市域鐵路旅客提升設備設計與運行安全保障技術

李成洋

中鐵第四勘察設計院集團有限公司，武漢，430063

0 引言

市域鐵路是服務都市區旅客快速通勤的重要交通工具，目前市域鐵路的建設在我國處于高速發展期,預計到2035年，市域鐵路可幫助都市區旅客實現1小時通勤的發展目標。據統計，截至2018年底，我國共有35個城市開通城市軌道交通，運營線路總長度5761.4公里，其中市域鐵路656.5公里，占比為11.4%[1]。為增強車站的疏散能力，在市域鐵路各車站設計運行安全、高效、便捷的自動扶梯、電梯(以下簡稱“電扶梯”)，可極大地提高車站的服務質量和運營能力。

電扶梯作為特種設備和旅客提升設備，應能滿足大客流情況下高強度使用[2]，然而，安裝于市域鐵路各車站的提升設備運動部件常年裸露在外，具有易發生損壞、故障種類多、難防控、事故后果易擴大等特點,因此，為保障旅客的生命財產安全，其設計的可靠性和運行的安全性備受廣大研發、設計、制造、運營人員的關注[3]。

目前，國內外對提升設備設計的研究多集中在其機械部件、參數化設計、布局優化、運行仿真等方面。馬向華等[4]將公共直流母線供電技術引入扶梯傳動控制系統的設計，提高了節能空間。吳戰國等[5]采用自上向下的方法對自動扶梯桁架進行參數化建模與裝配, 并編寫了動態鏈接庫，提高了設計效率。薛成超[6]以參數化設計為理論基礎，通過特征建模和軟件集成等技術，建立了電扶梯參數化快速響應設計系統。趙煒等[7]將3D參數化方法應用于電扶梯的設計中，提高了設計效率，減輕了設計人員的工作強度。PELCZARSKI[8]從人體工程學的角度對旅客搭乘扶梯時的運動狀態進行研究，優化了臺階的尺寸與電扶梯的整體坡度，提高了電扶梯的舒適性和安全性。PARK 等[9]建立了電扶梯多體動力學的運行與制動仿真模型，通過反饋優化了電扶梯的頂層設計，提高了設備的安全與節能性能。但對于電扶梯等提升設備，目前尚未查閱到針對其全階段的智能設計與全壽命周期安全保障的一體化研究。

針對上述問題，本文研究了一種適用于市域鐵路旅客提升設備全階段的智能設計系統，并研究了全壽命周期的多傳感器實時狀態監測技術，以保障提升設備從設計階段到運行階段的安全。

1 數據驅動的提升設備智能設計系統框架

傳統輔助設計系統的開發模式是以應用為導向，然后根據功能需求填充數據。這種開發模式用于提升設備設計，存在階段數據無法跟蹤、數據結構混亂、應用變化影響數據底層、系統擴充困難等缺陷。為了保證數據標準統一，便于維護拓展，本文采用數據驅動應用的理念來進行提升設備智能設計系統的開發。

圖1所示為系統的總體框架，包括應用、維護、標準、管理4大體系和數據資源、集成服務、計算機輔助設計、協同設計4大結構層次。4個體系是系統功能開發的外圍體系，4個結構層則是系統功能實現的內部結構。

圖1 數據驅動的提升設備智能設計系統框架Fig.1 The frame of intelligent aided design system with data-driven for lifting equipment

應用體系是系統功能的表現方式，可以實現人機的交互；維護體系是保證系統保密性、安全性和數據正確性的重要功能體系；標準體系為系統開發提供標準化數據資源和規則、規范、模板； 管理體系是系統的硬件環境、軟件環境、數據庫等開發及應用的管理體系，是系統開發的外部基礎。

數據資源層是對標準體系及維護體系中元數據的整理歸納和程序化，是最小的設計參數化數據，后續的功能核心均是通過元數據的不同組合以及對應用的驅動實現的。為保證系統的智能性，需不斷擴充數據資源層的數據庫，在數據資源層運用如圖2所示的方案，基于選型、設計、運維全壽命周期元數據一體化管理，實現工程實際運營維護需求對設計的閉環反饋，不斷循環迭代提升系統設計的可靠性。

