基于知识图谱的隧道机电智能运维平台浅析.pdf

技术TECHNOLOGYDOI:10.13439/ki.itsc.2023.10.020基于知识图谱的隧道机电智能运维平台浅析彭峰，周凌峰（中兴飞流信息科技有限公司，江苏南京2 1 0 0 0 0）摘要：公路隧道机电设施设备数量多、种类多、分布广，存在运维成本高、质量低、时效性差等问题。本文基于隧道机电设备的维修手册、运维工单、专家经验、历史数据及设备参数等结构化与非结构数据，构建了运维知识图谱，并将其应用于隧道机电智能运维平台，以全面、及时、准确匹配维修信息，实现隧道机电设备的预测性运维和数字化诊断。关键词：隧道；故障；智能运维；知识图谱0引言公路隧道作为智慧高速公路的重要组成部分，其智慧化程度影响着高速公路的整体智慧化水平。公路隧道空间狭窄、光线变化大、视野差，事故率高，发生火灾等紧急事件时，疏导救援工作与普通路段大不一样，且二次事故危害性高，因此，隧道内必须布设有通风设备、照明设备、消防设备、监控设备、信号设备、电力设备、通信设备、环境监测及紧急救援等，以保障车辆的安全通行，部分公路隧道还根据新发展需求进行了智慧化升级，增加了隧道巡检机器人、入口测温相机、毫米波雷达、激光雷达、智慧照明、智慧通风、车路协同等大量新技术设备、新系统。隧道机电设备种类繁多，分布广泛，所处环境复杂，新老设备交替，设备故障具有不可预见性，给隧道机电系统资产信息的全面、准确、及时掌握和运维带来了一定难度，导致隧道机电运维人员投人多、机构多，个人与个人、机构与机构的信息沟通不及时又进一步导致运维成本增高、运维及时性下降。隧道机电设备运维严重依赖运维技术人员个人的专业能力和职业道德，运维技术人员需要通过观察故障手册与状态参数，依据个人经验做出判断，不仅效率低下，且历史数据的价值没有得到有效应用，同一路集团所辖的不同路段公司之间、同一路段负责不同路的机电维护人员之间存在知识鸿沟 2。知识图谱是一种用于表达和组织知识的图形化结构，其将实体、属性和关系等知识元素以图形化的方式呈现出来，形成一个有机的整体。知识图谱可以帮助人们更好地理解和利用知识，从而提高知识的价值和应用效果。目前，知识图谱在高速公路应用方面还处于起步阶段，如利用知识图谱构建智能交通管理系统、实现车辆自动驾驶，对收费、服务进行全面监控和管理等，这些应用主要涉及数据的采集、处理和分析，以及对交通流量、路况、车辆信息等的建模和预测3.4。在智能运维方面，国内有学者基于知识图谱技术，对包含维修手册、运维工单、维修日志等的专家知识进行了文本知识转化和关联分析，实现了对飞机设备故障诊断和维修的赋能 5.6。但针对隧道机电设备智能运维与知识图谱的融合应用还较为匮乏，还需要进一步探索。1隧道机电设备智能运维总体设计1）智能化升级和改造。对隧道机电设备的智能化进行升级和改造，提高设备的自动化程度和智慧化水平，进而提高设备的运行效率和稳定性。2）数据采集和分析。通过超级物联网关、传感器、监测设备等手段采集机电设备的基本信息、日志、运行数据，基于知识图谱技术、大数据分析技术对数据进行处理和分析，实现对设备运行状态的实时状态健康监测和对可能发生故障的预测，进而安排预防性养护，做到有的放矢。3）远程监控和控制。利用物联网技术和远程控制技术，实现对隧道机电设备的远程监控和控制，随时随地对设备进行操作和调整，提高设备的运行效率和稳定性。4）故障诊断和预警。基于知识库、故障库、经验库等知识模型，应用自然语言处理、机器学习、数据挖掘等大数据技术，对隧道机电设备运行数据进行处理和分析，实现故障诊断和预警，及时发现设备故障并智能推荐维修方案进行维修，避免因设备停机造成交通阻断甚至重大交通事故。5）维修管理优化和决策支撑。通过运维报表对隧道机电设备运行数据的处理分析和维修记录进行管理，实现对设备维修的优化管理，提高维修效率，降低维修成本，同时可辅助支撑设备采购等决策。2知识图谱在隧道运维中的应用基于设备全生命周期状态和各回路设备关联关系的知识推理模型和故障库、运维库（包括在线式专家库、运维报表、维修手2023年第1 0 期（总第2 8 8 期）1 中国交通信息化139CHINAITSJOURNALVoI.288No.1O 2023册、使用说明等），融合分析设备基本信息、设备运行信息、设备运行状态，实时监测车流信息、环境数据等多源数据，利用数据建模技术测算出设备当前的性能指标衰减程度，对设备健康指数进行预测，分析判断故障类型、故障趋势、根源及健康状态，预估设备寿命，安排运维计划。