穆瑞琦,薛 江,夏 菲,乔 恩,李 博
(1.中国铁道科学研究院集团有限公司机车车辆研究所, 北京 100081;2.北京纵横机电科技有限公司,北京 100094)
2019年9月19 日,中共中央、国务院印发《交通强国建设纲要》,其中明确指出要推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合。城轨强国是交通强国重要组成部分。“十四五”规划建议在2035年目标中提出:“广泛形成绿色生产生活模式,碳排放达峰后稳中有降”。2020年3月12日,中国城市轨道交通协会发布《中国城市轨道交通智慧城轨发展纲要》,从行业层面对智慧城轨建设的发展战略、建设目标、重点任务、实施路径、体制机制和保障措施等进行统筹规划、顶层设计。《中国城市轨道交通智慧城轨发展纲要》中对“智能技术装备”、自主创新提出明确要求。
城轨列车网络控制系统是用于连接各车辆车载设备,通过对硬件信号进行采集输出实现各车辆数据通信及控制功能的系统,作为分布式列车控制和诊断系统的核心组成部分,可将列车上众多由计算机控制的部件进行联网通信,实现信息交流,从而达到统一控制、诊断和资源共享的目的。现代智能化网络系统的概念和内涵是以列车安全、可靠、高效运营为宗旨,核心是构建以全方位列车环境状态感知和动态数字化运行为基础,以信息化、云计算、物联网、大数据等技术为支撑,以信息全感知、数据融合处理、智能科学决策为手段,以安全舒适、绿色环保、综合节能为目标,具有自动驾驶、自监测、自诊断功能的智能列车控制系统。实现以车载通信、车地通信为基础,集智能行车、智能控制、智能诊断、智能监测、智能运维功能于一体的城市轨道交通智能装备技术体系,是新一代城轨列车智能网络控制系统的重要目标及任务。
列车网络控制系统是列车的“神经系统”,是列车控制实现“智能化”的基础,是将列车内各个系统通过网络有机联结并协调运行、响应外部指令、反馈内部信息的系统。列车智能化水平的提升有赖于不断升级的列车信息系统。列车智能化的基础是快速获取并记录海量的列车状态信息数据,因此需要高速度、大容量的数据传输通道进行数据传输支撑。随着信息化和自动化程度的提升,列车网络控制系统承担更多的安全功能、承载更多的业务。高安全等级、大带宽、多网融合是当前列车网络控制的发展方向,被越来越多地应用于轨道车辆通信网络中。
时间敏感型网络(TSN)是目前业界正在积极推动的工业通信技术。TSN具有精准的流量调度能力,允许周期性与非周期性数据在同一网络中传输,可以保证多种业务流的高质量传输,并且能够兼容标准以太网架构,使其相对于普通以太网具有确定性传输的优势,同时兼具技术及成本优势,在车载网络、多网融合等多个领域成为网络难点技术的重要发展方向。
基于TSN技术的新一代多业务承载网络可实现多个系统的网络融合,如图1所示,红色框内为以列车网络控制系统(TCMS)为核心的车载网络,其中包括:
图1 基于TSN技术的列车网络控制系统示意图
(1)TCMS实现列车控制设备的通信、控制、信息显示、事件记录等面向列车运行的功能;
(2)列控车载信号系统数据传输系统,包括车载列车自动控制(ATC)及车载远程检测监控系统(SCADA)的数据传输;
(3)车载多媒体数据传输功能,能提供高带宽的以太网传输通道,为车载乘客信息系统(PIS)提供多媒体数据传输等面向乘客的业务;
(4)车载健康管理系统,通过车载云平台可实现列车远程监测、远程维护、故障诊断、故障预警等一系列面向安全保障的功能。
如图2所示,通过采用北斗、5G等新一代无线通信技术,实现列车运行状态信息、故障诊断信息等各类数据的车地传输,解决列车大量车载数据的转储和分析难题,提升车地无线连接的可靠性、可用性、安全性,提升列车远程智能分析诊断技术水平。
图2 车地无线传输技术图
