设备在线监测与维护管理系统设计技术方案0119174344.docx

设备在线监测与维护管理系统设计技术方案0119174344.docx

《设备在线监测与维护管理系统设计技术方案0119174344.docx》由会员分享，可在线阅读，更多相关《设备在线监测与维护管理系统设计技术方案0119174344.docx（14页珍藏版）》请在冰豆网上搜索。

设备在线监测与维护管理系统设计技术方案0119174344

设备在线监测与维护管理系统设计技术方案

1.研究背景及必要性

随着我国高速铁路的快速发展，铁路信息化取得长足的进步。

在大规模客运专线建设和既有线改造升级过程中，上线运行的系统越来越多，随着车站自动化程度的不断提升，对设备的依赖性也越来越高。

而设备作为支撑信息平台和铁路信息化管理的核心单元，其可靠性、可维修性、安全性直接决定着车站运营组织、安全化生产的好坏。

目前，在铁路车站中，购置了大量价格昂贵的服务设施/设备，这些设施/设备来自不同的生产厂家，设备的优劣好坏只有通过工作人员巡检或车站人员通告才能得知，还不能做到实时监测；在遇到春运、暑运等特殊情景下，一些关键设备如电梯、空调等还不能做到事前维修；且设备巡检的劳动强度较大，容易忽略或遗漏问题；目前绝大多数铁路客运站尚未建立一套完善的设备维修体制，维修由外包公司或生产厂家来承担，设备维修完毕后有时不能及时告知车站，造成车站工作人员对设备的好坏优劣心中无数，从而设备的可靠性及安全性不可控制。

因此，为了改善这种局面，提高工作人员效率，使工作人员对设备真正心中有数，打造一个智能化、人性化、高效安全、适应现代的铁路生产管理体系，建立设备在线监测与维护管理系统，实时监测设备状态，及时发现故障并上传报警，对设备的故障进行诊断，对设备的质量进行评估，具有重要的应用价值和社会意义。

