展晓义
摘要:结合近年来智能运维技术在城市轨道交通领域的发展,提出智能运维技术在车辆基地的应用分析。通过论述车辆基地智能运维现状,提出车辆基地智能运维设计方案及实施方案。方案中提出了实施应用建议,对轨道交通智能运维方向的发展提供参考。
关键词:轨道交通;智能运维;车辆基地
Abstract:According to development of intelligent operation and maintenance technology in urban rail transit in recent years, the application analysis of intelligent operation and maintenance technology in vehicle base is proposed. By analyzing the current situation of intelligent operation and maintenance of vehicle base, this paper puts forward the design scheme and implementation scheme of intelligent operation and maintenance of vehicle base. In the scheme, the implementation and application suggestions are put forward to provide reference for the development of intelligent operation and maintenance direction of rail transit.
Keywords: rail transit; intelligent operation; metro depot
1 引言
伴随近年来我国城市轨道交通的快速发展,国内轨道交通运营里程的不断提高,越来越多的城市轨道交通进入到网络化运营阶段。轨道交通飞速发展的同时,也带给建设单位和运营单位巨大的挑战。应对当前形势,智能运维技术的发展为解决建设与运营的压力带来了契机。
智能运维技术的发展已成为各轨道交通建设单位的当务之急。此外,国家层面也高度重视城市轨道交通行业智能化的发展,“十四五”规划纲要中强调,加快建设交通强国,深入实施智能制造,推动先进轨道交通装备产业的创新发展。因此,迫切需要加快智能运维技术在轨道交通领域的应用。
车辆基地作为保证地铁正常运营的维护和检修基地,涉及的专业众多,车辆基地内各机电设备系统综合集成度高、技术先进且复杂,智能运维技术在车辆基地的应用对整个地铁线路的正常运营具有举足轻重的作用。
2 车辆基地智能运维现状
随着各城市地铁运营线路的增加,对车辆基地运维的要求也不断提高,目前各地轨道交通建设过程中车辆基地运维管理方面存在下述相关问题:
(1)不同线路车辆基地之间分别进行运维管理,信息数据交互性低,开放性差,缺少集成管理。
(2)各综合系统及设备间数据信息存在较大差异,互通性低。
(3)技术应用相对陈旧,系统、设备智能化程度低。
除此之外,行业领域内仍较为普遍采用传统维修模式,日常运维工作仍采用以人工为主的作业方式。工作效率低,运维成本高,运维数据采集精度低,无法满足现阶段越来越高的智能运维需求[1]。
具有前沿设计理念的车辆基地,需要结合设备设施“状态修”模式的发展,利用大数据分析的技术手段,通过对车辆、设备设施及检修数据的采集,以实现实现车辆基地运维管理的精细化。同时,通过对各类数据的学习与分析,还可帮助决策层和管理层指导后续项目管理及新线建设[2]。
3车辆基地智能运维设计方案
车辆基地智能运维设计的基础是搭建智能运维大数据平台,大数据及云计算的迅猛发展为智能运维的应用提供了难得的机遇。
车辆基地智能运维设计的核心主要是整合利用车辆、设备的状态数据、故障信息、管理数据、环境数据等综合数据信息,通过大数据云平台、智能计算和人工智能等技术,实现车辆基地运维管理的智能化。主要涉及以下几个方面:
3.1设备智能化监测
车辆基地作为保证地铁正常运营的后勤基地,包含车辆段、综合维修中心、物资总库及培训中心以及必要的办公、生活设施等。车辆基地各建筑物内涉及各类综合机电设备,如空调及通风系统设备、给排水系统设备、电力设备、综合监控系统设备、电梯设备等。这些机电设备种类多、分散广,但设备及系统的功能实现方式基本类似,设备智能化监测可收集、记录、保存及管理相关系统的重要信息和数据,以达到提高运行效率,保证各系统正常工作的目的。
3.2在线数据采集分析
安全行車是地铁运营的基本要求,行车过程中的各项数据指标有着重要的参考和指导意义。通过在线数据的采集,可在不影响行车安全的前提下,准确、实时的采集各项关键运行数据。在线数据采集主要包括车载数据采集分析和轨旁数据采集分析。
结合国内实际应用及发展趋势,车载数据采集技术已日渐成熟,如车门故障采集系统、走行部诊断系统、空调状态监测系统、蓄电池状态监测系统、电机状态监测系统、弓网监测系统、辅助供电状态监测系统、轴温监测系统等。但与此同时,各监测系统存在相对独立、数据分散等问题,采集数据缺乏共享与关联,无法发挥各类数据的有效性。
轨旁数据采集主要通过视觉检测、图像对比、激光测量、超声波或红外探测等方式完成。车辆通过轨旁数据采集设备时,系统对车底、车身、车顶、轮对、受电弓、电机等各部件进行相应数据采集。
