基于数字孪生的城轨车辆段智能运维系统研究

吴宝存

（天津滨海新区轨道交通投资发展有限公司，天津 300000）

0 引言

截至2021年底，我国（不含港澳台）累计有50个城市开通城市轨道交通运营，运营线路累计283条，线路总长度达到9 206.8km，其中地铁占比78.3%。在轨道交通行业蓬勃发展的背景下，城轨车辆段的使用频率越来越高，城市轨道交通面临运营安全与运营成本的双重压力，地铁设备普遍采用故障维修和计划维修管理模式，电力机车车辆以及车辆段相关设备的日常维护及定期检修需要检修人员在车顶上进行相关作业，稍有不慎极易酿成事故，当前采取的措施与方法手段均未较好地确保作业人员的人身和乘务与车辆段相关设备的安全，主要存在操作效率不高、存在安全隐患、现场提醒不够、与其他系统契合程度低等不足，且容易造成设备的维修不足和维修过剩的问题，导致运行故障和资源浪费[1-4]。

在确保车辆段正常作业及列车安全、平稳、准点、节能运行的前提下，本文研究构建一套科学、先进、经济的车辆段智能运维系统，以便捷、精准、快速地定位车辆段相关设备的运行状态及运检修信息，同时也可通过车辆段的运维信息推测车辆段相关设备及列车的运营状态。

1 城轨车辆段现状

1.1 检修现状分析

随着我国城市轨道交通快速发展，列车运营效率日益提升，很多地铁建成后就立即投入全效运营，车辆段的日常维护、保养与维修等工作的重要性日益显现。当前，国内城市轨道交通车辆的维修保养方式是按固定周期对车辆段相关设备及列车进行维护保养，较少考虑实际设备运用状态，存在过度维修和缺乏维修的设备与列车较为普遍，致使部分人力与设备资源浪费并影响整体运营安全[5-7]。

1.2 运维现状分析

目前，相关科研单位及部分供应商将列车及车辆段设备状态互联与数据共享，将列车车载运行状态数据、轨旁检测数据、运维检修业务数据进行有效耦合，进而对车辆段及车辆数据智能分析、故障诊断预测及健康管理、辅助应急指挥、日常检测及检修资源优化配置等，能较好地实现列车状态感知与跟踪、故障诊断预警、剩余寿命预测、作业自动化等能力的智能系统，但未构建车辆段设备相关数学模型，不能对其状态特征与运行机理、运检修程序及工作原理进行深度挖掘分析，不能切实有效地保障车辆段正常运营及列车安全可靠、提效节能以及车辆段与列车及时精准运维管理[8-9]。

2 智能运维系统研究设计

2.1 数字孪生算法基本原理

数字孪生算法是通过数字技术对物理实体特征、行为过程和行为等进行拟化并协同连通与辅助反馈虚拟实体模型的过程行为方法[10]，其数学模型为：

式（1）～（6）中：MDT为一个通用的参考架构；Pe为物理实体；u为单元级实体；s为系统级实体；ss为复杂系统实体；Pe为实体模型对应的虚拟实体模型；Gv为Pe的几何模型；Pv为Pe的物理模型；Bv为Pe的行为模型；Rv为Pe的规则模型；Dd为孪生数据驱动；dp为Pe的数据信息流程；dv为Ve数据信息流；ds为Ss的数据信息流；dk为知识数据库；df为配合衍生数据；Ss为Pe与Ve的功能与业务服务；pe为相关功能与业务属性；ve为相关功能与业务属性；de为孪生数据信息流；Cn为实现MDT各种采集与网络传输设备和关联关系；cpd为物理实体Pe与孪生数据驱动Dd的连接关系；cps为物理实体Pe与孪生数据驱动Ss的连接关系；cpv为物理实体Pe与虚拟实体Ve的连接关系；cvd为虚拟实体Ve与孪生数据驱动Dd的连接关系；csd为功能业务服务Ss与孪生数据驱动Dd的连接关系；cvs为虚拟实体与功能业务服务Ss的连接关系[11]。

