一種城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法
【專利摘要】本發(fā)明提供一種城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法，采用基于生存分析的方法確定轉(zhuǎn)向架的構(gòu)架、彈簧裝置、連接裝置、輪對和軸箱、驅(qū)動機構(gòu)、基礎(chǔ)制動裝置的最佳壽命分布模型，并得出各子系統(tǒng)的可靠性特征函數(shù)，然后采用進化算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型對轉(zhuǎn)向架各子系統(tǒng)的故障率進行計算。最后，將轉(zhuǎn)向架各子系統(tǒng)的故障率和安全運營天數(shù)作為協(xié)變量進行比例風(fēng)險模型建模，在成本優(yōu)化的基礎(chǔ)上，得出轉(zhuǎn)向架系統(tǒng)視情維修的閾值和控制限。
【專利說明】一種城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種轉(zhuǎn)向架的故障預(yù)測與視情維修方法，尤其涉及一種城軌列車轉(zhuǎn)向 架的故障預(yù)測與視情維修方法。

【背景技術(shù)】
[0002] 城市軌道列車轉(zhuǎn)向架系統(tǒng)是城軌列車的重要部件，用來傳遞各種載荷，并利用輪 軌間的黏著來保證牽引力的產(chǎn)生，其性能很大程度上決定了車輛運行的穩(wěn)定性和安全性。 因此，如何準確地評定城軌列車轉(zhuǎn)向架系統(tǒng)的可靠性，預(yù)測轉(zhuǎn)向架系統(tǒng)的故障率，對于城軌 列車運行的穩(wěn)定性和安全性具有重要意義。同時，轉(zhuǎn)向架系統(tǒng)在使用過程中，需要及時進行 檢修、維護、保養(yǎng)，其產(chǎn)生的費用是城軌列車維護養(yǎng)護費用的主要組成部分，因此準確地評 定城軌列車轉(zhuǎn)向架系統(tǒng)的運行狀態(tài)，制定合理的轉(zhuǎn)向架系統(tǒng)維修計劃，對于保證城軌列車 安全經(jīng)濟地運行具有重要意義。
[0003] 研究系統(tǒng)可靠性的方法主要有統(tǒng)計模型法和機理模型法。統(tǒng)計模型法主要是通過 分析系統(tǒng)失效時間的概率分布函數(shù)，并得出系統(tǒng)相關(guān)的可靠性指標，如平均故障間隔時間、 失效率等。機理模型法主要是通過對系統(tǒng)的結(jié)構(gòu)原理進行可靠性分析。在維修決策建模的 研究，現(xiàn)有技術(shù)中提出綜合考慮了運行條件、負載大小等因素對系統(tǒng)壽命帶來的影響，建立 旋轉(zhuǎn)機械的維修模型并取得了較好的效果，表明了協(xié)變量在對系統(tǒng)壽命分布規(guī)律研究中的 重要作用。
[0004] 以上研究在轉(zhuǎn)向架系統(tǒng)可靠性分析和視情維修上都取得了一定的成果，但是，仍 然一定的問題：（1)目前上述研究大多針對鐵路客車、貨車，而對城軌列車轉(zhuǎn)向架可靠性的 研究較少；（2)上述方法基于監(jiān)控或檢修數(shù)據(jù)，有時不能準確地掌握轉(zhuǎn)向架的壽命時間，在 時間的不確定問題上缺乏考慮；（3)對于傳統(tǒng)的系統(tǒng)壽命或系統(tǒng)性能衰退數(shù)學(xué)描述通常是 基于一維時間變量來衡量的，但是對于轉(zhuǎn)向架等復(fù)雜系統(tǒng)而言，維修閾值的模糊性以及失 效模式的隨機性等因素使得僅依據(jù)一維時間變量無法客觀地予以評估，必須同時考慮性能 參數(shù)、失效類型等相關(guān)協(xié)變量對系統(tǒng)運行的影響，為制定維修優(yōu)化決策提供更有力的依據(jù)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明對轉(zhuǎn)向架系統(tǒng)的各關(guān)鍵部件進行可靠性分析，通過對轉(zhuǎn)向架系統(tǒng)關(guān)鍵部件 歷史檢修數(shù)據(jù)的整理和分析，建立故障率預(yù)測模型，并針對整個轉(zhuǎn)向架系統(tǒng)建立比例風(fēng)險 模型。
