基于模糊聚類的城市軌道交通車輛系統劃分與故障統計分析

郭 翔　邢宗義

（1.上汽大眾汽車有限公司南京分公司，211100，南京；2.南京理工大學自動化學院，210094，南京∥第一作者，現場工程師）

基于模糊聚類的城市軌道交通車輛系統劃分與故障統計分析

郭 翔1邢宗義2

（1.上汽大眾汽車有限公司南京分公司，211100，南京；2.南京理工大學自動化學院，210094，南京∥第一作者，現場工程師）

摘 要為保障城市軌道交通車輛安全可靠運營，對車輛在運營過程中積累的故障數據進行統計分析，挖掘故障規律。依據功能-原理-結構原則構造城市軌道交通車輛子單元的相關矩陣，并采用模糊聚類算法對城市軌道交通車輛進行系統劃分。根據故障數據篩選原則進行數據預處理，并以所劃分系統為基礎進行故障數據分類統計分析，采用故障主次圖、故障趨勢圖和故障點分布圖綜合展示分析結果。以某地鐵公司一線路為例，進行車輛系統劃分和故障統計分析，并給出對應的車輛故障點分布圖，展示該線路車輛故障分布情況。

關鍵詞城市軌道交通車輛；故障統計分析；模糊聚類算法

First-author＇s address Shanghai VOLKSWAGEN Nanjing Branch，211100，Nanjing，China

車輛作為城市軌道交通（以下簡為“城軌”）的核心組成部分，其可靠性直接影響城軌的安全、高效運營。車輛結構越來越復雜，功能越來越完善，自動化程度越來越高，導致城軌車輛發生故障的概率不斷升高，故障類型復雜多樣。對城軌車輛運營過程中積累的故障數據進行分類統計分析，可以發現車輛的故障規律，從而指導車輛的維保作業，保障車輛的安全可靠運行。

對產品故障數據進行可靠性數據分析是產品可靠性工作的基礎。文獻［1］對衛星在軌故障數據進行統計分析，研究衛星運行時的故障規律。文獻［2］在故障信息統計數據的基礎上，提出了軌道車輛故障分布規律和可靠性指標計算的工作流程。文獻［3］對CRH5動車組進行故障統計分析，為動車組的維修提供建議。

我國各地鐵公司對城軌車輛的系統劃分不完全相同，故障數據分類存在一定差異，導致故障統計分析有時不能準確表征車輛狀態。本文在某地鐵公司調研基礎上，提出基于功能-原理-結構的城軌車輛系統劃分原則，采用模糊聚類算法對城軌車輛進行系統劃分，得到不同粒度下城軌車輛系統劃分；根據系統劃分結果對城軌車輛的故障數據進行分類統計分析，提出城軌車輛故障點分布模型來描述城軌車輛故障分布規律。

1　城軌車輛系統劃分

城軌車輛是集多專業于一體的產品，涉及機械、電子、計算機、控制等多領域，故障模式繁多、故障成因復雜。為統計分析城軌車輛故障記錄，研究城軌車輛的故障規律，需要將城軌車輛合理劃分成若干個系統。通過對城軌車輛系統的故障統計分析，可反映各系統的可靠性情況，并進一步研究城軌車輛的故障分布規律。

模塊化設計廣泛應用于各類復雜的機電一體化產品。機電一體化產品的系統劃分通常在產品的設計階段，在模塊設計階段，面向維修的模塊劃分的主要目的是方便產品維修［4-5］。也有學者針對已有產品，提出模塊劃分的方法，用于產品技術改造［6］。

本文采用模糊動態聚類算法進行系統劃分，首先給出系統劃分原則，然后構造產品元素之間的相關矩陣，最后通過模糊動態聚類算法實現產品系統劃分。

1.1基于功能原理結構的系統劃分原則

基于功能原理結構的模塊劃分原則從產品的功能特性、原理特性和結構特性出發，考慮復雜產品的本質，進行產品組成元素的相關性分析［7］。

1.1.1功能相關性分析

功能分析是模塊劃分的基礎。功能相關主要為功能接口的相關性，包括能量流、物料流和信號流［8-9］。功能相關性在進行模塊劃分時，將實現同一功能的元素聚在一起構成同一模塊，其定義如表1所示。

