CN116957531A - 基于状态感知的轨道交通智慧运维***及方法 - Google Patents
基于状态感知的轨道交通智慧运维***及方法 Download PDFInfo
- Publication number
- CN116957531A CN116957531A CN202210354732.5A CN202210354732A CN116957531A CN 116957531 A CN116957531 A CN 116957531A CN 202210354732 A CN202210354732 A CN 202210354732A CN 116957531 A CN116957531 A CN 116957531A
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- equipment
- module
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008447 perception Effects 0.000 title claims description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 145
- 238000007689 inspection Methods 0.000 claims abstract description 49
- 230000008569 process Effects 0.000 claims abstract description 30
- 239000000463 material Substances 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 19
- 238000011282 treatment Methods 0.000 claims abstract description 17
- 238000003745 diagnosis Methods 0.000 claims abstract description 7
- 230000008439 repair process Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 5
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000011418 maintenance treatment Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 21
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于状态感知的轨道交通智慧运维***及方法,包括:设备在线监测模块采集各专业维保设备监测数据,并对采集到的各专业维保设备监测数据进行预处理;智能维修模块基于预处理后的各专业维保设备监测数据,构建故障、检修业务场景分析模型,进行故障诊断、早期预警、分级报警以及故障自动提报;远程巡检模块通过预设设备监测点位数据阈值,实现远程检查设备是否完备、检测设备是否有故障以及设备是否在其对应的位置;检修自动监察模块以设备检修过程中采集的监测数据为依据,对故障设备检修过程进行自动监察;智能维修指导模块根据故障专家库智能分析同类别设备检修所需人员、物料、工器具、工时以及维修处置方法提供维修指导建议。
Description
技术领域
本发明涉及设备运维管理技术领域,具体地,涉及基于状态感知的轨道交通智慧运维***及方法。
背景技术
随着城市轨道交通的快速发展,线网规模日益扩张,运营时间不断延长,对地铁车辆和运营设备的维修任务、维修成本、运营安全压力也日益陡增,而传统检修模式已无法保证检修设备的可靠性和运营管理的安全性。
目前,城市轨道交通设备维保体系以“经验型计划修+专家型故障修”为主,随着线网规模的不断扩大,业务提升逐渐遇到瓶颈。一是计划修修程修制较为僵化,往往在设备寿命的前期产生过度维修(即:过度修),而在设备寿命的中后期又未能在设备状态较差时及时维修(即:疲劳修);二是故障修从发现提报到维修处置均高度依赖经验丰富的业务专家,但这样的业务专家是稀缺的,因此往往出现设备故障现象提报不清晰、原因排查不准确、处置方案不妥当等问题,降低了故障维修消息、提高了故障维修成本;三是大量重复性的、简单的日常维保业务大量依赖人力,给作业人员带来繁重工作量的同时,作业质量难以保证。
