基于Hadoop技术的列车健康诊断及专家支持系统

中国科技纵横 / 2019年01月27日 01:13

手机

(强大技术支持让你瞬间成为专家)-手机维修网APP 了解手机更方便

姜喜民 王川 顾佳

摘 要:本文基于Hadoop平台的大数据技术采集和分析动车位置、状态等数据,对列车进行故障快速预警和报警,实现列车的运行健康监测。对列车数据进行数据挖掘分析,实现参数级故障预测,为预测性维修管理打下基础。

关键词:预测性维修;健康诊断;动车组;事件中心;监控中心

中图分类号:TP333 文献标识码:A 文章编号:1671-2064(2018)10-0044-02

近年来,我国高速铁路飞速发展,动车组在为人们出行提供方便的同时,也对车辆运用检修部门提出了新的要求。“预测性维修”是通过对列车运行现状的监控和分析,进行有针对性、预测性维修。列车的“预测性维修”是未来列车运营保障的发展方向[1]。预测性维修可以降低维修成本,减少维修时间,提高列车运营的效率,同时避免重大恶性事故发生,是现有维修服务体系的创新。

1 项目总体目标

初步构建基于hadoop技术的企业大数据平台,利用列车车载和地面数据,进行数据挖掘,构建大数据分析挖掘模型,实现部分典型故障的预测和预判,构建列车典型部件故障诊断和故障预测模型,为维修人员提供故障解决方案[2]。通过该系统实现运营故障数据整合利用,对故障信息和履历信息提供针对性推送,为故障诊断提供有效依据,实现故障应急处理知识关联推送。

2 系统技术架构

系统分为PC版本、大屏展示以及移动端(pad和手机)三大版本。PC版本负责全部的后台数据采集、处理以及前台展示功能;大屏展示提供全景监控中心、事件监控中心和资源监控中心三大前端功能板块;移动端提供面向pad和手机的前端业务展示功能。

平台采用Hadoop+Spark+关系型数据库的混搭技术架构,实现列车健康状况的实时展现和分析挖掘。系统基于Hadoop技术完成数据的采集、解析、处理、存储和应用。系统集群总体上通过Yarn进行资源管理协调;通过Zookeeper进行集群内部通信协调管理。首先通过数据采集解析程序,实时采集原始数据并进行协议解析;解析后的数据消息流传输到Kafka进行消息流序列化,然后将实时消息流传输到Spark-streaming进行数据实时计算处理,将处理结果配合Redis应用,实时呈现列车健康状况信息;将最终处理结果写入Hadoop分布式文件系统HDFS中,为后续批量查询、分析挖掘提供数据基础,同时支撑应用页面展现;通过Hbase进行大批量历史数据查询操作,结合机器学习算法进行数据分析挖掘。

平台主要功能主要分为三大功能区域,分别是全景监控中心、事件中心和资源中心。

(1)全景监控中心。全景监控中心采用数字化、结合先进的数据可视化技术及专业的GIS地理信息处理技术,在动态的大屏幕GIS地图上展示动车组的整体运行情况,目前包括了四方股份所有交付的动车组。全景监控中心可以直观显示所有列车所在运行位置、列号车、当前状态,并可通过点击或查询列号车直接显示目标选项,包含:单列列车信息、当前故障查询、历史故障查询。监控中心整合MRO(车辆运营故障系统)的数据,展示所有列车运行状态和配属情况。监控中心功能结构如图1所示。

(2)事件中心。事件中心是系统的核心监控模块,实时监控列车运行故障,是日常工作中主要关注的内容。当动车组发生故障时,事件中心会同步显示,以便指挥中心的诊断工程师第一时间掌握故障信息。事件中心功能结构如图2所示。

事件中心监控分为两个主要功能:1)三级实时展示列车故障,提供关注故障功能,方便检修人员对关注故障进行重点监控;2)数据规则模型生成事件,在车辆达到故障状态前尽早发现异常趋势,做到预防检查和处理,降低故障发生几率。

(3)资源中心。资源中心主要为故障分析提供信息支持。当故障发生时可通过资源中心获取全面的支撑信息。资源中心提供事件详情、MRO一车一档信息、车辆健康评估、高级修预测功能[3]。事件详情,此功能为检修人员对列车运行状态进行实时监控,以及对故障或事件进行处置指导提供基础保障。具体分为四个部分:1)车辆工况实时展示;2)事件详情包括故障具体内容及判定逻辑等信息,包括事件内容、模型可视、MON弹屏类型;3)关联信息展示列车履历信息和最近一次高级修信息,支持基于MRO的一车一档查看功能;4)处置措施展示故障对应的处置措施,包括途中应急处置措施、远程监控措施、车辆回库后检查处置措施。

一车一档中的信息是通过与MRO做接口集成获取到的,分别展示了每一列车设计之初的静态参数、历史的配属、运用信息、故障信息是否闭环、技术改造是否闭环、检修信息,历史的装车信息。车辆集群健康评估关注的是列车运用一天整个车辆集群的健康状况,不仅能评价动车组一天的运营品质,还能通过分析结果指导列车回庫检修,对于存在问题的车,可以通过事件详情来判定该列车的当前状态。高级修预测,通过整合列车运用信息,累计里程、高级修等信息,将动车组全年的入修计划按照不同维度进行分析,使检修人员能够对维修物料和工艺进行提前准备,用最短的时间保质保量的完成维修作业,将健康车辆配属回运用路局。

3 结语

本文阐述了基于hadoop技术的列车健康诊断及专家支持系统的主要设计思路和系统关键功能。系统实现了动车组的运行监测,实时提供故障解决方案,实现故障应急处理知识关联推送,为故障远程诊断维修决策提供了支持保障,提高了故障分析处置的效率,保障了四方平台动车组稳定可靠地运行。通过建立大数据分析技术,构建列车典型部件故障诊断和故障预测模型,降低维修成本,减少维修时间,提升工作效能和零部件使用寿命。

参考文献

[1]Henry Canaday,任嘉.预测性维修[J].航空维修与工程,2013,(3):30-32.

[3]郭敏杰.大数据和云计算平台应用研究[J].现代电信科技,2014,(8):7-11.

[3]郝伟,曹炳欣,郭宗鹏,等.面向全生命周期的高速列车MRO系统应用[J].铁路计算机应用,2016,(2):40-42.

1.环球科技网遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.环球科技网的原创文章,请转载时务必注明文章作者和"来源:环球科技网",不尊重原创的行为环球科技网或将追究责任;3.作者投稿可能会经环球科技网编辑修改或补充。