CN114757516A - 一种隧道掘进机全生命周期云平台管理系统 - Google Patents

Abstract

本发明提出了一种隧道掘进机全生命周期云平台管理系统，用以解决掘进机全生命周期各阶段信息缺失、不好管理的技术问题。本发明包含边缘层、基础层、平台层和应用层，边缘层采集设备数据并进行边缘计算，通过通信传输将边缘端数据传输至基础层；基础层将边缘层传输的各类信息进行分类、计算、存储管理和网络资源管理；平台层通过网络与基础层连通；应用层通过应用程序接口与平台层相连。本发明能够推动制造业与服务业的深度融合，促进隧道掘进机制造业转型升级与高质量发展；使隧道施工企业在隧道掘进机的设计制造阶段就参与其中，能够使隧道掘进机更适应工程需求。

Description

一种隧道掘进机全生命周期云平台管理系统

技术领域

本发明涉及隧道掘进机管理的技术领域，尤其涉及一种隧道掘进机全生命周期云平台管理系统。

背景技术

随着我国地下工程建设的蓬勃发展，隧道掘进机也得到了广泛应用，但长期以来隧道掘进机行业对隧道掘进机全生命周期信息一直未形成统一的标准和方法保存，在设计、施工、运维、再制造等阶段产生的数据信息相互孤立，隧道掘进机的生产者、使用者、管理者和研究者之间存在信息共享和交流的壁垒，无法形成系统、完整的基础数据。在设计阶段，隧道掘进机的核心部件设计主要依赖设计师的经验和判断，缺少设计方法的提炼和总结，且在施工过程中无设计问题的及时反馈。在施工阶段，隧道掘进机施工参数的优劣依赖于操作者的经验水平，当面临复杂地质或地质突变时极易出现决策失误等问题，造成巨大的经济损失。在运维阶段，运维模式大多为事后维修、计划维修与视情维修，经常造成维修不足、过度维修、灾害频发的现象，运维过程简单主观，缺乏科学合理的规划，导致运维任务繁重而运维资源浪费严重。在再制造阶段，设备服役期间参数部分缺失，零配件清单不全，造成设备评估状态不准确，无法实现精准的升级改造和优化。

近年来，随着人工智能技术的兴起逐步出现了掘进机隧道建设实时监控平台方面的相关研究，大多都是针对掘进机施工过程中的数据管理。比如申请号201910295477.X的一种基于大数据的隧道掘进机远程监控平台，只记录了隧道掘进机施工阶段的数据采集、传输、存储、分析和展示的方式与方法，未涉及设计、运维及再制造阶段的各类信息。申请号201710850756.9的一种基于大数据技术的盾构隧道智能施工辅助系统及使用方法，旨在对周边环境及地层变形、隧道工程质量及盾构故障进行预测和预警，仅涉及盾构机掘进过程的预测预警，未涉及隧道掘进机全生命周期的管理和各阶段工程人员的协同管理。文献“TBM施工信息云计算平台的设计与实践（现代隧道技术）”，只能实现TBM掘进的实时监控和数据查询等功能，未能建立面向隧道掘进机云平台管理系统，无法形成设计、施工、运维、再制造的协同管理。

随着掘进机在隧道建设中的广泛应用，其全生命周期各阶段信息缺失、知识分散、制度落后的缺陷日益凸显。因此，亟需构建一种隧道掘进机全生命周期云平台管理系统，为工程人员提供协同管理平台，使隧道建设更好、更快、更安全。

发明内容

针对现有技术中隧道掘进机设计、施工、运维、再制造等全生命周期各阶段数据信息分散、信息共享和交流不畅，设计信息化、智能化水平低，施工依赖人为经验、决策不科学，运维模式落后、过程简单主观，再制造过程存在盲区造成优化不合理与资源浪费等技术问题，本发明提出一种隧道掘进机全生命周期云平台管理系统，能够记录和展示隧道掘进机在设计、施工、运维、再制造过程中的所有信息，实现隧道掘进机掘进能耗管理、作业流程优化、智能运维管控、故障远程诊断、预测性维护、产品全生命周期管理等服务。

