基于新一代信息技術的重載鐵路工務設備智能運維系統總體架構研究

丁茂廷 趙有明 柯在田

1.國能朔黃鐵路發展有限責任公司，河北肅寧 062350；2.中國鐵道科學研究院集團有限公司，北京 100081

隨著新一輪科技革命快速發展，大數據、云計算、物聯網、人工智能等技術創新取得重大突破。2017年國際重載大會首次提出了“國際重載4.0”理念，指出未來世界重載技術將進一步向智能化、數字化方向發展。將大數據、人工智能等現代信息技術與重載鐵路工務設備運維深度融合，搭建現代化數字網絡平臺，充分發揮數據價值提升重載鐵路工務基礎設施設備檢測監測可靠性和智能化水平，實現設備狀態修和精準修，提高維護效率降低運維成本，成為工務智能運維的研究發展方向。

近10年來，大數據、BIM、5G等技術在歐美國家鐵路得到了較為廣泛的應用，在基礎設施的狀態監測與維護、運營管理、乘務管理等方面得到了重要的應用［1］。德國鐵路通過規劃建設統一的數據中心平臺，實現了包括經營狀況、設備故障分析等精益分析功能在內的數據綜合應用平臺［2］。美國貨運鐵路啟動了資產健康戰略計劃（Asset Health Strategic Initiative，AHSI），AHSI編輯和分析由各個鐵路公司分別收集和存儲的大量數據，并由此解決行業內最關鍵的鐵路設備管理與維護問題［3］。瑞典鐵路運用管理數百個不同的數據源，基于大量軌道狀態檢測數據，評估基礎設施的整體狀態、維護情況、資金支出等［4］。

中國國家鐵路集團有限公司于2018年啟動智能高速鐵路戰略研究，完成了中國智能高速鐵路頂層設計，形成了智能高速鐵路體系架構與標準體系，完成鐵路大數據成套技術應用體系攻關［5］及智能京張高鐵、智能京雄高鐵和浩吉鐵路等示范工程。國家能源集團在十四五發展規劃中明確提出以“智能運輸、精準運輸、高效運輸”為導向，以“保安、提效、降本、減人、可持續發展”為目標，以重載鐵路智能運輸創新為主攻方向，圍繞智能運營、智能裝備、智能運維、智能管理，開展系統、裝備發展規劃研究，依照“需求引領，高效適用”總體思路，構建智慧重載鐵路技術體系。

朔黃鐵路近10年的信息化建設，已積累28套信息化系統，分別管理了檢測監測、施工維修等信息，使用了道岔監測、斷軌監測等大量監測設備，初步構建了檢測監測體系。工務設備智能運維系統作為智慧重載工務檢測監測體系的重要組成部分，基于大數據等技術構建系統，快速掌握重載鐵路基礎設施狀態演變規律，提高安全風險的預判預知能力，做到超前防控及時處理和工務維修資源的科學配置［6］。針對重載鐵路的設備管理特點及需求，采用大數據、BIM［7］、GIS［8］、人工智能［9］等先進技術，圍繞智慧重載鐵路［10-12］發展戰略，采用“平臺+應用”的模式，建立重載鐵路工務設備智能運維系統，基于工務設備檢測監測、維修和基礎設施臺賬數據，深度融合分析挖掘鋼軌、道岔、橋梁等設備狀態變化趨勢和規律，實現設備全壽命故障智能診斷、智能預警和健康管理全生產閉環管理，為工務設備運維提質增效。

1 總體架構

隨著檢測監測技術發展，朔黃鐵路引入無人機、北斗監測等新的監測技術，全面提升了感知能力，而數據傳輸、存儲等能力亟待提升，重新建立工務設備智能運維架構（圖1）勢在必行。

圖1 工務設備運維總體架構

工務設備運維是以基礎設施設備為核心，采用綜合檢測車、探傷車、隧道檢測車、橋梁結構監測、邊坡北斗監測、無人機巡檢、人工檢查等手段對基礎設施服役狀態進行全面的檢測監測，通過鐵路專用網、4G/5G等移動傳輸通道將數據匯聚至智能運維系統中。總體包括檢測監測對象、感知層、傳輸層和工務設備智能運維系統四部分。該架構采用大數據、5G、無人機等技術，實現了數據的充分融合，建立了數據資產平臺和智能分析平臺。