专利文献CN112596988A(申请号:202110008397.9)公开了一种轨道交通多专业智能运维***及方法。数据采集模块获取与轨道交通行车相关的多专业数据,并将多专业数据的数据格式进行统一化处理,且将统一数据格式的多专业数据上传至大数据平台;大数据平台将统一数据格式的多专业数据均存储至共享资源池,并基于所存储的目标专业数据对目标专业进行状态监测和故障预测,且在预测出目标专业存在故障时,基于多专业的故障相关性分析目标专业的故障原因;数据展示模块将大数据平台的分析结果进行展示。该专利将智能运维分为两部分,一是单独对各专业进行智能运维,二是在各专业的智能运维数据基础上进行跨专业综合分析。但未提及面向全层次用户、涵盖全专业设备、支撑设备运维全业务管理的整体解决方案。
专利文献CN111930835A(申请号:202010685705.7)公开了一种城市轨道交通用智能运维大数据管理***和方法,包括用于搭建私有云集群的基础设施模块;用于将原始数据解析转换为报文数据的数据解析与接入模块;用于建立存储报文数据的数据表的异构数据存储模块;用于进行数据处理的数据处理分析模块;用于获取硬件设施以及运行状态数据,并将运行状态数据与对应的阈值进行比较,当运行状态数据超过对应的阈值时,集群监控模块给出报警信号的集群监控模块。该专利车载监测***数据展示的实效性更强,对海量的结构化/非结构化数据进行有效存储和处理,为地铁车辆大数据分析提供便利,满足地铁车辆智能运维管理的需求。但未覆盖由在线监测平台、大数据平台、业务管理平台与移动APP的轨道交通智慧运维***架构。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于状态感知的轨道交通智慧运维***及方法。
根据本发明提供的一种基于状态感知的轨道交通智慧运维***,包括:
设备在线监测模块:通过在线智能感知设备采集各专业维保设备监测数据,并对采集到的各专业维保设备监测数据进行预处理,得到预处理后的各专业维保设备监测数据;
智能维修模块:基于预处理后的各专业维保设备监测数据,构建故障、检修业务场景分析模型,进行故障诊断、早期预警、分级报警以及故障自动提报;
远程巡检模块:通过预设设备监测点位数据阈值,结合设备在线监测模块采集设备运行状态,从而实现远程检查设备是否完备、检测设备是否有故障以及设备是否在其对应的位置;
检修自动监察模块:以设备检修过程中采集的监测数据为依据,对故障设备检修过程进行自动监察,物理感知检修过程数据变化,实现对检修项的检修监察;
智能维修指导模块:根据故障专家库智能分析同类别设备检修所需人员、物料、工器具、工时以及维修处置方法,提供维修指导建议。
优选地,在所述设备在线监测模块中,
模块M1.1:通过在线智能感知设备采集各专业维保设备监测数据,包括:设备运行数据、仪表参数以及仪表状态;
模块M1.2:对获取的设备监测数据进行数据清洗以及治理,得到预处理后的设备监测数据。
优选地,在所述智能维修模块中:
模块M2.1:创建故障定位运算模型,根据故障定位运算模型编号分离类模板及标签点变量,进行监测对象点位取值轮询;
模块M2.2:实时采集点位数据与故障定位运算模型运算规则匹配筛选发生故障监测对象;
模块M2.3:根据故障定位运算模型编号中算法编号获取故障信息,包括故障设备、故障现象、故障原因、行动方式、故障发生时间以及状态,精准定位设备故障,自动触发故障修提报;
模块M2.4:基于预设的设备与工班人员挂接关系实现自动派工;
模块M2.5:设备在线监测模块自动监测设备的维修结果及实时运行现状信息,进行自动验证,获取工单闭环信息,明确设备是否已恢复正常;
所述故障定位运算模型是通过定义在线监测点位,根据设备故障机理,创建单点或多点标准运行值,将时间分为若干阶段,使用各时间阶段点位取值,结合包括变化频率范围以及差值的影响因子,筛查异常点位读数,回归异常算法与故障体系,实现故障设备、故障现象、运行异常状态判别,进行故障快速、准确、自动提报;
所述故障体系包括故障现象、故障原因以及行动方式。
优选地,在所述远程巡检模块中,由设备在线监测模块实时监测的设备设施点位配置正常数据阈值,作为远程巡检点位标准匹配值;基于巡检工单触发远程巡检,根据检修项获取监测对象、标签点位以及算法编号,实时获取标签点位在线监测数据,记录工单检修项数值。
优选地,在所述检修自动监察模块中,在设备检修过程中,对于工单状态为已开工未完工且存在可检修监察未检修的检修项,间隔n分钟触发检修监察算法,通过在线监测获取点位历史n分钟数据,物理感知检修过程数据变化,实现对检修项的检修监察,确保检修作业真实兑现。
