鐵路大機液壓健康監測大數據平臺設計與實現

劉富存，李海波，唐優華，蘇開鵬

（1. 國能鐵路裝備公司神維分公司 準格爾工務機械段，內蒙古自治區準格爾旗 010300；2. 成都交大大數據科技有限公司，成都 610097）

液壓系統是鐵路大型養路機械（簡稱：大機）的重要組成部分，機械的動力傳輸、車輛走行、大機作業等都是通過液壓系統進行驅動，因此，對鐵路大機液壓系統進行數據監測及大數據分析是保障其健康運行的重要手段。

近年來，隨著大數據、物聯網、云計算等技術在鐵路領域的深入應用，鐵路大機的智慧化養護，尤其是對其液壓系統多源數據的智能維護逐漸受到學者的關注。王建軍等人[1]合理選擇參數采集節點，設計出基于傳感技術的液壓機故障診斷專家系統方案；陳書輝[2]基于一維卷積神經網絡，提出了基于仿真數據與深度遷移學習的故障診斷模型，實現了小樣本與不平衡數據液壓泵的故障診斷；許艷蒲等人[3]針對液壓操動機構泄漏故障的監測需求，研究開發了基于云平臺的液壓操動機構泄漏監測系統。該系統實現了液壓操動機構泄漏的遠程監測，保證了液壓操動機構的安全可靠運行；雷亞飛[4]以油動機液壓系統為研究對象，以挖掘狀態監測數據中隱藏的故障信息為目標，采用工業互聯網平臺技術，打通了信號采集、邊緣數據處理、端云之間數據傳輸、海量數據彈性存儲、故障診斷建模分析等信息通道，為油動機液壓系統的狀態監測與故障診斷系統提供了新理論、新技術和新方法。以上研究均圍繞液壓系統故障分析算法及大數據平臺構建，較少涉及鐵路大機健康監測領域。

本文基于鐵路大機液壓系統所產生的海量多源異構數據，設計開發了集液壓系統監測數據傳輸、整合、分析、統計、展示等功能為一體的鐵路大機液壓健康監測大數據平臺（簡稱：本文平臺），實現了對鐵路大機液壓系統典型故障的預測與診斷，提升了鐵路大機的維護效率，具有工程應用價值。

1 平臺設計

1.1 總體架構

本文平臺總體架構如圖1所示。

圖1 本文平臺總體架構

1.1.1 硬件層

包含本文平臺所需要的計算主機及存儲網絡設施，為平臺服務提供硬件支持。

1.1.2 基礎組件

包含MySQL數據存儲及緩存，為平臺提供數據存儲與數據緩存功能，供服務層調用其數據。

1.1.3 服務層

負責數據接收與處理，包含用戶管理、權限管理、數據采集、數據解析等模塊，并與網關進行數據交換，可簡化業務邏輯單元測試，同時負責與客戶端進行數據對接。

1.1.4 Web層

包括輕量級的Web服務器Nginx，作為靜態資源服務器。此外，該層接入內容分發網絡（CDN，Content Delivery Network），解決因分布、帶寬、服務器性能帶來的訪問延遲問題，提高用戶訪問網站的響應速度和成功率，并負責前端服務的基礎構建，從而搭建出用戶可使用的Web環境。

1.1.5 訪問層

包括監測后臺與監測大屏，負責與用戶交互，運行數據庫并執行更新，接收用戶輸入并向用戶呈現輸出結果。

1.2 技術架構

1.2.1 前端架構

本文平臺前端基于Vue-cli、IView和Node.js等前端技術棧進行開發[5]，其主要特點包括：（1）漸進式框架，采用自底向上增量開發設計；（2）模板雙向綁定機制；（3）利用指令對文檔對象模型進行封裝，能夠高效實現可視化展示、用戶交互、相關事件綁定及模板渲染等功能。

1.2.2 后端架構

本文平臺后端采用Linux服務器部署，基于Java、J2EE技術和Spring Boot進行框架搭建。采用數據持久層與邏輯模型層分離的部署方式，以達到解耦的目的，有利于本文平臺維護和升級。在邏輯模型層，本文平臺架設基于Nginx和Spring Boot的網關，用于鑒權、HTTPS解密、負載均衡及安全防控，以此提升其穩定性和安全性；在持久層使用Mybatis-Plus與MySQL關系型數據庫進行通信和信息交換，使用Druid連接池提供穩定的數據庫長連接[6]。

數據庫選擇MySQL關系型數據庫，具有輕量、開源及高效等特點，可有效減少數據庫訪問次數，降低服務器的響應時間，提高本文平臺性能。采用Redis進行數據緩存，消息管理采用WebSocket，實現站內消息實時推送。數據庫存取方式設計如圖2所示。

圖2 數據庫存取方式示意

1.2.3 通信協議

智能網關通信通過4G/5G網絡，以消息隊列遙測傳輸（MQTT，Message Queue Telemetry Transport）協議的方式，將監測數據傳輸到云平臺。智能網關將采集到的數據通過MQTT協議以“/Iot/Pub”主題發布到云服務器，消息被暫存在云服務器中；后端通過Client MQTT通信接口，連接到暫存數據的云服務器，通過訂閱“/Iot/Pub”主題獲取暫存信息，隨后調用自定義數據存儲服務層，通過mybatis技術將數據存儲到數據庫，方便對數據進行增刪改查等操作；采用WebSocket技術將接收到的數據實時推送到前端，再由前端將數據呈現到顯示屏上。