檢測監測對象涵蓋了鋼軌、道岔、橋梁、隧道、涵洞等主要設備。感知層主要是利用綜合檢測車、探傷車等移動檢測裝備，以及無人機、北斗監測設備等獲取基礎設施狀態數據，包括動態監測、靜態監測、空天監測、日常檢查和自輪運轉設備運行監控。傳輸層將采集到的基礎數據輸送到智能運維系統，使用鐵路專用通信網、移動4G/5G網、毫米波等技術實現數據的高效安全傳輸。工務設備智能運維系統基于檢測監測數據資源，提供檢測監測數據的融合分析、健康狀態評估與預測、智能決策等多方面應用。

工務設備智能運維系統實現數據的統一歸集、存儲、管理和共享，同時建立算法集成分析服務平臺，集成各類設備狀態評估、預測、決策類算法和模型，結合數據面向維修提供經濟化、智能化的輔助決策支持。系統按業務邏輯劃分為三層：資源層、業務層和應用層。

1）資源層將工務基礎設施檢測監測數據進行統一存儲和管理。數據范圍包括動態檢測、靜態檢測、人工巡檢等檢測監測數據，線路、橋梁、隧道等設備的基礎臺賬數據，年度計劃、月計劃、日計劃、作業票、作業驗收等施工維修作業信息，以及GIS信息、BIM信息、基礎數據字典等數據資源的統一存儲管理。

2）業務層進行智能分析，為各類模型和算法的執行提供輔助支撐。具體包括：數據對外接口服務管理，算法注冊、調度、監控和結果管理，病害錄入、病害分類分級和病害分析管理，以及健康評估、病害診斷、運維決策、分析預測管理。

3）應用展示層面向公司、分公司、工隊等各級用戶提供數據資產可視化、設備狀態可視化、數據融合分析等數據深度挖掘應用服務、安全生產等管理。主要提供線路、道岔、路基、橋梁、隧道等設備病害預警分析，設備狀態變化趨勢分析，設備健康狀態評估，輔助維修決策，生產計劃生成等功能。

2 數據架構

2.1 與既有系統的數據融合

朔黃鐵路經過多年的發展已建立了很多檢測監測系統和業務管理系統。從業務角度既有系統分為檢測監測設備管理、數據管理、安全管控、企業資源計劃（ERP）、辦公自動化（OA）等信息系統。工務設備智能運維系統以工務設備為核心，根據一數一源、一源多用的原則與檢測監測設備管理系統和數據管理系統連通接入設備動態檢測、靜態監測數據；與物資系統和人事系統對接物資庫存以及物資屬性信息、人員信息；通過系統分析、預測結果將預警報警類信息推送給安全管控系統。針對不同業務系統，建立數據接口標準，在數據傳輸過程中采用國密算法進行數據和消息加密，確保數據安全。與既有系統數據接入關系見圖2。

圖2 與既有系統數據接入關系

2.2 數據架構

綜合朔黃重載鐵路既有的和在建的信息化管理系統，結合本項目新建的工務檢測監測設備及相關信息系統，共同構建本項目工務設備智能運維系統的數據來源。該架構（圖3）支持數據生命周期管理、數據標準化存儲以及數據對外服務接口規范化管理。

圖3 數據架構

3 業務架構

工務設備智能運維管理是以朔黃重載鐵路固定資產投入、運營成本優化和可持續發展為目標，對設備從入庫、運行、維護到報廢的全過程進行科學的閉環管理。結合GIS、數據分析、大數據存儲技術，以提升工務設備全生命周期價值為出發點，實現工務設備管理從被動維護到主動檢養修和掌握全局轉變的一套系統平臺。

