CN111563692A - 轨道交通智慧运维系统 - Google Patents

Abstract

本发明揭示了一种轨道交通智慧运维系统，所述系统包括数据采集子系统、数据处理子系统和设备管理子系统，其中：所述数据采集子系统用于采集轨道交通设备的运行数据和故障维修数据；所述数据处理子系统用于计算每台设备的设备健康值；所述设备管理子系统用于根据所述数据处理子系统计算的设备健康值对设备进行管理。本发明的轨道交通智慧运维系统，通过设备健康值计算模型计算轨道交通各设备的健康值，并根据设备的健康值对设备进行管理和展示。在设备的健康值低于预定阈值时，自动生成故障维修工单，对设备进行维修，避免设备故障后再去维修，减少安全隐患的同时，大大降低了整个轨道交通由于设备故障导致无法运行的几率。

Description

轨道交通智慧运维系统

技术领域

本发明涉及交通运输数据处理技术领域，特别涉及一种轨道交通智慧运维系统。

背景技术

城市轨道交通是城市公共交通的骨干，具有节能、省地、运量大、全天候、无污染(或少污染)又安全等特点，属绿色环保交通体系，特别适应于大中城市。而随着轨道交通行业近年的飞速发展，轨道交通其管辖的设备越来越庞大，使轨道交通设备的管理越来越复杂。

对设备进行管理依赖于设备的健康程度，而如何对设备的健康程度进行科学、系统的评价，是我们亟待解决的问题。

目前城市轨道交通管理者或运维人员对机电设备的管理存在以下问题：

1)轨道交通设备的当前健康状态没人知道，只知道哪些设备能够正常运行，哪些不能运行，对于那些不能运行的设备的故障原因也不清楚。

2)设备的历史部件更换和维修记录没有系统存档，查找不便，特别是在一线运维人员更替之后，可能存在记录难以查找甚至丢失的情况。

3)设备的健康趋势没人知道，管理人员只能在设备出现故障时对设备进行全面抢修，运维效率低下，且容易发生安全事故。

发明内容

本发明的目的在于提供一种轨道交通智慧运维系统。

为实现上述发明目的之一，本发明一实施方式提供一种轨道交通智慧运维系统，所述系统包括数据采集子系统、数据处理子系统和设备管理子系统，其中：

所述数据采集子系统用于采集轨道交通设备的运行数据和故障维修数据，所述运行数据包括运行状态、运行时间、电压数据、电流数据和振动数据；

所述数据处理子系统用于根据所述运行数据和故障维修数据，使用所述设备管理子系统建立的设备健康值计算模型，计算每台设备的设备健康值；

所述设备管理子系统用于使用层次分析法建立设备健康值计算模型，并根据所述数据处理子系统计算的设备健康值对设备进行管理。

作为本发明一实施方式的进一步改进，所述设备管理子系统包括用于建立设备健康值计算模型的模型建立模块，所述模型建立模块用于：

构建设备健康的层次分析模型，根据对设备健康的影响程度将影响设备健康的因素进行归类，确定影响设备健康的主要因素以及每个主要因素对应的具体因素，其中所述主要因素包括运行情况、故障情况和优化情况；

使用层次分析法计算所述运行情况和故障情况对应的所述具体因素对设备健康的影响权重，并结合每个所述具体因素的评分，计算所述运行情况和故障情况对应的所述具体因素的评分之和S1；

