基于边缘计算与机器学习的轨道交通智能运维系统及方法技术方案

本发明专利技术公开了基于边缘计算与机器学习的轨道交通智能运维系统及方法，系统包括端服务层、边服务层和云服务层；端服务层包括端传感器、端控制器、端服务器和车辆TCMS系统；边服务层位于包括线路智能运维系统、生产业务管理系统和车辆智能检修系统；云服务层包括智能运维大数据中心。本发明专利技术充分利用物联网技术，在车辆上实现统一进行数据采集，数据能够深度融合；能够及时就地处理数据；利用机器算法实现优化，在提高车辆系统安全的同时也为运维人员提供数据决策支持；通过端、端协同，车辆上的端服务器能够通过自身无线通信与设定距离内车辆的端服务器进行连接通讯，能够实时智能感知设定距离内车辆的健康状态及故障信息，及时地避免安全隐患。避免安全隐患。避免安全隐患。

【技术实现步骤摘要】
基于边缘计算与机器学习的轨道交通智能运维系统及方法


[0001]本专利技术涉及轨道交通运维
，具体涉及一种基于边缘计算与机器学习的轨道交通智能运维系统及方法。

技术介绍

[0002]随着轨道交通行业的发展，投入运营的轨道车辆逐年增多。轨道车辆在向智能化方向发展的过程中，为了保证轨道车辆的行车安全，通常需要实时对轨道车辆作出诊断，精确掌握车辆的健康状态。在传统模式下，涉及轨道交通行车相关的多专业包括车辆、供电、信号、站台门、轨道弓网等专业、各自分别部署了一套智能运维系统，智能运维系统是指利用先进传感器技术获取被管理系统的实时运行状态信息，并借助大数据、人工智能等先进技术手段及模糊逻辑等推理算法，根据实时数据、当前工况因素和历史数据等，对被管理系统进行健康状态评估和故障预测。通过人工读取各个系统的运行状态来做出下一步的决策,无法做到及时快捷，另外，各系统产生的数据缺乏及时有效分析以及相应的数据共享，造成“数据孤岛”，导致维修统筹能力不足，具体而言，轨道车辆涉及的数据包括在途实时运行状态数据(车门、转向架、牵引动力系统、制动系统、车载信号、辅助系统、弓网检测、轮轨检测等)，车辆智能检修系统数据(智能检修机器人、车侧走行部检测、车辆360
°
视觉检测、轮对等效锥度检测等)，生产业务管理系统数据(车辆状态管理、站台设备管理、运营日计划管理、施工维护管理、关键设备定位管理、智能手持终端等)，运控子系统等。各个系统间信息无法充分共享，当设备发生故障时，各专业系统无法准确的定位故障，尤其是跨专业的结合部故障定位，排查故障时间长，专业数据挖掘瓶颈等问题。
[0003]一是数据采集设备众多。涉及车辆在途监测数据系统繁多、数据庞大、相互存在数据交互协议不统一、数据难以深度融合的问题，行成数据孤岛。
[0004]二是数据分析不及时。轨道车辆在途监测数据大多不是实时诊断、实时分析。例如振动数据，一般系统设定相应的采集周期和采集时间，采集结束后再进一步进行数据分析诊断，这样会存在故障点遗漏和诊断结果延迟情况，数据通过无线传输到云平台处理要进行实时分析，对相应的网络带宽和时延要求高。
[0005]三是专业数据挖掘瓶颈。轨道交通设备种类繁多，关键子系统零部件专业化极强，造成技术装备系统、核心零部件、关键设备子系统专业化分工明显，对运维人员经验要求高。对专业化极强的设备进行分析和挖掘建立及优化算法模型，相应的算法模型无法更新或自学习，并且对所有车辆都用相同、单一的算法模型，导致预测准确性低，并且不能实时进行更新，存在很大的瓶颈。
[0006]四是车辆与车辆无法直接通讯。目前没有实现自动驾驶的车辆基本都是与控制中心直接建立通讯，当出现极端情况无网络时，车辆就无法对外建立有效通讯，其他在同线路车辆也无法获得故障车辆信息，导致一定的安全隐患。
[0007]综上所诉，现在迫切需要一种能提高轨道交通车辆行车安全及运维效率，降低劳动成本的先进的运维方法。