依托朔黃智能運維大腦平臺，研發工務設備智能運維系統，系統業務邏輯架構包括：數據源、數據存儲、智能決策、平臺應用四個層次的功能及服務。其中數據源和數據存儲對應資源層，智能決策對應業務層，平臺應用對應應用層。系統業務邏輯架構見圖4。

圖4 系統業務邏輯架構

1）平臺應用。平臺應用包括工務設備數字化智能管理、檢測監測數據一體化管理、工務安全生產管理、狀態評估與運維決策及環境監測管理5大類應用，共計60多項系統功能及服務。實現了工務設備精細化管理、檢測監測數據統一融合管理和安全共享、設備狀態評價預測和輔助生產決策，以及工務生產全流程管理。

2）融合分析與智能決策。基于工務設備生產作業運維業務，系統提供多種智能化專業分析算法和計算模型。設備狀態評價及維修預測決策包括：道岔狀態評估與決策、軌道單元維修決策、軌道幾何和動力學狀態評估、鋼軌廓形輪軌狀態評估與分析、道床清篩預測與決策、大機搗固預測與決策、鋼軌大修預測與決策、軌道狀態與地質雷達評估、橋梁損失預警服務與狀態評估、橋涵劣化狀態評估與預測、隧道狀態智能評估、隧道狀態預測與預警分析。

系統提供統一的算法分析平臺，注冊接入不同專業的算法和計算模型，適配不同的語言類型，包括但不限于Python、C++、Java、C#、Matlab等，為朔黃重載鐵路工務設備運維的智能化提供相應的算法分析服務，實現朔黃鐵路工務生產作業輔助的預測預警與運維決策支持。

3）數據存儲。采用分布式數據庫集群和分布式文件系統，按專業類型和年份合理規劃結構和非結構化數據的存儲規范和存儲方式，實現數據存儲的高效性和高可用性。結構化數據包括：基礎設施臺賬、檢測設備臺賬、監測設備臺賬、檢修組織機構信息、檢測缺陷/偏差、監測預警、現場作業及巡檢記錄等。非結構化數據包括：日報、周報、月報、年報、日志、波形原始文件等。

4）數據源。工務設備智能運維系統的數據來源眾多且復雜，采集的多源異構數據主要包括：朔黃鐵路既有多套業務系統數據、人工檢查維修巡檢數據、檢測監測智能設備數據等。涉及的數據類型有基礎設施臺賬數據、檢測數據、監測數據、生產作業數據、結果分析數據等。數據采集方式為API接口、消息中間件、系統日志等。

4 部署架構

工務設備智能運維系統部署分為兩部分：前端應用；后端應用和服務。前端應用包括各類監測設備的數據采集和手持終端（移動GIS終端）APP。后端應用和服務包括PC端應用展示和后臺服務。兩者分別部署后通過朔黃鐵路辦公網絡實現互聯網和內部辦公網通信連接使用。網絡部署架構見圖5。

圖5 網絡部署架構

為保障重載鐵路系統安全、穩定運行，同時實現生產作業數據實時傳輸，在網絡建設方案中結合重載鐵路現有信息中心內網運行系統的需求，建立內外網數據傳輸解決方案。

本系統內外網數據傳輸解決方案由以下三部分構成：

1）采用網閘設備連接內網和外網。該部分可支持多種數據傳輸協議，如Http/Https、UDP等，同時支持多種安全策略并具有一定防火墻的功能，而且具有網閘支持軟/硬網絡控制功能。當網絡受到安全威脅時，可根據情況通過網閘控制軟件中安全策略和防火墻功能進而控制數據傳輸；當受到嚴重安全威脅時可使用網閘物理切斷內外網的數據傳輸，保障內網系統和數據安全不受外網攻擊影響和破壞。

2）在外網設置防火墻作為網絡安全的第一道防線。通過配置可用于阻隔一定的網絡攻擊，過濾外網數據交互請求，并驗證請求的有效性。

3）內外網放置交換機。通過使用交換機實現內網系統在數據交互壓力增加時，可以通過負載均衡進行擴容。同樣當外網用戶請求增大，當前移動應用服務器不足以支撐現有訪問量時，可通過負載均衡使用交換機進行擴容，以此應對用戶或業務量的增長。