优选地,在所述智能维修指导模块中,根据设备工班挂接关系及区域化维保配置分配维修人员,获取匹配的故障维修工班;结合故障知识库和同类设备故障库,获取所需携带的维修器具和物资,并对维修物资使用进行监控告警;建立维修知识库,结合同类设备故障库分析故障原因,获取可采取的维修方案;分析同类故障修复所需的时间,进行监控告警。
优选地,包括:智能应急联动模块,对各专业设备制定应急管理预案,现场端与调度指挥中心联动,调配维修队伍,接入现场单兵,进行视频连线、语音通话,实时提供紧急故障处置远程指挥。
优选地,在所述智能应急联动模块中,障达到一定等级,影响运营安全,存在预案执行不规范、处置进展不联动、人员到场不及时的情况,此时将启动智能应急联动,并对资源保障进行统筹协调;针对同类故障制定应急预案,故障事件接报后,结合故障知识库对事件进行初判,筛选符合条件应急预案,调配应急队伍、所需配备应急物资,联系在库专家指导,同时接入现场单兵,与应急指挥大屏联动,跟踪现场故障处置情况、进行远程维修指挥。
根据本发明提供的一种基于状态感知的轨道交通智慧运维方法,包括:
步骤S1:设备在线监测模块通过在线智能感知设备采集各专业维保设备监测数据,并对采集到的各专业维保设备监测数据进行预处理,得到预处理后的各专业维保设备监测数据;
步骤S2:智能维修模块基于预处理后的各专业维保设备监测数据,构建故障、检修业务场景分析模型,进行故障诊断、早期预警、分级报警以及故障自动提报;
步骤S3:远程巡检模块通过预设设备监测点位数据阈值,结合设备在线监测模块采集设备运行状态,从而实现远程检查设备是否完备、检测设备是否有故障以及设备是否在其对应的位置;
步骤S4:检修自动监察模块以设备检修过程中采集的监测数据为依据,对故障设备检修过程进行自动监察,物理感知检修过程数据变化,实现对检修项的检修监察;
步骤S5:智能维修指导模块根据故障专家库智能分析同类别设备检修所需人员、物料、工器具、工时以及维修处置方法,提供维修指导建议。
优选地,在所述设备在线监测模块中,
模块M1.1:通过在线智能感知设备采集各专业维保设备监测数据,包括:设备运行数据、仪表参数以及仪表状态;
模块M1.2:对获取的设备监测数据进行数据清洗以及治理,得到预处理后的设备监测数据;
在所述智能维修模块中:
模块M2.1:创建故障定位运算模型,根据故障定位运算模型编号分离类模板及标签点变量,进行监测对象点位取值轮询;
模块M2.2:实时采集点位数据与故障定位运算模型运算规则匹配筛选发生故障监测对象;
模块M2.3:根据故障定位运算模型编号中算法编号获取故障信息,包括故障设备、故障现象、故障原因、行动方式、故障发生时间以及状态,精准定位设备故障,自动触发故障修提报;
模块M2.4:基于预设的设备与工班人员挂接关系实现自动派工;
模块M2.5:设备在线监测模块自动监测设备的维修结果及实时运行现状信息,进行自动验证,获取工单闭环信息,明确设备是否已恢复正常;
所述故障定位运算模型是通过定义在线监测点位,根据设备故障机理,创建单点或多点标准运行值,将时间分为若干阶段,使用各时间阶段点位取值,结合包括变化频率范围以及差值的影响因子,筛查异常点位读数,回归异常算法与故障体系,实现故障设备、故障现象、运行异常状态判别,进行故障快速、准确、自动提报;
所述故障体系包括故障现象、故障原因以及行动方式;
在所述远程巡检模块中,由设备在线监测模块实时监测的设备设施点位配置正常数据阈值,作为远程巡检点位标准匹配值;基于巡检工单触发远程巡检,根据检修项获取监测对象、标签点位以及算法编号,实时获取标签点位在线监测数据,记录工单检修项数值;
在所述检修自动监察模块中,在设备检修过程中,对于工单状态为已开工未完工且存在可检修监察未检修的检修项,间隔n分钟触发检修监察算法,通过在线监测获取点位历史n分钟数据,物理感知检修过程数据变化,实现对检修项的检修监察,确保检修作业真实兑现;
在所述智能维修指导模块中,根据设备工班挂接关系及区域化维保配置分配维修人员,获取匹配的故障维修工班;结合故障知识库和同类设备故障库,获取所需携带的维修器具和物资,并对维修物资使用进行监控告警;建立维修知识库,结合同类设备故障库分析故障原因,获取可采取的维修方案;分析同类故障修复所需的时间,进行监控告警;
包括:智能应急联动模块,对各专业设备制定应急管理预案,现场端与调度指挥中心联动,调配维修队伍,接入现场单兵,进行视频连线、语音通话,实时提供紧急故障处置远程指挥;
在所述智能应急联动模块中,障达到一定等级,影响运营安全,存在预案执行不规范、处置进展不联动、人员到场不及时的情况,此时将启动智能应急联动,并对资源保障进行统筹协调;针对同类故障制定应急预案,故障事件接报后,结合故障知识库对事件进行初判,筛选符合条件应急预案,调配应急队伍、所需配备应急物资,联系在库专家指导,同时接入现场单兵,与应急指挥大屏联动,跟踪现场故障处置情况、进行远程维修指挥。