由于Pe、Ve、Dd、Ss、Cn模型中数学参数量多于模型个数，各式最优解不唯一且离散，但MDT是可表示的，则可将上述逆问题转化为凸集优化问题，采用线性规划方法进行求解。设目标函数为

将其最小化即可得到最优解M̂DT，即：

式（7）～（8）中：||·||n为p-n范数；x̂ε为满足重构精度的阈值[12]。

2.2 基于数字孪生的模型设计

2.2.1 物体实体模型

根据地铁现场实际功能业务框架及车辆段与列车相关属性及特点，构建车辆段物理实体模型：

将车辆段相关设备及系统进行单元划分，复杂系统实体：

式（10）中：j为专业；i为系统名称，其中专业主要包括：信号、供电、车辆等，系统名称包括车辆段综合管理系统、信号系统、供电系统、车辆控制系统等。

系统级实体：

式（11）中：j为系统名称；i为子系统名称，其中系统名称为ss(,i)，子系统包括车辆段列车、车旁设备、检修库、洗车库等。

单元实体：

式（12）中：j为子系统名称；i为单元名称，其中子系统名称为s(,i)，单元实体包括轮对、受电弓、牵引系统、制动系统、检修棚、洗车机等。

2.2.2 虚拟实体模型

根据物理实体模型Pe并结合地铁现场实际功能业务框架及车辆段与列车功能特点属性构建虚拟实体模型：

并根据特征信息进行类型划分，几何模型：

式（14）中：j为系统名称；i为几何模型名称，其中系统名称为s(,i)，几何模型包括钢轨与道岔形状、尺寸、位置等。

物理模型：

式（15）中：j为系统名称；i为特征信息，其中系统名称为s(,i)，特征信息包括轨旁与车载设备物理属性、约束、状态特征等。

行为模型：

式（16）中：j为系统名称；i为行为状态，其中系统名称为s(,i)，行为状态包括列车与车辆段设备演化行为、动态功能行为、性能退化行为等。

规则模型：

式（17）中：j为系统名称；i为规则，其中系统名称为s(,i)，规则包括设备与系统使用寿命衰减自增长、自演化和设备控制算法的自学习等。

2.2.3 孪生数据

根据物理实体模型Pe与虚拟实体模型Ve功能业务特点及实现机制及MDT原理构建车辆段孪生数据驱动：

并将各系统模型所产生的数据与控制信息进行分类，车辆段物理实体Pe数据信息流：

式（19）中：j为系统名称；i为数据信息，其中系统名称为s(,i)，数据信息包括车辆段设备规格、功能、性能、关系、运行状况、实时性能、环境参数、突发扰动等。

Ve数据信息流：

式（20）中：j为系统名称；i为数据信息，其中系统名称为s(,i)，数据信息包括车辆段设备几何尺寸、装配关系、位置、材料属性、载荷、特征、驱动因素、环境扰动、运行机制等。

Ss数据信息流：

式（21）中：j为系统名称；i为数据信息，其中系统名称为s(,i)，数据信息包括算法、模型、数据处理方法等。

知识数据库：

式（22）中：j为系统名称；i为数据信息，其中系统名称为s(,i)，数据信息包括轨道交通故障与非正常处置流程及作业规范、行业标准、规则约束、推理推论、常用算法库与模型库等。