表1　功能相關性

1.1.2原理相關性分析

原理是指構成產品的元素在其全生命周期過程中涉及的原理和技術。原理相關的元素在制造、裝配和維修過程中采用相近的原理或技術。模塊間的原理或技術盡量獨立，模塊內的原理或技術盡量相同。原理相關性定義如表2。

表2　原理相關性定義

1.1.3結構相關性分析

結構相關是指產品元素結構之間的融合、連接、裝配關系。按照結構之間可裝拆的難易程度，結構相關性定義如表3所示。結構相關性越高，元素間越難拆卸，組成模塊的可能性越大。

表3　結構相關性

1.2相關矩陣構造

根據功能、原理和結構相關性分析，可以得到功能子相關矩陣AF、原理子相關矩陣AP和結構子相關矩陣AS。每個子相關矩陣由專家進行評定。由三個子相關矩陣構建模糊相關矩陣R，用Rij表示元素i和元素j之間的相關度：

式中：

AF，ij——元素i和j之間的功能相關度；

AP，ij——元素i和j之間的原理相關度；

AS，ij——元素i和j之間的結構相關度；

ω1，ω2，ω3——分別為功能相關性、原理相關性、結構相關性的權重系數，且ω1＋ω2＋ω3=1，應用層次分析法可確定ω1、ω2、ω3的值。

模糊相關矩陣中，若0≤Rij=Rji≤1，且相同元素間的相關度為1，該矩陣為對稱矩陣。對該模糊相關矩陣采用模糊動態聚類算法進行模糊動態聚類。

1.3模糊聚類算法

城軌車輛作為功能全面、結構復雜的機電產品，其子功能模塊間存在模糊界限。為了能夠通過城軌車輛的故障數據統計反映車輛狀態，尤其從不同粒度評價車輛子系統可靠性狀態，可對城軌車輛進行基于模糊聚類的系統劃分。

基于模糊相關關系的直接聚類算法計算量小，易于理解。直接聚類算法包括最大樹法和編網法，其中編網法形式清晰、方便表達［10］。

編網法過程如下：取λ∈［0，1］，對模糊相關矩陣R作λ-截矩陣Rλ，Rλ的主對角線上為元素符號，在主對角線的下方，若Rij＜λ，則用0表示，若Rij＞λ，則用1表示；在同一行或同一列中值為1的元素聚集為同一模塊，剩余元素則單獨成一模塊，從而將單元聚類為不同的模塊；當λ從0到1變化時，得到不同粒度的聚類結果，從而形成模塊的動態聚類。

2　城軌車輛故障統計分析

2.1故障數據統計規則

在城軌車輛運營過程中，車輛檢修部門會詳實記錄車輛所有故障數據和處理過程，但其中的部分故障數據不能反映車輛狀態，影響車輛可靠性評估。因此，在對車輛故障數據進行統計分析之前，需對故障數據進行篩選處理。結合工程實際，給出以下故障數據統計規則：

（1）損耗件在超過壽命期后使用所出現的故障不計；（2）連帶故障（由前級故障導致的故障）不計；（3）由于意外事件（碰撞、事故、故意破壞、災害等）引起的故障不計；

（4）列車修復前重復出現的故障僅計為一次故障；

（5）預防性維修和檢測或其他計劃性活動，如果沒有部件更換不計；

（6）因超出列車設計規定的使用環境或條件造成的故障不計；

（7）不影響人力物力費用、可通過簡單調整處理的輕微缺陷不計。

2.2故障數據統計分析方法

根據上述統計規則對故障數據進行篩選處理之后，將故障數據按車輛系統和故障原因進行分類。通過故障主次圖、故障趨勢圖、故障點分布圖表現車輛的故障狀態，研究車輛故障規律。

