一、项目背景（行业现状、需求分析）

在国家十四五规划下，铁路发展迅猛，铁路信号系统智能化及自动化进一步提升，但铁路信号系统维护、维修工作，依然主要依靠铁路电务人员人工完成：巡检、维护、抢修等。此问题在偏远站点尤为突出，诸如分布在山区的中继站，分布在隔壁、荒漠中的货运车站等，电务人员到达现场工作困难，抢修时间往往大量浪费在路途中，影响铁路正常运营。一种适合于铁路机房的远程巡检机器人的需求非常强烈。

根据中国铁路总公司《关于实施高速铁路“强基达标、提质增效”工程的指导意见的要求》等文件的指导，研究团队自主研发了铁路机房智能机器人巡检系统。与市面上已见的巡检机器人相比，铁路机房智能机器人巡检系统有效解决了铁路机房环境更为复杂、技术要求更高的问题，例如部设备陈列方式不一、各设备灯光显示复杂、报警方式不统一，安全等级高，严禁出现误触误碰等行为。

铁路机房智能机器人巡检系统已成功应用于银西高铁、京张铁路，极大节省了电务人员的人力，提高了维护维修效率，为铁路的正常运营保驾护航。

二、项目介绍（需包括技术成熟度自测）

1.    研发基础

本项目是在电机与电气、机械、知识图谱及机器学习、BIM、传感等多个技术应用的基础上研发的。项目组各成员对上述技术已经拥有一定的开发经验和实际应用实例。

项目组已拥有结合电机与电气、机械等技术，研发寻路机器人的基本经验，在机器人控制研究中已经获得一定基础；已经在其他项目中进行了知识图谱、机器学习的开发与工程实际应用；项目组内成员参与开发了铁路四电BIM平台，BIM相关研究已经较为成熟；项目组已独立研发了基于光栅的传感器，在传感器集成方面已经进行了基础研究。

因此本项目中已经拥有较强的技术基础能力，目前项目组技术成熟度已经达到了能够研发适用于铁路机房的智能机器人巡检系统。

2.    解决方案

2.1首次提出了适用于铁路机房的智能机器人巡检系统，创建了“自行式-无接触-自分析”的智能机器人系统构架。

（1）自行式机器人

项目组充分分析了铁路机房的室内环境特征，采用地面轮式机器人的方式进行巡检，用以避开机房屋顶附近较为复杂的走线架、照明等设备，达到巡检“无死角”。

自行式的机器人架构主要由定期按地图巡检、自主寻找报警位置、自主控制电量、远程操作四大部分功能构成。定期按地图巡检是智能机器人的基本功能，传统的巡检地图为二维平面模式，在纵轴上没有任何约束点；本项目首次设计了BIM平台接口，将BIM所带的铁路机房、设备的三维数据纳入系统，创新性地构建了三维地图，使得使得巡检机器人能够进一步确定空间内运行边界，并能够自主修正其运行姿态，增加运行可靠性、稳定性、安全性。

巡检机器人其次能够完成报警位置自主定位的功能，按照预设的三维地图为打靶基础，通过不同传感器的共同使用，通过深度学习自主判断故障状态，自动寻路至故障点，实时返回故障现象。

巡检机器人能够自主完成电量预估，在电量低于返程阈值后，将自动返回充电仓进行充电。在充电过程中，如若机房设备发生故障，则会优先完成故障定位及故障现象拍照返回任务。

同时巡检机器人能够支持远程操作。在出现故障后，故障点的现象得到了及时反馈，但故障情况下，常常所需的信息不仅是故障点一处，需要多个关键点共同分析，此时铁路电务人员可在抢修的路上远程操控机器人进行实时观察，节省抢修时间。

（2）无接触机器人

铁路机房设备的运行状况与铁路运营息息相关，巡检机器人对铁路机房内设备的误触将会带来巨大的安全隐患。因此项目组在三维地图中对机器人运行姿态进行了严格要求，机器人可运行空间为机器人机壳外5cm，保证了安全阈值。此外因机器人实时调整自身运行姿态，也保证了非接触。

（3）自分析机器人

自分析的基础在于图像识别与分析方法确定。机器人的图像识别采用了深度学习Autoencoders (AE)自动编码模型，保证了识别的正确性。分析系统采用了知识图谱进行构建，采用图数据库进行存储，三元组进行推理，对关系、属性分别进行了描述与存储。实现了发现故障、判断故障、辅助处理的完整故障处理链条。