与现有技术相比,本发明具有如下的有益效果:
1、本发明提出一种基于状态感知的轨道交通智慧运维***,该***基于设备机理的分析、运维场景的分析、多维数据的分析、人工智能的分析等,提供一套设备智慧运维整体解决方案及***架构。
2、本发明提高了设备故障定位精度、提升设备维保决策的科学性、加快故障处置效率、加强应急故障统筹指挥、减少设备过度修和疲劳修、强化设备维保成本管控;同时,降低设备维保人力和物料消耗、加强设备维保作业监督、促进降本增效。
3、本发明能够广泛应用于轨道交通行业。通过对设备状态的自动采集和智能感知、对设备数据的智能分析,为设备维修提供智能化的决策辅助,降低人力依赖,推动轨道交通设备维保体系向“智能型预测修+感知型状态修”转型。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为故障定位、故障预测算法图。
图2为远程巡检算法图。
图3为检修自动监察算法图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
针对上述现有缺陷,本发明要解决的难点是:建立以预测性维修模式为主的一体化平台,该平台以运维生产可视化为窗口,实时监控关键设备的运行健康状态、执行故障预测与设备劣化趋势分析,实现关键设备的远程巡检、检修监察、状态维修、在线实时故障定位诊断及联动、维修作业指导、应急联动等。
为实现设备维保体系的智慧化转型和降本增效,本发明提供两个方面的创新:(1)提供一种全层次、全专业、全业务的符合轨道交通行业的智慧运维整体解决方案;(2)构建“在线监测平台+大数据平台+业务管理平台+移动APP”的工业互联网架构,助力建立以自动化、智能化、信息化为核心的轨道交通智慧运维***。
本发明解决方案设计面向轨道交通设备运维全层次用户,包括高层管理人员、中层管理人员、调度人员、技术专工、工班人员、站务人员等,将数据中心正在发生的事务以多渠道、多角度、多粒度的方式呈现给各层级运维管理人员,辅助进行智能化决策。面对高层管理者,综合展示设备运维核心指标,以及直观反映设备维保质量的运营类指标,通过核心指标的同环比、阈值超限等为领导提供管理抓手;面向生产调度,展示待处理工单数量,并提供快速处理链接,对需要重点督办的故障和处置超时故障重点突出显示,提供故障抢修场景下应急指挥调度的快速联动入口,与智能单兵***联动;面向站务人员,提供车站主要设备的报警总览,分级查看监测信息详情,展示当日车站维保作业完成情况概览。
***设计支撑轨道交通设备运维全业务管理,涵盖设备在线监测、设备设施远程巡检、设备检修智能排程、设备检修自动监察、智能故障预测、故障精准定位及联动、智能维修指导、修程修制优化及状态修、智能应急联动、设备大中修智能决策辅助、生产成本管控、分级决策等业务。
实施例1
根据本发明提供的一种基于状态感知的轨道交通智慧运维***,如图1至3所示,包括:
设备在线监测模块:通过在线智能感知设备,采集各专业维保设备监测数据,包括设备运行数据、仪表参数、仪表状态。建立在线监测接口规范、网络传输协议标准,实现采集数据的标准化、样本化,通过专用通讯网络快速、准确、及时的传输至智能运维数据平台,为综合场景建模提供规范化的计算基础。构建基于在线监测的设备健康中心,将各专业监测子***经过处理分析的数据接入在线监测模块,由线网级在线监测模块结合场景模型实现故障预警等业务联动。
智能维修模块:为提高故障处置效率,实现故障闭环管控,结合智能运维数据平台场景模型运算进行故障诊断、早期预警和分级报警、故障自动提报。创建故障定位运算模型,根据模型编号分离类模版及TAG点变量,进行监测对象点位取值轮询,下端实时采集点位数据与模型运算规则匹配,筛选发生故障监测对象;同时,根据模型编号中算法编号获取故障信息,包括故障设备、故障现象、故障原因、行动方式、故障发生时间、状态等,精准定位设备故障,自动触发故障修提报,基于设备与工班人员挂接关系实现自动派工,智能运维数据平台在线监测模块自动监测设备的维修结果及实时运行现状信息,进行自动验证,获取工单闭环信息,明确设备是否已恢复正常。针对重大故障,进行***性故障分析,为后续预防性措施的执行提供依据。
当线路运营设备出现状态异常,在尚未发生故障的情况下,仍能进行运营生产,根据智能运维数据平台场景模型运算出设备健康态势,结合故障三码库(即:故障现象码、故障原因码、故障处置行动码)及状态后果影响库,分级进行预防性状态修提报。