[0006] 具體采取如下技術(shù)方案：
[0007] -種城軌列車轉(zhuǎn)向架視情維修方法，轉(zhuǎn)向架包括構(gòu)架、彈簧裝置、連接裝置、輪對 和軸箱、驅(qū)動機構(gòu)、基礎(chǔ)制動裝置六個子系統(tǒng)，該方法依次包括如下步驟：（1)根據(jù)采集的 歷史故障數(shù)據(jù)進行刪失處理，基于生存分析的方法確定轉(zhuǎn)向架各子系統(tǒng)的最佳壽命分布 模型，并得出各子系統(tǒng)的可靠性特征函數(shù)，計算出各子系統(tǒng)的可靠度，將各子系統(tǒng)中可靠度 最低的子系統(tǒng)確定為轉(zhuǎn)向架最薄弱環(huán)節(jié)，進行對該最薄弱環(huán)節(jié)重點關(guān)注；(2)采用進化算 法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型計算轉(zhuǎn)向架各子系統(tǒng)的故障率；(3)將轉(zhuǎn)向架各子系統(tǒng)的安全運營 天數(shù)和計算得到的故障率作為協(xié)變量進行比例風(fēng)險模型建模，得出轉(zhuǎn)向架系統(tǒng)視情維修的 閾值和控制限，控制限上限是失效閾值，在運行過程中，一旦發(fā)現(xiàn)系統(tǒng)狀態(tài)值超過上限，則 系統(tǒng)此時為不可用狀態(tài)，按規(guī)定必須進行修復(fù)性修理或更換后才重新投入使用；控制限下 限是預(yù)防性維修或更換閾值，代表系統(tǒng)的潛在故障開始出現(xiàn)，如果系統(tǒng)的狀態(tài)值超過了下 限，則應(yīng)考慮對部件作相應(yīng)的排故或預(yù)防性維修工作，如果系統(tǒng)的狀態(tài)值低于下限，則不用 考慮維修。
[0008] 優(yōu)選地，步驟（1)包括如下步驟：
[0009] 1)建立輪對和軸箱、彈簧裝置、連接裝置兩參數(shù)威布爾分布模型，
[0010] 故障分布函數(shù)為：
[0011]

【權(quán)利要求】
1. 一種城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法，所述轉(zhuǎn)向架包括構(gòu)架、彈簧裝置、 連接裝置、輪對和軸箱、驅(qū)動機構(gòu)、基礎(chǔ)制動裝置六個子系統(tǒng)，其特征在于，該方法依次包括 如下步驟： (1) 根據(jù)采集的歷史故障數(shù)據(jù)進行刪失處理，基于生存分析的方法確定轉(zhuǎn)向架各子系 統(tǒng)的分布模型，并得出各子系統(tǒng)的可靠性特征函數(shù)，計算出各子系統(tǒng)的可靠度，將各子系統(tǒng) 中可靠度最低的子系統(tǒng)確定為轉(zhuǎn)向架最薄弱環(huán)節(jié)； (2) 采用進化算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)模型計算轉(zhuǎn)向架各子系統(tǒng)的故障率； (3) 將轉(zhuǎn)向架各子系統(tǒng)的安全運營天數(shù)和計算得到的故障率作為協(xié)變量進行比例風(fēng)險 模型建模，得出轉(zhuǎn)向架系統(tǒng)視情維修的閾值和控制限，控制限上限是失效閾值，在運行過 程中，一旦發(fā)現(xiàn)系統(tǒng)狀態(tài)值超過上限，則系統(tǒng)此時為不可用狀態(tài)，按規(guī)定必須進行修復(fù)性修 理或更換后才重新投入使用；控制限下限是預(yù)防性維修或更換閾值，代表系統(tǒng)的潛在故障 開始出現(xiàn)，如果系統(tǒng)的狀態(tài)值超過了下限，應(yīng)對部件作相應(yīng)的排故或預(yù)防性維修工作，如果 系統(tǒng)的狀態(tài)值低于下限，則不用考慮維修。