2.车站设备分类

2.1按地点分类

车站设备按地点进行分类，可以分为：

a.售票厅

b.进站口

c.候车室

d.出站口

e.天桥、地道

f.站台、风雨棚

g.消防通道

h.办公区

i.人员装备

2.2按类别分类

a.安检设备类大型安检仪便携式安检仪金属测器安全门

b.售、检票类自动售票机进出站闸机

c.导向、广播、查询、监控类导向及PDP屏摄像头

自助查询机

d.电梯类

直梯

扶梯

e.空调类中央空调多联机机房专用空调

f.电脑类服务器个人电脑

g.通讯类对讲机

h.桌椅家具类办公桌座椅

i.静态标志

j.厕卫类洗手池面镜便器干手机

2.3按业务分类

按照车站不同的业务范畴，车站设备分为客运设备、机电设备、行车设备、消防设备、站房设备等，其中行车设备不在监测范围内，其总体分类如下图1所示。

用电设ftr

电梯

照明

安全门

便器

而镜

洗手池

PF机

图1车站设备分类

2.4按设备等级分类

a.安全一级设备

电梯

空调

照明

服务器

UPS

电源

b.二级设备

广播

导向

视频监控

自动售票机

自动取票机

闸机

制票机

查询机

c.三级设备

洗手池

面镜

便器

干手机

安全门

3.系统总体需求

（1）实现设备的基础信息维护

对全站设备的基础数据进行维护，对设备的状态值进行统一划分，如在用、停用、维修、借入、借出、调入、报废等；灵活配置设备的

类别，并用树状结构展示；设备的属性值可以自主设置，如个、张、排、支、台、套等；可以自主添加和删除设备的基础项目和字段。

（2）实现设备的运行状态监控通过制定统一的设备接口规范，自动获取各设备（电梯、照明设备、空调设备等）的在线运行状态情况。

（3）实现设备故障报警对监测出有故障的设备可以用红色报警灯提示。

（4）实现关键设备的预防维修对一些关键设备如电梯、照明、空调等设备故障用不同的报警提示，如故障：

红色，异常：

黄色。

（5）实现设备的故障闭环管理对设备故障进行闭环跟踪，保证设备故障能及时销号。

（6）实现设备的故障诊断对一些机电设备如电梯、空调等故障进行分析和诊断。

（7）实现设备的质量评估根据一定时间段内设备的故障进行统计，从而评估出设备的质量，质量等级分为：

优、中、差。

（8）实现设备的查询与统计报表对设备按各种形式进行查看、查询、生成各种统计报表等。

4.系统架构

4.1系统逻辑结构车站设备在线监测与维护管理系统分基础设施、数据共享与交换、应用中间件、系统应用4层。

基础设施层：

网络和硬件设备、操作系统及相关系统软件。

数据共享与交换层：

集中数据库、本地相关信息化系统和自动化设备数据接口、外部相关信息系统的数据接口，以及提供信息共享

和交换的处理机制

应用中间件层：

提供支持上层应用的领域框架、工作流引擎、基础类库、通用模版等。

系统应用层：

提供与业务管理相关的应用功能、以及辅助应用系统配置与管理的相关功能。

车站设备在线监测与维护管理系统的逻辑结构如下图2所示：

基础设施层

硬件设备（服务器、传感器、参数检测仪等）

网络设施

图2车站设备在线监测与维护管理系统的逻辑结构

4.2系统物理结构

本设备在线监测系统在结构上采用分散式测量和总线式监控分析相结合的结构，主要由现场监测单元和工控机两部分组成。

其中，现场监测单元主要包括：

PT（电压互感）信号变换器、光纤流传感器,系统结构框图如图所示。

在机房机柜

光纤通信线

图3系统结构框图

信号变换器为纯阻性.产生的电压信号作为监测信号的相位基准参考值。

运用精密的光纤传感器测量容性设备的泄漏电流。

并通过参数测试仪对所有监测量进行就地数字信号处理。

将最终测量结果通过光纤传到后台监控计算机进行分析、诊断、显示。

监控计算机通过网络连接到前台客户端上。

5.关键技术

5.1关键设备智能预警技术

在车站，如果某个设备已经存在严重故障，不但造成设备报废的损失，而且对乘客的生命安全及车站的正常运行造成巨大的威胁和隐患。

将预警技术应用在设备在线监控系统中，能从根本上提高设备故障监测的灵敏度，从而实现准确的故障早期预警，防止因设备故障影

响车站的正常运营

应用智能预警技术，能够在强大的、实现面向车站设备的在线状态分析与预报，即通过设备状态的信息获取、特征提取及在线分析，实现设备故障的多层次预报，在监控历史数据库基础上，构造监控及运营管理专家系统，从而提高运营管理水平，减少工作人员的人工维护，减少设备故障率，提高设备的运营效率，改善车站人员的工作环境，降低运营成本。

在尽量不改变或少改变现有设备的基础上，通过局部的嵌入式技术应用，实现对车站监控设备的智能化改造；对既有不同设备进行信息整合，通过信息和智能技术，提升设备监控系统的性能。

数据融合技术涉及信号处理、特征提取、推理决策三大环节，本研究所采用的多传感器系统数据融合同样也由这三大部分组成，其过

程如图4所示。

由于被测对象多为具有不同特征的非电量，所以首先将它们通过传感器转换成为电信号，经过A/D转换将现场参数变为可由微处理器处理的数字量。

数字化后的电信号经过预处理，可以滤除数据采集过程中现场环境下的干扰和噪声；对处理后的目标信号做

特征提取，根据所提取的特征信号进行数据融合，最终输出结果。

图4多传感器系统数据融合过程

在设备故障特征识别中，采用经典的自适应加权融合估计算法进行数据融合，其模型如图4所示。

这种数据融合方法不要求知道传感器测量数据的任何知识，只是靠传感器所提供的测量数据，通过自动计算和调整，就可得出均方误差最小的数据融合值。

图5自适应加权融合估计算法模型

算法先对各传感器在某一时刻的测量值进行估计，当估计真值为常量时，就可根据各个传感器历史数据的均值来进行估计。

因为不同的传感器都有相应的加权数，在总均方误差最小这一最优条件下，根据各个传感器所得到的测量值，以自适应的方式寻找其对应的权数，可使图5融合后的x达到最优。

5.2故障诊断技术

故障诊断就是根据从系统运行过程中得到的信息，进行分析和判断，确定系统是否存在故障及存在何种故障的过程。

这个过程实际上是对系统运行的模式进行分类，因此故障诊断也是模式识别问题。

选择合适的故障特征是故障诊断的关键问题。

图6故障诊断组成

故障诊断流程如下:

1）数据获取

根据需要通过传感器测取有关参量，来自传感器的信号要用计算机可以运算的符号来表示。

通常输入对象的信息有一维波形（如机械

振动和噪声）、二维图像（如光弹图像、文字、图片等）、物理参量和逻辑值（如压力、温度，或对状态的描述，如关或开可用逻辑值即。

或1表示）等。

通过测量、采样、量化、编码、数据形式的转换和校准，使信号变成可以计算的数据，其数据可以用向量或矩阵表示一维波形或二维图像，这就是数据获取的过程。

2）预处理

预处理的目的是提高信号的信噪比，如剔除奇异项，去掉电平漂移，必要时零均值化，消除趋势项和平滑滤波等，以便突出有用的信息，并对输入测量仪器或其他原因所造成的退化现象进行复原。

3）特征提取与选择

特征可以分为三类，即物理方面的、结构方面的和数学方面的特征。

人们通常习惯于从物理和结构方面的特征去识别对象，因为这些特征容易被感觉器官所发现，也便于认识和理解。

但是只有对相应的工业设备或系统工作机理有了深入的了解，才有可能从物理和结构上的合适特征去识别系统的故障。

数学方面的特征主要是指运用数理统计方法等得到的特征，如均值、方差、协方差函数及线性预测模型的参数等等。

4）故障模式分类

如果每一个模式有n个特征数据，则它对应于n维模式空间的一个矢量或一个点。

模式分类的问题就是把这些模式空间中的矢量（或点）确定为一个适当的模式类中。

模式空间事先被划分成互不相交的区域，每个区域与一个类别的模式相对应。

对于故障诊断，就是在已知各种故障类别及已知一些故障样本点的条件下，去判别被观测的样本届于哪一种故障。

在进行故障诊断以前，这些已知的信息是通过上述的学习过程输入到计算机中去的。

5）分析决策这里通过对某发动机的故障诊断来说明用模式识别方法进行故障诊断的过程。

根据所测试发动机运行时的各部分的温度和压力，经特征提取压缩数据后形成两维矢量，如图所示，横坐标为温度，纵坐标为压力。

每一次测量形成一个矢量，矢量的始端为原点，末端标志为平面上的一个点，这就代表一个运行模式。

经过对发动机运行状态的一系列测试后，得到的测点分为两类，一类为良好工作状态点，如图所示S1类；另一类为较差或故障工作状态点．如图所示S2类。

对发动机的某一运行状态，得到测点Z,人们可以通过判断它属于Si类还是S2类来识别它的工作良好程度。

很明显，z点属于S1类。

K

6.系统功能结构

铁路客运站设备在线监测与维护管理系统主要包括基础数据维护、在线监测、关键设备预防维修、故障事故管理、故障诊断、设备质量评估、系统管理、统计报表等。

见下图8所示。

眾路暮迄翠迂备冲线监刃刼轴'泵统

图8设备在线监测与维护管理系统

7.功能说明

7.1基础数据维护

用于建立设备的静态履历台账，即设备的基本属性信息，包括设备名称、设备类别（售、检票类、电梯类、安检类、空调类等）、设

备品牌、设备型号、设备串码、投入使用时间、使用区域、安装位置、使用状态（在用、停用、维修、借入、借出、调入、报废）、维修记录（最后一次维修时间）、借调用记录（最后一次借调用时间）、计量单位、数量、备注等。

可以灵活配置设备的类别，并能按各种类别形式用树状结构展示；可以自主添加和删除设备的基础项目和字段；可以自动生成设备的借、调用记录表。

7.2在线监测

能实时监测关键设备的状态，如广播、引导屏、闸机、视频状态，并用三种报警灯正常、注意、异常来表示。

7.3关键设备的预防维修能预测未来一段时间内关键设备的状态，从而方便车站工作人员启动维修或应急机制。

当用算法测出设备即将故障后，立即在系统中提示维修。

若无人应答，且实时数据通过新一轮的检测运算后仍得出设备即将故障的结果，则通过组态软件智能发送短消息给设备主要负责人，进行维修检测。

7.4设备故障诊断

根据系统运行的故障信息或传感器采集的信息，进行分析和判断，对这些信息特征进行分类，运用各种模式识别方法，确定是否存在故障以及何种故障。

7.5故障事故管理

故障事故管理根据设备的详细故障信息，展示了用户需要完成的工作任务。

不同用户登录系统后，根据用户权限和工作内容不同，展示的工作任务不同。

（1）任何用户：

任何用户指除设备车间主任、包修人外的其他所有

用户。

提交了设备报修单据后，显示设备报修状态为“报修”，签收状态为“未签收”。

2）设备车间主任：

对报修单据进行派工，确认单据正确后，显示

设备报修状态为为“派工”，签收状态为“未签收”，若确认单

据不正确，显示设备报修状态为“拒签”，签收状态为“未签收”，对处理完成的设备故障，签收状态为“车间签收”。

（3）包修人：

将已派工的报修单据确定为“待处理”、“处理中”、“完成”的任一状态，签收状态为“未签收”。

（4）使用人：

若为使用人确认设备故障的处理结果，对处理结果为“完成”签收结果为“车间签收”的单据进行签收，签收后，签收结果变为“使用人签收”。

7.6养护维修管理通过配置设备点检巡检项目及使用人，自动生成“设备点检巡检、运转记录卡”，记录设备日常巡检情况。

用不同状态显示巡检结果，巡检结果包括良好、不良、待修、修理。

1）良好：

符合设备点检要求；

2）不良：

不符合设备点检要求；

3）待修：

已报修，但还未修理；

4）修理：

修理中。

7.7设备质量评估对一定时间段内每个设备的在线监测故障、巡检故障进行统计，然后对全站设备的故障进行分析，从而评定该设备的质量：

优、良、差。

7.8统计报表生成各种设备统计报表。