通过智能运维系统的搭建,可将各系统采集的数据进行关联性分析处理,加强数据沟通及共享,并进一步完成智能诊断及评估[3]。
3.3智能化检修
随着地铁检修作业的复杂化、精细化,现阶段对检修作业提出了更高的要求,智能化检修主要通过采用智能检修设备、优化检修工艺等措施,提高地铁各项检修作业的工作效率,降低维修成本,主要包括用于日检车底车侧检查的智能巡检机器人、可实现节拍化生产的智能检修流水线、适用于恶劣环境的智能车底吹扫设备、可实现精确控制的智能装配流水线等设备。
3.4智能化信息管理
智能化信息管理是通过运营大数据融合和智能算法,对车辆基地进行一体化运作管理,包括提高作业效率的智能调度管理系统、提高安全防护作业等级的智能安全防护系统、提高检修效率的智能检修信息系统、完善物料管理的物料管理系统等。
4车辆基地智能运应用实施方案
车辆基地智能运维系统的实施是一个循序渐进的过程,整个系统的建设并非一日之功。其功能的实现是从信息化到智能化不断完善的过程。智能运维的实现需要有大量基础数据及原始资料的累积,同时系统的硬件设施投入也需要结合全线及线网的规划统筹考虑。综合现阶段各地的发展趋势,车辆基地智能运维的实施可以分为以下几个过程:
4.1基础平台的建设
轨道交通各个系统间每天产生大量的数据信息,将这些数据有效采集并存储分析,是车辆基地智能运维的基础。车辆基地智能运维基础平台的建设可通过大数据分析,将各系统采集的数据信息完成相关数据的标准化、规范化,并实现数据信息的交互、共享等。
通过建立一个基础的大数据云平台,可对各专业系统采集的海量数据进行清洗及统计,筛选有价值信息为智能运维系统提供评价依据,如图3所示。
4.2信息化管理
信息化管理是建立在基础平台之上,依靠先进的、智能的以及符合运营管理需求的相应系统软件,实现车辆基地不同专业、部门之间的统筹管理。
通过智能调度管理系统可解决车辆基地作业效率低,专业数据孤立等问题。系统可将传统的分散调度与控制转变为集中调度与控制,保障人员与车辆在各场景下的安全作业与运行。
通过智能安全防护系统可解决车辆基地内生产作业的安全防护、停送电防护、登顶作业防护及远程请销点等问题。系统可整合综合监控、门禁、接触网、信号、检修、保洁等不同专业信息,结合混合作业时信息闭塞、紊乱问题,将调度所需的设备、人员、车辆等信息实时反馈至调度中心, 实现各专业作业过程中的信息互通。
通过智能检修系统可将车辆基地内的车辆及重要工艺设备,以信息化技术为纽带,整合自动化作业设备及健康分析系统,形成符合自动化检修模式的管理信息系统。
通过智能物料管理系统可完善工器具、物料的日常管理,统一标准接口,实现与物资管理系统、ERP系统的无缝衍接及集成。
4.3车辆基地智能运维
车辆基地智能运维的实现是整个地铁智能运维系统的重要组成部分,伴随数据的累积、设备及车辆状态数据的实时监测,可通过互联网、云平台、大数据的技术完成各运维场景的智能化,运营人员可不再以发现问题、解决问题的传统模式为目标模式,转而关注于设备及车辆的运营状态,进一步研究并完善运维需求,丰富智能运维系统的深度及广度[4]。
5结论
在轨道交通智能化的建设过程中,车辆基地智能运维更加贴合实际运营生产管理,不仅可以实现对车辆、设备运维工作的全程监管,还可以实现对各类数据资料的规范统一,帮助设备管理、运营检修过程中的信息共享,解决欠修和过修的问题,提高设备的利用率,降低运营维护成本。
参考文献
[1]Zhang Y X, Zhang B S. Design of Intelligent Opeartion and Maintenance System for Urban Rail Transit Network[J]. Railway Communication Signal Engineering Technology, 2020, 10(17): 58-62. (张义鑫, 张炳森. 轨道交通线网智能运维系统的设计方案思考[J]. 铁路通信信号工程技术, 2020, 10(17): 58-62.)
[2]Cao Y, Zhang Y W,Gong Y. Subway Vehicle Intelligent Opeartion and Maintenance Mode Based on Big Data and Cloud Computing[J]. Urban Mass Transit, 2020, 04(20): 69-73. (曹勇, 张玉文, 龚燕. 基于大数据和云计算的车辆智能运维模式[J]. 城市轨道交通研究, 2020, 04(20): 69-73.)
[3]Guo Z K, Zhang Y B, Wang L. Application of Depot Intelligent Control System in Subway Maintenance[J]. Urban Rapid Rail Transit, 2019, 32(3): 19-38. (郭澤阔, 张艳兵, 王璐. 基于物联网技术的智慧运维在地铁车辆段的应用[J]. 都市快轨交通, 2019, 32(3): 19-38.)
[4]Pang Y;Zhu W W;Zhu C C. Research on Intelligent Diagnosis Technology for Urban Rail Transit Vehicle[J]. Urban Mass Transit, 2019,S2: 39-42.(庞颖, 朱微维, 朱串串. 城市轨道交通车辆基地智能诊断技术研究[J]. 城市轨道交通研究, 2019,S2: 39-42.)