地铁运行的PHM技术应用

(沈阳航空航天大学 辽宁 沈阳 110136)

引言

故障预测与健康管理(PHM)技术于20世纪末首次被美国军方提出应用于联合战斗机项目中。随着技术不断进步，PHM从传统的视情维修，发展为通过对设备状态信息的采集、处理、分析、状态预测，实现系统的健康管理。PHM也已经广泛应用于多个领域，其中在航空领域和大型机械设备中应用较为广泛，在城市轨道交通中应用较少。国内地铁主要维修方式主要以定期检查和事后维修为主，不能对地铁进行状态监测、故障预测，针对这一缺陷，本文提出PHM模型，能够实现对地铁的实时监测，本文构建了模糊诊断模型，并通过实例进行分析。

针对地铁的故障预测与健康管理，学者做出了大量工作，李雪昆[1]提出PHM系统即以地面PHM系统为核心，通过通讯系统实现与车载PHM系统的数据交互。张波[2]提出在PHM体系中使用分层次融合式体系结构，可有效地降低系统虚报警问题，更适用于大型轨道交通设备。曲璟[3]论述了地铁在运行过程中可能出现的故障，并提出维修方法。尹爱华[4]等人提出在故障诊断时使用模糊算法建立模糊诊断模型，通过实验证明可行性。

一、地铁PHM设计

本文以沈阳地铁某号线为例，该号线地铁轨距1475km，途经22站，路线长度27.8km，全线地下，最高速度80km/h。其PHM框图如图1.1。

图1.1 地铁PHM框图

由图1.1可知，地铁PHM 系统主要由两部分组成：一部分是处理数据，根据由数据采集设备得到的数据，可在地铁上对数据进行初步处理。进行数据处理时，一方面要根据检修数据、车辆履历数据等，推测故障可能发生的部位，发生事故后果的大小。另一部分是维修决策显示，根据得到的实时数据，结合历史数据，进行从列车集群到整个车辆，从子系统到关键部件的数据统计与分析、故障诊断、预测与健康管理，并将维修决策显示出来以便对地铁进行及时维修。

二、地铁FMECA故障诊断

(一)构建模型

构建模糊诊断模型重点在于A值和R值的确定，A是地铁运行中故障输入的模糊参数集，R是单因素的模糊评价集。综合评判结果B，B=A*R。

1.根据风险调查列举法得到地铁运行中常见的故障。

2.识别出系统中存在的不确定性风险因素，构建风险评估指标体系。

3.根据识别出的风险因素，使用层次分析法，然后根据相关专家意见，形成风险判断矩阵，通过运算求解判断矩阵，确定每种指标的权重，计算出相应的最大特征值，进行检验，观察风险矩阵是否通过一致性检验。

4.使用模糊综合评价法，根据专家意见建立评估集，先建立指标层单因素评价集R。

分别计算指标层综合评价Bn=An·RnEn=Bn·V

再对目标层做出综合评价

其中V={V1V2V3V4V5}={低 较低 中等 较高 高}={1 2 3 4 5}

5.通过计算得到指标层和目标层的评估值。

6.分析故障危害。

(二)模糊诊断结果验证与分析

1.为了验证上述模型的准确性和可靠性，根据查找的大量资料和地铁的运营数据，本文建立如表2.1所示的地铁故障指标体系对地铁运行进行故障诊断。

表2.1 地铁故障指标体系

2.地铁整体故障指标权重计算

根据已有的资料和专家的意见得出地铁列车的整体矩阵，如下：

对于矩阵A进行计算得到的权重系数为

ω=[0.1007 0.2255 0.6738]

表2.2 各目标层故障权重的计算

经过计算上述权重值通过一致性检测。

经过2.1节所述一系列计算可得B总=A*R={0.3063 0.2195 0.2913 0.0730 0.1099}E总=2.4607

表2.3 地铁故障诊断结果表

表2.4 地铁故障等级表

经过上述分析，本文初步得到地铁的FMECA故障诊断，结合地铁故障等级表可知地铁故障整体风险处于一般故障，出乘前故障处于轻微故障，应及时维修；运行中故障处于严重故障，应重点检查，实时监测，及时维修；车辆系统故障属于轻微故障。

三、结论

本文构建地铁PHM模型，重点研究模糊算法在故障诊断中的应用，通过建立模糊评判集，完成了地铁运行模糊诊断模型的建立。最后对该故障诊断模型进行了实例验证和结果分析，证明了此诊断模型的可行性与准确性。