为了达到上述目的，本发明的技术方案是这样实现的：一种隧道掘进机全生命周期云平台管理系统，包含边缘层、基础层、平台层和应用层，边缘层采集设备数据并进行边缘计算，通过通信传输将边缘端数据传输至基础层；基础层将边缘层传输的各类信息进行分类、计算、存储管理和网络资源管理，为平台层提供基础资源服务能力；平台层通过网络与基础层连通，平台层在基础层提供的资源池中进行数据分析、展示、消息推送和数据共享，实现人机交互；应用层通过应用程序接口与平台层相连，应用层读取平台层的数据库信息，同时向平台层提供模型库。

进一步地，所述通信传输为光纤、3G/4G/5G或Internet。

进一步地，所述平台层内设有机理模型、应用环境和数据存储分析单元。

进一步地，所述边缘层依托传感器、工业控制、物联网技术对隧道全生命周期的设备、系统和环境的要素信息进行实时采集和处理；所述边缘计算是将PLC、传感器、智能控制器或嵌入式软件的底层数据集成，实现数据的汇集处理以及边缘分析，并将分析结果向云端集成。

进一步地，所述边缘计算利用以感知端传感器、AI计算终端、数据存储服务器为代表的边缘计算设备实现。

进一步地，所述基础层利用高性能的计算资源基础设施为平台层提供CPU、GPU、内存、网络、存储、操作系统的基础软硬件云服务，通过多种云架构提供虚拟化的计算、存储、网络的各类资源以及相应的管理；所述平台层包涵各类数据持久化的组件、批量数据处理与流式处理组件、机器学习算法工具包和基于Spring Cloud的工业微服务框架，支持IoT数据/关系型数据库/非关系型数据库，支持批量和实时大数据分析，支持不同类型设备全方位建模与数据接入；所述应用层采用Sysware工业APP开发环境，开发部署隧道掘进机全生命周期应用的工业APP，包含围岩感知、设备控制、运维服务、故障诊断、智能导向、不良地质决策的工业App。

进一步地，所述边缘层包含数据采集模块、网络通讯模块及数据应用模块，数据采集模块与网络通讯模块相连接，网络通讯模块与数据应用模块相连接；所述数据采集模块利用工业终端一体机、数据采集盒子、PLC或各类传感器的智能传感设备对掘进机全生命周期过程中的零部件信息、生产进度信息、视频信息的数据进行收集；所述网络通信模块将数据采集模块收集到的数据通过网络通讯设备传输至数据中心服务器；所述数据应用模块架设在数据中心服务器，将网络通信模块传输的数据进行分类、转换、存储、展示。

进一步地，所述数据中心服务器包含设备运行状态监测服务器、应用服务器、数据库服务器、电子看板、中央控制室。

进一步地，所述基础层建立在多台物理机器组成的计算机集群上，借助vMware虚拟化工具对底层资源虚拟化，根据用户要求生产对应的虚拟机或回收虚拟机资源，形成资源池；所述基础层包含接入节点、管理节点和实例节点，接入节点负责处理用户或管理员发出的请求，通过webservice接口与用户交互；管理节点利用OpenNebula负责资源调度分配，对虚拟机资源池、虚拟机、镜像进行管理；实例节点为平台层提供资源，直接供平台层使用。

进一步地，所述平台层包含数据存储分析模块、微服务模块和机理模型模块，数据存储分析模块包含关系型数据库、非关系型数据库、分布式数据库以及大数据管理、大数据分析；微服务模块利用SpringBoot简化分布式系统基础设施的开发，获得服务注册、服务发现、均衡负载、消息总线、服务网关、配置中心、微服务管理或调用链的组件；机理模型模块包含整机选型与关键系统设计模型、多子系统智能规划与协同控制模型、故障诊断故障预测与预测性维护模型和智能运维管理模型；所述整机选型与关键系统设计模型包含整机选型知识库、刀盘设计知识库与参数化模型、主驱动设计知识库与参数化模型、螺旋输送机设计知识库与参数化模型或掘进机选型与掘进适应性评价模型中的至少一种；多子系统智能规划与协同控制模型包含专家知识库、岩体状态感知模型、掘进参数智能预测模型、智能纠偏模型或智能支护模型中的至少一种；故障诊断故障预测与预测性维护模型包含故障知识库、设备健康评估与诊断模型或故障分级标准自动推理机中的至少一种；智能运维管理模型包含装备维护知识库、装备智能掘进模型、风险评价模型或运维调度管理模型中的至少一种。

