基于Hadoop技術的列車健康診斷及專家支持系統

姜喜民 王川 顧佳

摘 要：本文基于Hadoop平臺的大數據技術采集和分析動車位置、狀態等數據，對列車進行故障快速預警和報警，實現列車的運行健康監測。對列車數據進行數據挖掘分析，實現參數級故障預測，為預測性維修管理打下基礎。

關鍵詞：預測性維修;健康診斷;動車組;事件中心;監控中心

中圖分類號：TP333 文獻標識碼：A 文章編號：1671-2064（2018）10-0044-02

近年來，我國高速鐵路飛速發展，動車組在為人們出行提供方便的同時，也對車輛運用檢修部門提出了新的要求。“預測性維修”是通過對列車運行現狀的監控和分析，進行有針對性、預測性維修。列車的“預測性維修”是未來列車運營保障的發展方向[1]。預測性維修可以降低維修成本，減少維修時間，提高列車運營的效率，同時避免重大惡性事故發生，是現有維修服務體系的創新。

1 項目總體目標

初步構建基于hadoop技術的企業大數據平臺，利用列車車載和地面數據，進行數據挖掘，構建大數據分析挖掘模型，實現部分典型故障的預測和預判，構建列車典型部件故障診斷和故障預測模型，為維修人員提供故障解決方案[2]。通過該系統實現運營故障數據整合利用，對故障信息和履歷信息提供針對性推送，為故障診斷提供有效依據，實現故障應急處理知識關聯推送。

2 系統技術架構

系統分為PC版本、大屏展示以及移動端（pad和手機）三大版本。PC版本負責全部的后臺數據采集、處理以及前臺展示功能;大屏展示提供全景監控中心、事件監控中心和資源監控中心三大前端功能板塊;移動端提供面向pad和手機的前端業務展示功能。

平臺采用Hadoop+Spark+關系型數據庫的混搭技術架構，實現列車健康狀況的實時展現和分析挖掘。系統基于Hadoop技術完成數據的采集、解析、處理、存儲和應用。系統集群總體上通過Yarn進行資源管理協調;通過Zookeeper進行集群內部通信協調管理。首先通過數據采集解析程序，實時采集原始數據并進行協議解析;解析后的數據消息流傳輸到Kafka進行消息流序列化，然后將實時消息流傳輸到Spark-streaming進行數據實時計算處理，將處理結果配合Redis應用，實時呈現列車健康狀況信息;將最終處理結果寫入Hadoop分布式文件系統HDFS中，為后續批量查詢、分析挖掘提供數據基礎，同時支撐應用頁面展現;通過Hbase進行大批量歷史數據查詢操作，結合機器學習算法進行數據分析挖掘。

平臺主要功能主要分為三大功能區域，分別是全景監控中心、事件中心和資源中心。

（1）全景監控中心。全景監控中心采用數字化、結合先進的數據可視化技術及專業的GIS地理信息處理技術，在動態的大屏幕GIS地圖上展示動車組的整體運行情況，目前包括了四方股份所有交付的動車組。全景監控中心可以直觀顯示所有列車所在運行位置、列號車、當前狀態，并可通過點擊或查詢列號車直接顯示目標選項，包含：單列列車信息、當前故障查詢、歷史故障查詢。監控中心整合MRO（車輛運營故障系統）的數據，展示所有列車運行狀態和配屬情況。監控中心功能結構如圖1所示。

（2）事件中心。事件中心是系統的核心監控模塊，實時監控列車運行故障，是日常工作中主要關注的內容。當動車組發生故障時，事件中心會同步顯示，以便指揮中心的診斷工程師第一時間掌握故障信息。事件中心功能結構如圖2所示。

事件中心監控分為兩個主要功能：1）三級實時展示列車故障，提供關注故障功能，方便檢修人員對關注故障進行重點監控;2）數據規則模型生成事件，在車輛達到故障狀態前盡早發現異常趨勢，做到預防檢查和處理，降低故障發生幾率。

（3）資源中心。資源中心主要為故障分析提供信息支持。當故障發生時可通過資源中心獲取全面的支撐信息。資源中心提供事件詳情、MRO一車一檔信息、車輛健康評估、高級修預測功能[3]。事件詳情，此功能為檢修人員對列車運行狀態進行實時監控，以及對故障或事件進行處置指導提供基礎保障。具體分為四個部分：1）車輛工況實時展示;2）事件詳情包括故障具體內容及判定邏輯等信息，包括事件內容、模型可視、MON彈屏類型;3）關聯信息展示列車履歷信息和最近一次高級修信息，支持基于MRO的一車一檔查看功能;4）處置措施展示故障對應的處置措施，包括途中應急處置措施、遠程監控措施、車輛回庫后檢查處置措施。

一車一檔中的信息是通過與MRO做接口集成獲取到的，分別展示了每一列車設計之初的靜態參數、歷史的配屬、運用信息、故障信息是否閉環、技術改造是否閉環、檢修信息，歷史的裝車信息。車輛集群健康評估關注的是列車運用一天整個車輛集群的健康狀況，不僅能評價動車組一天的運營品質，還能通過分析結果指導列車回庫檢修，對于存在問題的車，可以通過事件詳情來判定該列車的當前狀態。高級修預測，通過整合列車運用信息，累計里程、高級修等信息，將動車組全年的入修計劃按照不同維度進行分析，使檢修人員能夠對維修物料和工藝進行提前準備，用最短的時間保質保量的完成維修作業，將健康車輛配屬回運用路局。

3 結語

本文闡述了基于hadoop技術的列車健康診斷及專家支持系統的主要設計思路和系統關鍵功能。系統實現了動車組的運行監測，實時提供故障解決方案，實現故障應急處理知識關聯推送，為故障遠程診斷維修決策提供了支持保障，提高了故障分析處置的效率，保障了四方平臺動車組穩定可靠地運行。通過建立大數據分析技術，構建列車典型部件故障診斷和故障預測模型，降低維修成本，減少維修時間，提升工作效能和零部件使用壽命。

參考文獻

[1]Henry Canaday，任嘉.預測性維修[J].航空維修與工程，2013，（3）：30-32.

[3]郭敏杰.大數據和云計算平臺應用研究[J].現代電信科技，2014，（8）：7-11.

[3]郝偉，曹炳欣，郭宗鵬，等.面向全生命周期的高速列車MRO系統應用[J].鐵路計算機應用，2016，（2）：40-42.