远程巡检模块:根据维修规程进行计划性的设备维保作业,是各专业维保业务人员日常维保工作的重要组成部分,为了提高维保工作的可操作性、便利性,保障巡检结果准确度,本发明提出基于远程感知的巡检管理。对巡检规程中可由在线监测实时监测的设备设施点位配置正常数据阈值,基于巡检工单触发远程巡检,根据检修项获取监测对象、TAG点位、算法编号,实时获取TAG点位在线监测数据,记录工单检修项数值。通过远程巡检代替人工巡检,降低人工巡检误差,提升设备监测的实时性,节约设备维保成本。
检修自动监察模块:在人工检修作业过程中,缺乏有效的监管手段,无法获知设备是否得到检修和维护,存在监管漏洞且难以追查,一旦设备运行出现故障定责困难。本发明提出以设备检修过程中采集的监测数据为依据,对检修过程进行自动监察。实现标准资源池配置检修项与监测点位数据关联,在设备检修过程中,对于工单状态为已开工未完工且存在可检修监察未检修的检修项,间隔n分钟触发检修监察算法,通过在线监测获取点位历史n分钟数据,物理感知检修过程数据变化,实现对检修项的检修监察,确保检修作业真实兑现。
智能维修指导模块:依托智慧运维,一方面通过技术手段提升维修生产业务的效率、降低成本,另一方面通过对维修业务所涉及的“人—机—物—法—环”的可视化监控和智能分析,驱动维保业务管理升级。
维修人员分配根据设备工班挂接关系及区域化维保配置,智能建议匹配的故障维修工班;结合故障知识库和同类设备故障库,智能建议所需携带的维修器具和物资,并对维修物资使用进行监控告警;建立维修知识库,结合同类设备故障库智能分析可能的故障原因,建议可采取的维修方案;智能分析同类故障修复所需的时间,进行监控告警。
智能应急联动模块:当设备故障达到一定等级,影响运营安全,存在预案执行不规范、处置进展不联动、人员到场不及时的情况,此时将启动智能应急联动,并对资源保障进行统筹协调。针对同类故障制定应急预案,故障事件接报后,结合故障知识库对事件进行初判,筛选符合条件应急预案,调配应急队伍、所需配备应急物资,联系在库专家指导,同时接入现场单兵,与应急指挥大屏联动,跟踪现场故障处置情况、进行远程维修指挥。
智慧运维***架构
本发明智慧运维***以在线监测为基础,构建智慧运维数据平台、业务管理平台,同时覆盖移动端应用。智慧运维数据平台在线监测模块从各在线监测***获取设备监测数据,进行数据清洗、治理等预处理,提供对多元异构数据及衍生数据的海量存储和长期存储,并在此基础上进行数据深入分析,为综合场景建模提供数据基础。
通过构建智慧运维综合场景模型库、规则库、算法库,利用智慧运维数据平台的规范化监测数据,开展主题数据抽取、模型运算,通过数据时间、功能、业务相关性分析,形成故障精准定位、预测信息以及瞬时、变化频率监测信息,为运维调度管理提供业务数据基础。
智慧运维数据平台中综合场景建模涉及通用模型、基础模型、差异化模型,模型结构主要包括模型输入、数据建模、模型输出。
其中,故障定位运算模型为通用模型的其中一种。由通用模型输出结果开展智能故障修、状态修;远程巡检;检修自动监察;智能维修指导、智能应急联动业务;
基础模型提供上述业务开展所需执行人员、物料等基础信息;
差异化模型基于通用模型叠加影响因子,例如:环境因素、气候因素、温度、湿度等。
通用模型
根据设备特点及设备修程修制内容,采集关键设备点位信息及组合点位相关数据,满足通用模型的输入条件;根据不同专业设备和相关点位的基础应用分析,建立完整的通用模型,模型输出结果上传至监测中心,实现远程巡检、故障快速定位及预警功能。
基础模型
满足基础模型输入条件,建立人员配置、故障原因和处置方式、应急预案配置,具备基础模型的数据建模条件,构建满足不同场景、不同预测模型的标准资源库;输出结果包括故障定位和处置方法的建议、修程修制优化建议、应急预案指导建议等。
差异化模型
充分考虑地理特性差异、时间周期性差异、设备可靠度差异,满足差异化模型的输入条件,构建差异化特征因子,输出结果包括匹配不同温湿度的巡检次数调整、根据汛期、旱季的检修修程增减、结合设备可靠度、运营情况分析的修程修制优化。
本发明提供的基于状态感知的轨道交通智慧运维***,可以通过本发明提供的基于状态感知的轨道交通智慧运维方法中的步骤流程实现。本领域技术人员,可以将所述基于状态感知的轨道交通智慧运维方法理解为基于状态感知的轨道交通智慧运维***的一个优选例。
实施例2
实施例2是实施例1的优选例
利用智能运维数据平台的设备模型,对通风空调、给排水、低压配电、BAS、TIAS在线监测子***的数据分析结果,结合设备维修维护管理***,实现界面层次化展示、设备健康评价、故障预警工单联动、状态修、修程修制优化、辅助决策、周期性巡检及设备检修、场景管理等智慧应用功能。同时,智能运维数据平台基于在线监测子***采集设备监测数据,支持对结构化和非结构化数据进行存储、分析、输出和管理,通过智能化、信息化技术手段,建立完整的综合场景业务模型,实现维保业务智慧化应用。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的***、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于状态感知的轨道交通智慧运维***,其特征在于,包括:
设备在线监测模块:通过在线智能感知设备采集各专业维保设备监测数据,并对采集到的各专业维保设备监测数据进行预处理,得到预处理后的各专业维保设备监测数据;
智能维修模块:基于预处理后的各专业维保设备监测数据,构建故障、检修业务场景分析模型,进行故障诊断、早期预警、分级报警以及故障自动提报;
远程巡检模块:通过预设设备监测点位数据阈值,结合设备在线监测模块采集设备运行状态,从而实现远程检查设备是否完备、检测设备是否有故障以及设备是否在其对应的位置;
检修自动监察模块:以设备检修过程中采集的监测数据为依据,对故障设备检修过程进行自动监察,物理感知检修过程数据变化,实现对检修项的检修监察;
智能维修指导模块:根据故障专家库智能分析同类别设备检修所需人员、物料、工器具、工时以及维修处置方法,提供维修指导建议。
2.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述设备在线监测模块中,
模块M1.1:通过在线智能感知设备采集各专业维保设备监测数据,包括:设备运行数据、仪表参数以及仪表状态;
模块M1.2:对获取的设备监测数据进行数据清洗以及治理,得到预处理后的设备监测数据。
3.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述智能维修模块中:
模块M2.1:创建故障定位运算模型,根据故障定位运算模型编号分离类模板及标签点变量,进行监测对象点位取值轮询;
模块M2.2:实时采集点位数据与故障定位运算模型运算规则匹配筛选发生故障监测对象;
模块M2.3:根据故障定位运算模型编号中算法编号获取故障信息,包括故障设备、故障现象、故障原因、行动方式、故障发生时间以及状态,精准定位设备故障,自动触发故障修提报;
模块M2.4:基于预设的设备与工班人员挂接关系实现自动派工;
模块M2.5:设备在线监测模块自动监测设备的维修结果及实时运行现状信息,进行自动验证,获取工单闭环信息,明确设备是否已恢复正常;
所述故障定位运算模型是通过定义在线监测点位,根据设备故障机理,创建单点或多点标准运行值,将时间分为若干阶段,使用各时间阶段点位取值,结合包括变化频率范围以及差值的影响因子,筛查异常点位读数,回归异常算法与故障体系,实现故障设备、故障现象、运行异常状态判别,进行故障快速、准确、自动提报;
所述故障体系包括故障现象、故障原因以及行动方式。
4.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述远程巡检模块中,由设备在线监测模块实时监测的设备设施点位配置正常数据阈值,作为远程巡检点位标准匹配值;基于巡检工单触发远程巡检,根据检修项获取监测对象、标签点位以及算法编号,实时获取标签点位在线监测数据,记录工单检修项数值。
5.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述检修自动监察模块中,在设备检修过程中,对于工单状态为已开工未完工且存在可检修监察未检修的检修项,间隔n分钟触发检修监察算法,通过在线监测获取点位历史n分钟数据,物理感知检修过程数据变化,实现对检修项的检修监察,确保检修作业真实兑现。
6.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述智能维修指导模块中,根据设备工班挂接关系及区域化维保配置分配维修人员,获取匹配的故障维修工班;结合故障知识库和同类设备故障库,获取所需携带的维修器具和物资,并对维修物资使用进行监控告警;建立维修知识库,结合同类设备故障库分析故障原因,获取可采取的维修方案;分析同类故障修复所需的时间,进行监控告警。
7.根据权利要求1所述的基于状态感知的轨道交通智慧运维***,其特征在于,包括:智能应急联动模块,对各专业设备制定应急管理预案,现场端与调度指挥中心联动,调配维修队伍,接入现场单兵,进行视频连线、语音通话,实时提供紧急故障处置远程指挥。
8.根据权利要求7所述的基于状态感知的轨道交通智慧运维***,其特征在于,在所述智能应急联动模块中,障达到一定等级,影响运营安全,存在预案执行不规范、处置进展不联动、人员到场不及时的情况,此时将启动智能应急联动,并对资源保障进行统筹协调;针对同类故障制定应急预案,故障事件接报后,结合故障知识库对事件进行初判,筛选符合条件应急预案,调配应急队伍、所需配备应急物资,联系在库专家指导,同时接入现场单兵,与应急指挥大屏联动,跟踪现场故障处置情况、进行远程维修指挥。