2.2首次在铁路领域内将“知识图谱”与“深度学习”两大人工智能方向结合，针对铁路电务领域，构建了完整可用的分析系统。首次完成了铁路机房各类环境下的图像识别，提升了整体可靠性，并实现了智能化、自主化分析，进行了实际应用。

（1）应用知识图谱完成专家系统构建。单纯采用深度学习方法去训练数据，往往因数据量过少，导致所得模型无法实际应用。项目组采用知识图谱构建了分析系统，后台数据库同步更新为图数据库，采用三元组记录数据。三元组的性质与铁路系统极为契合，知识图谱的推理功能在系统构建中得到了普遍应用。使得铁路领域内“知识”被储存，极大提高了铁路电务人员维护及维修效率。

（2）应用深度学习解决铁路机房环境复杂，图像识别困难的技术问题。铁路机房环境相比其他领域设备机房更为复杂，例如部设备陈列方式不一、各设备灯光显示不同、报警方式不统一等问题。项目组采用深度学习Autoencoders (AE)自动编码模型，对联锁、CTC、列控、电源屏、智能防雷分线柜等主要信号设备正常、故障情况下的灯光显示进行识别训练，后再进行昏暗环境（光照强度≤100LX）下各灯光交叉显示进行识别训练。通过半年的训练、修正，达到了在不同环境下图像识别率超过95%的成绩，故障报警率达到100%，误报率小于10%。使得巡检效率提升，极大节省了人力。

2.3首次设计了巡检机器人与BIM平台接口，实现实时交互。提出了BIM接口解决方案，全面利用BIM平台模型及数据，创新性地构建了三维地图，实现巡检机器人姿态实时修正，引入BIM平台关键信息，实现了运维期内的设备智慧管理。

（1）BIM平台三维模型增加巡检机器人的运行稳定性，增强空间内巡检效率。项目组创新性的设计了BIM平台交互接口，通过BIM平台，将所建模型、工程信息转入的数据库中。在巡检机器人已经形成寻路地图的条件下，结合BIM三维模型，重新生成三维地图。三维地图的使用，使得巡检机器人能够进一步确定空间内运行边界，并能够自主修正其运行姿态，增加运行可靠性、稳定性、安全性。

（2）BIM平台工程信息数据实现智慧管理功能。通过BIM平台提供的设备空间位置、分类信息、几何信息、属性信息等工程数据，实现了智能管理功能。对铁路室内设备的维护管理基础信息进行分解处理，采用“主体-属性-信息”三元组进行储存。在运维过程中，对三元组进行不断修改，完成运维期内的设备属性记录。巡检机器人通过可控深度学习算法，进行运行状态及寿命预测。及时向铁路电务人员和BIM平台发出预测信息，实现周期内的设备智慧管理。

2.4创新性地自主研发关键传感器，自主集成各传感器信息，解决了传感器灵敏度不足、返回信息混乱等问题。增强了巡检机器人巡检效率，补充了综合处理装置的信息数量，提升了系统的强健度、智慧度。

（1）自主研发温度不敏感的光纤二维倾角传感器，为巡检机器人提供“眼睛”。机器人在铁路机房内的运行需实施调整其动作姿态，但传统传感器精度不足，可靠性较差，需频繁更换。项目组自主研发基于光纤技术的二维倾角传感器，使得传感器的精度、可靠性获得了飞跃。应用于巡检机器人后，提升了机器人的运动精度，使得机器人能够获得更高的速度，观察更加精细。同时保证了机器人的运行对机房内设备的运行不产生任何影响。

（2）自主编制了编制传感器信息编码及归一化规则。除了运行所用的关键倾角传感器外，项目组还同时使用了激光测距传感器、超声波传感器、红外温度传感器、湿度传感器、声音及振动传感器等多个传感器，实时采集铁路机房内各种信息。因传感器种类繁多，数据量大，数据种类庞杂，无法直接使用。项目组自主编制了各传感器信息编码及归一化规则，将所有传感器信息回传信息进行编码，确定每个信息的存储位置及相互关系；构建归一化规则，消除单位向量，打通各个信息之间的交互屏障，在系统中进行综合处理。