基于智能运维平台的乘客信息系统故障检测和预警研究

摘要：：随着轨道交通的快速发展和运营线路的增多，以往城轨车辆的计划修检修模式无法满足智能化和降本增效的需求，所以车辆运营方需要精确各子部件的检修周期，提高故障的排查效率，实现智能化检修，由于乘客信息系统包含的子设备数量众多，控制逻辑复杂，与各系统需要通信和统筹管理，所以研究该系统的运行状态和故障情况对车辆安全运行和减少检修工作量具有重要意义。根据目前各城市对于列车乘客信息系统故障检测和预警的实施现状，提出一种基于车辆智能运维平台的解决方案，通过采集各设备子部件的关键参数和通信信息，实时对设备运行状态进行监测，当发生故障会立即上传至智能运维平台并进行统筹分析，并提供故障预警和针对性的解决方案。通过深度分析和研究可以针对性的对各部件进行寿命预测，延长检修周期，该方案可以为每列车辆的检修优化提供数据支撑，进行差异化检修，实现降本增效，降低城轨车辆全寿命周期成本。

关键词： 乘客信息系统  智能运维平台  故障检测  故障预警  检修优化

0 引 言

随着轨道交通的快速发展和运营线路的增多，城轨车辆种类大大增多，且随着车辆老化问题逐渐凸显，车辆故障的数量和种类也呈指数级增长。故障处理的方法也越来越多，对乘务人员的故障处理能力和检修效率都提出了极大的考验，为了消除安全隐患，提高故障处理效率和准确性，固提出一种基于车辆智能运维平台的乘客信息系统故障检测和预警解决方案。随着数字化、智能化技术的发展，以往城轨车辆的计划修检修模式无法满足智能化和降本增效的需求。采用智能化、信息化和大数据等手段，改变以往检修模式，通过采集设备运行状态信息，通过数据计算和深度挖掘，对列车各子系统设备的数据信息预测性分析，建立故障预警和预测机制，从而指导检修模式优化和动态调整。由于乘客信息系统设备数量多，数据信息量大，所以对该系统进行智能化检修十分必要。本方案主要从优化原系统的设计上入手，增加系统设备检测功能，并与智能运维平台进行深度融合，实现数据共享，同时建立数据诊断、预警、预测和寿命延长模型，提高乘客信息系统的可靠性，降低其维保工作量。

1 系统顶层设计

乘客信息系统的设备故障预测是利用设备采集多个关键设备的状态数据，建立动态检测列表，通过故障报警、高危异常监测、基于大数据预警分析等手段，监测影响列车安全运营的高危故障，加强检修密度，以提高列车运营安全性。采用接入乘客信息系统数据的智能运维平台，对系统内设备的状态进行实时监测，以减少运维和检修的人工工作量，从而提升城轨车辆运维工作的质量和效率，同时降低维保成本。

本系统结合城轨车辆全数字架构的乘客信息系统网络架构，系统设备构成包括司机室和客室主机、广播控制盒、动态地图屏、目的地显示屏、LCD 显示屏、紧急报警器、摄像机、监控触摸屏等。系统通过主机采集关键信息，通过车地无线系统传输到地面服务器，通过搭建的算法模型，进行故障诊断和维修趋势分析，以提高维修效率和合理调整检修周期，降低维修成本，提升地铁车辆整体运维和服务水平。

2 检测和预警模块设计

2.1 部件故障检测

司机室主机控制单元采集各设备的网络心跳数据和过程数据并进行实时监测，检测设备网络通信状态，当未监测到心跳数据，则发出故障报警。地面服务器基于采集到的设备故障数据，进行综合性故障诊断分析，具体分析过程如下：

（1）故障类型判断，包括但不限于设备自身故障、通信故障、附属故障、单点故障、链路故障等。

（2）初步故障点定位，指导维护人员进行针对性检查，如仅单个设备故障，可初步判断故障检查范围为设备自身及连接至主机端口之前的电缆和连接器；多个设备故障，当为同一链路上时，可初步判断为网络问题或供电问题；如同一车厢设备均故障，则可判断为交换机通信故障。

