先进传感器技术获取设备实时运行状态信息,借助大数据、人工智能等技术对设备进行状态监测和故障预测,实现设备状态修,该系统能大幅提高维修保障效率和设备可靠性,但独立建设代价较高,不适合中小规模城市发展。
综合监控系统采用先进的计算机技术和控制技术实现轨道交通控制系统的集成化、数字化和智能化,集成和互联了众多的机电子系统,如电力监控、环控、广播、乘客信息、列车监控、视频监控、门禁、火灾报警系统等,可提供设备的运营状态和重要报警信息等,可以为设备健康状态分析[4]、故障预警[5]、状态监视[6],设备控制[7]等提供海量数据。然而综合监控的应用主要还是以设备本身的监控为主,但对综合监控本身采集数据的深度挖掘和应用处在起步和摸索阶段[8]。基于综合监控的优点及智能运维的需求,本文以无锡地铁综合监控为依托,搭建智能检测维修平台,分析监控需求和功能需求,制定出该检测平台的系统架构,实现对机电及自动化设备的状态修。
要研究搭建无锡地铁综合监控智能检测维修平台,首先对综合监控系统、无锡地铁目前维修现状及平台功能需求进行分析,为平台的架构设计做好基础。
无锡地铁综合监控系统采用两级管理(中央、车站)和三级控制(中央、车站、现场)的原则,集成了电力监控(SCADA)、广播(PIS)、闭路电视(CCTV)、屏蔽门(PSD)、火灾报警(FAS)、门禁(ACS)、环境与设备监控系统(BAS)等子系统,由以太网交换机、前端处理器、实时服务器、综合后备盘等主要设备组成,在功能强大的上位机集成软件开发平台的支持下,将各子系统的设备数据集中采集、统一处理,使管理人员及时了解设备的运行状态并对其进行控制,提高车站运营和管理效率。
目前无锡地铁设备运维主要存在以下问题:
各专业、各线路分别进行运维管理,存在信息孤岛,各系统的开放性差,专业间、系统间互联互通困难;数字化、智能化程度低,智能感知水平有限,覆盖范围不全面,制约智能应用和智能辅助决策等;仍常用故障维修和计划维修,导致服务水平较低,维修成本较高;维修人员在日常维护和故障处理时,仍依靠人工完成数据采集、分析等工作,无法满足高质量的维修管理。
无锡地铁目前的运维现状与日益增长的智能维修需求的矛盾,需要迫切的研究出适合无锡特色的智能运维方案,本文正是基于上述问题设计的基于综合监控的智能检测维修平台。
智能检测维修平台是以综合监控采集的数据为基础,对综合监控部分子系统中的数据进行重新分析处理,并补充部分设备接口和监控需求,开放子系统内部信息,标识设备应有的状态和阈值,以达到提前预警风险状态的效果,检测维修平台的主要功能如下。
1)设备基础数据检测
本平台可针对系统特有数据(设备累计运行时间、累计故障次数、开启次数)进行检测,并形成统计表。例如环控风机系统中的频率反馈、线电压、线电流、功率反馈数据;给排水系统中水泵电流值、水泵过载数等。
2)设备运行状态监管
依据数据报表以及预设点表对系统中运行状态以及设备参数进行分类监视,并统计历史记录,形成统计表。例如:EPS系统中的电池柜温湿度参数、设备房温湿度参数;给排水系统中的水位状态、水池长涨趋势;自动扶梯系统中的运行电流参数,以此来生成空载/负载运行时间图。
3)设备状态评估及预测
设备状态评估及预测是以设备的状态为基础,通过状态检测,状态评估和寿命预测来预测设备状态的发展趋势。状态检测是采集设备一系列机、电、液、光等参数信息,而此功能在上述1)、2)中已经提到,这些参数信息能真正的表明设备的状态,然后通过分析判断设备的状态,最终做出相应评估及预测。
4)设备模块智能关联分析
基于历史统计数据,依据设备模块间的关联关系,引入因果关系检验的思想并构建模型。减少设备在短时间内发生多次告警,降低处理故障预警数,实现设备关联恢复。例如:自动售检票系统中的设备纸币接收模块、硬币模块、发卡模块3个模块存在相互关联关系。此功能可有效实现设备模块的关联恢复,也能一定程度上预测设备故障,以便及时采取预防措施避免。
5)设备故障率及维修周期分析
将设备故障率定义为运行到某时刻尚未发生故障的设备,在该时刻后的单位时间内发生失效的概率。基于大样本故障数据,采用数理统计分析方法,对获得的无故障运行时间数据进行分析,得出设备故障率,并由此计算设备的维修周期。