9.一种基于状态感知的轨道交通智慧运维方法,其特征在于,包括:
步骤S1:设备在线监测模块通过在线智能感知设备采集各专业维保设备监测数据,并对采集到的各专业维保设备监测数据进行预处理,得到预处理后的各专业维保设备监测数据;
步骤S2:智能维修模块基于预处理后的各专业维保设备监测数据,构建故障、检修业务场景分析模型,进行故障诊断、早期预警、分级报警以及故障自动提报;
步骤S3:远程巡检模块通过预设设备监测点位数据阈值,结合设备在线监测模块采集设备运行状态,从而实现远程检查设备是否完备、检测设备是否有故障以及设备是否在其对应的位置;
步骤S4:检修自动监察模块以设备检修过程中采集的监测数据为依据,对故障设备检修过程进行自动监察,物理感知检修过程数据变化,实现对检修项的检修监察;
步骤S5:智能维修指导模块根据故障专家库智能分析同类别设备检修所需人员、物料、工器具、工时以及维修处置方法,提供维修指导建议。
10.根据权利要求9所述的基于状态感知的轨道交通智慧运维方法,其特征在于,在所述设备在线监测模块中,
模块M1.1:通过在线智能感知设备采集各专业维保设备监测数据,包括:设备运行数据、仪表参数以及仪表状态;
模块M1.2:对获取的设备监测数据进行数据清洗以及治理,得到预处理后的设备监测数据;
在所述智能维修模块中:
模块M2.1:创建故障定位运算模型,根据故障定位运算模型编号分离类模板及标签点变量,进行监测对象点位取值轮询;
模块M2.2:实时采集点位数据与故障定位运算模型运算规则匹配筛选发生故障监测对象;
模块M2.3:根据故障定位运算模型编号中算法编号获取故障信息,包括故障设备、故障现象、故障原因、行动方式、故障发生时间以及状态,精准定位设备故障,自动触发故障修提报;
模块M2.4:基于预设的设备与工班人员挂接关系实现自动派工;
模块M2.5:设备在线监测模块自动监测设备的维修结果及实时运行现状信息,进行自动验证,获取工单闭环信息,明确设备是否已恢复正常;
所述故障定位运算模型是通过定义在线监测点位,根据设备故障机理,创建单点或多点标准运行值,将时间分为若干阶段,使用各时间阶段点位取值,结合包括变化频率范围以及差值的影响因子,筛查异常点位读数,回归异常算法与故障体系,实现故障设备、故障现象、运行异常状态判别,进行故障快速、准确、自动提报;
所述故障体系包括故障现象、故障原因以及行动方式;
在所述远程巡检模块中,由设备在线监测模块实时监测的设备设施点位配置正常数据阈值,作为远程巡检点位标准匹配值;基于巡检工单触发远程巡检,根据检修项获取监测对象、标签点位以及算法编号,实时获取标签点位在线监测数据,记录工单检修项数值;
在所述检修自动监察模块中,在设备检修过程中,对于工单状态为已开工未完工且存在可检修监察未检修的检修项,间隔n分钟触发检修监察算法,通过在线监测获取点位历史n分钟数据,物理感知检修过程数据变化,实现对检修项的检修监察,确保检修作业真实兑现;
在所述智能维修指导模块中,根据设备工班挂接关系及区域化维保配置分配维修人员,获取匹配的故障维修工班;结合故障知识库和同类设备故障库,获取所需携带的维修器具和物资,并对维修物资使用进行监控告警;建立维修知识库,结合同类设备故障库分析故障原因,获取可采取的维修方案;分析同类故障修复所需的时间,进行监控告警;
包括:智能应急联动模块,对各专业设备制定应急管理预案,现场端与调度指挥中心联动,调配维修队伍,接入现场单兵,进行视频连线、语音通话,实时提供紧急故障处置远程指挥;
在所述智能应急联动模块中,障达到一定等级,影响运营安全,存在预案执行不规范、处置进展不联动、人员到场不及时的情况,此时将启动智能应急联动,并对资源保障进行统筹协调;针对同类故障制定应急预案,故障事件接报后,结合故障知识库对事件进行初判,筛选符合条件应急预案,调配应急队伍、所需配备应急物资,联系在库专家指导,同时接入现场单兵,与应急指挥大屏联动,跟踪现场故障处置情况、进行远程维修指挥。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210354732.5A CN116957531A (zh) | 2022-04-06 | 2022-04-06 | 基于状态感知的轨道交通智慧运维***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210354732.5A CN116957531A (zh) | 2022-04-06 | 2022-04-06 | 基于状态感知的轨道交通智慧运维***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116957531A true CN116957531A (zh) | 2023-10-27 |
