基于蟻群算法的受電弓故障檢修管理優化

顧建凱

（南京鐵道職業技術學院 機車車輛學院，講師，江蘇 南京，210000）

1 引言

本文研究如何提高受電弓故障檢修維護管理效率。對工業應用設備故障檢修維護管理程序優化分析，學術研究中主要有兩種方式：一種是結合設備結構和應用原理，并通過對預期故障建模或將現場典型故障匯總建模從而對設備后期運行維護形成管理風控的理論支持；另一種是通過長時間檢修故障信息累積進行模型數據嵌入和相關結論分析。本文旨在兼顧兩種方式進而得以戶型驗證從而達到結論的準確性。

本文以TSG15B型受電弓結構和工作原理為分析基礎，結合機車應用過中受電弓故障情況以及檢修人員相關工作，從兩個方向對故障信息進行權重指標分析。一方面基于故障樹和各故障點影響度；另一方面通過基于蟻群算法的模糊層次分析法明確各故障底事件的權重指標，完成對受電弓故障理論分析，并將兩方面數據互相比較以增強結論魯棒性，達到提高處置故障效率進而降低故障發生概率研究預期。

2 受電弓失效分析及故障樹建模

2.1 TSG15B受電弓功能失效分析

以電控氣動為動作機理的受電弓在弓網耦合機制下高速運行并從接觸網上汲取電能，其故障形成原因主要有兩方面：一是自身機構原因，如機械零部件、升降弓氣路和邏輯控制閥板等故障導致受電弓無法正常工作；二是外部環境因素，如雨雪天工作環境惡化、突發物件撞擊等造成受電弓功能實效。受電弓典型故障見表1。

表1 受電弓典型故障

2.2 TSG15B受電弓故障樹建模鑒于TSG15B型氣囊式受電弓組成零部件繁多、電控氣動機理關聯較為復雜以及與機車其他電器設備存在硬件連接和邏輯聯系，實際應用要綜合考慮受電弓應用故障的多源異構特點，通過故障樹對受電弓故障關聯建模，能夠明了表示出器件各組成部件以及各故障狀態聯系，為后續進一步數學分析提供依據［1］。受電弓故障樹的建立分成三層結構，以表格中“T受電弓故障”作為頂事件，“A1-A5”作為中間事件，“X1-X24”作為底事件，其中邏輯關系為A1-A5之間為或的關系都可引發頂事件的發生，底事件中除了X23和X24需要共同發生才會引起A5中間事件的發生，其他底事件都為或的關系，其發生都會引起對應中間事件的發生。

2.3 受電弓故障樹定性和定量分析通過定性和定量對模型進行初步分析，其中定性分析的目的在于明確底事件當中的最小割集，最小割集的集合映射出了受電弓失效的全部故障種類，也即明確了故障樹當中的系統薄弱環節。在分析過程中采用下行法，即自上而下對故障樹進行探究，以下層事件替換上層事件，如事件為與的關系則將其添加入對應割集中去，如為或的關系則增加割集數量即可，如此重復直至所有事件都替換為底事件，再通過布爾函數進行簡化至確保統一割集中事件關系都為相與即可得到最小割集［2］。根據以上要求可以明確出受電弓故障樹模型的布爾表達式（見式1），在明確好最小割集的基礎上。

定量分析基于定性分析的結果對目標頂事件（受電弓失效）發生的概率進行估算，以TSG15B型受電弓百萬公里故障率為采樣參數，對各底事件概率進行統計。共對樣本中的6臺機車進行數據采集，日行5 506 km，年度走行為3 920 450 km。通過故障樹定性分析可以得知故障底事件的邏輯關系，再結合概率公式（式2）進行頂事件受電弓故障概率計算，最終可以得到受電弓故障頂事件發生概率可以用公式（式3）表示。

將表格中各底事件發生概率代入公式當中可得受電弓故障發生的概率為0.197，以百萬公里的故障率來看還是比較高的，原因在于其中計入了接觸壓力匹配度差的這一考慮因數，而從應用角度講，目前的弓網接觸壓力都是事先設定好的固定參數，所以很難根據現場使用環境進行自動對應調整，該處寄望于后期在受電弓主動控制環節進行進一步的智能控制實現。

2.4 故障底事件的重要度分析故障樹底事件的重要度分析包括結構重要度、概率重要度以及關鍵重要度，本文以反映各基本底事件概率變化對受電弓故障概率影響的關鍵重要度進行數值統計分析，各底事件的關鍵重要度根據式4進行計算，其中g（P）為頂事件的發生概率，g（1iP）為對應底事件發生時頂事件發生的概率。