所述优化情况包括局部优化因素和整体优化因素，根据所述局部优化因素的评分S2和整体优化因素的评分S3，结合所述S1，得到设备的健康值计算模型S：

若所述S1与S2之和小于满分，则所述设备健康值计算模型S＝max{S1+S2,S3}，否则，所述设备健康值计算模型S等于满分。

作为本发明一实施方式的进一步改进，所述运行情况对应的具体因素包括运行使用时间、负载情况、异常运行时间、异常运行次数和异常运行比率；

所述故障情况对应的具体因素包括故障类型、故障次数、故障频率、故障时长和维修恢复程度。

作为本发明一实施方式的进一步改进，所述模型建立模块还用于建立每个所述具体因素、局部优化因素和整体优化因素的评分标准；

所述数据处理子系统还用于根据所述运行数据和故障维修数据，结合所述评分标准，计算每个具体因素、局部优化因素和整体优化因素的单独评分。

作为本发明一实施方式的进一步改进，所述设备管理子系统还包括：

工单管理模块，其用于在设备的健康值低于预定阈值时，自动生成故障维修工单。

作为本发明一实施方式的进一步改进，所述设备管理子系统还包括：

系统监控模块，其用于将整个运维系统中的设备通过类型划分成多个设备系统，对每个设备系统进行监控，并根据每个设备系统中设备的健康值，计算出每个设备系统的综合健康值；

线网监控模块，其用于将整个运维系统划分成多个站点，对每个站点进行监控，并根据每个站点中设备的健康值，计算出每个站点的综合健康值。

作为本发明一实施方式的进一步改进，所述数据处理子系统包括：

预警模块，其用于在所述电压数据、电流数据或振动数据超出正常范围时进行预警，记录对应设备的预警信息；

计算模块，其用于根据所述运行状态、运行时间、预警信息、和故障维修数据，使用所述设备健康值计算模型，计算每台设备的设备健康值。

作为本发明一实施方式的进一步改进，所述预警模块还用于：

根据设备的出厂说明，确定不同类型的设备的电压数据、电流数据和振动数据的正常范围。

作为本发明一实施方式的进一步改进，所述系统还包括维修保养子系统，所述维修保养子系统包括维修模块和检修模块，所述维修模块用于在设备发生故障后对设备进行维修，并记录设备的故障信息和维修信息；所述检修模块用于在设备需要检修时对设备进行检修，并记录设备的检修信息；

所述数据采集子系统用于采集所述故障信息、维修信息和检修信息，得到所述故障维修数据。

作为本发明一实施方式的进一步改进，所述数据采集子系统包括采集模块和清洗模块，其中：

所述采集模块用于采集轨道交通设备的运行数据和故障维修数据；

所述清洗模块用于清洗掉所述运行数据和故障维修数据中的垃圾数据。

与现有技术相比，本发明的轨道交通智慧运维系统，通过设备健康值计算模型计算轨道交通各设备的健康值，并根据设备的健康值对设备进行管理和展示。在设备的健康值低于预定阈值时，自动生成故障维修工单，对设备进行维修，避免设备故障后再去维修，减少安全隐患的同时，大大降低了整个轨道交通由于设备故障导致无法运行的几率。进一步的，还可以根据设备的健康值，针对性的对设备进行保养和维修，避免无效的维修保养工作，减少运维人员的工作量，大大提高运维效率，从而降低人力成本。

附图说明

图1是本发明的轨道交通设备健康值的评分方法的流程示意图。

图2是本发明的设备健康层次分析模型的一结构示意图。

图3是本发明的轨道交通智慧运维系统的结构示意图。

图4是本发明的轨道交通智慧运维系统的系统监控模块的一示意图。

图5是本发明的轨道交通智慧运维系统的系统监控模块的另一示意图。

图6是本发明的轨道交通智慧运维系统的线网监控模块的一示意图。

具体实施方式

以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明，本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。

如图1所示，本发明提供一种轨道交通设备健康值的评分方法，所述方法通过建立设备健康值计算模型，计算轨道交通各设备的健康值。建立设备健康值计算模型的首要任务是根据设备的历史数据，确定影响设备健康状况的各个因素，并对各因素在设备健康评分中所占权重进行分析。本发明采用层次分析法(AHP)，将影响设备健康状况的各因素按照由总到分、自上而下的顺序进行排列，并通过两两元素之间的重要性比较及分析计算，得到该模型中各因素对设备健康的影响权重。所述方法包括：

步骤S110：构建设备健康的层次分析模型，根据对设备健康的负面影响程度将影响设备健康的因素进行归类，确定影响设备健康的N个第一因素，以及每个第一因素对应的M个第二因素。

所述第一因素也可以称为主要因素，所述第二因素也可以称为具体因素。需要说明的是，根据对设备健康的负面影响程度将这些因素归类为N个第一因素，能够得到更加准确和科学的各个第二因素对设备健康的影响权重，同时在第二因素比较多时，大大简化整个计算过程。