Family
ID=88458861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210354732.5A Pending CN116957531A (zh) | 2022-04-06 | 2022-04-06 | 基于状态感知的轨道交通智慧运维***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116957531A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117369398A (zh) * | 2023-12-05 | 2024-01-09 | 国网江西省电力有限公司供电服务管理中心 | 基于统一精简控制指令集的流水线检定集中控制方法 |
-
2022
- 2022-04-06 CN CN202210354732.5A patent/CN116957531A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117369398A (zh) * | 2023-12-05 | 2024-01-09 | 国网江西省电力有限公司供电服务管理中心 | 基于统一精简控制指令集的流水线检定集中控制方法 |
CN117369398B (zh) * | 2023-12-05 | 2024-03-08 | 国网江西省电力有限公司供电服务管理中心 | 基于统一精简控制指令集的流水线检定集中控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929898B (zh) | 水电站启闭设备运维及故障监测在线评估***及方法 | |
CN113689013A (zh) | 一种变压器智能监测与运维*** | |
CN109857080B (zh) | 一种基于bim的智能船闸运维*** | |
CN114676984A (zh) | 一种智慧建造施工用*** | |
CN116681250A (zh) | 一种基于人工智能的建筑工程进度监管*** | |
CN112666885A (zh) | 基于工业互联网环保设备监控管理平台 | |
CN114626615A (zh) | 一种生产过程监控管理方法及*** | |
CN110988559A (zh) | 基于物联网的变电站直流***全生命周期的在线监测方法 | |
CN106570567A (zh) | 一种主网检修多约束多目标评估专家***及优化方法 | |
CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
CN111830924B (zh) | 建筑工程内部设施的统一管理与联动控制***及方法 | |
CN114609983A (zh) | 一种数字孪生监控*** | |
CN110033102A (zh) | 一种巨型水电厂具有学习功能的智能诊断方法及专家*** | |
CN116070129A (zh) | 一种水电集控事故智能诊断*** | |
CN113689123A (zh) | 一种天然气模块化采集智能管理平台 | |
CN116957531A (zh) | 基于状态感知的轨道交通智慧运维***及方法 | |
CN102566546A (zh) | 过程数据的报警统计及辅助调度*** | |
CN110989042A (zh) | 一种高速公路团雾风险的智能化预测方法 | |
CN111932060A (zh) | 一种基于前后端融合数据对电缆线路进行移动巡检的方法及*** | |
CN114527717A (zh) | 一种化工安全生产预警***及其安全预警方法 | |
CN114283590A (zh) | 车流量高峰预测方法及装置、电子设备 | |
CN113191632A (zh) | 一种电力物联网在线项目管控***及方法 | |
KR20220080983A (ko) | 실시간 생산현황 모니터링을 위한 IoT 엣지 컴퓨팅 시스템 | |
CN116909235A (zh) | 一种智能工厂的监控方法及其监控***、电子设备 | |
CN114594697B (zh) | 物联网型智能爬架控制器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |