北京和利時(shí)系統工程有限公司王仁哲，行增暉，劉小樹(shù)

1目標和概述

截至2020年底，中國內地有45個(gè)城市開(kāi)通城軌交通運營(yíng)線(xiàn)路共269條，運營(yíng)線(xiàn)路總長(cháng)度達7978.19公里。需要維護的設備種類(lèi)及設備設施的數量達到幾十萬(wàn)/百萬(wàn)臺套級別。不斷延伸的線(xiàn)路和增加的客流為行業(yè)帶來(lái)持續的發(fā)展機會(huì )，同時(shí)設備狀態(tài)監控及分析預測能力的落后，也為軌道交通的設備維修保養等工作帶來(lái)了難以疏解的繁重壓力，具體表現在：信息碎片化現象嚴重，數據一致性差；數據類(lèi)型單一，無(wú)法支撐有效的數據分析手段；各專(zhuān)業(yè)信息形成孤島，共享困難；信息滯后，實(shí)時(shí)性和追蹤性差。

軌道交通機電設備種類(lèi)和數量繁多、運行機理各異，設備運維保養也面臨上述同樣問(wèn)題。為此和利時(shí)公司使用邊緣計算和云邊協(xié)同技術(shù)，在邊緣側部署邊緣智能控制器，與車(chē)站的邊緣云相結合?；谔摂M化及工業(yè)互聯(lián)網(wǎng)架構，依靠強大靈活的通訊能力和運算能力，使用一套系統實(shí)現多維數據采集，以及多個(gè)專(zhuān)業(yè)的統一監控管理。

該方案的主要目標是采用邊緣計算與云邊協(xié)同技術(shù)，通過(guò)自動(dòng)、實(shí)時(shí)、全面透徹的感知，實(shí)現物與物、人與物、人與人的全面互聯(lián)、互通、互動(dòng)，處置由事后向事前預警預測轉移，實(shí)現預測維修管理模式落地。通過(guò)各專(zhuān)業(yè)設備相關(guān)數據整合與大數據設備建模分析，智能生成設備運維工作建議，從而提高運維效率，降低運維成本，提升運行安全。

2方案介紹

城市軌道交通智能機電管理平臺iBAS方案，使用基于和利時(shí)集團自主研發(fā)的邊緣智能控制器（EdgeIntelligenceController，EIC）替代傳統可編程控制器PLC，采用虛擬化技術(shù)并搭載AI人工智能算法，實(shí)現傳統BAS功能和機電智能診斷功能。利用EIC邊緣計算功能并結合AI人工智能算法，實(shí)現節能控制、扶梯/風(fēng)機/水泵/冷水機組等機電設備的智能故障診斷等更廣泛的應用。搭載無(wú)線(xiàn)物聯(lián)模塊，通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò )實(shí)現設備的無(wú)線(xiàn)接入，減少復雜網(wǎng)絡(luò )布線(xiàn)，節約施工和材料成本。方案系統架構圖如圖1所示。

圖1 城市軌道交通智能機電管理平臺iBAS方案系統架構圖

2.1解決方案硬件平臺

EIC采用工業(yè)級無(wú)風(fēng)扇設計，搭載高性能4核CPU，支持USB、DP、Powerlink、以太網(wǎng)等多種外設接口，支持多種存儲介質(zhì)擴容以提升整機系統硬件性能，單體設備能提供80TOPS的算力，同時(shí)通過(guò)算力網(wǎng)絡(luò )來(lái)實(shí)現邊緣側多個(gè)EIC之間的算力均衡和算力調度。依托虛擬化技術(shù)，EIC可劃分為工業(yè)控制、邊緣計算等不同業(yè)務(wù)系統，靈活劃分各業(yè)務(wù)系統的硬件資源、外設，使得各系統安全隔離、靈活擴展。作為邊緣控制平臺，集成成熟的工業(yè)控制、邊緣計算、協(xié)議轉換等行業(yè)應用，與云平臺深度融合，實(shí)現云邊端協(xié)同。EIC外觀(guān)與軟件功能劃分分別如圖2、圖3所示。

圖2EIC外觀(guān)圖

圖3EIC軟件功能劃分圖

和利時(shí)EIC技術(shù)水平及指標：

（1）最小輸入輸出響應周期≤10ms，且與系統規模無(wú)關(guān)。

（2）單站支持I/O物理點(diǎn)數≥300,000點(diǎn)。

（3）支持高速采集通道≥200通道，單個(gè)通道采樣率≥64Ksps，分辨率16bits。

（4）支持機架冗余，冗余切換時(shí)間≤50ms。

（5）支持在線(xiàn)下裝，可在運行中無(wú)擾修改邏輯、硬件、任務(wù)等資源。

（6）支持聯(lián)合仿真。

（7）全系統時(shí)間同步，時(shí)間分辨率≤1ms。

（8）可擴展算力，最大算力≥100TOPS。

2.2解決方案人工智能算法

在云端進(jìn)行大數據的存儲，利用大數據分析和機器學(xué)習建立模型；云端將訓練的模型通過(guò)云邊通道同步到邊緣側，在邊緣智能控制器中進(jìn)行計算，實(shí)現設備的控制輸出；云端根據設備的運行情況，持續優(yōu)化模型。目前在北京19號線(xiàn)地鐵項目中已經(jīng)實(shí)現自動(dòng)扶梯故障診斷與預測分析、風(fēng)機故障診斷與預測分析、站臺門(mén)故障診斷與預測分析、蓄電池故障診斷與預測分析、節能控制與冷水機組診斷分析等AI算法，收到預期效果。iBAS方案云邊協(xié)同人工智能算法實(shí)現邏輯如圖4所示。

圖4iBAS方案云邊協(xié)同人工智能算法實(shí)現邏輯圖

該項目主要產(chǎn)生3項專(zhuān)利、6項軟件著(zhù)作權，具體如表1、表2所示。

表1主要知識產(chǎn)權列表

表2主要軟件著(zhù)作權成果列表

3代表性及推廣價(jià)值

城市軌道交通智能機電管理平臺iBAS方案是完全落地的邊緣計算與云邊協(xié)同的典型場(chǎng)景案例。整體技術(shù)充分考慮地鐵行業(yè)設備運維的實(shí)際需要，方案具備良好的可擴展性，能滿(mǎn)足行業(yè)對設備運維的高標準要求。該方案使用一套系統實(shí)現對監控系統多維度的高效統一管理；系統的大規模應用，可幫助企業(yè)用戶(hù)實(shí)現智能監控，支撐預測維修管理模式落地，實(shí)現故障處置由事后向事前預警預測轉移。該方案已應用于北京地鐵19號線(xiàn)上，在該線(xiàn)路上采用了EIC實(shí)現傳統BAS功能以及機電智能診斷功能。通過(guò)虛擬化技術(shù)，EIC替代傳統物理PLC，并融合FEP、邊緣計算，實(shí)現了自動(dòng)扶梯、風(fēng)機、站臺門(mén)、蓄電池、節能控制等五類(lèi)設備或系統的故障診斷與預測分析，利用平臺功能整合孤立的機電運維系統，實(shí)現統一運維。同時(shí)EIC實(shí)現傳統BAS功能和機電智能診斷功能，進(jìn)一步實(shí)現“降本增效保安全”的建設目標。

該方案在先進(jìn)技術(shù)應用上具有以下代表性：

（1）對象化管理（數字孿生）：針對設備對象，融合運行狀態(tài)數據、監視狀態(tài)數據、輔助監視系統數據，將設備自身狀態(tài)、工藝狀態(tài)、環(huán)境狀態(tài)及歷史信息統一進(jìn)行整體建模，實(shí)現對象化的設備監視管理。

（2）智能化應用（數據驅動(dòng)）：基于EIC整合的多維度大數據，利用人工智能算法，實(shí)現設備在線(xiàn)故障診斷報警、健康監測、故障趨勢預測、預測維修、故障原因分析、維修效果評估等功能。提升運行安全，降本增效。

（3）邊緣計算：該方案以EIC作為邊緣計算平臺，采用高性能處理器及靈活的硬件資源擴展架構，實(shí)現算力、存儲、網(wǎng)絡(luò )資源的擴展，提高邊緣側處理能力，降低云端資源需求。同時(shí)EIC具有強大的網(wǎng)絡(luò )接口功能，支持智能儀表、現場(chǎng)總線(xiàn)、物聯(lián)網(wǎng)、視頻/圖像等多種接入方式，簡(jiǎn)化系統硬件架構，降低設備和工程部署成本。

（4）云邊協(xié)同：該方案將云原生技術(shù)應用到傳統監控系統中，提高系統部署的靈活性，并為系統的持續升級提供便利的方法。提供容器化的部署平臺，形成云邊協(xié)同，將傳統監控系統中的控制器、現場(chǎng)總線(xiàn)、I/O通道等資源整合到云端，通過(guò)云端管理，同時(shí)云端通過(guò)計算平臺采集的數據做模型訓練，推理部署到邊緣計算平臺，從而實(shí)現各種預測功能。

城市軌道交通智能機電管理平臺iBAS方案僅僅是以EIC為計算平臺的邊緣計算一個(gè)落地方案，在城市軌道交通中，邊緣計算方案也可以推廣應用到信號、供電、隧道、通信等不同的專(zhuān)業(yè)設備運維中，據行業(yè)保守估計，到2025年，軌道交通維保市場(chǎng)規模將達到1500億元以上。該方案能幫助用戶(hù)降本增效，實(shí)現設備全生命周期管理，使設備可靠性提高10%以上，故障率降低15%，設備可用率達96%以上，維護成本下降15%。

此外，以EIC為核心的邊緣計算方案還可以在以高速鐵路、高速公路等為代表的大交通行業(yè)及電力、石化、智能工廠(chǎng)、新能源等領(lǐng)域有廣泛應用場(chǎng)景。對推動(dòng)全行業(yè)數字化、智能化、綠色化轉型具有重大意義。

摘自《自動(dòng)化博覽》2022年2月刊