6)智能故障预警
依据预设点表对无锡地铁设备的运行状态、故障状态进行监视,统计故障频率及时长,对特定故障发生超过正常频率或持续时间超过正常时长的设备发出检查或维修提醒,并形成统计表,并根据数据和状态统计报表给出故障分析。
智能检测维修平台的核心是基于监控数据、采集数据、环境数据等海量数据信息,借助大数据计算、云计算技术等手段,综合考虑设备的可靠性和经济性,实现维修管理的智能化,从这个理念出发,来进行智能检测维修平台的设计。
智能检测维修平台整体架构可以定义为3层:数据采集层、数据处理层、应用层,如图1所示。
图1 智能检测维修平台整体架构Fig.1 Overall architecture of intelligent detection and maintenance platform
1)数据采集层
数据采集是整个平台的基础,完成对机电设备的状态数据、故障数据、性能指标数据、环境数据等数据的统一采集,满足平台数据获取的需求。
采集层实现综合监控系统数据的接入,并预留其他子系统的接口,对采集到的数据进行协议解析、编解码处理后,上传到数据处理层。
2)数据处理层
数据处理层实现对实时数据的存储和对历史数据的运算处理,并定义标准化的指标体系。数据存储用于落地运维数据,可根据不同的数据类型和使用场景,选择不同的存储方式,积累大量的运维数据;数据分析相当于“大脑”功能,利用人工智能算法,根据具体的运维场景、业务规则,做出决策。
3)应用层
应用层主要依据地铁运营生产需要,以研究集成系统设备的应用为目的,将研究思路和方法具体实现,例如设备设施的状态修。并对生产数据进行挖掘、分析、处理,最终对研究对象的实时状态、数据指标等进行多样化呈现。
以无锡地铁三阳广场和南湖家园为试点站,搭建综合监控智能检测维修平台,开展机电自动化设备智能检测系统的研究。
系统主要由数据采集机、实时/历史数据服务器、应用服务器、Web服务器、工作站等设备组成。系统架构如图2所示。
图2 智能检测维修平台系统实施图Fig.2 System implementation diagram of intelligent detection and maintenance platform
数据采集机实现与FAS、BAS、PSD、ACS等系统的连接,可采集各系统内部运行参数及所连设备的累计运行信息;实时/历史数据服务器实现对实时数据的存储和对历史数据的运算处理等,并满足系统开发过程中所有对历史数据及服务的需要;应用服务器是依据运营生产需要,以研究系统设备“生命周期”、“状态修”为目的,对生产数据挖掘、分析和处理;工作站是对研究对象的实时状态、数据指标等多样化的呈现;Web服务器是对数据库的数据访问。
以环控风机为例,环控风机由BAS系统进行监控,通过智能检测维修系统对采集的数据分析,可实现功能如表1所示。
表1 智能检测维修系统的实施应用Tab.1 Implementation and application of intelligent detection and maintenance system
可以看出,智能检测维修平台在监控系统的基础上,对机电设备的数据进行分析处理,可反映设备的运行状态和具体故障信息,有助于第一时间做出预判和响应,有利于加深维护人员对系统的认识,提高运营管理效率。
随着系统功能的完善,以及智能维修的需求,可对重要设备的关键部件加装传感器,采集能直接反应设备健康程度的状态信息,经此平台接入数据层,实现状态修。
本论文以无锡地铁实际情况为背景,围绕试点站情况通过需求分析、功能确定、架构设计3方面具体对综合监控智能检测平台进行具体介绍。此平台可通过远程客户端实时反映设备运行状态和具体故障信息,有助于第一时间做出预判和响应;存储和分析生产数据,用于设备维护周期和全寿命周期的研究;所呈现的系统内部信息,加深维护人员对系统的认识。在后期开发中,将通过科学的数据统计分析,积累设备维护经验,为回顾历史数据及提出新应用提供数据支持。