论文部分内容阅读
摘 要：地铁车辆检查由于受人员和设备的影响，问题难以发现，形成安全隐患，不能根据轨道设备变化规律，科学制定设备维修周期，维修资源浪费。本文提出了初始检查间隔设定与检查周期不同的不等间隔确定方法。提高检测质量，找出设备病害，利用动态检测资料指导地铁检修部门科学地养修设备，消除病害，降低成本，保证列车运营安全。
关键词：地铁车辆；线路维修；间隔优化
地铁车辆是确保地铁安全、正点、高效运行的关键设备。建立一套行之有效的维修体制，是保证车辆完好、充分发挥效能、降低运营成本、实现安全可靠运输的重要保障。地铁车辆的预防性维修工作包括检查、功能检查及润滑保养等，其中的检查和功能检查是预防性维修的重点。目前对检查工作的研究一般都是基于初始检查间隔与检查周期时间相同的假设，这与实际不相符合。为简化计算，一般将维修后的故障率假设为与维修前相同或者故障率与初始相同。
一、地铁车辆维修方式分析
目前国内地铁车辆的维修主要采用计划预防修制度。地铁车辆的维修模式在初步设计方案中也采用计划预防修，一般分为列检、月修、定修、架修、大修。目前新建地铁已开始在车辆上安装列车自诊断系统和列车信息系统，通过其所控制的测量、监控设备，可对车辆电子、电气、机械系统的功能和耗损等进行监测与控制。当有故障发生时，该系统自动记录故障信息，并对故障进行评估，向司机报告；而存储在中央存储单元中的故障信息则由维修人员利用便携式计算机读出或下载后，利用车辆故障诊断系统进行分析，来查找故障点和故障原因。该装置为采用状态修提供了良好条件。实施状态修并非不要定期修。由于存在无法检测的故障，从安全性考虑，定期修在目前还应是主要的检修方式，但应对定期修的修程进行适时调整。初期确定的修程及其内容与实际车辆状况必定存在差距。为寻求检修能力和检修质量的最佳结合点，建议对检修形式做探索性调整。
二、地铁车辆维修模式构建
本文假设首次检查间隔为KT，K取最接近某个检查周期的整数，这样确定的首次检查间隔比较符合实际情况。检查就是看系统是否能正常工作，不能正常工作则立即进行維修，所研究的车辆系统出现故障后维修工作占大部分，故障系统经过维修后故障率处于新品和维修前故障率之间，用于系统本身的检查时间相对维修检查间隔非常小，可忽略不计。车辆系统出现的故障只有通过检查才能发现且首次检查间隔内不会发生故障，检查周期丁为常数；系统故障后修复故障率处于修复如新与修复如旧之间，役龄同退因子为а；系统检查工作利用系统的非工作时间进行，不影响系统正常运行；检查是完善的，若系统发生故障，检查时就可检出。预防性维修使研究对象系统功能有一定量的恢复，性能比维修实施前有所提高，但不会使系统工作状态与刚投人的状态一致，相当于将系统的役龄向前推移一定的量，经过维修后的故障率发生变化的回退因子，使得维修后故障率大于新品故障率而小于维修前故障率。
三、地铁车辆维修优化模型
求解模型的优化算法较多，由于粒子群优化算法（PSO）编码相对简单、运行速度较快、因此通用性较强，但其存在的缺陷是，容易陷入局部最优点，导致目标函数达不到足够的要求精度。为了避免PSO算法的缺陷，引入免疫算法（IA）对粒子群算法进行改进，可提高粒子群算法全局搜索的能力。通过免疫的引用增加新粒子的多样性，进而避免寻优过程中的局部收敛.实际上就是将2种算法结合，使其具备2种算法的优点而一定程度上避免了缺陷。通过随机产生S个符合条件的粒子，S∈[20，40]，选S=40，设每维权重r的变动范围为[0，1]；每维速度v变动范围为a[-1，1]，a∈[0.1，1]；最大迭代次数为imax=600，预测精度e=0.0001。Ci（T， K1， K2， …Ks）是第i个粒子的适应度，i=1， 2…， S。由上式计算得到的适应度，确定每个粒子搜索到的最好位置、粒子群该次寻优迭代的最好位置以及粒子群到目前为止寻找到的最好位置，通过适应度寻优后每一维向量表征模型权重重新求取。引入免疫算法寻优，利用优等粒子代替劣等粒子；通过检测新的S个粒子，判断其粒子寻优位置是否为不可行解，如果为不可行解，则用某个记忆粒子代替。再一次由随机产生M个满足要求的粒子；需要增加的新粒子数为M=S/2。