2. 根據(jù)如權(quán)利要求1所述的城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法，其特征在 于， 步驟（1)包括如下步驟： 1) 建立輪對和軸箱、彈簧裝置、連接裝置兩參數(shù)威布爾分布模型， 故障分布函數(shù)為：
可靠度函數(shù)為：
概率密度函數(shù)為：
失效率函數(shù)為：
其中，,彡>〇且?？ >〇,t為故障間隔時間，盧和分別是分布的形狀參數(shù)和尺度 參數(shù)； 2) 建立構(gòu)架、驅(qū)動機構(gòu)、基礎(chǔ)制動裝置三參數(shù)威布爾分布模型， 故障分布函數(shù)為：
可靠度函數(shù)為：
其概率密度函數(shù)為：
失效率函數(shù)為：
其中，t為故障間隔時間，P>0且7 >0, #和?？分別是分布的形狀參數(shù)和尺度參 數(shù)，y是分布的位置參數(shù)。
3.根據(jù)前述權(quán)利要求所述的城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法，其特征在 于，步驟（2)包括如下步驟：建立的基于PSO的BP神經(jīng)網(wǎng)絡(luò)模型，采用PSO優(yōu)化BP神經(jīng)網(wǎng) 絡(luò)連接權(quán)值，并對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，在建模過程中，確定PSO的參數(shù)，設(shè)置如下： 1) 選取粒子數(shù)目為30; 2) 粒子最大速率選取為0. 5 ; 3) 粒子根據(jù)如下的公式來更新自己的速度和位置，
式中，表示第i個粒子在第々+1代時的飛行速度；表示第i個粒子在第左+1 代時的位置；表示第i個粒子到第i代的最優(yōu)位置；^表示種群到第i代的最優(yōu)位置； <-彳為個體認知；< -彳為種群認知，為慣性權(quán)重；'^是粒子的速度；^和^為學(xué)習(xí) 因子；T1和巧為均勻分布在[〇, 1]內(nèi)的隨機數(shù);i=l，2… 4) 適應(yīng)度函數(shù)為 /=IiRMSE； 5) 初始化，將輸入輸出數(shù)據(jù)歸一化到[-1，1]區(qū)間，初始化產(chǎn)生的粒子種群代表不同權(quán) 重與閾值組合的神經(jīng)網(wǎng)絡(luò)，產(chǎn)生初始BP網(wǎng)絡(luò)結(jié)構(gòu)； 6) 評價，依據(jù)4)中公式計算其適應(yīng)度； 7) 更新位置和速度，通過比較適應(yīng)度不斷更新粒子的位置，適應(yīng)度最優(yōu)的個體極值即 為全局極值，對應(yīng)的權(quán)值與閾值為粒子種群的當(dāng)前最優(yōu)解，更新速度； 8) 算法停止的判斷，達到最大迭代次數(shù)或適應(yīng)度達到期望誤差，停止迭代； 9) 最優(yōu)解的生存，迭代停止時，全局權(quán)值對應(yīng)的權(quán)值與閾值為訓(xùn)練樣本的最優(yōu)解； 10) 將最優(yōu)解帶入BP神經(jīng)網(wǎng)絡(luò)模型中學(xué)習(xí)，用來對故障率進行預(yù)測。
4.根據(jù)前述權(quán)利要求所述的城軌列車轉(zhuǎn)向架的故障預(yù)測與視情維修方法，其特征在 于，步驟（3)包括如下步驟： 1) 建立轉(zhuǎn)向架的比例風(fēng)險模型，其風(fēng)險函數(shù)為：hfr丨ΛΥ?) 求得故障率閾值f:
其中，t為故障間隔時間，#>〇且7 多和7分別是分布的形狀參數(shù)和尺度參 數(shù)，？是分布的位置參數(shù)，X(t)為協(xié)變量； 2) 以工作時間t為橫坐標、以埤^·)-ι)ω的值為縱坐標作圖，圖形中上線為故 障率閾值對應(yīng)的控制限的上限，下線為故障率閾值對應(yīng)的控制限的下限。
【文檔編號】G06F19/00GK104239694SQ201410431294
【公開日】2014年12月24日 申請日期:2014年8月28日 優(yōu)先權(quán)日:2014年8月28日
【發(fā)明者】秦勇, 賈利民, 史婧軒, 程曉卿, 張媛, 于珊, 寇淋淋, 張振宇 申請人:北京交通大學(xué)