技术实现思路

[0008]针对现有技术中的上述不足，本专利技术提供的基于边缘计算与机器学习的轨道交通智能运维系统及方法解决了现有技术轨道交通车辆行车安全及运维效率低的问题。
[0009]为了达到上述专利技术目的，本专利技术采用的技术方案为：
[0010]提供一种基于边缘计算与机器学习的轨道交通智能运维系统，其包括端服务层、边服务层和云服务层；
[0011]端服务层位于车辆上，包括端传感器、端控制器、端服务器和车辆TCMS系统；
[0012]边服务层位于地面控制中心，包括线路智能运维系统、生产业务管理系统和车辆智能检修系统；
[0013]云服务层包括智能运维大数据中心；
[0014]端传感器位于车辆待监控部件的位置上，用于采集待监控部件的数据；
[0015]端控制器连接端传感器与端服务器，并与车辆TCMS系统相连，用于获取端传感器采集的待监控部件的数据，并通过优化的机器学习算法模型对采集数据进行实时处理，基于处理结果生成对应的信息和控制指令；
[0016]端服务器连接端控制器与线路智能运维系统，并与车辆TCMS系统和设定距离内其他车辆的端服务器相连，用于接收线路智能运维系统的工作指令，接收和存储端控制器通过优化的机器学习算法模型对采集数据进行实时处理后的结果，生成状态信息和事件信息，并上传至线路智能运维系统和设定距离内其他车辆的端服务器；
[0017]车辆TCMS系统与端控制器相连，用于从端控制器接收其基于处理结果生成的对应的信息和控制指令，并根据对应的信息和控制指令控制车辆；
[0018]车辆TCMS系统与端服务器相连，用于从端服务器接收端控制器通过优化的机器学习算法模型对采集数据进行实时处理后的结果，根据基于处理结果生成的对应的信息和控制指令，并根据对应的信息和控制指令控制车辆；
[0019]线路智能运维系统分别与端服务器、生产业务管理系统、车辆智能检修系统，以及智能运维大数据中心相连，用于接收智能运维大数据中心的相关指令，并根据相关指令生成对应工作指令给端服务器、生产业务管理系统和车辆智能检修系统，将从端服务器、生产业务管理系统和车辆智能检修系统接收到的状态信息和事件信息上传至智能运维大数据中心；
[0020]智能运维大数据中心，用于集合包括车辆、供电、信号、站台门和轨道弓网信息，集合生产业务管理系统和车辆智能检修系统产生的信息，基于诊断知识库和专家知识库建立机器学习算法模型，通过线路智能运维系统接收状态信息和事件信息并进行健康评估和故障预测，并生成相关指令下发到线路智能运维系统；基于接收的端传感器的数据，通过建立的机器学习算法模型更新诊断知识库和专家知识库，得到并下发更新优化后的机器学习算法模型。
[0021]进一步地：每个车辆包括一个端服务器和至少一个端控制器，端控制器位于待监控部件周围，一个端控制器监控至少一个端传感器。
[0022]进一步地：云服务层部署位置包括控制中心、业主集团公司和主机厂运维中心。
[0023]进一步地：智能运维大数据中心与至少一个线路智能运维系统相连；一个线路智能运维系统与至少一台车辆相连；每个端服务器安装于对应车辆，并与对应车辆的端控制
器直接连接或级联。
[0024]进一步地：端传感器包括加速度传感器、应变传感器、光纤传感器、温度传感器、复合传感器、工业摄像机、毫米波雷达和激光雷达；待监控部件包括走行部、弓网、牵引、车门、空调和制动器。
[0025]进一步地：生产业务管理系统包括车辆状态管理模块、站台设备管理模块、运营日计划管理模块、施工维护管理模块、关键设备定位管理模块和智能手持终端模块。
