德国铁路股份公司（DB）目前正在研究应用光纤传感、数字孪生等技术来提高德国铁路线网的运输能力，并为列车移动闭塞运营及铁路基础设施智能维护提供支持。文章将介绍DB Netz与其合作伙伴联合开展的FOSSIL 4.0研究项目，该项目旨在发掘光纤传感（FOS）技术潜在用途和功能，以替代传统无源传感器提供所需数据，为铁路数字孪生打造新的、更精确灵敏的神经系统。
- 背 景 -
数字孪生是充分利用物理模型、传感器更新数据、运行历史数据等，集成多学科、多物理量、多尺度、多概率的仿真过程，可在虚拟空间中完成映射，从而反映所对应实体装备的全生命周期过程，现实世界中的几乎任何对象都可以创建数字孪生。其实质是，基于计算机的模型通过最新通信技术接收数据和信息，并据此应用分析软件实施实时优化，然后将输出传输回现实世界。数字孪生的应用已成为推进“工业 4.0 ”的必然趋势。
随着相关技术的成熟和推广，数字孪生逐步应用于铁路领域。铁路基础设施公司及运营公司对于利用数字孪生获取详尽的铁路系统相关实时信息、提高铁路线网运输能力、缩短铁路系统维护时间、实现预测性维修，寄予了极大期望。
构建铁路数字孪生需要大量实时数据的支撑。负责采集数据的传感器网络越灵敏、全面，采集的数据越及时，则可以越好地映射现实。然而，这对DB来说是一个特别的挑战。DB下属线路网络子公司（DB Netz）运营着欧洲最大的铁路线网之一，总线路里程超过33 000 km。在如此大规模的线网中为每个无源传感器安装电源和通信链路需要花费巨大的人力、物力和财力。因此，DB Netz力图寻找适合的替代传感器技术以支持其数字化战略。目前，其正在与AP sensing公司、达姆施塔特工业大学合作开展FOSSIL 4.0研究项目，旨在发掘光纤传感（FOS）技术的潜在用途和功能，以替代传统无源传感器、提供所需的数据。
- FOSSIL 4.0 项目概述 -
FOSSIL 4.0项目于2020年4月启动，预计将持续到2023年3月，预算为300万欧元，其中三分之二来自德国联邦数字化和交通部（BMDV）。该项目的主要研究内容为：探索如何利用光纤传感技术支持各种铁路应用，这有助于确定DB现有的光纤基础设施是否可用于列车完整性检测，从而使列车在行车间隔缩短的情况下安全运行；细化采集列车实时状态数据，以支持列车的智能和预测性维修，从而提高其可用性；测试节能驾驶、轨道障碍物检测、短路快速定位等技术；开发软件安全架构以及智能维护、移动闭塞算法，鉴定人工智能（AI）方法的有效性，并利用AI进行自动安全验证。
- FOS 技术 -
本项目的FOS技术主要由AP Sensing公司提供。该技术利用光在光纤中的传输特性（如相位、强度等）会随光纤外部环境因素（如温度、压力、电场、磁场等）的变化而改变的原理，将现有的光缆网络（目前仅用于数据传输）用作无源传感器，使其成为由数千个传感器构成的长链。就像人类用感官感知环境并将信号传输到大脑一样，数字孪生可将FOS系统作为自己的神经系统，采集并记录通过光纤检测到的、沿途每个点的温度和振动数据。FOS系统对于各种变化的定位精度可达米级。
目前，DB的主要铁路线路旁边都已铺设了光缆，用于铁路通信，并将在未来几年内覆盖整个铁路线网。这些光缆可作为FOS设备，采集列车沿轨道行驶时产生的所有声音和频率模式，提供铁路基础设施及列车相关的时间和空间连续声学图像，如图1所示（图中红色虚线代表
AP Sensing
公司用作铁路数字孪生神经系统的现有光缆网络）。相关的FOS信号始终与列车实时位置、速度和长度相关联，通过这些信号能够检测并区分同时沿一条轨道行驶的多列列车，以及在多轨道线路的各条轨道上行驶的每列列车。由于FOS系统可提供轨道上所有列车的精确位置信息和状态数据，因此可基于此对列车完整性进行全面检测，从而实现缩短列车行车间隔、提高铁路线网运输能力的目标。
- FOS系统灵敏度的提高 -
由于FOS系统灵敏度和覆盖范围的显著提高和扩大，其目前可以检测到由行驶列车所引起的声学信号的微小变化，并定位其来源。在此基础上，采用基于机器学习的特殊调整算法，可实现对车轮和轨道所产生信号的解耦，从而确定变化是由列车还是轨道结构引起的。
为证明基于FOS技术的数字孪生的灵敏度和有效性，项目人员在巴鲁斯/马克以北的柏林—德累斯顿干线某区段上进行了相关测试。测试结果如图2所示。图中展示了使用FOS系统检测出的一系列不同的声学事件，其中模拟光缆被盗的声学信号与列车驶过、汽车穿越平交道口的声学信号差异明显。12：27：30，一列火车驶进达勒维茨车站，减速并停车，在图中B区相关声学信号清晰可见；与此同时，在距Rangsdorf 1 km的地区发生了模拟电缆盗窃事件，见C区中红色框标记处；距此1 km处为A10高速公路上跨铁路的桥梁，公路上频繁往来的车辆对声学测量信号产生影响，见D区中的大面积红色区域。这3个事件都在光缆沿线的不同位置同时发生，通过将FOS技术与
基于机器学习的特殊调整算法
相结合，能够对三者进行识别和正确区分。
- 实现铁路基础设施智能维护 -
构建铁路数字孪生的优点之一是可将FOS系统的检测数据可用于铁路基础设施诊断。铁路数字孪生可利用其“声学记忆”分析某一线路区段声学信号的发展历史，并将其与另一区段的声学信号进行比较，从而可靠地检测出缓慢的、与磨损相关的轨道结构变化。这种“声学记忆”有助于实现铁路基础设施的智能维护，以提高轨道的可用性和通过能力。
目前被广泛采用的移动闭塞技术虽然可缩短行车间隔、提高列车密度，但也会导致铁路基础设施的磨损加大。而基于FOS技术的铁路数字孪生能够实现对铁路基础设施的智能维护，最大限度地减少维修和更新对基础设施可用性的影响，充分发挥移动闭塞技术的优势，切实提高铁路线网的运输能力。
参考文献
[1] Bernd Drapp. Digital Twins gain a new nervous system[J]. Railway Gazette International，2022（4）：22-23.
[2] 基于光纤传感技术的德国铁路数字孪生[J]. 现代城市轨道交通，2023（2）：109-111.
