基于 BIM 模型的城市軌道交通自動扶梯智能監測系統

馬建文

（中鐵第四勘察設計院集團有限公司，湖北武漢 430063）

1 引言

自動扶梯（以下簡稱“扶梯”）廣泛用于城市軌道交通中，具有運行時間長（每周7天，每天20 h）、載荷大（最大輸送量高達8 190人次/h）等特點。由于扶梯與乘客直接接觸，因此維持其正常運行是乘客安全的重要保障。近年來，因設備維修保養（以下簡稱“維?！保┎坏轿弧⒗匣?、磨損等原因引起的扶梯傷人事故頻頻發生，其根本原因在于扶梯的維保方式以故障修（即在設備出現故障時進行維修）和計劃修（即按照一定的周期對設備進行維保）為主，難以根據設備的運行狀態預先發現可能存在的安全問題，從而很難提前消除隱患。因此，研發扶梯智能監測系統，并據此開展扶梯的預防性維保工作，以確保乘客安全，十分必要。

建筑信息模型（BIM）技術是一種新興的數字信息技術，BIM模型集成了建筑工程項目各種相關信息,是對工程項目相關信息詳盡的數字化表達，具有可視化、協調性、模擬性、優化性和可出圖性五大特點。本文構建一種基于BIM模型的自動扶梯智能監測系統（以下簡稱“監測系統”）。該系統可通過對扶梯運行數據進行采集和加工，將其狀態實時反應到BIM模型中；然后根據BIM模型信息進行故障預測；最后以BIM模型、維修知識的形式將維修信息反饋到移動終端，供現場維修人員查閱與使用。

2 系統架構設計

本文構建的監測系統如圖1所示。

該系統可劃分為4部分：現場層、信息層、分析層及應用層。

（1）現場層。負責對扶梯的各種運行參數進行實時動態監測，有以下2項功能：①采集扶梯自身參數，如振動、位移、主機溫度等；②監測扶梯運行的外部環境狀態，如通過人數、運行時間、空氣溫度和濕度等。

（2）信息層。通過現場總線讀取扶梯監測傳感器數據，并采用無線傳輸的方式將其發送至遠端的控制中心，以便對其進行分析與處理。

（3）分析層。該層是整個系統的核心，負責提取和分析現場采集的數據，并據此將扶梯的當前狀態實時體現在BIM模型中；然后根據模型的關聯性，結合人工智能算法，對扶梯狀態進行實時預測，并提供維保決策輔助。

（4）應用層。該層的功能是實現對扶梯狀態的實時顯示、查詢以及對維保服務的支持。其分為2部分：① 管理人員應用部分，實現扶梯狀態實時查詢及維保決策輔助功能；②現場人員移動應用部分，以BIM模型、維修知識的形式，為現場維修人員提供在線維保支持。

圖1 監測系統示意圖

3 關鍵技術

3.1 非接觸式數據采集技術

實現實時、精確、順暢的信息采集是監測系統正常運行的基礎，因此其對傳感器系統提出了如下高要求：

（1）具備高可靠性，不漏報，不誤報；

（2）具有長期穩定性；

（3）能夠防水、防潮、防腐，并適應不同的氣候條件；

（4）由于扶梯通常在較強的電磁場環境下運行，因此其傳感器系統必須具有較強的抗電磁干擾能力；

（5）由于監測項目和參數眾多，因此多種監測技術和監測信號必須具有良好的融合性；

（6）組網方便，便于集中遠程傳輸。

為滿足上述要求，該系統采用光纖光柵傳感器采集扶梯運行狀態數據，因為光纖光柵傳感器具有重量輕、體積小、外形可變、抗電磁干擾、電絕緣、耐腐蝕、靈敏度高、測量范圍廣、信息容量大、輸出線性范圍寬等特點。所組建的扶梯狀態監測網絡如圖2所示。

光纖光柵傳感器負責對扶梯的振動、噪聲、溫升、位移、應變等參數進行采集，并通過現場網絡（采用雙環網同步數字體系（SDH）技術構建）將數據上傳至現場數據主機中?，F場數據主機在對數據進行光/電轉換之后，通過無線網將其傳輸至控制中心。

為解決監測系統采集數據量巨大、占用計算機資源的問題，本文提出變頻率數據采集技術，即當扶梯正常工作時，現場數據主機采用較低的采樣頻率讀取傳感器數據，以盡可能減少不必要的數據存儲與分析操作，節省計算機資源；當某個傳感器的監測數據發生突變時，現場數據主機則提高對該傳感器數據的讀取頻率，以確保對扶梯狀態的實時跟蹤與分析。變頻率數據采集流程如圖3所示。