5 功能架構

工務設備智能運維系統功能架構見圖6。系統包括5大子系統模塊：設備全壽命周期管理、檢測監測一體化管理、狀態評估與運維決策、安全生產管理、環境監測管理，實現18個方面的智能管理，產生55個工務運維應用，提供多項檢測監測創新技術。通過工務設備智能運維系統實現多源數據共享、海量數據分析、全息時空數據深度挖掘、設備狀態評估與決策的一體化管理。

圖6 系統功能架構

1）設備全壽命周期管理

哈哈，自從媽媽生了弟弟之后，我們家又出現了一件大喜事——我家的機器人小白和我一樣，也有了一個小弟弟，他的弟弟叫小谷。

在工務設備臺帳精細化管理的基礎上，完善和記錄一系列的設備信息，如技術參數、維修歷史、技術資料、圖紙參數、設備構成、重大缺陷記錄，換件記錄、故障與事故履歷、標準規范，設備調撥封存記錄，施工大中修、維修作業、備件組成、設備分解關系、設備狀態等信息。這些信息作為設備全生命周期管理分析的依據，在設備下道之后，可以對設備的整體使用經濟性、可靠性及其管理成本作出科學的閉環管理與評估分析。

2）檢測監測一體化管理

實現接入朔黃重載鐵路工務既有系統、人工檢查巡檢、檢測設備、監測設備等結構化數據和圖紙、視頻、文件等非結構化數據的全類型、全量、全專業數據，通過將這些零散的數據整合在一起，完成從數據采集、傳輸、處理、存儲到統一有價值數據的一體化資產管理。

3）狀態評估與智能決策

在全面掌握線路、橋隧等設備結構屬性信息的基礎上，采用大數據深度自主學習、神經網絡、灰色預測等技術手段，提出線橋隧設備狀態智能評估和運維決策模型，構建融合建設期數據、動態檢測和周邊環境監測等多源數據的工務設備評估指標體系并形成數字化評估算法，建立整治方案知識庫和輔助維修決策系統的全流程管理服務體系，構建以數據驅動為核心的可靠的狀態評估預測以及經濟的維修決策平臺，全力打造朔黃安全、高效、經濟的工務設備維修智能決策系統。

4）安全生產管理

結合設備狀態評估結果和運維決策分析，建立計劃編制、作業票下發、實時作業監控、質量回檢評價的全流程數字化生產閉環管理。以數據為驅動，提供同一設備、同一天窗、同一隱患集中綜合處理策略，減少多次施工協調、減少天窗獨占時間，集中一次性排除隱患，實現統一的標準化作業流程。根據現有規章制度、作業標準、安全規范、已形成的歷史和作業數據，通過數據對比分析，實現作業工時、物料、機具、備品備件的標準化、精細化管理及各作業數據的聯動管理，達到工務設備檢養修的循環提升與更佳評定。

5）環境監測管理

主要接入視頻監控、氣象、粉塵、防災等監測信息，實現朔黃鐵路沿線全時段、全空間的網絡化監控，為安全運輸、生產作業的環境提供天眼網絡。

6 結論

1）工務設備智能運維系統作為現代化數字平臺，廣泛應用物聯網、大數據存儲、5G通信、人工智能等技術，充分利用數據資源，通過結合智能學習、專家系統、神經網絡預測等模型，為重載鐵路工務運維智能化發展奠定基礎。

2）實施精準的狀態感知、可靠的狀態預測以及經濟的維修決策，以數據驅動為核心，提高設備的自感知、自診斷、自決策能力，全力打造朔黃安全、高效、經濟的重載鐵路工務運維的智能決策支持系統。

3）融合BIM、GIS等技術實現時空融合的工務設備全壽命周期數字化管理，推進工務設備由周期修向狀態修的轉變，打造世界領先的綠色、安全、高效、智慧重載鐵路，提升重載技術裝備智能化水平，為實現智能運輸、智能控制、智能檢測監測、智能養護、智能管理提供有利支撐。