进一步地，在设计阶段，利用平台层微服务模块中的产品知识库进行专家知识分享、设计联络、人员交流，查看地质勘察信息和产品设计进度展示；利用平台层微服务模块中的工程案例库查阅以往工程项目掘进机设计案例的地质条件和设备设计图的信息；利用平台层微服务模块中的设备零部件库查阅通用件、标准件的类型、型号、参数的信息；利用平台层微服务模块中的设备物料清单库查阅每台掘进机的物料清单，包含所有零部件的名称、型号、编码的信息；利用平台层机理模型模块的整机选型与关键系统设计模型中的设计规则库，通过调用应用层的工业APP进行掘进机关键参数计算、地质水土压力计算和设备各零部件设计计算；

在施工阶段，通过边缘层的数据采集模块和网络通讯模块将掘进机施工过程中产生的掘进参数、地质参数、时间、位置、刀盘振动、刀具磨损、刀具转速、刀具温度、渣片图像、渣片数量等多源海量数据采集、传输至基础层服务器数据库，然后通过调用平台层机理模型中的多子系统智能规划与协同控制模型及应用层的工业APP，利用平台层的数据存储分析模块对多源海量数据进行分析计算，最后将分析计算结果通过平台层的微服务模块进行展示、查阅。平台层微服务模块设有机群管理、实时监控、地质预警、施工报警、参数预测功能，在机群管理中查看项目信息、工程进度、掘进机状态的信息；在实时监控中查看掘进机施工过程中各系统部件状态、掘进机上位机实时状态、掘进机实时位置以及施工现场各视频监控的信息；在地质预警中查看地质风险源信息，也可随时录入不良地质探测结果，当掘进机即将接近不良地质条件时发出预警提示；施工报警可在掘进机各系统部件出现异常状态时发出报警提示，同时自动记录报警信息，工程人员可随时录入现场异常情况；参数预测提供下一时刻的掘进参数建议值；

在运维阶段，边缘层采集的掘进机掘进、故障、维保等数据传输存储至基础层服务器数据库，同时通过平台层微服务模块记录的维保信息和配件管理数据也自动存入基础层服务器数据库，然后通过调用平台层机理模型模块的故障诊断故障预测与预测性维护模型、智能运维管理模型以及应用层的工业APP可以进行设备运行状态评估、故障诊断；平台层微服务模块设有设备运行状态评估、故障诊断、维保信息和配件管理的功能，在设备运行状态评估中查看设备历史和当前状态；在故障诊断中查看设备关键部件历史和当前故障状态；在维保信息查看维保日志、维保工单的信息，发送维保提醒，录入维保信息；在配件管理中进行配件查询和配件调度。

在再制造阶段，利用平台层数据存储分析模块及应用层工业APP，对基础层服务器数据库存储的掘进机服役时间、地点及设备零配件更换时间、次数等掘进机服役期间的数据进行分析，得到设备履历及设备状态评估的信息；平台层微服务模块设有设备履历、设备零配件清单、设备状态评估的功能，在设备履历中查看设备服务工程信息和服务时长、零配件更换履历的信息；在设备零配件清单中查看设备当前零配件详细信息；在设备状态评估中查看设备当前所有零部件的状态。

本发明的有益效果：本发明为隧道掘进机在设计、施工、运维、再制造各阶段提供全方位服务，通过网络实现设备与产品的实时连通、相互识别和有效交流，实现信息和资源的快速传递和共享；不仅提升隧道掘进机制造的质量和效率，而且能够最大程度满足工程应用需求，提升隧道掘进机管理水平，降低维护费用和管理成本，保证施工进度，有效提高隧道施工质量和效率。本发明的有效实施能够推动制造业与服务业的深度融合，促进隧道掘进机制造业转型升级与高质量发展；使隧道施工企业在隧道掘进机的设计制造阶段就参与其中，能够使隧道掘进机更适应工程需求；解决了隧道建设方项目建设地点分散、项目群管理困难、项目信息量大、信息收集滞后、沟通不畅等问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的系统架构图。