圖2 元數據迭代優化方案Fig.2 Iterative optimization technique based on metadata

集成服務層是通過總線結構對元數據進行集成，并與結構化標準模板結合，形成中間成果或中間數據的功能層。通過集成服務層可以避免數據交叉讀取導致的數據結構復雜、難以維護、不可溯源等問題。計算機輔助設計層是數據驅動全過程設計和應用體系中各個功能的子功能層；協同設計層是計算機輔助設計層的并行層，是多專業、多單位間協同工作的功能層，用以保證市域鐵路提升設備全過程涉及到的各專業、各單位間的協同數據一致。

2 ECA規則與CBR技術相結合的智能設計方法

事件-條件-動作(event-condition-action，ECA) 規則是運用輸入條件和設計經驗主動觸發輸出行為的規則。在提升設備智能設計系統中, 除原有的應用體系外, 還需通過標準體系對提升設備的智能設計進行判別和參數化修改, 該標準體系由已經定義或設計的各種提升設備選型參數及工程設計規則組成。通過不斷擴充外界工程經驗和數據庫中數據的變化情況, 一旦發現某個已設置在規則庫中的設計輸入, 就立即主動觸發其后的設計行為, 從而輸出相應的設計成果。下面針對本系統給出ECA規則的相關定義。

定義1R={E，C，A}。其中，E表示激活提升設備設計規則的項目概況，如城市、客流、載重等；C為輸入條件，用以反映設計中的不同情況；A為不斷根據工程經驗積累的輸出規則。

定義2當數據發生變化時，即發生了更新事件。E為函數，表示將時間T映射為布爾值，可以表示為

E：T→{True，False}

當T時刻發生改變，則E(T)為True，否則為False。

通過ECA規則觸發主動數據庫的行為，能夠讓系統只傳輸滿足條件的更新數據給設計人員，減少數據信息傳輸量，也降低錯誤數據產生的可能性。

事件發生時條件的判斷是通過實例推理(case-based reasoning，CBR)技術來實現的，將以往的成功設計經驗從數據庫中檢索出來，與當前的數據進行關聯度解析 (求解灰關聯度)，通過比較當前數列與參考數列的關聯度，結合設計人員經驗進行干預調整，得到最終方案的智能化設計技術[10]。在市域鐵路提升設備智能設計系統中，為了實現對新設計問題的求解，用戶可輸入提升設備相關參數特征與經驗數據庫中已有的舊實例進行匹配。為了計算新舊實例之間的相似度，本系統采用了灰度關聯分析方法[11]，具體步驟如下：

(1)確定數列。將以往提升設備工程經驗數據的特征值Xi作為參考數列：

Xi={Xi(j),j=1,2,…,k}

(1)

將當前發生的工程設計的特征值X0作為比較數列:

X0={X0(j),j=1,2,…,k}

(2)

(2)計算當前發生與經驗設計的灰關聯系數。參考數列Xi與比較數列X0之間的關聯系數為

(3)

式中，ρ為分辨系數，一般取ρ=0.5。

可以得到Xi與X0的關聯系數為

δi={δi(j),j=1,2,…,k}

(4)

(3)計算灰關聯度。將比較數列在各特征值上的關聯系數作數學平均，即得到當前設計數據相對于參考設計的灰關聯度γ(X0,Xi):

(5)

其中，灰關聯度γ(X0,Xi)反映了當前設計項目與工程經驗項目的相似程度，灰關聯度越大，相似度越高。在系統中設定閾值，當灰關聯度大于該閾值時，認為當前設計項目與工程經驗項目匹配成功，從而輸出新項目的近似設計結果，再結合設計人員的經驗人工干預調整參數，得到最終方案。新的設計方案經過驗證可存儲為新實例，供新設計使用或參考。通過不斷地應用和積累，實例庫將逐漸增大，實例匹配的概率必然提高，推理速度也會得到相應的提升。

假如進行廈門地區扶梯關鍵零部件型號及參數的設計，當輸入工程概況為“廈門”時，系統會自動獲取其環境特征，針對其沿海城市的特點，系統通過ECA規則，傳輸沿海地區關鍵零部件的性能參數至下一環節，如軸承的鹽霧試驗要求、桁架的鍍鋅層厚度等，通過CBR技術，系統自動匹配同類沿海城市(如深圳、大連)軸承的鹽霧試驗要求(不少于480 h)，桁架的鍍鋅層厚度(120 μm)，作為近似設計結果，設計人員按需調整，得到最終方案。