運用公式及前述受電弓故障發生的概率和各底事件故障率進行關鍵重要度數據統計，通過故障樹中定量分析中的底事件重要程度對比分析其中碳滑板因為接觸壓力匹配度差、弓網之間滑動摩擦引起的物理損耗、雨雪天因為較易引起弓網之間的拉弧進而引起碳滑板灼傷，與現場應用中所反映出的故障情況相符，但該分析體系有賴長時間故障事件積累，相關部件的周期性使用勞損將會出現，導致故障概率進一步增大。鑒于該分析結果有一定的片面性，本文采用模糊層次分析法對故障底事件重要度進行計算。

3 模糊層次分析法矩陣

模糊層次分析法具備良好的數學表達能力，可以將其與故障樹分析法進行有效結合從而方便求取各底事件相對頂事件的重要度數值［3］。模糊層次分析法步驟如下：①目標明確；②搭建層次模型；③根據專家評測明確同一層各因數相對重要度；④搭建模糊判斷矩陣；⑤計算各因數重要度數值。在分析過程中前2步的建模過程與故障樹分析法是一致的，之后對同一層各事件元素之間相對重要度依據專家參與制定的受電弓故障0.1-0.9九標度法進行模糊判斷矩陣建模。

由于受電弓各故障間關聯性強弱不盡相同、依據九標度法所構成的判斷矩陣往往很難具備一致性，解決的方法是首先通過以上九標度法的度量標準衡量比較，并且滿足于aij+aji=1（i，j=1，2，...，n）［4］，即可得到底事件X1-X22，X23*X24相對于頂事件受電弓故障的模糊判斷互補矩陣，矩陣形式如下所示，再經由一定的變換使得矩陣具備一致性，也即滿足等式aij=aik-aik+0.5，其中一致性具備當中的每個元素表示為：也即將原模糊判斷矩陣按照行進行求和）。

4 權重優化分析

在通過現場專家經驗并且結合模糊層次分析法當中的數學轉換計算即可得到反映受電弓故障底事件兩兩之間重要程度關系的模糊一致判斷矩陣，而模糊一致判斷矩陣所反饋的關系信息決定了是可以基于其本身的數值關系來求取每個元素的權重指標。設每個底事件X1-Xn對應的權重值為w1-wn，根據文獻［5］所述內容，有關系式rij=0.5+a（Wi-Wj）（i，j=1...n）成立，最終權重值求解將以

考慮計算數據量繁多，本文采用蟻群算法，此法模擬了同等時間內螞蟻覓食以外激素濃度作為信息傳遞媒介并因此形成信息正反饋，其算法思想吻合于模糊判斷矩陣進行權重值最優值的求解，設定運行參數為：蟻群規模為50，最大迭代次數為100，信息重要度因子、啟發函數重要程度因子、信息素揮發因子、常系數分別為1、6、0.2、8，通過迭代求解，每次運算完成對信息素進行更新，并且記錄當次運行的最優解，通過MATLAB進行軟件算法迭代100次后，得出最優權重適應度變化圖形如圖1所示，從圖中可以觀察到大約40次迭代后達到收斂狀態，最終得到的蟻群覓食終點即為每個故障底事件的重要度數值為［0.04368 0.02918 0.13568 0.02256 0.02286 0.02255 0.04915 0.02816 0.05129 0.04512 0.0015 0.04745 0.04815 0.04622 0.04815 0.02025 0.02011 0.04335 0.4015 0.1991 0.04991 0.02451 0.05119 0.1991］。

圖1 底事件重要度計算收斂度

通過故障樹定量分析中的底事件重要度數值確認對比基于蟻群算法的模糊層次分析法的底事件重要度計算數值結果，通過圖2可以發現對應重點底事件的重要度數值接近，同時也滿足現場受電弓檢修實際，該理論分析結果能夠對現場受電弓的檢修起到支持和幫助作用。

圖2 受電弓故障底事件重要度數值

5 結論

綜上所述，通過對受電弓故障點分別進行以現場檢修數據為建模基礎的故障樹分析，以及基于蟻群算法的模糊層次法分析，兩者結論趨于一致，可以得出受電弓故障中，以碳滑板結塊，裂紋的重要度權值最高，滑板氣管破裂故障緊隨其后，所以在檢修維護中要關注與接觸網進行高速相關摩擦接觸的碳滑板部分；控制環節部分在檢修維護過程中要加強單部件檢修完成后重新組裝的氣密性試驗以保證運行的可靠性。