车辆电气系统作为整车控制的重要组成部分,集中分布于车辆电气柜中。车辆电气柜是车辆低压控制回路的中枢,由断路器、接触器、继电器、电气监控元件、按钮、接线端子等电气元件及电线电缆及框架式结构等共同组成。由于电气柜内空间有限,不利于散热,且容易沉积灰尘,使得有触点的电气元件可靠性极易受到影响,而且不易进行故障的监测及预判,因此在发生故障后难以快速定位故障点,给运营维护带来众多不便。为解决当前面临的问题,一方面采用光耦和场效应管结合,并通过硬件与软件结合完成各种逻辑和延时控制功能,可实现开关的无触点控制,降低环境对电气元件可靠性的影响;另一方面将控制单元与电气系统进行深度融合,一部分逻辑和控制由无触点的数字化控制单元实现,极大地提高控制系统的使用寿命和可靠性。通过对电气系统的改进,实现控制过程的电子化和数字化,整个控制过程可在线监控、记录,并可以与列车网络进行互联,使控制更加系统化、精细化。
如图3所示,通过列车电气系统的数字化,能够进一步建立电气系统关键部件故障诊断与预警模型,通过早期故障特征参数提取、在线辨识、模式识别与评估算法,实现电气部件实时状态的诊断预警,提高对电气系统健康状态的智能感知、控制与诊断能力。与此同时,电气系统实现数字化后可结合网络控制系统软件构建综合化仿真平台,实现整车电路与控制功能的地面仿真测试验证。
图3 控制系统与电气系统融合技术
数字化车辆电气系统具有网络化、智能化、免维护、节能环保等特点,可减少车上占用空间,优化安装方式,简化检修流程,提高智能运维水平,通过与网络控制系统的综合仿真,还可以节约车辆设计验证成本,进一步提升列车控制系统智能化和数字化。
降低能耗已成为保持轨道交通高速可持续发展的大趋势,在完成运输任务的工况下,需尽量保持高效、节能和环保。城轨列车的智能运行控制是一项不断地优化节能控制算法的技术。它针对列车牵引和制动系统内部特性和外部环境,如供电、信号闭塞、线路条件、运行时刻表等,建立适当的列车运动学与能耗模型,使列车在安全、准点、平稳运行前提下,充分利用时刻表富裕时间和线路势能等手段,降低列车牵引能耗,提高列车运行的节能性。
城轨列车智能行车控制技术主要优化列车运行操控,根据列车在线路上运行的实际情况,对牵引和制动状态进行动态控制和调整,达到节能的目的。结合运营要求,如运行时间、速度和列车的信息,对整条线路进行评估,规划正点且节能的优化速度曲线,通过自动控制列车牵引/制动力使列车按优化速度曲线运行,实现安全、经济和效率的统一。利用列车定位、计算机以及通信等技术实现对列车运行状态的获取和判断,包括线路、信号、调度、停站等线路因素和牵引、制动、能耗、阻力、效率、传动特性等列车因素。通过当前的路面信息及列车自身的基本参数对列车进行受力分析,并利用节能算法得出列车节能运行控制方案,控制城轨列车智能运行。
列车智能行车优化控制技术实质上是节能最优控制模型的求解,该求解过程是一个全局寻优过程。列车的特性曲线、线路数据和列车时刻表作为智能行车节能优化操纵算法的基本参数。该控制算法以列车动力和能耗模型为基础,实现局部最优连接和全局最优连接,结合非奇异工况伴随变量的微分计算,输出最优速度控制曲线。具体的速度曲线生成算法架构如图4所示,可选择通过局部最优连接、全局最优连接以及数据处理计算优化操纵算法,列车牵引动力系统模型包括工况解释器、牵引计算模型和列车能耗模型,通过非奇异工况计算等模块对节能优化进行核心计算。
图4 速度生成算法架构示意图
基于边缘计算,可以提升部件级、模块级数据源侧的计算、存储、处理能力,通过传感器、物联网实现边缘侧的智能化水平,同时可以大幅提升本地处理能力,减少提供到云端的数据量,降低云端的数据处理要求。依托新一代的多业务综合承载网,基于边缘计算的车载智能诊断技术可整合传感网、物联网、车载控制网等多个子网信息,为智能列车提供数据整合、诊断评估、数据存储、数据传输等多项服务,能够实现更多重要部件的状态感知和信息标识。在充分利用车辆传感器的基础上,形成模块级-系统级-列车级架构的车载健康管理系统,并通过车地无线传输系统将列车健康管理数据传输至地面专家系统,经过车载健康管理系统和地面专家系统的模型运算和数据分析,预先诊断各系统的健康状态,并对列车进行全面的健康管理。