故障主次圖是最常用的故障統計分析方法，工程中常用故障百分比主次圖直觀顯示產品故障中的薄弱環節。按車輛系統和車輛故障原因對故障進行分類，并通過故障主次圖看出車輛故障較多的系統和車輛故障的主要原因。

故障趨勢圖可以直觀地體現車輛或車輛系統的故障數隨時間變化的關系，進而可用來研究故障隨時間變化的規律。

提出一種故障點分布圖的方法，用以宏觀地表現城軌車輛的故障點分布特征。通過某一粒度下城軌車輛的系統劃分進行故障分類，同時根據故障原因對各系統故障再次分類，建立城軌車輛的故障點分布圖。故障點分布圖一方面表示出各系統故障統計值和各原因故障統計值，另一方面可完整地表達出各系統故障、各類原因故障與整車故障數間的比例關系，從車輛故障系統及故障原因兩方面直觀地顯示出城軌車輛的故障點分布特征。

3　實例分析

以某地鐵公司線路的城軌車輛為例進行車輛系統劃分和故障統計分析。

該線路的車輛劃分為：1——有接點控制電路，2——車鉤及緩沖裝置，3——車門，4——車體及內裝，5——乘客信息，6——輔助系統，7——供風，8——氣制動，9——貫通道，10——空調，11——列車控制及診斷（含火災報警系統），12——牽引∕電制動（含高壓主電路），13——受電弓∕集電靴，14——照明，15——轉向架∕輪對，16——供電接口，17——軌道接口，18——信號接口，19——其他。這種系統劃分方式過于詳細而繁復，不具備普適性。

運用前文所述的系統劃分方法，將19個系統看作組成城軌車輛的子單元，首先分析19個子單元之間的功能相關性、原理相關性和結構相關性，得到功能子相關矩陣AF、原理子相關矩陣AP和結構子相關矩陣AS。確定權重系數ω1=0.56，ω2=0.20，ω3=0.35。通過式（1）計算得到模糊相關矩陣R（見圖1）。

對R作λ-截矩陣Rλ，由編網法得到的動態聚類模塊如圖2所示。

由圖2可以看出：取λ=0.7時，將軌道車輛劃分為11個系統，分別為走行部、供風氣制動、牽引∕電制動、車體、輔助系統、車門、乘客信息、空調、有接點控制電路、列車控制及診斷系統、其他；取λ=0.5時，將城軌車輛劃分為5個大系統，分別為走行、制動、牽引、輔助、其他。

根據城軌車輛的系統劃分，結合該地鐵公司將故障原因分為電氣元器件、電子板件、機械部件、軟件、外部人為原因、易損易耗件、其他7個類別，可對故障數據進行分類和統計分析。

圖3為λ=0.7時該線路全部車輛按系統分類的故障主次圖，可看出車門系統、輔助系統和乘客信息系統是故障數最多的三個系統，在檢修中應予以重視。

圖4為該線路車門系統2011年故障趨勢圖，可以看出12月和1月車門故障較多。

圖1　模糊相關矩陣R

圖2　城軌車輛系統動態聚類

圖3　城軌車輛系統故障主次圖

圖5為λ=0.5時城軌車輛故障點分布圖。其中，內圈餅圖為城軌車輛的5個大系統，可形象地表現5個系統在整車中的故障數及其所占比例；外環為各個系統中的主要故障類別如機械部件、電子板件、電子元器件等故障的次數及占整車故障的比例。

由圖5可直觀地得到該線路車輛故障的分布情況：

（1）車輛各系統故障數及比例：輔助、牽引、走行、制動和其他等5個系統的故障數分別為4 951、731、633、357和791，占整車故障的比例分別為66﹪、10﹪、8﹪、5﹪和11﹪。可見輔助大系統是城軌車輛故障最多的系統。