配合衍生数据：

式（23）中：j为系统名称；i为数据信息，其中系统名称为s(,i)，数据信息包括车辆段运维统计分析、报表、决策指引等。

2.2.4 孪生数据服务

根据地铁现场实际功能业务及数据交互流程并结合数字孪生算法原理将车辆段设备及列车各类数据、模型、算法、控制命令与结果进行服务化封装并构建孪生数据服务：

式（24）中：Pe为车辆段设备及列车物理实体模型；Ve为虚拟实体模型；de为车辆段设备及列车物理实体模型Pe、虚拟实体模型Ve的孪生数据信息流。

以模块组件、系统插件、数据与服务引擎等形式将车辆段设备及Pe、Ve、de进行物理与虚拟实体的功能与业务拟化分别为pe与ve，其中pe的相关功能与业务属性：

式（25）中：j为系统名称；i为服务名称，其中系统名称为s(,i)，服务包括车辆段建模仿真、模型组装与融合、分析、数据存储、挖掘、数据采集等。

ve的相关功能与业务属性：

式（26）中：j为系统名称；i为业务名称，其中系统名称为s(,i)，业务名称包括车辆段维护检修、评估、动态调度与调整、趋势预测等。

2.2.5 数据连接关系

根据物理实体Pe、虚拟实体Ve、孪生数据Dd与数据服务Ss等功能业务特点及数据交互流程，构建各实体间的连接关系：

物理实体Pe与孪生数据驱动Dd的连接关系：

式（28）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括车辆段设备及列车相关状态、运行与控制信息等。

物理实体Pe与孪生数据服务Ss的连接关系：

式（29）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括车辆段设备及列车与其他模型间的协同联控与辅助信息等。

物理实体Pe与虚拟实体Ve的连接关系：

式（30）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括车辆段设备及列车虚实模型的状态、控制与差异信息等；

虚拟实体Ve与孪生数据驱动Dd的连接关系：

式（31）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括虚拟车辆段运行状态、运行与控制信息等。

功能业务服务Ss与孪生数据驱动Dd的连接关系：

式（32）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括各模型间数据信息流、控制命令与逻辑计算等。

虚拟实体与功能业务服务Ss的连接关系：

式（33）中：j为系统名称；i为数据控制命令，其中系统名称为s(,i)，数据控制命令包括虚拟车辆段设备及列车与其他模型间的协同联控与辅助信息等。

3 系统框架设计

根据地铁现场实际功能业务特点及车辆段设备与列车运检修智能智慧化需求，应用数字孪生、虚拟仿真、人工智能等技术构建集车辆段实体与虚拟、联控与数据驱动为一体的智能运维系统。具体方案如下。

首先组建规整车辆段设备及列车实体Pe，采集各设备状态、运行、控制及统计信息等，然后根据地车辆段实体模型拟化构建车辆段轨旁设备、检修棚、洗车库及列车等数学模型Ve，并完成与实体模型Pe校核，确保Pe与Ve间功能与性能的一致性；其次是基于Pe与Ve相关数据信息及控制命令构建孪生数据Dd，实现车辆段设备及列车数据信息汇集；再根据车辆段运检修要求及各设备属性特点构建算法、联锁逻辑与数据交互时序等孪生服务Ss；最后根据运维需求有序组织地铁现场车辆段正常运营，并将相关信息及时准确无误地传递给其他模块，同时启动其他模块实现模块间信息联动、协同校核复核、虚实联通等。

通过求解Pe、Ve、Dd、Ss、Cn的组态函数f1、f2、f3、f4、f5，满足式（8）及其约束条件，求解式（7）的最优解，实现Pe渐进逼近于Ve，各系统间延时误差对协同控制影响接近于0，进而实现对车辆段设备智能智慧运检修提示、虚实联动协同、运营状态监控、运维决策指引与统计分析等。

4 结语

本文分析了既有城市轨道交通车辆段运检修现状、方式与存在的问题，结合我国城市轨道交通车辆段设备运检修现状及存在过度修与欠修等特点，基于数字孪生技术研究了城市轨道交通智能运维系统。文中以车辆段运检修功能业务框架及实现方案为研究主体，应用数字孪生算法构筑真实车辆段与虚拟车辆段连通模型，横向串通各专业组件与功能业务，纵向贯通物理实体、虚拟实体、孪生数据与孪生服务间各个环节，搭建了真实车辆段与虚拟车辆段连通平台并实现了城市轨道交通车辆段运维智能智慧化于一体的技术方案，为城市轨道交通各专业各系统维护升级、状态检测以及故障和非正常与应急处置等提供一定的理论与方法参考。