如图2所示，优选的，所述主要因素包括对设备具有轻度负面影响的运行情况X1和对设备具有重度负面影响的故障情况X2，所述运行情况X1和故障情况X2分别是指在一段时间内出现的影响设备健康的运行数据和故障数据。

进一步的，所述运行情况对应的具体因素包括运行使用时间、负载情况、异常运行时间、异常运行次数和异常运行比率。所述故障情况对应的具体因素包括故障类型、故障次数、故障频率、故障时长和维修恢复程度。

上述这些主要因素的实际数据可以通过如下方式获取：

步骤S111：分别为设备制定电压、电流和振动频率的正常范围，实时监控设备的电压、电流和振动频率，当所述电压、电流或振动频率超出对应的正常范围时进行预警，并记录预警信息。

步骤S112：通过获取设备的当前运行数据、历史预警信息，得到所述设备的运行情况的实际数据。

步骤S113：在设备进行故障维修后，记录对应的故障信息和维修信息。

步骤S114：通过获取所述设备的历史故障信息和历史维修信息，得到所述设备的故障情况的实际数据。

步骤S120：根据所述第一因素对设备健康的重要影响程度，以及根据每个第二因素对对应的所述第一因素的重要影响程度，分别构造N+1个判断矩阵，并对每个判断矩阵进行一致性校验。

所述重要影响程度即为权重，在确定各层次各因素之间的权重时，不把所有因素放在一起比较，而是两两相互比较，以尽可能减少性质不同的诸因素相互比较的困难，以提高准确度。

因素i比因素j	量化值
		同等重要	1
稍微重要	3
		较强重要	5
强烈重要	7
		极端重要	9
两相邻判断的中间值	2，4，6，8

表1

根据历史数据进行大量研究后，确定中间层各第一因素之间对最高层设备健康的相对权重值，构造一个准则层的判断矩阵。

同样的，根据最底层各第二因素之间对对应中间层各第一因素的相对权重值，分别构造N个最底层的判断矩阵。总共得到N+1个判断矩阵。

在一个具体的实施方式中，所述第一因素包括运行情况和故障情况，确定中间层各第一因素之间对最高层的相对权重值，构造判断矩阵B，如下所示：

根据最底层各第二因素之间对对应中间层各第一因素的相对权重值，分别构造判断矩阵B1和B2，如下所示：

对于各个判断矩阵，需要计算其随机一致性比率，若随机一致性比率小于0.1，则说明判断矩阵构造合理，可用于计算权重。计算随机一致性比率的过程如下：

(1)利用和积法计算各个判断矩阵的最大特征向量

所述最大特征向量中各值即可作为计算具体因素对设备健康的影响权重的基础。

(2)由最大特征向量求得最大特征根λ_max

若n阶矩阵E的最大特征向量为ω＝(ω₁,ω₂,...,ω_n)^T，令X＝E×ω＝(x₁,x₂,...,x_n)^T，则最大特征根

(3)计算矩阵一致性指标C.I.

C.I.的值越大，表明判断矩阵偏离完全一致性的程度越大，反之则表明判断矩阵越接近于完全一致性。

(4)计算随机一致性比率C.R.

其中，R.I.的值与阶数n有关，具体取值如下表2所示：

n	1	2	3	4	5	6	7	8	9	10
											RI	0	0	0.58	0.9	1.12	1.24	1.32	1.41	1.45	1.49
n	11	12	13	14	15
											RI	1.51	1.48	1.56	1.57	1.59

表2

从表2可知，当n为1和2时，R.I.的值为0，而作为分母值是不允许为0的，这是由于1阶和2阶矩阵本身就是具有一致性的，故无需检验1阶和2阶矩阵的一致性，只需检验3阶以上矩阵的一致性即可。

步骤S130：在每个所述判断矩阵通过一致性校验之后，根据所述N+1个判断矩阵的N+1个最大特征向量，得到每个所述第二因素对设备健康的影响权重。

各个第二因素对设备健康的影响权重构成的向量，即为层次总排序。将层次分析模型中影响因素的权重进行自上而下的合成，就可以得到最底层第二因素的层次总排序。即假定准则层的层次排序为(b₁,b₂)^T，最底层相对于准则层的层次排序分别为(c₁,c₂,c₃,c₄,c₅)^T及(c₆,c₇,c₈,c₉,c₁₀)^T，则层次总排序为：

w_c＝(b₁c₁，b₁c₂，b₁c₃，b₁c₄，b₁c₅，b₂c₆，b₂c₇，b₂c₈，b₂c₉，b₂。

然后对层次总排序作一致性检验，利用已经得出的准则层的层次排序为(b₁,b₂)^T及判断矩阵B₁和B₂的一致性指标C.I.(B₁)和C.I.(B₂)，来计算层次总排序即最底层对目标层的随机一致性比率：