如图5所示,基于边缘计算的车载智能故障诊断系统主要分为3级。模块级单元通过传感器采集车辆各种状态信息,子系统级健康管理单元通过数据处理、模型运算进行单车、单系统的健康管理和故障预测。模块级以及子系统级具有较强的边缘计算能力,可在边缘侧部署并行计算、实时处理要求较高的健康管理模型,并将运算结果和部分关键过程数据通过以太网传输给车载健康管理主机,主机接收各子系统的数据后从整列车的角度进行实时监控、管理和运算,实现列车级的健康管理、故障预测,同时实现数据存储、车地数据传输,并将涉及行车安全的预警信息提示相关人员。基于边缘计算的车载智能故障诊断系统采用分级处理、分级计算方式的优势如下:
图5 基于边缘计算的车载智能故障诊断系统工作机制
(1)边缘结点实时处理毫秒级数据,比如牵引、制动等系统;
(2)敏感数据无泄漏传输;
(3)降低服务器计算瓶颈,消除单点故障;
(4)减少数据传输,节约车载通信和车地通信的带宽,避免网络拥堵。
数字孪生技术又被称为数字映射或者数字镜像,是对一个物理实体设备或者系统构建数字化的模型,可以对实体进行模拟,从而通过数字化的孪生体对贯穿整个生命周期的设计研发、生产制造、运营维护的过程进行模拟跟踪、仿真测试及分析预测。通过数字化的变革,有效地提升各阶段的工作效率,提高产品的可靠性及可用性,降低设计制造成本及风险。
列车网络控制系统可以全面感知车辆信息,结合数字孪生技术,基于多系统、多学科联合仿真测试平台,搭建智能列车“数字样机”,能够增加开发周期内的虚拟验证活动,可基于数学仿真重现模型接口,实现多领域模型联合求解仿真,可将系统中电、发热、散热、控制、动力学等特性进行综合分析和“无限制”测试。如图6所示,搭建基于联合仿真平台的智能列车关键系统控制模型和被控对象模型库,包括环境、机械、空调、制动、牵引、控制系统模型,测试场景能够覆盖车辆及环境(网络信号、司机、电网、路线、天气、重力坐标系等),模拟多种工况场景,如动力学稳定性、网侧谐波、整车能耗评估,并能够根据测试场景的需求选择不同颗粒度的模型开展测试。
图6 基于多系统、多学科联合仿真测试平台模型库
未来集成系统后可进行的仿真应用将主要包括:
(1)列车能耗规划与优化;
(2)电池管理改进;
(3)控制算法优化;
(4)列车动力学优化(摆动,转向架);
(5)现有车型的问题诊断和试验方案;
(6)预测性维修部署。
如图7所示,控制模型和被控制模型对象的仿真界面如左半部所示,牵引系统的输出结果如右半部分所示,包括电机速度、列车速度、电机输出扭矩命令及输出值和电机相电流输出值仿真结果。通过仿真结果可观察到车辆各部件的实时状态,可逐级逐颗粒度与真实数据进行对比,验证结果。
图7 联合仿真测试
发展城市轨道交通是解决大城市交通问题的有效途径,也是节能减排的重要领域,节能减排是城市轨道交通行业可持续发展的必要条件。城市轨道交通领域要实现“双碳”目标,必须坚持生态优先,加快形成绿色低碳交通运输方式;坚持双轮驱动,完善科技创新、制度创新;坚持协同融合,推动产业全链条发展;加强绿色基础设施建设,推广新能源、智能化、数字化、轻量化交通装备。
当前智能技术与传统技术深度融合,为科技产业革命和技术产业革命变革带来新机遇,智能化已经成为世界轨道交通发展的重要方向。城轨列车网络控制系统作为列车数字化信息的综合承载系统,具有开展智能技术研发的潜能,可以作为不断催生新产品、新服务、新业态的平台。把握数字化、网络化、智能化融合发展的契机,以信息化、智能化为杠杆,通过智能列车网络控制系统关键技术的运用,推进智能列车研发,实现列车全面感知,深化列车智能控制、智能诊断、智能运维的推广应用,为智能轨道交通发展提供有利的技术支撑。