旅客列车智能运维管理系统

技术领域

本发明涉及轨道交通的旅客列车车辆运行状态监测与维修维护的技术方法和智能系统，尤其涉及一种用于旅客列车智能运维的系统。

背景技术

铁路运输具有运输量大、安全、可靠、速度快、准时、舒适性好、节能环保、受气候和自然条件影响较小和运费低的优点。在各种交通运输行业中，从单位运量的能源消耗、对环境资源的占用、对环境质量的 影响、对自然环境的适应及运营安全等方面综合分析，轨道交通的优势最为明显。同时，由于轨道交通线路为专用线路，且地域范围广，因此固定成本较高，原始投资较大，工程建设周期较长；此外，其专业技术复杂，对运营人员素质和系统安全的要求也较高。

我们国家铁路运输正处于高速发展的时期，随着线网规模不断扩大，面对人员分布不均、线路个性化、技术水平差异化、设备制式多样化、客流量持续攀升、拥挤度超标以及需要高效应对突发事件的局面，对设施和设备的可靠性、可用性、可维修性和安全性提出了越来越高的要求。庞大的运营规模和复杂的装备体系，加上大量设施设备的更新改造任务，给旅客列车运输的运维管理带来了巨大的压力和沉重的负担。我国已开通的轨道交通运维业务大多沿用传统运维模式，其特点有：①多预防修、故障修，少预知修；②大量使用人工操作，运维效率较低；③运维数据不够；④缺少处理、分析设备设施大数据的系统平台和智能化应用；⑤不能及时、透明地管理维保过程，事后紧急处理情况较多。这既影响服务质量的提高，又会带来安全隐患。随着后续更大规模线路的开通运营，依靠传统的轨道交通运维模式已经很难满足行业快速发展的需要。目前，车辆的维修方式普遍采用库内人工检测的方式，专业检修设备是否齐备，自动化程度的高低，以及“人”的因素（如经验、技术能力、责任心等）都会直接影响检查结果。因此库内检测存在检测方式不精 确、不及时、不全面等弊端。此外，新建线路和更新改 造项目会采用最新技术，这些技术同既有设备存在较大 差异，从而使人机关系产生变化，导致故障率不稳定。

发明内容

为了克服上述技术的不足，本发明提供一种旅客列车智能运维管理系统。

本发明的技术方案是：一种旅客列车智能运维管理系统，包括云端运维层、雾端运维层、物端运维层，三个运维层呈三级递阶结构分布，位于下层的物端运维层实现单个编组旅客列车的在线监测，实时获取单个编组旅客列车的运行状态信息并将信息传输给中间层的雾端运维层，位于雾端运维层的客车车辆段运维分系统将接收的列车运行状态信息以及其它各职能段分系统汇总的监测信息统一传输给所属铁路局智能运维子系统，铁路局智能运维子系统将所汇总的信息再发送给位于云端运维层的大数据智能运维中心，以实现了旅客列车车辆从设备生产、运用决策、维护保养、故障诊断环节的数据互通共享；物端运维层以每个编组旅客列车为单位，设置由1个列车在线监测主机与网关、

在本发明中，客车车辆段运维分系统由其所管辖

在本发明中，铁路局智能运维子系统作为采集信息、监测数据与汇总以及转发中心，具有承上启下作用，下层通过客车车辆段运维分系统经广域网或城域网与所管辖的

在本发明中，大数据智能运维中心由具有收集、处理、分析、存储来自各铁路局智能运维子系统的实时监测数据功能的云端服务器阵列组成，通过广域网与X个铁路局智能运维子系统、Y个设备厂终端、Z个运维终端连接；大数据智能运维中心接收来自X个铁路局智能运维子系统的实时监测数据和运维中间数据，在Z个运维终端的支持下对实时监测数据和运维中间数据进行实时状态分析、远程专家诊断、运行设备健康状况评估，接着更新运维知识库、车辆履历以获得智能诊断模型来实现系统智能故障诊断，进而得到运行设备状态的数据报表，在此基础上进行设备寿命预测和运维决策，X个铁路局智能运维子系统充分利用大数据智能运维中心的推理分析和运维知识库建立运维决策模型，以得出指导各线路运维的最优运维方案，同时大数据智能运维中心还对实时监测数据进行分类挖掘、故障趋势预测并实现数据互通共享、交互式查询以将相关设备状态信息进行反馈到Y个设备厂终端，Y个设备厂通过对反馈信息统计分析完成对在线运行设备的隐患挖掘以改进技术及产品、优化运维管理，为智能运维系统提供更可靠的保障。

本发明的有益效果在于：实现了旅客列车从设备生产、运用调度、维护保养、故障诊断等环节的数据互通共享以及各部门综合协调合作运维，解决以往故障信息孤立和铁路各专业间维修信息壁垒问题，构建一个整体协同的智能运维系统，更全面反映了混云列车的运行状态，行车环境安全以及更加可靠地建立数据模型，以降低运维成本和提高旅客列车的运维效率，保证旅客列车运行安全可靠。