需要说明的是，若所有判断矩阵都通过一致性检验，那么层次总排序的一致性检验一定能通过。因此层次总排序的一致性检验的步骤可以省略。层次总排序的一致性检验的意义在于，从整体去度量整个方案的数据一致性，类似于平均值。因此，在一个优选的实施方式中，可以多次构造N+1个通过一致性校验的判断矩阵，得到至少两个层次总排序的特征向量，通过计算所述层次总排序的随机一致性比率，选取随机一致性最高的层次最排序的特征向量(随机一致性最高即随机一致性比率的值最小)，作为所述第二因素对设备健康的影响权重构成的向量。

步骤S140：根据各个所述第二因素的单独评分和影响权重，计算设备的健康值S＝S1＝所有第二因素的单独评分与对应影响权重相乘后求和。

假设第二因素C1至C10的评分为Sc1～Sc10，Sc＝(Sc1,Sc2,…,Sc10)，Wc为所述第二因素对设备健康的影响权重构成的向量，

w_c＝(b₁c₁，b₁c₂，b₁c₃，b₁c₄，b₁c₅，b₂c₆，b₂c₇，b₂c₈，b₂c₉，b₂，则设备健康值计算模型S＝S1＝Sc*Wc，所述设备的健康值为根据所述计算模型计算出来的分值。

需要说明的是，在计算第二因素的单独评分时，需要为每个第二因素制定评分标准，然后根据获取的实际数据，计算每个第二因素的单独评分。

在一个具体的实施方式中，按照如下方式建立各个第二因素的评分标准。

(1)运行使用时间：根据以往的历史数据可知，设备的运行使用时间越长，其健康状况越差，两者成反比关系。由此建立设备运行使用时间的评分标准如表3所示。

表3

(2)负载情况：当设备的实际负载与额定负载相同时，可达到最高效的运行效果；若低于额定负载，则可能导致启动困难，工作效率低下；若高于额定负载，则设备可能会由于电流增大而导致异常升温，甚至烧毁机器。所以负载情况也会影响设备的健康状况，当实际负载不等于额定负载时，属于异常运行情况，应对设备及时进行检修。其中，W实为实际功率，W额为额定功率。

表4

(3)异常运行时间：当设备进行异常运行时，系统应记录异常运行的时间，异常运行时间的评分标准如表5所示。

表5

(4)异常运行次数：当设备异常运行次数过多时，也应予以重视，异常运行次数的评分标准如表6所示。

表6

(5)异常运行比率：异常运行比率即为一季度内异常运行的次数，与异常运行次数不同的是，异常运行次数反映的是总数，而异常运行比率反映的是频率，其评分标准如表7所示。

表7

(6)故障类型：根据故障对机器运行影响的大小，可将故障分成几个等级，这里将故障分为0～5共6个等级，级别越高，代表故障对机器运行的影响越大，即0级故障对机器运行影响最小，5级故障对机器运行影响最大。

表8

(7)故障次数：故障次数作为故障情况分支的因素之一，较异常运行次数不用的是，故障次数对设备的健康情况会产生更大的影响，因此每出现一次故障，都应引起维护人员的重视，及时进行更换部件或设备检修等一系列措施。异常运行次数的评分标准如表9所示。

表9

(8)故障频率：故障频率为一季度内发生故障的次数，其评分标准如表10所示。

表10

(9)故障时长：为了在发生故障的时候，及时让维护人员知晓，这里将故障时长也作为评估设备健康模型的因素，故障时间越长，评分越低，越能容易引起重视。故障时长的评份标准如表11所示。

表11

(10)维修恢复程度：当发生故障后，维护工程师会对设备进行维修，而维修恢复程度可对设备后续的运行情况产生影响。此因素得评分标准如表12所示。

表12

在一个优选的实施方式中，影响设备健康的因素还包括具有正面影响的局部优化因素和整体优化因素，根据所述局部优化因素的评分S2和整体优化因素的评分S3，结合所述S1，计算设备的健康值S。由于局部优化因素C11的评分，是在S1的基础上加分，若加分后分数超过满分(满分可以是一百分)，则设备的健康值为满分。整体优化因素C12是从维修的角度直接对设备的整体进行评分，若设备当前评分(即S1+S2)已高于检修后评分(S3)，则按当前评分为准，若低于检修后评分，则按检修后评分为准。

因此，设备健康值计算模型为S为：

若所述S1与S2之和小于满分，则S＝max{S1+S2,S3}，否则S＝满分。

通过设备健康值计算模型得到的健康值评分，即为设备的健康值。

需要说明的是，在计算局部优化因素和整体优化因素的单独评分时，需要为局部优化因素和整体优化因素制定评分标准，然后根据获取的实际数据，计算局部优化因素和整体优化因素的单独评分。

进一步的，按照如下方式建立局部优化因素和整体优化因素的评分标准。

(1)局部优化因素：所述局部优化因素即更换部件，除上述异常情况的扣分项外，更换部件可以为设备的健康评分加分。同时更换的部件分为4个等级，更换等级越高的部件对设备的加分程度越高，0级代表未更换部件。注意此加分是在整体评分的基础上加分，若加分后分数超过100分，则计为100分。此因素的评分标准如表13所示。

表13

(2)整体优化因素：所述整体优化因素即设备检修：设备检修为优化因素之一，故也是加分因素。设备检修分5个等级，等级越高，代表检修程度越大，分数也越高，0级代表未进行设备检修，4级代表整机检修。此评分是直接对设备的整体评分进行更改，若设备当前评分已高于检修后评分，则按当前分为准，若低于检修后评分，则按检修后评分为准。

表14

在轨道交通设备健康值的评分方法的一个具体实施方式中，所述方法包括如下步骤：

步骤S210：建立设备健康层次分析模型。

图2为设备健康层次分析模型的一个结构示意图，如图2所示，将与设备健康相关的诸多影响因素划分为3个层次。其中，最高层为目标层，即设备健康A；中间层为准则层，代表评价设备健康值的主要影响因素(简称主要因素)，通过对大量机电设备的历史运行数据进行分析总结，结合具有资深经验的设备维护工程师的意见和建议，根据对设备健康的影响程度将影响设备健康的因素进行归类，即将准则层分为对设备健康的负面影响程度不同运行情况X1和故障情况X2，还有对设备健康具有正面影响因素的优化情况X3；最底层为对应于各主要因素的具体影响因素(简称具体因素)。

由于设备的运行情况和故障情况均对设备健康状况产生负面影响，而优化情况则会改善设备的健康状况。因此，将具有负面影响的因素和具有正面影响的因素分开进行评价。

如图2所示，需要说明的是，所述运行情况X1对应的具体因素包括运行使用时间C1、负载情况C2、异常运行时间C3、异常运行次数C4和异常运行比率C5。所述故障情况X2对应的具体因素包括故障类型C6、故障次数C7、故障频率C8、故障时长C9和维修恢复程度C10。所述优化情况X3对应的具体因素包括局部优化因素C11和整体优化因素C12。这些主要因素对应的具体因素，可以根据实际情况进行修改。

步骤S220：构造判断矩阵B、B1和B2。

根据历史数据进行大量研究后，确定中间层各因素X1和X2之间对最高层A的相对权重值，如矩阵B所示：

同样的，根据最底层各具体因素之间对对应中间层各因素X1和X2的相对权重值，分别构造判断矩阵B1和B2，如下所示：

步骤S230：计算各判断矩阵的随机一致性比率和最大特征向量

利用和积法计算各个判断矩阵的最大特征向量WB、WB1和WB2，如下：

ω_B＝(0.167,0.833)^T

上述最大特征向量中各值即可作为计算具体因素对设备健康的影响权重的基础。

由于矩阵B是2阶矩阵，故矩阵B是通过一致性检验的。

根据前述步骤计算出判断矩阵B1和B2的随机一致性比率分别为：

C.R.(B₁)＝0.0089＜0.1，

C.R.(B₂)＝0.0089＜0.1，

由此可得出，判断矩阵B1和B2均通过一致性检验。

步骤S240：计算层次总排序，即各具体因素对设备健康的影响权重构成的向量

根据WB、WB1和WB2，计算最底层相对于最高层的层次总排序见如下Wc，所述层次总排序即为各具体因素对设备健康的影响权重构成的向量：

w_c＝(0.01052，0.02756，0.0738，02756，02756，0.05245，0.13745，0.3682，0.13754，0.13754)^T

然后对层次总排序作一致性检验，利用已经得出的准则层的层次排序为(b₁,b₂)^T及判断矩阵B₁和B₂的一致性指标C.I.(B₁)和C.I.(B₂)，来计算层次总排序即最底层对目标层的随机一致性比率：

需要说明的是，若所有判断矩阵都通过一致性检验，那么层次总排序的一致性检验一定能通过。因此层次总排序的一致性检验的步骤可以省略。

步骤S250：建立各具体因素的评分标准

C1～C12的评分标准可以参考前文。

步骤S160：确定设备健康值计算模型

获取具体因素C1至C10的实际数据，根据上述评分标准，分别得到C1至C10的评分Sc1～Sc10，假定Sc＝(Sc1,Sc2,…,Sc10)，根据所述具体因素对设备健康的影响权重构成的向量Wc，计算得到运行情况B1和故障情况B2这两个主要因素的总体评分S1＝Sc*Wc。

获取局部优化因素C11和整体优化因素C12的实际数据，根据上述评分标准，分别得到C11和C12的评分S2和S3。因此，设备健康值计算模型为S为：

若所述S1与S2之和小于满分，则S＝max{S1+S2,S3}，否则S＝满分。

通过设备健康值计算模型得到的健康值评分，即为设备的健康值。

本发明的轨道交通设备健康值的评分方法，通过运行情况、故障情况和优化情况，结合层次分析法，对轨道交通设备健康值的计算进行建模，最终得出设备健康值的计算模型，根据所述模型计算出设备的健康值。从而通过设备的健康值，对设备进行维护和管理。例如，管理人员和车站运维人员可横向比较健康值了解设备健康情况，从而进行针对性的保养工作。也可根据健康预测数据，实现对设备的主动维修，提高整体车站的运维效率。

本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述轨道交通设备健康值的评分方法中的任意一个步骤，也就是说，实现上述所述轨道交通设备健康值的评分方法中任意一个技术方案中的步骤。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述轨道交通设备健康值的评分方法中的任意一个步骤，也就是说，实现上述所述轨道交通设备健康值的评分方法中的任意一个技术方案中的步骤。

如图3所示，本发明还提供一种轨道交通智慧运维系统，所述根据轨道交通设备的历史数据，建立设备健康值计算模型，计算轨道交通各设备的健康值，并根据设备的健康值对设备进行管理和展示。所述系统包括数据采集子系统10、数据处理子系统20和设备管理子系统30。

所述数据采集子系统10用于采集轨道交通设备的运行数据和故障维修数据，所述运行数据包括运行状态、运行时间、电压数据、电流数据和振动数据。优选的，所述数据采集子系统10包括采集模块11和清洗模块12，其中，所述采集模块10用于采集轨道交通设备的运行数据和故障维修数据，所述清洗模块12用于清洗掉所述运行数据和故障维修数据中的垃圾数据。

所述数据处理子系统20用于根据所述运行数据和故障维修数据，使用所述设备管理子系统建立30的设备健康值计算模型31，计算每台设备的设备健康值。

具体的，所述数据处理子系统包括预警模块21和计算模块22。预警模块21用于在所述电压数据、电流数据或振动数据超出正常范围时进行预警，记录对应设备的预警信息。计算模块22用于根据所述运行状态、运行时间、预警信息、和故障维修数据，使用所述设备健康值计算模型，计算每台设备的设备健康值。

优先的，所述设备健康值计算模型中的需要使用的数据包括：设备的运行使用时间、负载情况、异常运行时间、异常运行次数和异常运行比率，以及设备的历史故障类型、故障次数、故障频率、故障时长和维修恢复程度。所述预警模块21通过所述运行状态、运行时间、预警信息、和故障维修数据，得到上述设备健康值计算模型中需要使用的数据。

进一步的，所述预警模块21还用于：根据设备的出厂说明，确定不同类型的设备的电压数据、电流数据和振动数据的正常范围。

所述设备管理子系统30用于使用层次分析法建立设备健康值计算模型，并根据所述数据处理子系统计算的设备健康值对设备进行管理。

具体的，所述设备管理子系统30包括用于建立设备健康值计算模型的模型建立模块31，所述模型建立模块31使用上述任意一种轨道交通设备健康值的评分方法来建立设备健康值计算模型，所述步骤可以包括如下：

构建设备健康的层次分析模型，根据对设备健康的影响程度将影响设备健康的因素进行归类，确定影响设备健康的主要因素以及每个主要因素对应的具体因素，其中所述主要因素包括运行情况、故障情况和优化情况；

使用层次分析法计算所述运行情况和故障情况对应的所述具体因素对设备健康的影响权重，并结合每个所述具体因素的评分，计算所述运行情况和故障情况对应的所述具体因素的评分之和S1；

所述优化情况包括局部优化因素和整体优化因素，根据所述局部优化因素的评分S2和整体优化因素的评分S3，结合所述S1，得到设备的健康值计算模型S：

若所述S1与S2之和小于满分，则所述设备健康值计算模型S＝max{S1+S2,S3}，否则，所述设备健康值计算模型S等于满分。

进一步的，所述运行情况对应的具体因素包括运行使用时间、负载情况、异常运行时间、异常运行次数和异常运行比率；所述故障情况对应的具体因素包括故障类型、故障次数、故障频率、故障时长和维修恢复程度。

进一步的，所述模型建立模块31还用于建立每个所述具体因素、局部优化因素和整体优化因素的评分标准。所述数据处理子系统20还用于根据所述运行数据和故障维修数据，结合所述评分标准，计算每个具体因素、局部优化因素和整体优化因素的单独评分。

优选的，所述设备管理子系统30还包括工单管理模块32，其用于在设备的健康值低于预定阈值时，自动生成故障维修工单，通知相关人员对设备进行保养或维修，避免设备故障后再去维修，减少安全隐患的同时，大大降低了整个轨道交通由于设备故障导致无法运行的几率。优选的，所述设备管理子系统30还包括用于实时监控和展示的系统监控模块33和线网监控模块34。

系统监控模块33用于将整个运维系统中的设备通过类型划分成多个设备系统，对每个设备系统进行监控，并根据每个设备系统中设备的健康值，计算出每个设备系统的综合健康值。如图4和图5所示，在一个具体的实施方式中，所述系统监控模块将整个运维系统中的设备分成8个设备系统，然后对这8个系统中每台设备的健康值和每个系统的综合健康值进行监控和展示。

线网监控模块34用于将整个运维系统划分成多个站点，对每个站点进行监控，并根据每个站点中设备的健康值，计算出每个站点的综合健康值。可以参考图6所示。

在一个优选的实施方式中，所述系统还包括维修保养子系统40，所述维修保养子系统40包括维修模块41和检修模块42，所述维修模块41用于在设备发生故障后对设备进行维修，并记录设备的故障信息和维修信息；所述检修模块42用于在设备需要检修时对设备进行检修，并记录设备的检修信息。所述数据采集子系统10用于采集所述故障信息、维修信息和检修信息，得到所述故障维修数据。

本发明的轨道交通智慧运维系统，通过设备健康值计算模型计算轨道交通各设备的健康值，并根据设备的健康值对设备进行管理和展示。在设备的健康值低于预定阈值时，自动生成故障维修工单，对设备进行维修，避免设备故障后再去维修，减少安全隐患的同时，大大降低了整个轨道交通由于设备故障导致无法运行的几率。进一步的，还可以根据设备的健康值，针对性的对设备进行保养和维修，避免无效的维修保养工作，减少运维人员的工作量，大大提高运维效率，从而降低人力成本。

应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施方式中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (10)

1.一种轨道交通智慧运维系统，其特征在于，所述系统包括数据采集子系统、数据处理子系统和设备管理子系统，其中：

所述数据采集子系统用于采集轨道交通设备的运行数据和故障维修数据，所述运行数据包括运行状态、运行时间、电压数据、电流数据和振动数据；

所述数据处理子系统用于根据所述运行数据和故障维修数据，使用所述设备管理子系统建立的设备健康值计算模型，计算每台设备的设备健康值；

所述设备管理子系统用于使用层次分析法建立设备健康值计算模型，并根据所述数据处理子系统计算的设备健康值对设备进行管理。

2.根据权利要求1所述轨道交通智慧运维系统，其特征在于，所述设备管理子系统包括用于建立设备健康值计算模型的模型建立模块，所述模型建立模块用于：

构建设备健康的层次分析模型，根据对设备健康的影响程度将影响设备健康的因素进行归类，确定影响设备健康的主要因素以及每个主要因素对应的具体因素，其中所述主要因素包括运行情况、故障情况和优化情况；

使用层次分析法计算所述运行情况和故障情况对应的所述具体因素对设备健康的影响权重，并结合每个所述具体因素的评分，计算所述运行情况和故障情况对应的所述具体因素的评分之和S1；

所述优化情况包括局部优化因素和整体优化因素，根据所述局部优化因素的评分S2和整体优化因素的评分S3，结合所述S1，得到设备的健康值计算模型S：

若所述S1与S2之和小于满分，则所述设备健康值计算模型S＝max{S1+S2,S3}，否则，所述设备健康值计算模型S等于满分。

3.根据权利要求2所述轨道交通智慧运维系统，其特征在于：

所述运行情况对应的具体因素包括运行使用时间、负载情况、异常运行时间、异常运行次数和异常运行比率；

所述故障情况对应的具体因素包括故障类型、故障次数、故障频率、故障时长和维修恢复程度。

4.根据权利要求2所述轨道交通智慧运维系统，其特征在于：

所述模型建立模块还用于建立每个所述具体因素、局部优化因素和整体优化因素的评分标准；

所述数据处理子系统还用于根据所述运行数据和故障维修数据，结合所述评分标准，计算每个具体因素、局部优化因素和整体优化因素的单独评分。

5.根据权利要求1所述轨道交通智慧运维系统，其特征在于，所述设备管理子系统还包括：

工单管理模块，其用于在设备的健康值低于预定阈值时，自动生成故障维修工单。

6.根据权利要求1所述轨道交通智慧运维系统，其特征在于，所述设备管理子系统还包括：

系统监控模块，其用于将整个运维系统中的设备通过类型划分成多个设备系统，对每个设备系统进行监控，并根据每个设备系统中设备的健康值，计算出每个设备系统的综合健康值；

线网监控模块，其用于将整个运维系统划分成多个站点，对每个站点进行监控，并根据每个站点中设备的健康值，计算出每个站点的综合健康值。

7.根据权利要求1所述轨道交通智慧运维系统，其特征在于，所述数据处理子系统包括：

预警模块，其用于在所述电压数据、电流数据或振动数据超出正常范围时进行预警，记录对应设备的预警信息；

计算模块，其用于根据所述运行状态、运行时间、预警信息、和故障维修数据，使用所述设备健康值计算模型，计算每台设备的设备健康值。

8.根据权利要求7所述轨道交通智慧运维系统，其特征在于，所述预警模块还用于：

根据设备的出厂说明，确定不同类型的设备的电压数据、电流数据和振动数据的正常范围。

9.根据权利要求1所述轨道交通智慧运维系统，其特征在于：

所述系统还包括维修保养子系统，所述维修保养子系统包括维修模块和检修模块，所述维修模块用于在设备发生故障后对设备进行维修，并记录设备的故障信息和维修信息；所述检修模块用于在设备需要检修时对设备进行检修，并记录设备的检修信息；

所述数据采集子系统用于采集所述故障信息、维修信息和检修信息，得到所述故障维修数据。

10.根据权利要求1所述轨道交通智慧运维系统，其特征在于，所述数据采集子系统包括采集模块和清洗模块，其中：

所述采集模块用于采集轨道交通设备的运行数据和故障维修数据；

所述清洗模块用于清洗掉所述运行数据和故障维修数据中的垃圾数据。

Images