基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

郭 翔　邢宗义

（1.上汽大众汽车有限公司南京分公司，211100，南京；2.南京理工大学自动化学院，210094，南京∥第一作者，现场工程师）

基于模糊聚类的城市轨道交通车辆系统划分与故障统计分析

郭 翔1邢宗义2

（1.上汽大众汽车有限公司南京分公司，211100，南京；2.南京理工大学自动化学院，210094，南京∥第一作者，现场工程师）

摘 要为保障城市轨道交通车辆安全可靠运营，对车辆在运营过程中积累的故障数据进行统计分析，挖掘故障规律。依据功能-原理-结构原则构造城市轨道交通车辆子单元的相关矩阵，并采用模糊聚类算法对城市轨道交通车辆进行系统划分。根据故障数据筛选原则进行数据预处理，并以所划分系统为基础进行故障数据分类统计分析，采用故障主次图、故障趋势图和故障点分布图综合展示分析结果。以某地铁公司一线路为例，进行车辆系统划分和故障统计分析，并给出对应的车辆故障点分布图，展示该线路车辆故障分布情况。

关键词城市轨道交通车辆；故障统计分析；模糊聚类算法

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

车辆作为城市轨道交通（以下简为“城轨”）的核心组成部分，其可靠性直接影响城轨的安全、高效运营。车辆结构越来越复杂，功能越来越完善，自动化程度越来越高，导致城轨车辆发生故障的概率不断升高，故障类型复杂多样。对城轨车辆运营过程中积累的故障数据进行分类统计分析，可以发现车辆的故障规律，从而指导车辆的维保作业，保障车辆的安全可靠运行。

对产品故障数据进行可靠性数据分析是产品可靠性工作的基础。文献［1］对卫星在轨故障数据进行统计分析，研究卫星运行时的故障规律。文献［2］在故障信息统计数据的基础上，提出了轨道车辆故障分布规律和可靠性指标计算的工作流程。文献［3］对CRH5动车组进行故障统计分析，为动车组的维修提供建议。

我国各地铁公司对城轨车辆的系统划分不完全相同，故障数据分类存在一定差异，导致故障统计分析有时不能准确表征车辆状态。本文在某地铁公司调研基础上，提出基于功能-原理-结构的城轨车辆系统划分原则，采用模糊聚类算法对城轨车辆进行系统划分，得到不同粒度下城轨车辆系统划分；根据系统划分结果对城轨车辆的故障数据进行分类统计分析，提出城轨车辆故障点分布模型来描述城轨车辆故障分布规律。

1　城轨车辆系统划分

城轨车辆是集多专业于一体的产品，涉及机械、电子、计算机、控制等多领域，故障模式繁多、故障成因复杂。为统计分析城轨车辆故障记录，研究城轨车辆的故障规律，需要将城轨车辆合理划分成若干个系统。通过对城轨车辆系统的故障统计分析，可反映各系统的可靠性情况，并进一步研究城轨车辆的故障分布规律。

模块化设计广泛应用于各类复杂的机电一体化产品。机电一体化产品的系统划分通常在产品的设计阶段，在模块设计阶段，面向维修的模块划分的主要目的是方便产品维修［4-5］。也有学者针对已有产品，提出模块划分的方法，用于产品技术改造［6］。

本文采用模糊动态聚类算法进行系统划分，首先给出系统划分原则，然后构造产品元素之间的相关矩阵，最后通过模糊动态聚类算法实现产品系统划分。

1.1基于功能原理结构的系统划分原则

基于功能原理结构的模块划分原则从产品的功能特性、原理特性和结构特性出发，考虑复杂产品的本质，进行产品组成元素的相关性分析［7］。

1.1.1功能相关性分析

功能分析是模块划分的基础。功能相关主要为功能接口的相关性，包括能量流、物料流和信号流［8-9］。功能相关性在进行模块划分时，将实现同一功能的元素聚在一起构成同一模块，其定义如表1所示。

表1　功能相关性

1.1.2原理相关性分析

原理是指构成产品的元素在其全生命周期过程中涉及的原理和技术。原理相关的元素在制造、装配和维修过程中采用相近的原理或技术。模块间的原理或技术尽量独立，模块内的原理或技术尽量相同。原理相关性定义如表2。

表2　原理相关性定义

1.1.3结构相关性分析

结构相关是指产品元素结构之间的融合、连接、装配关系。按照结构之间可装拆的难易程度，结构相关性定义如表3所示。结构相关性越高，元素间越难拆卸，组成模块的可能性越大。

