基于 BIM 模型的城市轨道交通自动扶梯智能监测系统

马建文

（中铁第四勘察设计院集团有限公司，湖北武汉 430063）

1 引言

自动扶梯（以下简称“扶梯”）广泛用于城市轨道交通中，具有运行时间长（每周7天，每天20 h）、载荷大（最大输送量高达8 190人次/h）等特点。由于扶梯与乘客直接接触，因此维持其正常运行是乘客安全的重要保障。近年来，因设备维修保养（以下简称“维保”）不到位、老化、磨损等原因引起的扶梯伤人事故频频发生，其根本原因在于扶梯的维保方式以故障修（即在设备出现故障时进行维修）和计划修（即按照一定的周期对设备进行维保）为主，难以根据设备的运行状态预先发现可能存在的安全问题，从而很难提前消除隐患。因此，研发扶梯智能监测系统，并据此开展扶梯的预防性维保工作，以确保乘客安全，十分必要。

建筑信息模型（BIM）技术是一种新兴的数字信息技术，BIM模型集成了建筑工程项目各种相关信息,是对工程项目相关信息详尽的数字化表达，具有可视化、协调性、模拟性、优化性和可出图性五大特点。本文构建一种基于BIM模型的自动扶梯智能监测系统（以下简称“监测系统”）。该系统可通过对扶梯运行数据进行采集和加工，将其状态实时反应到BIM模型中；然后根据BIM模型信息进行故障预测；最后以BIM模型、维修知识的形式将维修信息反馈到移动终端，供现场维修人员查阅与使用。

2 系统架构设计

本文构建的监测系统如图1所示。

该系统可划分为4部分：现场层、信息层、分析层及应用层。

（1）现场层。负责对扶梯的各种运行参数进行实时动态监测，有以下2项功能：①采集扶梯自身参数，如振动、位移、主机温度等；②监测扶梯运行的外部环境状态，如通过人数、运行时间、空气温度和湿度等。

（2）信息层。通过现场总线读取扶梯监测传感器数据，并采用无线传输的方式将其发送至远端的控制中心，以便对其进行分析与处理。

（3）分析层。该层是整个系统的核心，负责提取和分析现场采集的数据，并据此将扶梯的当前状态实时体现在BIM模型中；然后根据模型的关联性，结合人工智能算法，对扶梯状态进行实时预测，并提供维保决策辅助。

（4）应用层。该层的功能是实现对扶梯状态的实时显示、查询以及对维保服务的支持。其分为2部分：① 管理人员应用部分，实现扶梯状态实时查询及维保决策辅助功能；②现场人员移动应用部分，以BIM模型、维修知识的形式，为现场维修人员提供在线维保支持。

图1 监测系统示意图

3 关键技术

3.1 非接触式数据采集技术

实现实时、精确、顺畅的信息采集是监测系统正常运行的基础，因此其对传感器系统提出了如下高要求：

（1）具备高可靠性，不漏报，不误报；

（2）具有长期稳定性；

（3）能够防水、防潮、防腐，并适应不同的气候条件；

（4）由于扶梯通常在较强的电磁场环境下运行，因此其传感器系统必须具有较强的抗电磁干扰能力；

（5）由于监测项目和参数众多，因此多种监测技术和监测信号必须具有良好的融合性；

（6）组网方便，便于集中远程传输。

为满足上述要求，该系统采用光纤光栅传感器采集扶梯运行状态数据，因为光纤光栅传感器具有重量轻、体积小、外形可变、抗电磁干扰、电绝缘、耐腐蚀、灵敏度高、测量范围广、信息容量大、输出线性范围宽等特点。所组建的扶梯状态监测网络如图2所示。

光纤光栅传感器负责对扶梯的振动、噪声、温升、位移、应变等参数进行采集，并通过现场网络（采用双环网同步数字体系（SDH）技术构建）将数据上传至现场数据主机中。现场数据主机在对数据进行光/电转换之后，通过无线网将其传输至控制中心。

为解决监测系统采集数据量巨大、占用计算机资源的问题，本文提出变频率数据采集技术，即当扶梯正常工作时，现场数据主机采用较低的采样频率读取传感器数据，以尽可能减少不必要的数据存储与分析操作，节省计算机资源；当某个传感器的监测数据发生突变时，现场数据主机则提高对该传感器数据的读取频率，以确保对扶梯状态的实时跟踪与分析。变频率数据采集流程如图3所示。

3.2 扶梯状态分析和预警技术

3.2.1 基于 BIM 模型的扶梯状态分析

本文建立的扶梯BIM模型如图4所示。

图2 基于光纤光栅传感器的扶梯状态监测网络

图3 变频率数据采集流程

图4 扶梯BIM模型

控制中心的数据服务中心在接收到传感器采集的扶梯状态数据后，对其进行分析和处理，并集成到扶梯BIM模型中，在BIM模型中模拟现场设备状态，通过模型之间的相互作用，确定此状态可能产生的影响。例如，监测驱动主轴状态时，系统会将传感器采集到的驱动主轴振动数据反馈到驱动主轴BIM模型中，并通过模型的装配关系将振动传递至主轴的固定装置上（图 5），在BIM模型中对固定装置进行力学以及稳定性分析，根据模拟分析得到的结果确定驱动主轴的振动对扶梯可靠性的影响。在此过程中，系统通过标准阈值范围判断监测数据是否异常。

图5 驱动主轴BIM模型

3.2.2 基于深度神经网络的扶梯状态预警技术

利用深度神经网络具有多个隐藏层，可用较少的参数表示复杂函数的特性，本文构建了基于深度神经网络的扶梯状态预警系统，如图6所示。其工作原理如下。

（1）采集扶梯各部件的振动、位移、噪声、温度等多维状态数据，以及人员通过量、载荷分布、空气温度和湿度等外部环境状态数据，作为深度神经网络的输入参数x= [x1x2…xn]，其中，xi为多维监测数据参数。

（2）基于BIM模型，分析各个部件状态输入参数与扶梯状态输出的关联性，建立传递函数σ1（x），则第二层的输出为：

式（1）中，a2为隐藏层1的输出结果；ω1为输入层到隐藏层的线性关系；b1为偏倚参数；m为节点数量。

（3）分析外部环境因素与扶梯状态的相关性，建立其关联函数σ2（x），则第三层的输出为：

式（2）中，a3为隐藏层2的输出结果；ω2为输入层到隐藏层的线性关系；b2为偏倚参数；m为节点数量。

（4）通过模拟扶梯零部件的接触关系以及寿命变化过程，结合相关指标的变化趋势，利用多元回归法预测扶梯零部件的剩余寿命y：

式（3）中，k0，ε为调整常量；k1，k2，…，kn为各输入参数的权重系数。

图6 自动扶梯状态深度神经网络

（5）根据现场维保情况，反向修正各层传递函数的权重，优化神经网络。

3.3 基于知识工程的维保辅助技术

在预测出扶梯的剩余寿命后，可根据线网中所有扶梯的状态，按照剩余寿命由少到多的次序进行养护维修。在维保过程中，维修人员通常需要参考一定的标准以判断维保的质量，这些标准包括相关的维保规则、标准、规范，以及以往的维修经验等，可统称为维修知识。这些知识可根据来源分为规范知识与经验知识。本文针对监测系统构建了相应的维修知识库，用于指导后期的养护维修。

3.3.1 知识的存储

（1）规范知识。规范知识是各种维修规则、标准对维修参数的规定和要求，具有条令性强、参数明确等特点，以参数化的形式明确各部件的验收标准。如《自动扶梯和自动人行道的制造与安装安全规范》（GB 16899 -2011）中对扶梯的各种尺寸进行了详细的规定，此类知识适合采用数据表格的形式进行存储。此类知识通过对知识库进行查询操作即可获得，查询语句如“SELECT [字段名]，[字段名] FROM [表名称] where [查询条件]”。

（2）经验知识。经验知识主要来源于以往的维修经历，是通过对以往维修经历进行总结得来的。它具有相对模糊、灵活的特点，因此此类知识在存储时需要采用关键字、关联索引的方式。此类知识在知识库中表示为：

其中，Class为分类，表示属于哪种类型的知识，如养护、维修、破坏等；keyword为索引的关键词；provider为知识提供者；date为知识的提供日期；path为知识的存储路径；size为知识的大小。针对既有的维修经验，可提取其病害类型、维修对象、维修工艺以及维修效果等关键特征，存入知识库，并在出现新故障时采用推理比较的方式，对新故障进行历史数据库的比对，查找类似的维修经历；如果无类似的维修经验，则在提取当前故障特征后，将其纳入知识库中，不断完善知识库，如图7所示。

3.3.2 知识的运用

通过对移动端的二次开发，将维修知识实时推送到维修现场，指导现场维修工作。移动端可远程调用后台维修知识，流程如图8所示。

图7 维修知识推理运用

图8 远程调用维修知识流程

4 结语

目前，本文构建的基于BIM模型的扶梯智能监测系统已在襄阳东津站进行了安装测试，现场反应良好，能够实时、有效地监测扶梯运行状态，为其养护维修提供数据支持。