附图说明

图1是本发明的总体拓扑结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见附图，图1是本发明实施例的总体拓扑结构图。包括云端运维层、雾端运维层、物端运维层，个运维层呈三级递阶结构分布，其中物端运维层位于旅客列车智能运维管理系统的底层，用于实现单个编组旅客列车的在线监测，实时获取单个编组旅客列车的运行状态信息并将信息传输给中间层的雾端运维层，由位于雾端运维层的客车车辆段运维分系统实现

根据旅客列车的运行管理模式，客车车辆段运维分系统由其所管辖

从整体上统筹各方面资源对整个铁路系统进行有效调控与引导，是现阶段解决旅客列车运维专业间协调配合、降低运维成本的必然选择，对提升铁路管理水平、保障高铁运行安全、推进国家经济发展具有重大意义。本发明中的铁路局智能运维子系统是以现有铁路系统为依托，采用在既有铁路系统结构中设置铁路局智能运维子系统的技术方案，铁路局智能运维子系统作为采集信息、监测数据汇总和转发中心具有承上启下作用，下层通过广域网或城域网与客车车辆段运维分系统连接，上层通过广域网与云端大数据智能运维中心连接，铁路运输调度所、旅客列车管理终端以及其它各职能段分系统通过城域网或广域网连接到铁路局智能运维子系统；客车车辆段智能运维分系统将各自监测到的

本发明的大数据智能运维中心由具有收集、处理、分析、存储来自各铁路局智能运维子系统的实时监测数据功能的云端服务器阵列组成，通过广域网与X个铁路局智能运维子系统、Y个设备厂终端、Z个运维终端连接；大数据智能运维中心接收来自X个铁路局智能运维子系统的实时监测数据和运维中间数据，在Z个运维终端的支持下对实时监测数据和运维中间数据进行实时状态分析、远程专家诊断、运行设备健康状况评估，接着更新运维知识库、车辆履历以获得智能诊断模型来实现系统智能故障诊断，进而得到运行设备状态的数据报表，在此基础上进行设备寿命预测和运维决策，X个铁路局智能运维子系统充分利用大数据智能运维中心的推理分析和运维知识库建立运维决策模型，以得出指导各线路运维的最优运维方案，同时大数据智能运维中心还对实时监测数据进行分类挖掘、故障趋势预测并实现数据互通共享、交互式查询以将相关设备状态信息进行反馈到Y个设备厂终端，Y个设备厂通过对反馈信息统计分析完成对在线运行设备的隐患挖掘以改进技术及产品、优化运维管理，为智能运维系统提供更可靠的保障。本发明的云端运维层基本工作过程为：云端运维层的核心大数据智能运维中心，借由其强大的数据处理能力完成对海量数据的分析挖掘，通过数据接收服务器接收各铁路局运维中心的分析处理数据和监测数据，将其发送到数据处理服务器，而数据处理服务器将接收到的数据先进行预处理，同时对于异常数据进行检测，存储服务器将汇集的铁路局运维分析处理数据、检修数据、检测数据以及车辆履历数据等全方位数据分类存储记录，实现各城市、各系统之间数据互通共享，其次，通过智能算法对数据进行挖掘、处理、分析，建立全面的云端运维知识库，获得智能诊断模型来完成故障诊断，同时对车辆履历分析，实现对列车设备全寿命周期的健康状况进行科学管理，利用大数据推理分析建立运维决策模型，充分利用运维知识库中的领域知识，从中得出最优的运维方案，实现运维的智能决策，从而更好地指导运维，同时将相关故障信息和运维信息发送到设备厂，设备厂通过对隐患挖掘以及改进技术和产品，为智能运维系统提供更可靠的保障。

综上所述，本发明公开的旅客列车智能运维管理系统包括云端运维层、雾端运维层、物端运维层，是一个三级递阶结构的智能系统。云端运维层将所有采集的运维数据汇总处理，准确地进行推理判断和预测，雾端运维层将各车辆段处理数据汇集至各对应的铁路局运维子系统，完成对管辖车辆数据的汇总以及标准化处理，同时考虑来自其它相关运维单位的监测信息，综合协调管各方完成理检修调度任务，物端运维层通过监测装置、传感器实时监测运行车辆信息并汇总至各车辆段分系统，其有益效果在于：实现了旅客列车从设备生产、运用调度、维护保养、故障诊断等环节的数据互通共享以及各部门综合协调合作运维，解决以往铁路各专业间信息壁垒问题，构建一个整体协同的智能运维系统，以提高了旅客列车的运维效率。

以上所述仅为本发明的较佳实施例而己，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。