以某地铁车辆为例，车辆门的驱动锁闭机构系统包含传动丝杆、右螺母组件、左螺母组件、解锁轮组件等4个子系统，其故障率服从二参数威布尔分布，由设计寿命可知，车辆系统寿命周期，考虑维修领域实际情况，设定役龄同退因子，根据统计数据，车辆门进行一次预防性维修的基本费用。根据费用率维修优化模型，在不同的可用度约束条件下，运用免疫粒子群算法对地铁车辆门系统实例进行优化计算，优化算法粒子数为40，迭代最大次数取400，当A=0.99时，可以看出经过300次迭代后，优化算法寻优过程趋于稳定。当子系统可用度较高时，初始检查间隔是检查周期的3～4倍，检查间隔略小；如果采用等间隔检查策略，同时采用维修优化模型，在可知度分别为0.99，0.97，0.95，0.93和0.90时得到的系统维修费用率，比按初始检查间隔和检查周期不同的维修策略模型得到的费用率分别增加了9.72%，8.96%，7.49%，8.47%和9.05%.说明所提出的维修优化方法中初始检查间隔与检查周期不同的方法，较传统的由初始检查间隔确定维修间隔的方法更经济。
四、结束语
鉴于当前检查模型都是等间隔检查的策略，同时维修之后元件故障率与初始故障率或者维修前故障率相同，针对地铁车辆系统提出了不等间隔检查周期的检查优化模型；设备维护后故障率处于恢复如旧与恢复如新之间，考虑了维修的实际情况，符合实际的维修模型以及检查策略提高了地铁车辆系统的可用性，降低了设备系统的维修费用。
参考文献：
[1]袁振洲.城市轨道交通通勤乘客心理及运营对策分析[J].城市轨道交通研究，2014.
[2]杜志刚.面向驾驶员视觉信息加工的行车安全评价模型研究[J].企业文化，2014.
关键词：地铁车辆；线路维修；间隔优化
地铁车辆是确保地铁安全、正点、高效运行的关键设备。建立一套行之有效的维修体制，是保证车辆完好、充分发挥效能、降低运营成本、实现安全可靠运输的重要保障。地铁车辆的预防性维修工作包括检查、功能检查及润滑保养等，其中的检查和功能检查是预防性维修的重点。目前对检查工作的研究一般都是基于初始检查间隔与检查周期时间相同的假设，这与实际不相符合。为简化计算，一般将维修后的故障率假设为与维修前相同或者故障率与初始相同。
一、地铁车辆维修方式分析
目前国内地铁车辆的维修主要采用计划预防修制度。地铁车辆的维修模式在初步设计方案中也采用计划预防修，一般分为列检、月修、定修、架修、大修。目前新建地铁已开始在车辆上安装列车自诊断系统和列车信息系统，通过其所控制的测量、监控设备，可对车辆电子、电气、机械系统的功能和耗损等进行监测与控制。当有故障发生时，该系统自动记录故障信息，并对故障进行评估，向司机报告；而存储在中央存储单元中的故障信息则由维修人员利用便携式计算机读出或下载后，利用车辆故障诊断系统进行分析，来查找故障点和故障原因。该装置为采用状态修提供了良好条件。实施状态修并非不要定期修。由于存在无法检测的故障，从安全性考虑，定期修在目前还应是主要的检修方式，但应对定期修的修程进行适时调整。初期确定的修程及其内容与实际车辆状况必定存在差距。为寻求检修能力和检修质量的最佳结合点，建议对检修形式做探索性调整。
二、地铁车辆维修模式构建