2.1运维平台系统架构基于知识图谱的运维平台系统架构分为四层，如图1 所示。应用层设备故障智能问答设备故障风险预测设备故障智能诊断与维修方案推荐知识获取知识对齐知识推理分布集计构建层文本分类实体识别知识存储实体链接本体推理规则推理Yita本体构建实体抽取实体对齐实体去重路径计算不一致性检验Hadoop数据层结构化数据半结构化数据非结构化数据设备层#福个-情报板COMI消防广播风机信号灯 车道指示风速风向照明图1 基于知识图谱的运维平台系统架构2.1.1设备层设备层主要包含隧道机电系统的各类设施设备。2.1.2数据层数据层包括结构化数据、半结构化数据和非结构化数据，结构化数据包括设备台账数据、设备状态数据、故障信息数据和专家经验数据，半结构化数据包括巡检作业数据、维护作业数据、维修作业数据，非结构化数据包括文本类信息、视频信息等。2.1.3 构建层构建层将数据层中各种数据和信息进行整合、清洗、抽取、转换、映射、融合、推理等，构建出一个结构化、语义化、可查询、可推理的知识图谱 7，其过程如下。1）数据收集。从各种数据源中收集维修手册、运维工单、专家经验、历史数据、设备参数、行业建设解决方案和互联网数据等数据。2）数据清洗。对收集到的数据进行清洗，去除重复数据、错误数据和不完整数据，为后续知识抽取提供高品质的设备数据源。3）实体抽取。为获取设备故障描述、故障名称、设备故障采取的措施、设备故障维修结果等可用知识单元，从经过处理的数据中进行实体识别、关系抽取。实体识别是指将数据中的实体抽取出来，并进行分类和归类。关系抽取是指对实体之间的关系进行抽取，包括实体之间的属性关系和语义关系。4）知识融合。将不同数据源中的实体和关系进行融合，包括不同知识库的同一实体、多源异构外部知识等，构建出完整的知识图谱。5）知识推理。对知识图谱进行推理，发现实体之间的新关系和属性，并进行知识的扩展和更新。2.1.4应用层应用层将构建的知识图谱应用到设备故障智能问答、设备故障风险预测、设备故障智能诊断及设备维修方案推荐等场景中，进一步提升隧道的智慧化水平。2.2运维平台业务流程基于知识图谱的智能运维平台包括设备故障智能问答服务、设备故障风险预测服务、设备故障智能诊断服务和设备维修方案推荐服务，其业务流程如图2 所示。运维人员故障信息输入语音识别、语义理解文本相似度匹配不通过根据专家知识设计，提取相似性故障描述的文本数据实体，值判定抽取关键语义信息通过检索知识图谱进行实体间的相似度计算、实体匹配形成新生成的故障描述，计算并返回得分最高的故进行方案匹配障描述获取推荐维修方案图2 隧道设备运维方案推荐服务流程为同时兼顾运维系统的查询效率和维修方案的推荐效率，系统逻辑设计如下：运维技术人员输入设备故障描述文本信息，系统根据文本的关键词条、设备参数进行相似性匹配，若满足系统要求的匹配精确程度，则直接进行运维方案的匹配推荐，若相似度不满足阈值，则通过提取技术人员输入的文本实体，检索知识图谱进行实体匹配，以获取相对准确的运维方案推荐。2.3运维平台模块实现2.3.1设备数据采集对以传统七大系统为主的隧道公路机电设施设备的基本信息、运行日志、外部状态、实时状态、故障及运维记录、人库、转移、变动、理赔、维修、报废、处置等全生命周期数据进行实时管理，解决设备数量大、新老设备交替、设备系统相互独立、资产信息更新滞后等问题。2.3.2智能运维管理1）设备故障智能问答：基于知识图谱技术，将设备自身、供电、通信网络等设备故障原因作为知识实体融人到问答中，与经过拆分的故障文本信息做相似性匹配，将精准匹配的方案反馈给用户，实现故障的第一时间查明，摆脱对运维人员现场经验、专业水平和技术能力的严重依赖。隧道设备故障智能问答流程如图3 所示。