地鐵運行的PHM技術應用

(沈陽航空航天大學 遼寧 沈陽 110136)

引言

故障預測與健康管理(PHM)技術于20世紀末首次被美國軍方提出應用于聯合戰斗機項目中。隨著技術不斷進步，PHM從傳統的視情維修，發展為通過對設備狀態信息的采集、處理、分析、狀態預測，實現系統的健康管理。PHM也已經廣泛應用于多個領域，其中在航空領域和大型機械設備中應用較為廣泛，在城市軌道交通中應用較少。國內地鐵主要維修方式主要以定期檢查和事后維修為主，不能對地鐵進行狀態監測、故障預測，針對這一缺陷，本文提出PHM模型，能夠實現對地鐵的實時監測，本文構建了模糊診斷模型，并通過實例進行分析。

針對地鐵的故障預測與健康管理，學者做出了大量工作，李雪昆[1]提出PHM系統即以地面PHM系統為核心，通過通訊系統實現與車載PHM系統的數據交互。張波[2]提出在PHM體系中使用分層次融合式體系結構，可有效地降低系統虛報警問題，更適用于大型軌道交通設備。曲璟[3]論述了地鐵在運行過程中可能出現的故障，并提出維修方法。尹愛華[4]等人提出在故障診斷時使用模糊算法建立模糊診斷模型，通過實驗證明可行性。

一、地鐵PHM設計

本文以沈陽地鐵某號線為例，該號線地鐵軌距1475km，途經22站，路線長度27.8km，全線地下，最高速度80km/h。其PHM框圖如圖1.1。

圖1.1 地鐵PHM框圖

由圖1.1可知，地鐵PHM 系統主要由兩部分組成：一部分是處理數據，根據由數據采集設備得到的數據，可在地鐵上對數據進行初步處理。進行數據處理時，一方面要根據檢修數據、車輛履歷數據等，推測故障可能發生的部位，發生事故后果的大小。另一部分是維修決策顯示，根據得到的實時數據，結合歷史數據，進行從列車集群到整個車輛，從子系統到關鍵部件的數據統計與分析、故障診斷、預測與健康管理，并將維修決策顯示出來以便對地鐵進行及時維修。

二、地鐵FMECA故障診斷

(一)構建模型

構建模糊診斷模型重點在于A值和R值的確定，A是地鐵運行中故障輸入的模糊參數集，R是單因素的模糊評價集。綜合評判結果B，B=A*R。

1.根據風險調查列舉法得到地鐵運行中常見的故障。

2.識別出系統中存在的不確定性風險因素，構建風險評估指標體系。

3.根據識別出的風險因素，使用層次分析法，然后根據相關專家意見，形成風險判斷矩陣，通過運算求解判斷矩陣，確定每種指標的權重，計算出相應的最大特征值，進行檢驗，觀察風險矩陣是否通過一致性檢驗。

4.使用模糊綜合評價法，根據專家意見建立評估集，先建立指標層單因素評價集R。

分別計算指標層綜合評價Bn=An·RnEn=Bn·V

再對目標層做出綜合評價

其中V={V1V2V3V4V5}={低 較低 中等 較高 高}={1 2 3 4 5}

5.通過計算得到指標層和目標層的評估值。

6.分析故障危害。

(二)模糊診斷結果驗證與分析

1.為了驗證上述模型的準確性和可靠性，根據查找的大量資料和地鐵的運營數據，本文建立如表2.1所示的地鐵故障指標體系對地鐵運行進行故障診斷。

表2.1 地鐵故障指標體系

2.地鐵整體故障指標權重計算

根據已有的資料和專家的意見得出地鐵列車的整體矩陣，如下：

對于矩陣A進行計算得到的權重系數為

ω=[0.1007 0.2255 0.6738]

表2.2 各目標層故障權重的計算

經過計算上述權重值通過一致性檢測。

經過2.1節所述一系列計算可得B總=A*R={0.3063 0.2195 0.2913 0.0730 0.1099}E總=2.4607

表2.3 地鐵故障診斷結果表

表2.4 地鐵故障等級表

經過上述分析，本文初步得到地鐵的FMECA故障診斷，結合地鐵故障等級表可知地鐵故障整體風險處于一般故障，出乘前故障處于輕微故障，應及時維修；運行中故障處于嚴重故障，應重點檢查，實時監測，及時維修；車輛系統故障屬于輕微故障。

三、結論

本文構建地鐵PHM模型，重點研究模糊算法在故障診斷中的應用，通過建立模糊評判集，完成了地鐵運行模糊診斷模型的建立。最后對該故障診斷模型進行了實例驗證和結果分析，證明了此診斷模型的可行性與準確性。