3.2 扶梯狀態分析和預警技術

3.2.1 基于 BIM 模型的扶梯狀態分析

本文建立的扶梯BIM模型如圖4所示。

圖2 基于光纖光柵傳感器的扶梯狀態監測網絡

圖3 變頻率數據采集流程

圖4 扶梯BIM模型

控制中心的數據服務中心在接收到傳感器采集的扶梯狀態數據后，對其進行分析和處理，并集成到扶梯BIM模型中，在BIM模型中模擬現場設備狀態，通過模型之間的相互作用，確定此狀態可能產生的影響。例如，監測驅動主軸狀態時，系統會將傳感器采集到的驅動主軸振動數據反饋到驅動主軸BIM模型中，并通過模型的裝配關系將振動傳遞至主軸的固定裝置上（圖 5），在BIM模型中對固定裝置進行力學以及穩定性分析，根據模擬分析得到的結果確定驅動主軸的振動對扶梯可靠性的影響。在此過程中，系統通過標準閾值范圍判斷監測數據是否異常。

圖5 驅動主軸BIM模型

3.2.2 基于深度神經網絡的扶梯狀態預警技術

利用深度神經網絡具有多個隱藏層，可用較少的參數表示復雜函數的特性，本文構建了基于深度神經網絡的扶梯狀態預警系統，如圖6所示。其工作原理如下。

（1）采集扶梯各部件的振動、位移、噪聲、溫度等多維狀態數據，以及人員通過量、載荷分布、空氣溫度和濕度等外部環境狀態數據，作為深度神經網絡的輸入參數x= [x1x2…xn]，其中，xi為多維監測數據參數。

（2）基于BIM模型，分析各個部件狀態輸入參數與扶梯狀態輸出的關聯性，建立傳遞函數σ1（x），則第二層的輸出為：

式（1）中，a2為隱藏層1的輸出結果；ω1為輸入層到隱藏層的線性關系；b1為偏倚參數；m為節點數量。

（3）分析外部環境因素與扶梯狀態的相關性，建立其關聯函數σ2（x），則第三層的輸出為：

式（2）中，a3為隱藏層2的輸出結果；ω2為輸入層到隱藏層的線性關系；b2為偏倚參數；m為節點數量。

（4）通過模擬扶梯零部件的接觸關系以及壽命變化過程，結合相關指標的變化趨勢，利用多元回歸法預測扶梯零部件的剩余壽命y：

式（3）中，k0，ε為調整常量；k1，k2，…，kn為各輸入參數的權重系數。

圖6 自動扶梯狀態深度神經網絡

（5）根據現場維保情況，反向修正各層傳遞函數的權重，優化神經網絡。

3.3 基于知識工程的維保輔助技術

在預測出扶梯的剩余壽命后，可根據線網中所有扶梯的狀態，按照剩余壽命由少到多的次序進行養護維修。在維保過程中，維修人員通常需要參考一定的標準以判斷維保的質量，這些標準包括相關的維保規則、標準、規范，以及以往的維修經驗等，可統稱為維修知識。這些知識可根據來源分為規范知識與經驗知識。本文針對監測系統構建了相應的維修知識庫，用于指導后期的養護維修。

3.3.1 知識的存儲

（1）規范知識。規范知識是各種維修規則、標準對維修參數的規定和要求，具有條令性強、參數明確等特點，以參數化的形式明確各部件的驗收標準。如《自動扶梯和自動人行道的制造與安裝安全規范》（GB 16899 -2011）中對扶梯的各種尺寸進行了詳細的規定，此類知識適合采用數據表格的形式進行存儲。此類知識通過對知識庫進行查詢操作即可獲得，查詢語句如“SELECT [字段名]，[字段名] FROM [表名稱] where [查詢條件]”。

（2）經驗知識。經驗知識主要來源于以往的維修經歷，是通過對以往維修經歷進行總結得來的。它具有相對模糊、靈活的特點，因此此類知識在存儲時需要采用關鍵字、關聯索引的方式。此類知識在知識庫中表示為：

其中，Class為分類，表示屬于哪種類型的知識，如養護、維修、破壞等；keyword為索引的關鍵詞；provider為知識提供者；date為知識的提供日期；path為知識的存儲路徑；size為知識的大小。針對既有的維修經驗，可提取其病害類型、維修對象、維修工藝以及維修效果等關鍵特征，存入知識庫，并在出現新故障時采用推理比較的方式，對新故障進行歷史數據庫的比對，查找類似的維修經歷；如果無類似的維修經驗，則在提取當前故障特征后，將其納入知識庫中，不斷完善知識庫，如圖7所示。

3.3.2 知識的運用

通過對移動端的二次開發，將維修知識實時推送到維修現場，指導現場維修工作。移動端可遠程調用后臺維修知識，流程如圖8所示。

圖7 維修知識推理運用

圖8 遠程調用維修知識流程

4 結語

目前，本文構建的基于BIM模型的扶梯智能監測系統已在襄陽東津站進行了安裝測試，現場反應良好，能夠實時、有效地監測扶梯運行狀態，為其養護維修提供數據支持。