图2为本发明的功能示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种隧道掘进机全生命周期云平台管理系统，包含边缘层、基础层、平台层和应用层，边缘层采集设备数据并进行边缘计算，边缘层通过光纤、3G/4G/5G或Internet等通信传输方式将边缘端数据传输至基础层；基础层将边缘层传输过来的各类信息进行分类、云计算、存储管理和网络资源管理，为平台层提供基础资源服务能力；云计算是将所有的边缘计算数据整合起来，通过网络服务器实现分析计算，网络资源管理是根据实际处理的网络通讯数据量，向系统分配软硬件资源。平台层通过网络与基础层连通，平台层在基础层提供的资源池中进行数据分析、展示、消息推送、数据共享等，实现人机交互；平台层内设有机理模型、应用环境和数据存储分析单元，可以实现数据存储分析。应用层通过应用程序接口（API）与平台层相连，应用层读取平台层的数据库信息，同时也可向平台层提供模型库。应用层通过工业APP开发部署。

边缘层依托传感器、工业控制、物联网技术对隧道全生命周期的设备、系统、环境等要素信息进行实时采集和处理，将PLC、传感器、智能控制器、嵌入式软件等底层数据集成，利用以感知端传感器、AI计算终端、数据存储服务器为代表的边缘计算设备实现数据的汇集处理以及边缘分析，并将分析结果向云端集成。基础层利用高性能的计算资源基础设施，为平台层提供CPU、GPU、内存、网络、存储、操作系统等基础软硬件云服务，通过公有云、私有云、混合云等多种云架构，提供虚拟化的计算、存储、网络等各类资源以及相应的管理能力。平台层包涵各类数据持久化的组件、批量数据处理与流式处理组件、机器学习算法工具包、基于Spring Cloud的工业微服务框架、基于容器技术的工业APP开发平台等模块，支持IoT数据/关系型数据库/非关系型数据库，支持批量和实时大数据分析，支持不同类型设备全方位建模与数据接入。应用层包含围岩感知、设备控制、运维服务、故障诊断、智能导向、不良地质决策等工业APP。

边缘层包含数据采集模块、网络通讯模块及数据应用模块，数据采集模块利用工业终端一体机、数据采集盒子、PLC、各类传感器等智能传感设备对掘进机全生命周期过程中的零部件信息、生产进度信息、视频信息等数据进行收集。网络通信模块将数据采集模块收集到的数据通过光纤等网络通讯设备传输至数据中心服务器。数据应用模块架设在数据中心服务器，包含设备运行状态监测服务器、应用服务器、数据库服务器、电子看板、中央控制室等，将网络通信模块传输过来的数据进行分类、转换、存储、展示等。

基础层建立在大型服务器或PC机等多台物理机器组成的计算机集群上，借助vMware虚拟化工具对底层资源虚拟化，根据用户要求生产对应的虚拟机或回收虚拟机资源，形成资源池。基础层包含接入节点、管理节点及实例节点，接入节点负责处理用户或管理员发出的请求，是对外访问的接口，用户可以通过webservice接口进行交互。管理节点利用OpenNebula负责资源调度分配，对虚拟机资源池、虚拟机、镜像进行管理，实例节点为平台层提供资源，直接供平台层使用。

平台层包含数据存储分析模块、微服务模块、机理模型模块，数据存储分析模块包含关系型数据库、非关系型数据库、分布式数据库以及大数据管理、大数据分析等。微服务模块利用SpringBoot简化分布式系统基础设施的开发，如服务注册、服务发现、均衡负载、消息总线、服务网关、配置中心、微服务管理、调用链等组件。机理模型模块包含整机选型与关键系统设计模型、多子系统智能规划与协同控制模型、故障诊断故障预测与预测性维护模型，智能运维管理模型等；整机选型与关键系统设计模型包含整机选型知识库、刀盘设计知识库与参数化模型、主驱动设计知识库与参数化模型、螺旋输送机设计知识库与参数化模型、掘进机选型与掘进适应性评价模型等；多子系统智能规划与协同控制模型包含专家知识库、岩体状态感知模型、掘进参数智能预测模型、智能纠偏模型、智能支护模型等；故障诊断故障预测与预测性维护模型包含故障知识库、设备健康评估与诊断模型、故障分级标准自动推理机等；智能运维管理模型包含装备维护知识库、装备智能掘进模型、风险评价模型、运维调度管理模型等。

应用层采用成熟的Sysware工业APP开发环境，开发部署隧道掘进机全生命周期应用的工业APP，包含围岩感知、设备控制、运维服务、故障诊断、智能导向、不良地质决策等工业APP。

如图2所示，本发明一种隧道掘进机全生命周期云平台管理系统在设计、施工、运维、再制造四个阶段的实施方式如下：

（1）在设计阶段，利用平台层微服务模块中的产品知识库进行专家知识分享、设计联络、人员交流，查看地质勘察信息和产品设计进度展示；利用平台层微服务模块中的工程案例库查阅以往工程项目掘进机设计案例的地质条件和设备设计图的信息；利用平台层微服务模块中的设备零部件库查阅通用件、标准件的类型、型号、参数的信息；利用平台层微服务模块中的设备物料清单库查阅每台掘进机的物料清单，包含所有零部件的名称、型号、编码的信息；利用平台层机理模型模块的整机选型与关键系统设计模型中的设计规则库，通过调用应用层的工业APP进行掘进机关键参数计算、地质水土压力计算和设备各零部件设计计算。以上信息供设计、管理人员查阅、下载，也可上传新项目的相关信息。

（2）在施工阶段，通过边缘层的数据采集模块和网络通讯模块将掘进机施工过程中产生的掘进参数、地质参数、时间、位置、刀盘振动、刀具磨损、刀具转速、刀具温度、渣片图像、渣片数量等多源海量数据采集、传输至基础层服务器数据库，然后通过调用平台层机理模型中的多子系统智能规划与协同控制模型及应用层的工业APP，利用平台层的数据存储分析模块对多源海量数据进行分析计算，最后将分析计算结果通过平台层的微服务模块进行展示、查阅。平台层微服务模块设有机群管理、实时监控、地质预警、施工报警、参数预测等功能。在机群管理中可查看项目信息、工程进度、掘进机状态等信息；在实时监控中可查看掘进机施工过程中各系统部件状态、掘进机上位机实时状态、掘进机实时位置以及施工现场各视频监控等信息；在地质预警中可查看地质风险源信息，也可随时录入不良地质探测结果，当掘进机即将接近不良地质条件时发出预警提示；施工报警可在掘进机各系统部件出现异常状态时发出报警提示，同时自动记录报警信息，工程人员也可随时录入现场异常情况；参数预测可提供下一时刻的掘进参数建议值。

（3）在运维阶段，边缘层采集的掘进机掘进、故障、维保等数据传输存储至基础层服务器数据库，同时通过平台层微服务模块记录的维保信息和配件管理数据也自动存入基础层服务器数据库，然后通过调用平台层机理模型模块的故障诊断故障预测与预测性维护模型、智能运维管理模型以及应用层的工业APP可以进行设备运行状态评估、故障诊断。平台层微服务模块设有设备运行状态评估、故障诊断、维保信息、配件管理的功能。在设备运行状态评估中可查看设备历史和当前状态；在故障诊断中可查看设备关键部件历史和当前故障状态；在维保信息可查看维保日志、维保工单等信息，可发送维保提醒，也可录入维保信息；在配件管理中可进行配件查询和配件调度。