2 功能設計

基于安全性、可擴展性和靈活性的原則[7]，設計本文平臺功能，如圖3所示。

圖3 本文平臺功能

2.1 監測中心

實現鐵路大機當前所在位置顯示及大機液壓設備運行情況統計數據展示。同時，可統計并展示車輛液壓系統報警狀況、報警趨勢等信息功能。監測中心可在地圖模式和圖列模式間切換。

2.2 大機動態監測

用于展示當前所選車輛的各項液壓健康監測參數及報警數據。

2.2.1 實時監測

直觀展示大機液壓系統最新監測數據及報警位置，對不在正常范圍內的監測值進行標識，并可按不同類別、不同型號切換選擇車輛。

2.2.2 監測數據

通過表格的形式展示車輛不同部位液壓系統的實時監測數據，并對異常數據高亮顯示，提醒維修管理人員對異常部位重點關注，及早安排維修計劃。

2.2.3 報警數據

通過表格的形式展示當前車輛液壓系統報警數據，并對報警狀態高亮顯示，提供按條件搜索數據的功能，為當前車輛維修保養提供數據支持。

2.3 大機健康分析

用于展示當前所選車輛的液壓健康監測數據、監測值超標情況及報警數據的統計分析。

2.3.1 監測數據分析

按不同車型、不同時間維度統計分析各系統監測采集數據，以圖表形式顯示異常數據比率及各系統異常數據占比等情況。

2.3.2 報警數據分析

按不同時間維度統計分析各系統報警數據，測算液壓部件性能變化趨勢，判斷當前各部件運行狀況及是否需要更換。

2.4 大機監測配置

用于設置大機配置方案，按需配置車型及車輛信息、監測信息。

2.4.1 大機方案設置

用于配置本文平臺所需要車型的基本信息，如類別、型號、圖片等，可添加修改各車輛信息，并為每輛車綁定信號傳輸設備的設備號。同時，模塊可顯示當前車輛經緯度、位置及定位時間信息，并提供按條件搜索車輛等功能。

2.4.2 配置監測平臺

用于配置各類車型所需要的監測平臺，并可定義該平臺監測信息在車輛圖片顯示位置的X軸、Y軸與伸縮條長度等。

2.4.3 配置監測對象

提供各大機機型液壓健康監測平臺監測對象配置等功能。

2.4.4 配置設備信息

用于配置監測設備名稱、監測對象信號寄存地址及報警信息寄存地址等。

2.5 監測數據網關

顯示智能網關實時采集接收的原始數據，同時顯示智能網關的運行狀態。

2.6 平臺管理

提供基本信息管理設置及文件管理功能。其中，用戶管理和部門管理提供部門及用戶權限分級、信息查看及基本信息管理等功能；消息管理提供通知及消息發送、查看、管理等功能，可對消息通知進行分類顯示；文件對象存儲提供大機液壓健康管理相關文件存儲、下載、查看等功能；角色權限管理和菜單管理實現不同角色配置菜單權限等功能；數據字典管理為整個平臺配置通用型字典并對其進行管理；平臺配置提供短信配置、郵件配置、禁用詞管理、平臺公告配置等功能。

3 關鍵技術

3.1 數據預處理

大機液壓健康監測數據具有海量且多元異構的特點，尤其是液壓部件傳感器采集的原始數據，其經過通信模塊加工處理后會出現部分數據異常、缺失、冗余等問題，因此，需要對其進行數據質量診斷、抽取–轉換–加載（ETL，Extract-Transform-Load）等處理，以保障數據質量滿足后續數據處理要求。本文平臺通過分布式ETL處理集群，將采集數據抽取至臨時中間層，作進一步清洗、轉換、整合等處理，從而提高后續數據分析、統計、挖掘的工作效率，節省計算資源。數據預處理步驟如下：

（1）數據清洗：對傳感器采集到的大機液壓流量、溫度、壓力等數據進行質量判斷，不符合要求的數據可采取刪除、修正等操作。

（2）定位數據轉化：采用地圖軟件為企業提供API接口，將AGPS信號轉化為GPS定位信號，從而得到經緯度坐標并將其存入數據庫，實現大機定位的功能[8]。

（3）采集信號轉換并存儲：采用某種標準通信協議，因此，信息格式需要按相關標準經后端轉化后存入數據庫。

3.2 數據智能分析預警

本文平臺在接收到車載數據采集硬件采集到的液壓數據后，利用人工神經網絡、回歸分析等預測算法，識別數據是否存在異常，從而實現風險隱患識別及智能預警報警功能。基于大數據平臺提供的大量數據樣本，對其規律進行挖掘，建立各液壓部件壽命模型，并通過人工神經網絡等預測方法，實現液壓部件壽命預測。

4 結束語

本文基于鐵路大機各關鍵部位液壓系統采集的海量實時數據，設計開發了鐵路大機液壓健康監測大數據平臺。該平臺已在國能鐵路裝備有限責任公司鐵路養護部門部署試用。平臺能夠實時、準確地監測液壓系統性能及健康狀況、統計并展示大機液壓系統各部件故障信息、預判液壓系統各部件狀態及壽命等，從而提醒大機管理部門提前備貨長周期、易損壞、價值高的液壓部件，成功避免因液壓系統故障和損壞而導致的大機停工事故的發生，為鐵路養路機械的智能化和自動化發展提供了重要的技術支持。未來還需要進一步研究液壓部件壽命預測算法，使液壓部件預測壽命更符合實際。