2）设备故障风险预测：对设备系统进行整体性分析，利用数据建模技术，构建基于深度神经网络的设备健康度模型，融合分析设备基本信息、设备运营信息、设备运行状态、实时监测交通流信息、环境数据、气象数据等多源数据，进行多角度、多层次评技术TECHNOLOGY故障预测通过通过故障发生审阅工单下发工单审批工单执行验收结束归档不通过不通过结束图5运维工单管理流程运维人员语音/文本提问文本相似度匹配不通过根据专家知识设计，提取相似性问题描述的文本数据实体，阅值判定抽取关键语义信息通过检索知识图谱进行实体间的相似度计算、实体匹配形成新的问题描述，进计算并返回得分最高的问行解析，答案检索匹配题描述答案确认及表示答案反馈图3 隧道设备故障智能问答流程估，测算设备当前的性能指标衰减程度，对设备健康指数进行预测，提前发现故障风险、根源、健康状态，预估每台设备寿命，基于预测结果安排有针对性的预防和计划维护，与日常巡查双管齐下，实现事前维护。隧道设备故障风险预测原理如图4所示。交通事件开始FCM聚类初始化更新隶属度矩脚更新聚类中心交通特征数据车流量气象数据天气状况数据预处理训练集交通事件数据道路特征数据标准化测试集时间周期划分结束翰入聚类中心是康属度矩阵送代收敛FCM聚类模型构建构建风险评价体系评估对象风险模型训练选代挖掘历史规律模型参数寻优挖掘历史数据图4隧道设备故障风险预测3）设备故障智能诊断与处理：基于设备基本信息库、运行信息库、实时监测库、故障库、运维经验库，将隧道机电设备、设备故障发生部位、故障类型、故障名称、故障现象、故障原因、维修对策、维修成本、维修时间等本体间的关联关系进行匹配和知识模型构建，使技术人员在事前不完全了解故障背后关联关系的情况下，实现故障根因分析，获取故障的分析结果、维修方案推荐等功能，有效提升维护的科学性、时效性，降低运维成本。2.3.3运维工单管理以运维管理标准化流程为指导，制定故障发生时的工单管理方案，规范工单管理的各个环节，工作流程如图5所示。对于故障已经发生的场景，根据设备报警内容及系统综合调度生成工单，经领导审核后下发工单，根据工单内容进行人工分配和自动分配，运维人员根据智能运维服务对故障进行快速定位、快速诊断、快速维修，管理人员对维护的效果进行验收审核后，运维结束，将运维工单归档到数据资源库。对于预防性养护，基于设备故障风险预测的健康状态及维保等级，定制预防性养护计划。2.3.4运维统计报表通过可视化形式，按照时间、区域、运维工时、维护工作量，从运维等级、运维时效、运维质量、服务质量、运维成本、维修状态（已维护或未维修）、设备名称、故障率、故障难度、故障时长、服役年限、维护次数、人员效率等多维角度进行定量统计，为设备设施更换维护提供数据支撑，通过反向补全和知识模型更新，不断送代升级知识库，使系统越用越聪明、越用越好用。考虑到隧道设备厂家众多，运维统计报表可用来制定科学的采购计划。2.3.5知识库管理知识库管理可以按照管理单位自身业务特点，对长期积累的数据价值进行沉淀、挖掘，建立故障库、致因库、处置库、产品手册、典型案例、典型工单、工作流程、线上培训课程、知识门户等模块，不断完善运维经验知识库的建设。3结束语本文针对隧道机电设施运维管理的痛点难点问题，对基于知识图谱技术的隧道智能运维平台进行了探析，平台可实现设备故障智能问答、设备故障风险预测、设备故障智能诊断与维修方案推荐，解决隧道机电设备故障排查难、缺乏事前维护、过度依赖运维技术人员，运维时效性差、运维成本高等问题，实现精准运维、智能运维、高效响应。参考文献1张华彬.智慧隧道，争议之下如何破冰?J.中国交通信息化，2 0 2 2(9)：1 8-2 42崔鸿雁.高速公路机电运维系统建设浅析 J.中国交通信息化，2 0 2 2(5).1 3 7-1 3 9.3】石学伟.危化品车辆在途运输监管知识图谱构建研究 D.重庆：重庆交通大学4陈传龙.基于知识图谱的高速公路应急决策推荐方案研究以连徐高速为例 D.哈尔滨：哈尔滨工业大学.5王锐光，吴际，刘超，等，基于维修日志的飞机设备故障原因判别方法 J.软件学报，2 0 1 9,3 0(5)：1 16贾宝惠，蒋番，王玉鑫，等.基于民机维修文本数据的故障诊断方法研究 J.软件学报，2 0 1 9,3 0(5).1 17段宏.知识图谱构建技术综述 J.计算机研究与发展，2 0 1 6,53(3)：1 9.责任编辑：崔雪薇