3 基于物聯傳感的提升設備運行安全監測技術

提升設備自身設計有安全裝置，如自動扶梯設計有供電系統斷錯相保護、電機過載或短路保護、超速保護、意外逆轉保護、梯級鏈保護、扶手帶保護、扶手帶速度監控、梳齒板安全開關、梯級塌陷保護等安全裝置，電梯設計有斷電再平層裝置，超載保護、超速保護、終端限位保護、撞底保護、門保護裝置，鋼絲繩防斷裝置，曳引裝置保護等安全保護裝置。但目前的安全運行保護裝置主要通過提取故障單一開關量來實現故障后報警，并未消除安全隱患。

圖3所示為保障提升設備運行安全的在線監測系統。傳感層通過溫度、振動、電流等傳感器，對提升設備主要零部件進行多種物理量監測；分析層包含主要零部件非正常狀態特征庫，通過傳感層監測的數據與分析層故障知識庫的鄰近對比，實現零部件狀態的診斷和預判；診斷層進行提升設備整體狀態的分析、決策，包括預防維修、應急搶修、專家系統、故障分析等應對策略。應用傳感層、分析層、診斷層進行提升設備運行狀態分析，可將傳統的被動監控報警革新為主動預測和風險預防。

圖3 面向提升設備安全運行的在線監測系統Fig.3 On-line monitoring system for lifting equipment safe operation

在實際工程中運行的自動扶梯上進行實驗，自動扶梯運行工況為扶梯下行，速度為0.5 m/s，傾角為30°，提升高度為5.2 m；采樣頻率為666 Hz；全天候監測。監測的主要零部件及其物理量包括：主機振動、噪聲、位移；主驅動輪振動、位移、噪聲；張緊輪振動、噪聲、溫度；梯級振動、噪聲；扶手帶噪聲、溫度等。

圖4為主機振動數據的監測采集現場圖片，振動傳感器通過徑向螺紋接口安裝于電機殼體中部。圖5為主機噪聲數據的監測采集現場圖片，噪聲傳感器通過安裝底座安裝于主機箱側壁，其余傳感設備同樣采用螺紋接口、安裝底座與各主要零部件關聯安裝。為避免低頻部分影響權重過大，對采集數據進行直流變換。

圖4 主機振動監測數據采集Fig.4 Monitoring data collection for vibration generated by engine

圖5 主機噪聲監測數據采集Fig.5 Monitoring data collection for noise generated by engine

(1)監測至第19天時，發現主機振動參量有明顯增大，振幅達0.38 mm，周期性波動較大，對比前一天同時段，振幅平均值由0.1 mm增大到0.21 mm。同步分析主機噪聲發現，噪聲值有不穩定波動，但變化并不明顯，對比前一天同時段，聲強平均值由36 dB增大到38 dB，如圖6所示。

(a) 主機振動(第19天14∶00)

(b) 主機振動(第18天14∶00)

(c) 主機噪聲(第19天14∶00)

(d) 主機噪聲(第18天14∶00)圖6 第19天與第18天同時段主機振動、噪聲特征Fig.6 Vibration and noise characteristics of main engine on the 19th and 18th day

對采集數據進行傅里葉變換后發現，在頻率為50 Hz、130 Hz、170 Hz、250 Hz(接近主機底座固有頻率)附近振幅有一定程度的增大，但噪聲無明顯變化。人工復測發現主機底座固定螺栓松動約1.5圈。

(2)持續監測至第23天同時段，發現主機振動參量出現更大的峰值變化，振幅達0.39 mm，此時主機噪聲振幅也有明顯增大，對比第18天同時段，聲強平均值由36 dB增大到48 dB，如圖7所示。

(a) 主機振動(第23天14∶00)

(b) 主機噪聲(第23天14∶00)圖7 第23天同時段主機振動、噪聲特征Fig.7 Vibration and noise characteristics of main engine on the 23th day

人工復測發現，此時主機底座螺栓松動達3圈。綜上，融合多個監測特征可更準確地預判零部件的健康狀態，并可對比零件固有頻率反推異常位置及劣化程度。

4 結語

本文采用數據驅動應用的理念來進行提升設備智能設計系統的開發，以保證提升設備設計的包容性和全過程信息的一致性，并運用ECA規則與CBR技術相結合的智能設計方法，實現了設計系統快速匹配的準確性和不斷學習的智能性。并且通過對多傳感器在線監測技術的研究和實驗，提出了提升設備運行安全監測的有效方案，可實現設備健康狀態的主動預測和風險預防。