表3　结构相关性

1.2相关矩阵构造

根据功能、原理和结构相关性分析，可以得到功能子相关矩阵AF、原理子相关矩阵AP和结构子相关矩阵AS。每个子相关矩阵由专家进行评定。由三个子相关矩阵构建模糊相关矩阵R，用Rij表示元素i和元素j之间的相关度：

式中：

AF，ij——元素i和j之间的功能相关度；

AP，ij——元素i和j之间的原理相关度；

AS，ij——元素i和j之间的结构相关度；

ω1，ω2，ω3——分别为功能相关性、原理相关性、结构相关性的权重系数，且ω1＋ω2＋ω3=1，应用层次分析法可确定ω1、ω2、ω3的值。

模糊相关矩阵中，若0≤Rij=Rji≤1，且相同元素间的相关度为1，该矩阵为对称矩阵。对该模糊相关矩阵采用模糊动态聚类算法进行模糊动态聚类。

1.3模糊聚类算法

城轨车辆作为功能全面、结构复杂的机电产品，其子功能模块间存在模糊界限。为了能够通过城轨车辆的故障数据统计反映车辆状态，尤其从不同粒度评价车辆子系统可靠性状态，可对城轨车辆进行基于模糊聚类的系统划分。

基于模糊相关关系的直接聚类算法计算量小，易于理解。直接聚类算法包括最大树法和编网法，其中编网法形式清晰、方便表达［10］。

编网法过程如下：取λ∈［0，1］，对模糊相关矩阵R作λ-截矩阵Rλ，Rλ的主对角线上为元素符号，在主对角线的下方，若Rij＜λ，则用0表示，若Rij＞λ，则用1表示；在同一行或同一列中值为1的元素聚集为同一模块，剩余元素则单独成一模块，从而将单元聚类为不同的模块；当λ从0到1变化时，得到不同粒度的聚类结果，从而形成模块的动态聚类。

2　城轨车辆故障统计分析

2.1故障数据统计规则

在城轨车辆运营过程中，车辆检修部门会详实记录车辆所有故障数据和处理过程，但其中的部分故障数据不能反映车辆状态，影响车辆可靠性评估。因此，在对车辆故障数据进行统计分析之前，需对故障数据进行筛选处理。结合工程实际，给出以下故障数据统计规则：

（1）损耗件在超过寿命期后使用所出现的故障不计；（2）连带故障（由前级故障导致的故障）不计；（3）由于意外事件（碰撞、事故、故意破坏、灾害等）引起的故障不计；

（4）列车修复前重复出现的故障仅计为一次故障；

（5）预防性维修和检测或其他计划性活动，如果没有部件更换不计；

（6）因超出列车设计规定的使用环境或条件造成的故障不计；

（7）不影响人力物力费用、可通过简单调整处理的轻微缺陷不计。

2.2故障数据统计分析方法

根据上述统计规则对故障数据进行筛选处理之后，将故障数据按车辆系统和故障原因进行分类。通过故障主次图、故障趋势图、故障点分布图表现车辆的故障状态，研究车辆故障规律。

故障主次图是最常用的故障统计分析方法，工程中常用故障百分比主次图直观显示产品故障中的薄弱环节。按车辆系统和车辆故障原因对故障进行分类，并通过故障主次图看出车辆故障较多的系统和车辆故障的主要原因。

故障趋势图可以直观地体现车辆或车辆系统的故障数随时间变化的关系，进而可用来研究故障随时间变化的规律。

提出一种故障点分布图的方法，用以宏观地表现城轨车辆的故障点分布特征。通过某一粒度下城轨车辆的系统划分进行故障分类，同时根据故障原因对各系统故障再次分类，建立城轨车辆的故障点分布图。故障点分布图一方面表示出各系统故障统计值和各原因故障统计值，另一方面可完整地表达出各系统故障、各类原因故障与整车故障数间的比例关系，从车辆故障系统及故障原因两方面直观地显示出城轨车辆的故障点分布特征。

3　实例分析

以某地铁公司线路的城轨车辆为例进行车辆系统划分和故障统计分析。

该线路的车辆划分为：1——有接点控制电路，2——车钩及缓冲装置，3——车门，4——车体及内装，5——乘客信息，6——辅助系统，7——供风，8——气制动，9——贯通道，10——空调，11——列车控制及诊断（含火灾报警系统），12——牵引∕电制动（含高压主电路），13——受电弓∕集电靴，14——照明，15——转向架∕轮对，16——供电接口，17——轨道接口，18——信号接口，19——其他。这种系统划分方式过于详细而繁复，不具备普适性。