（3）故障分析及指导

地面服务器根据收到的监测数据对故障进行分析，提示司机应急操作步骤和流程，并将相关故障点、故障分析结果在CCTV监控屏上和地面智能运维平台大屏上进行显示，系统可对一定时间内的故障数据进行统计分析，如图1所示。

2.2 主机性能监测

乘客信息系统主机包括司机室和客室主机，通过增加应用程序采集CPU 温度和使用率、内存温度和使用率等信息，并上传至智能运维系统对系统设备的工作状态进行监测，便于对设备进行异常预警。

2.3 设备异常状态监测

通过分析乘客信息系统上传的数据，包括当前各设备运行状态、广播控制盒状态、屏幕显示状态等内容，进行系统设备的运行健康状态分析。设备状态通过子部件发出的心跳数据、过程数据进行检测，广播状态根据广播控制盒的工作电压和通过噪声检测器采集的客室内音频数据进行判断，显示屏的显示状态则通过客室摄像机或紧急报警器内置的摄像机采集的图像进行识别判断。

2.4 网络异常预警

司机室控制主机通过判断系统主干网负载的数据量，并结合交换机各端口流量及CPU使用率、内存使用率等信息，与设计阈值范围进行对比分析，进而判断主干网上是否发生网络风暴或者卡滞等数据异常情况。

2.5 电压波动预警

系统配置电压监测芯片，采集设备电源芯片电压，当检测值超过或低于电压阈值时，进行电压预警提示，在智能运维平台提示检修设备和检修位置，并指导检修人员进行操作。

2.6 硬盘性能监测

硬盘是乘客信息系统的关键部件，系统的关键数据都存网络硬盘录像机中，对该部件进行监测十分必要，通过增加磁头、盘片、马达、电路的检测指令，通过采集硬盘SMART信息（重映射扇区、启停次数、寻道错误率等指标），对硬盘硬件的运行数据进行监控、记录，可以依据硬盘厂家建议的单一指标阈值判断，或依据机器学习模型对多指标进行综合判断，来判断硬盘状态。当出现硬盘自检失败，或部分硬盘SMART信息指标过低时，进行预警。

3   系统检修周期动态预测

通过长时间采集到的大量乘客信息系统设备实际数据，并结合各设备的实时故障率和寿命预计，建立各个设备独立的故障模型，监测设备处于可靠性浴盆曲线的时期，并与理论值进行拟合，结合设备各项指标参数，对设备进行寿命预计，计算其寿命周期，并与计划修结合，加强故障率高的设备的检修密度，从而延长设备的使用寿命。

4 结论

本方案通过对乘客信息系统增加智能检测模块，采集各子部件的数据信息，监测数据动态值变化，结合智能运维平台大数据，通过数据计算和深度挖掘，建立故障预警模型和设备寿命预测模型，对系统各子设备的故障情况进行预测性分析，建立故障预警和预测机制，指导检修模式优化和针对性的调整检修周期。系统可根据智能系统检测到的故障，进行报警并指导检修人员快速精准的排除故障，可大大提高车辆的安全性、运维水平和服务质量。同时该数据诊断、预警、预测和寿命延长模型，也可提高乘客信息系统的可靠性，降低其维保工作量，降低车辆全寿命周期成本。

参考文献

[1]牛 涛，张 辉. 城市轨道交通智能运维系统方案研究[J]. 铁道运输与经济，2022，44（4）：99-105.

[2]徐佳宁. 轨道交通车辆智能运维系统初步搭建[J]. 轨道交通装备与技术，2021（4）：39-40.

[3]向清河，高 翔，朱东飞，等.武汉地铁列车远程运维系统关键技术及主要应用功能[J].现代城市轨道交通，2022，（12）：189-192.

[4]高凯，宋娜，王红艳，等.基于大数据的地铁车辆智能故障监测系统研究[J].铁道机车车辆，2019，39（S01）：5.