（2）車輛各系統主要故障原因及相應故障數：走行系統主要故障原因為機械部件，占車輛故障總數比例為7﹪。

4　結語

針對城軌車輛故障數據統計分析存在的分類紊亂、條理不清晰等問題，首先依據功能-原理-結構的系統劃分原則構建城軌車輛子單元相關矩陣；然后采用模糊聚類算法對城軌車輛進行系統劃分，取粒度度量值為0.7和0.5，分別將城軌車輛劃分為走行部、供風氣制動、牽引∕電制動、車體、輔助系統車門、乘客信息、空調、有接點控制電路、列車控制及診斷系統、其他等11個子系統和走行、制動、牽引、輔助、其他等5個大系統；最后在此基礎上對故障數據進行分類、篩選和統計，用故障主次圖、故障趨勢圖和故障點分布圖描述不同粒度下城軌車輛故障規律。結果表明，車門、輔助系統和乘客信息系統是故障率最高的三個子系統，通過故障點分布圖可以直觀顯示城軌車輛故障的分布情況。

圖5　城軌車輛故障點分布圖

參考文獻

［1］ 趙海濤，張云彤.東方紅三號系列衛星在軌故障統計分析［J］.航天器工程，2007，16（1）：33.

［2］ 李勤，周立新.軌道車輛部件運用可靠性分析方法研究［J］.城市軌道交通研究，2010（1）：63.

［3］ 劉立志，王華勝.CHR5型動車組運用故障統計分析［J］.鐵道機車車輛，2009，29（6）：62.

［4］ 李婷婷，龔京忠，李國喜，等.可維修性驅動的模塊劃分［J］.機械設計與制造，2007（2）：166.

［5］ 郟維強，馮毅雄，譚建榮，等.面向維修的復雜裝備模塊智能聚類與優化求解技術［J］.計算機集成制造系統，2012，18 （11）：2459.

［6］ 宗鳴鏑，蔡穎，劉旭東，等.產品模塊化設計中的多角度、分級模塊劃分方法［J］.北京理工大學學報，2003，23（5）：552.

［7］ 李國喜，吳建忠，張萌，等.基于功能-原理-行為-結構的產品模塊化設計方法［J］.國防科技大學學報，2009，31（5）：75.

［8］ STPNE R B，WOOD K L，CRAWFORD R H.A heuristic method for identifying modules for Product architecture［J］. Design Studies，2000（21）：5.

［9］ DAHMUSJ B，GONZALEZ-ZUGASTI J O，OTTO K N. Modular Product architecture［J］.Design Studies，2001，22 （5）：409.

［10］ 唐文獻，吳春艷，馬寶，等.基于模糊聚類分析的錨絞機模塊劃分方法研究［J］.機械設計，2012，29（10）：24.

System Division and Failure Statistical Analysis of Metro Vehicle Based on Fuzzy Clustering Algorithm

Guo Xiang，Xing Zongyi

AbstractIn order to guarantee the safety and efficiency of metro vehicle＇s operation，the accumulated failure data of metro vehicle are used to excavate the failure law through statistical analysis.Firstly，the correlation matrixes of metro vehicle＇s subunits are constructed based on functionprinciple-structure module partition principle，and fuzzy clustering algorithm is applied to system division of metro vehicle，on this basis，a statistical analysis of the selected failure data is conducted.Pareto chart，trend chart and distribution chart of failure points are applied to display the results of statistical analysis.Finally，a metro cooperation＇s line is taken as the example for system division and statistical analysis of the failure data，and a corresponding distribution chart of failure points is proposed to describe the distribution of metro vehicle＇s failure.

Key wordsurban rail transit vehicle；failure statistical analysis；fuzzy clustering algorithm

中圖分類號U 279.2

DOI：10.16037∕j.1007-869x.2016.01.014

收稿日期：（2014-03-04）