运用前文所述的系统划分方法，将19个系统看作组成城轨车辆的子单元，首先分析19个子单元之间的功能相关性、原理相关性和结构相关性，得到功能子相关矩阵AF、原理子相关矩阵AP和结构子相关矩阵AS。确定权重系数ω1=0.56，ω2=0.20，ω3=0.35。通过式（1）计算得到模糊相关矩阵R（见图1）。

对R作λ-截矩阵Rλ，由编网法得到的动态聚类模块如图2所示。

由图2可以看出：取λ=0.7时，将轨道车辆划分为11个系统，分别为走行部、供风气制动、牵引∕电制动、车体、辅助系统、车门、乘客信息、空调、有接点控制电路、列车控制及诊断系统、其他；取λ=0.5时，将城轨车辆划分为5个大系统，分别为走行、制动、牵引、辅助、其他。

根据城轨车辆的系统划分，结合该地铁公司将故障原因分为电气元器件、电子板件、机械部件、软件、外部人为原因、易损易耗件、其他7个类别，可对故障数据进行分类和统计分析。

图3为λ=0.7时该线路全部车辆按系统分类的故障主次图，可看出车门系统、辅助系统和乘客信息系统是故障数最多的三个系统，在检修中应予以重视。

图4为该线路车门系统2011年故障趋势图，可以看出12月和1月车门故障较多。

图1　模糊相关矩阵R

图2　城轨车辆系统动态聚类

图3　城轨车辆系统故障主次图

图5为λ=0.5时城轨车辆故障点分布图。其中，内圈饼图为城轨车辆的5个大系统，可形象地表现5个系统在整车中的故障数及其所占比例；外环为各个系统中的主要故障类别如机械部件、电子板件、电子元器件等故障的次数及占整车故障的比例。

由图5可直观地得到该线路车辆故障的分布情况：

（1）车辆各系统故障数及比例：辅助、牵引、走行、制动和其他等5个系统的故障数分别为4 951、731、633、357和791，占整车故障的比例分别为66﹪、10﹪、8﹪、5﹪和11﹪。可见辅助大系统是城轨车辆故障最多的系统。

（2）车辆各系统主要故障原因及相应故障数：走行系统主要故障原因为机械部件，占车辆故障总数比例为7﹪。

4　结语

针对城轨车辆故障数据统计分析存在的分类紊乱、条理不清晰等问题，首先依据功能-原理-结构的系统划分原则构建城轨车辆子单元相关矩阵；然后采用模糊聚类算法对城轨车辆进行系统划分，取粒度度量值为0.7和0.5，分别将城轨车辆划分为走行部、供风气制动、牵引∕电制动、车体、辅助系统车门、乘客信息、空调、有接点控制电路、列车控制及诊断系统、其他等11个子系统和走行、制动、牵引、辅助、其他等5个大系统；最后在此基础上对故障数据进行分类、筛选和统计，用故障主次图、故障趋势图和故障点分布图描述不同粒度下城轨车辆故障规律。结果表明，车门、辅助系统和乘客信息系统是故障率最高的三个子系统，通过故障点分布图可以直观显示城轨车辆故障的分布情况。

图5　城轨车辆故障点分布图

参考文献

［1］ 赵海涛，张云彤.东方红三号系列卫星在轨故障统计分析［J］.航天器工程，2007，16（1）：33.

［2］ 李勤，周立新.轨道车辆部件运用可靠性分析方法研究［J］.城市轨道交通研究，2010（1）：63.

［3］ 刘立志，王华胜.CHR5型动车组运用故障统计分析［J］.铁道机车车辆，2009，29（6）：62.

［4］ 李婷婷，龚京忠，李国喜，等.可维修性驱动的模块划分［J］.机械设计与制造，2007（2）：166.

［5］ 郏维强，冯毅雄，谭建荣，等.面向维修的复杂装备模块智能聚类与优化求解技术［J］.计算机集成制造系统，2012，18 （11）：2459.

［6］ 宗鸣镝，蔡颖，刘旭东，等.产品模块化设计中的多角度、分级模块划分方法［J］.北京理工大学学报，2003，23（5）：552.

［7］ 李国喜，吴建忠，张萌，等.基于功能-原理-行为-结构的产品模块化设计方法［J］.国防科技大学学报，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］ 唐文献，吴春艳，马宝，等.基于模糊聚类分析的锚绞机模块划分方法研究［J］.机械设计，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

中图分类号U 279.2

DOI：10.16037∕j.1007-869x.2016.01.014

收稿日期：（2014-03-04）