本文假设首次检查间隔为KT，K取最接近某个检查周期的整数，这样确定的首次检查间隔比较符合实际情况。检查就是看系统是否能正常工作，不能正常工作则立即进行維修，所研究的车辆系统出现故障后维修工作占大部分，故障系统经过维修后故障率处于新品和维修前故障率之间，用于系统本身的检查时间相对维修检查间隔非常小，可忽略不计。车辆系统出现的故障只有通过检查才能发现且首次检查间隔内不会发生故障，检查周期丁为常数；系统故障后修复故障率处于修复如新与修复如旧之间，役龄同退因子为а；系统检查工作利用系统的非工作时间进行，不影响系统正常运行；检查是完善的，若系统发生故障，检查时就可检出。预防性维修使研究对象系统功能有一定量的恢复，性能比维修实施前有所提高，但不会使系统工作状态与刚投人的状态一致，相当于将系统的役龄向前推移一定的量，经过维修后的故障率发生变化的回退因子，使得维修后故障率大于新品故障率而小于维修前故障率。
三、地铁车辆维修优化模型
求解模型的优化算法较多，由于粒子群优化算法（PSO）编码相对简单、运行速度较快、因此通用性较强，但其存在的缺陷是，容易陷入局部最优点，导致目标函数达不到足够的要求精度。为了避免PSO算法的缺陷，引入免疫算法（IA）对粒子群算法进行改进，可提高粒子群算法全局搜索的能力。通过免疫的引用增加新粒子的多样性，进而避免寻优过程中的局部收敛.实际上就是将2种算法结合，使其具备2种算法的优点而一定程度上避免了缺陷。通过随机产生S个符合条件的粒子，S∈[20，40]，选S=40，设每维权重r的变动范围为[0，1]；每维速度v变动范围为a[-1，1]，a∈[0.1，1]；最大迭代次数为imax=600，预测精度e=0.0001。Ci（T， K1， K2， …Ks）是第i个粒子的适应度，i=1， 2…， S。由上式计算得到的适应度，确定每个粒子搜索到的最好位置、粒子群该次寻优迭代的最好位置以及粒子群到目前为止寻找到的最好位置，通过适应度寻优后每一维向量表征模型权重重新求取。引入免疫算法寻优，利用优等粒子代替劣等粒子；通过检测新的S个粒子，判断其粒子寻优位置是否为不可行解，如果为不可行解，则用某个记忆粒子代替。再一次由随机产生M个满足要求的粒子；需要增加的新粒子数为M=S/2。
以某地铁车辆为例，车辆门的驱动锁闭机构系统包含传动丝杆、右螺母组件、左螺母组件、解锁轮组件等4个子系统，其故障率服从二参数威布尔分布，由设计寿命可知，车辆系统寿命周期，考虑维修领域实际情况，设定役龄同退因子，根据统计数据，车辆门进行一次预防性维修的基本费用。根据费用率维修优化模型，在不同的可用度约束条件下，运用免疫粒子群算法对地铁车辆门系统实例进行优化计算，优化算法粒子数为40，迭代最大次数取400，当A=0.99时，可以看出经过300次迭代后，优化算法寻优过程趋于稳定。当子系统可用度较高时，初始检查间隔是检查周期的3～4倍，检查间隔略小；如果采用等间隔检查策略，同时采用维修优化模型，在可知度分别为0.99，0.97，0.95，0.93和0.90时得到的系统维修费用率，比按初始检查间隔和检查周期不同的维修策略模型得到的费用率分别增加了9.72%，8.96%，7.49%，8.47%和9.05%.说明所提出的维修优化方法中初始检查间隔与检查周期不同的方法，较传统的由初始检查间隔确定维修间隔的方法更经济。
四、结束语
鉴于当前检查模型都是等间隔检查的策略，同时维修之后元件故障率与初始故障率或者维修前故障率相同，针对地铁车辆系统提出了不等间隔检查周期的检查优化模型；设备维护后故障率处于恢复如旧与恢复如新之间，考虑了维修的实际情况，符合实际的维修模型以及检查策略提高了地铁车辆系统的可用性，降低了设备系统的维修费用。
参考文献：
[1]袁振洲.城市轨道交通通勤乘客心理及运营对策分析[J].城市轨道交通研究，2014.
[2]杜志刚.面向驾驶员视觉信息加工的行车安全评价模型研究[J].企业文化，2014.