[0026]进一步地：车辆智能检修系统包括智能检修机器人、车侧走行部检测模块、车辆360
°
视觉检测模块和轮对等效锥度检测模块。
[0027]进一步地：
[0028]端传感器与端控制器的连接方式包括有线连接或者无线连接，端控制器与端服务器的连接方式包括有线连接或者无线连接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算与机器学习的轨道交通智能运维系统，其特征在于：包括端服务层、边服务层和云服务层；所述端服务层位于车辆上，包括端传感器、端控制器、端服务器和车辆TCMS系统；所述边服务层位于地面控制中心，包括线路智能运维系统、生产业务管理系统和车辆智能检修系统；所述云服务层包括智能运维大数据中心；所述端传感器位于车辆待监控部件的位置上，用于采集待监控部件的数据；所述端控制器连接端传感器与端服务器，并与车辆TCMS系统相连，用于获取端传感器采集的待监控部件的数据，并通过优化的机器学习算法模型对采集数据进行实时处理，基于处理结果生成对应的信息和控制指令；所述端服务器连接端控制器与线路智能运维系统，并与车辆TCMS系统和设定距离内其他车辆的端服务器相连，用于接收线路智能运维系统的工作指令，接收和存储端控制器通过优化的机器学习算法模型对采集数据进行实时处理后的结果，生成状态信息和事件信息，并上传至线路智能运维系统和设定距离内其他车辆的端服务器；所述车辆TCMS系统与端控制器相连，用于从端控制器接收其基于处理结果生成的对应的信息和控制指令，并根据对应的信息和控制指令控制车辆；所述车辆TCMS系统与端服务器相连，用于从端服务器接收端控制器通过优化的机器学习算法模型对采集数据进行实时处理后的结果，根据基于处理结果生成的对应的信息和控制指令，并根据对应的信息和控制指令控制车辆；所述线路智能运维系统分别与端服务器、生产业务管理系统、车辆智能检修系统，以及智能运维大数据中心相连，用于接收智能运维大数据中心的相关指令，并根据相关指令生成对应工作指令给端服务器、生产业务管理系统和车辆智能检修系统，将从端服务器、生产业务管理系统和车辆智能检修系统接收到的状态信息和事件信息上传至智能运维大数据中心；所述智能运维大数据中心，用于集合包括车辆、供电、信号、站台门和轨道弓网信息，集合生产业务管理系统和车辆智能检修系统产生的信息，基于诊断知识库和专家知识库建立机器学习算法模型，通过线路智能运维系统接收状态信息和事件信息并进行健康评估和故障预测，并生成相关指令下发到线路智能运维系统；基于接收的端传感器的数据，通过建立的机器学习算法模型更新诊断知识库和专家知识库，得到并下发更新优化后的机器学习算法模型。2.根据权利要求1所述的基于边缘计算与机器学习的轨道交通智能运维系统，其特征在于：每个车辆包括一个端服务器和至少一个端控制器，端控制器位于待监控部件周围，一个端控制器监控至少一个端传感器。3.根据权利要求1所述的基于边缘计算与机器学习的轨道交通智能运维系统，其特征在于：所述云服务层部署位置包括控制中心、业主集团公司和主机厂运维中心。4.根据权利要求1所述的基于边缘计算与机器学习的轨道交通智能运维系统，其特征在于：所述智能运维大数据中心与至少一个线路智能运维系统相连；一个线路智能运维系统与至少一台车辆相连；每个端服务器安装于对应车辆，并与对应车辆的端控制器直接连接或级联。
5.根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：王小康，李俊，庹茹君，陈彬，张书英，
申请(专利权)人：成都西交轨道交通技术服务有限公司，
类型：发明
国别省市：