（4）在再制造阶段，利用平台层数据存储分析模块及应用层工业APP，对基础层服务器数据库存储的掘进机服役时间、地点及设备零配件更换时间、次数等掘进机服役期间的数据进行分析，得到设备履历及设备状态评估等信息。平台层微服务模块设有设备履历、设备零配件清单、设备状态评估的功能。在设备履历中可查看设备服务工程信息和服务时长、零配件更换履历等信息；在设备零配件清单中可查看设备当前零配件详细信息；在设备状态评估中可查看设备当前所有零部件的状态。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种隧道掘进机全生命周期云平台管理系统，其特征在于，包含边缘层、基础层、平台层和应用层，边缘层采集设备数据并进行边缘计算，通过通信传输将边缘端数据传输至基础层；基础层将边缘层传输的各类信息进行分类、计算、存储管理和网络资源管理，为平台层提供基础资源服务能力；平台层通过网络与基础层连通，平台层在基础层提供的资源池中进行数据分析、展示、消息推送和数据共享，实现人机交互；应用层通过应用程序接口与平台层相连，应用层读取平台层的数据库信息，同时向平台层提供模型库。

2.根据权利要求1所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述通信传输为光纤、3G/4G/5G或Internet。

3.根据权利要求1所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述平台层内设有机理模型、应用环境和数据存储分析单元。

4.根据权利要求1或3所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述边缘层依托传感器、工业控制、物联网技术对隧道全生命周期的设备、系统和环境的要素信息进行实时采集和处理；所述边缘计算是将PLC、传感器、智能控制器或嵌入式软件的底层数据集成，实现数据的汇集处理以及边缘分析，并将分析结果向云端集成。

5.根据权利要求4所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述边缘计算利用以感知端传感器、AI计算终端、数据存储服务器为代表的边缘计算设备实现。

6.根据权利要求5所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述基础层利用高性能的计算资源基础设施为平台层提供CPU、GPU、内存、网络、存储、操作系统的基础软硬件云服务，通过多种云架构提供虚拟化的计算、存储、网络的各类资源以及相应的管理；所述平台层包涵各类数据持久化的组件、批量数据处理与流式处理组件、机器学习算法工具包和基于Spring Cloud的工业微服务框架，支持IoT数据/关系型数据库/非关系型数据库，支持批量和实时大数据分析，支持不同类型设备全方位建模与数据接入；所述应用层采用Sysware工业APP开发环境，开发部署隧道掘进机全生命周期应用的工业APP，包含围岩感知、设备控制、运维服务、故障诊断、智能导向、不良地质决策的工业App。

7.根据权利要求6所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述边缘层包含数据采集模块、网络通讯模块及数据应用模块，数据采集模块与网络通讯模块相连接，网络通讯模块与数据应用模块相连接；所述数据采集模块利用工业终端一体机、数据采集盒子、PLC或各类传感器的智能传感设备对掘进机全生命周期过程中的零部件信息、生产进度信息、视频信息的数据进行收集；所述网络通信模块将数据采集模块收集到的数据通过网络通讯设备传输至数据中心服务器；所述数据应用模块架设在数据中心服务器，将网络通信模块传输的数据进行分类、转换、存储、展示。

8.根据权利要求7所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述数据中心服务器包含设备运行状态监测服务器、应用服务器、数据库服务器、电子看板、中央控制室。

9.根据权利要求1、5-8中任意一项所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述基础层建立在多台物理机器组成的计算机集群上，借助vMware虚拟化工具对底层资源虚拟化，根据用户要求生产对应的虚拟机或回收虚拟机资源，形成资源池；所述基础层包含接入节点、管理节点和实例节点，接入节点负责处理用户或管理员发出的请求，通过webservice接口与用户交互；管理节点利用OpenNebula负责资源调度分配，对虚拟机资源池、虚拟机、镜像进行管理；实例节点为平台层提供资源，直接供平台层使用。

10.根据权利要求9所述的隧道掘进机全生命周期云平台管理系统，其特征在于，所述平台层包含数据存储分析模块、微服务模块和机理模型模块，数据存储分析模块包含关系型数据库、非关系型数据库、分布式数据库以及大数据管理、大数据分析；微服务模块利用SpringBoot简化分布式系统基础设施的开发，获得服务注册、服务发现、均衡负载、消息总线、服务网关、配置中心、微服务管理或调用链的组件；机理模型模块包含整机选型与关键系统设计模型、多子系统智能规划与协同控制模型、故障诊断故障预测与预测性维护模型和智能运维管理模型；所述整机选型与关键系统设计模型包含整机选型知识库、刀盘设计知识库与参数化模型、主驱动设计知识库与参数化模型、螺旋输送机设计知识库与参数化模型或掘进机选型与掘进适应性评价模型中的至少一种；多子系统智能规划与协同控制模型包含专家知识库、岩体状态感知模型、掘进参数智能预测模型、智能纠偏模型或智能支护模型中的至少一种；故障诊断故障预测与预测性维护模型包含故障知识库、设备健康评估与诊断模型或故障分级标准自动推理机中的至少一种；智能运维管理模型包含装备维护知识库、装备智能掘进模型、风险评价模型或运维调度管理模型中的至少一种。

11.根据权利要求10所述的隧道掘进机全生命周期云平台管理系统，其特征在于，在设计阶段，利用平台层微服务模块中的产品知识库进行专家知识分享、设计联络、人员交流，查看地质勘察信息和产品设计进度展示；利用平台层微服务模块中的工程案例库查阅以往工程项目掘进机设计案例的地质条件和设备设计图的信息；利用平台层微服务模块中的设备零部件库查阅通用件、标准件的类型、型号、参数的信息；利用平台层微服务模块中的设备物料清单库查阅每台掘进机的物料清单，包含所有零部件的名称、型号、编码的信息；利用平台层机理模型模块的整机选型与关键系统设计模型中的设计规则库，通过调用应用层的工业APP进行掘进机关键参数计算、地质水土压力计算和设备各零部件设计计算；

在施工阶段，通过边缘层的数据采集模块和网络通讯模块将掘进机施工过程中产生的掘进参数、地质参数、时间、位置、刀盘振动、刀具磨损、刀具转速、刀具温度、渣片图像、渣片数量等多源海量数据采集、传输至基础层服务器数据库，然后通过调用平台层机理模型中的多子系统智能规划与协同控制模型及应用层的工业APP，利用平台层的数据存储分析模块对多源海量数据进行分析计算，最后将分析计算结果通过平台层的微服务模块进行展示、查阅；

平台层微服务模块设有机群管理、实时监控、地质预警、施工报警、参数预测功能，在机群管理中查看项目信息、工程进度、掘进机状态的信息；在实时监控中查看掘进机施工过程中各系统部件状态、掘进机上位机实时状态、掘进机实时位置以及施工现场各视频监控的信息；在地质预警中查看地质风险源信息，也可随时录入不良地质探测结果，当掘进机即将接近不良地质条件时发出预警提示；施工报警可在掘进机各系统部件出现异常状态时发出报警提示，同时自动记录报警信息，工程人员可随时录入现场异常情况；参数预测提供下一时刻的掘进参数建议值；

在运维阶段，边缘层采集的掘进机掘进、故障、维保等数据传输存储至基础层服务器数据库，同时通过平台层微服务模块记录的维保信息和配件管理数据也自动存入基础层服务器数据库，然后通过调用平台层机理模型模块的故障诊断故障预测与预测性维护模型、智能运维管理模型以及应用层的工业APP可以进行设备运行状态评估、故障诊断；平台层微服务模块设有设备运行状态评估、故障诊断、维保信息和配件管理的功能，在设备运行状态评估中查看设备历史和当前状态；在故障诊断中查看设备关键部件历史和当前故障状态；在维保信息查看维保日志、维保工单的信息，发送维保提醒，录入维保信息；在配件管理中进行配件查询和配件调度；

在再制造阶段，利用平台层数据存储分析模块及应用层工业APP，对基础层服务器数据库存储的掘进机服役时间、地点及设备零配件更换时间、次数等掘进机服役期间的数据进行分析，得到设备履历及设备状态评估的信息；平台层微服务模块设有设备履历、设备零配件清单、设备状态评估的功能，在设备履历中查看设备服务工程信息和服务时长、零配件更换履历的信息；在设备零配件清单中查看设备当前零配件详细信息；在设备状态评估中查看设备当前所有零部件的状态。

Images