地鐵車輛維修檢查間隔優(yōu)化方法

王偉明　鄒世超

摘 要：地鐵車輛檢查由于受人員和設(shè)備的影響，問題難以發(fā)現(xiàn)，形成安全隱患，不能根據(jù)軌道設(shè)備變化規(guī)律，科學(xué)制定設(shè)備維修周期，維修資源浪費(fèi)。本文提出了初始檢查間隔設(shè)定與檢查周期不同的不等間隔確定方法。提高檢測質(zhì)量，找出設(shè)備病害，利用動態(tài)檢測資料指導(dǎo)地鐵檢修部門科學(xué)地養(yǎng)修設(shè)備，消除病害，降低成本，保證列車運(yùn)營安全。

關(guān)鍵詞：地鐵車輛；線路維修；間隔優(yōu)化

地鐵車輛是確保地鐵安全、正點(diǎn)、高效運(yùn)行的關(guān)鍵設(shè)備。建立一套行之有效的維修體制，是保證車輛完好、充分發(fā)揮效能、降低運(yùn)營成本、實(shí)現(xiàn)安全可靠運(yùn)輸?shù)闹匾Ｕ稀５罔F車輛的預(yù)防性維修工作包括檢查、功能檢查及潤滑保養(yǎng)等，其中的檢查和功能檢查是預(yù)防性維修的重點(diǎn)。目前對檢查工作的研究一般都是基于初始檢查間隔與檢查周期時間相同的假設(shè)，這與實(shí)際不相符合。為簡化計算，一般將維修后的故障率假設(shè)為與維修前相同或者故障率與初始相同。

一、地鐵車輛維修方式分析

目前國內(nèi)地鐵車輛的維修主要采用計劃預(yù)防修制度。地鐵車輛的維修模式在初步設(shè)計方案中也采用計劃預(yù)防修，一般分為列檢、月修、定修、架修、大修。目前新建地鐵已開始在車輛上安裝列車自診斷系統(tǒng)和列車信息系統(tǒng)，通過其所控制的測量、監(jiān)控設(shè)備，可對車輛電子、電氣、機(jī)械系統(tǒng)的功能和耗損等進(jìn)行監(jiān)測與控制。當(dāng)有故障發(fā)生時，該系統(tǒng)自動記錄故障信息，并對故障進(jìn)行評估，向司機(jī)報告；而存儲在中央存儲單元中的故障信息則由維修人員利用便攜式計算機(jī)讀出或下載后，利用車輛故障診斷系統(tǒng)進(jìn)行分析，來查找故障點(diǎn)和故障原因。該裝置為采用狀態(tài)修提供了良好條件。實(shí)施狀態(tài)修并非不要定期修。由于存在無法檢測的故障，從安全性考慮，定期修在目前還應(yīng)是主要的檢修方式，但應(yīng)對定期修的修程進(jìn)行適時調(diào)整。初期確定的修程及其內(nèi)容與實(shí)際車輛狀況必定存在差距。為尋求檢修能力和檢修質(zhì)量的最佳結(jié)合點(diǎn)，建議對檢修形式做探索性調(diào)整。

二、地鐵車輛維修模式構(gòu)建

本文假設(shè)首次檢查間隔為KT，K取最接近某個檢查周期的整數(shù)，這樣確定的首次檢查間隔比較符合實(shí)際情況。檢查就是看系統(tǒng)是否能正常工作，不能正常工作則立即進(jìn)行維修，所研究的車輛系統(tǒng)出現(xiàn)故障后維修工作占大部分，故障系統(tǒng)經(jīng)過維修后故障率處于新品和維修前故障率之間，用于系統(tǒng)本身的檢查時間相對維修檢查間隔非常小，可忽略不計。車輛系統(tǒng)出現(xiàn)的故障只有通過檢查才能發(fā)現(xiàn)且首次檢查間隔內(nèi)不會發(fā)生故障，檢查周期丁為常數(shù)；系統(tǒng)故障后修復(fù)故障率處于修復(fù)如新與修復(fù)如舊之間，役齡同退因子為а；系統(tǒng)檢查工作利用系統(tǒng)的非工作時間進(jìn)行，不影響系統(tǒng)正常運(yùn)行；檢查是完善的，若系統(tǒng)發(fā)生故障，檢查時就可檢出。預(yù)防性維修使研究對象系統(tǒng)功能有一定量的恢復(fù)，性能比維修實(shí)施前有所提高，但不會使系統(tǒng)工作狀態(tài)與剛投人的狀態(tài)一致，相當(dāng)于將系統(tǒng)的役齡向前推移一定的量，經(jīng)過維修后的故障率發(fā)生變化的回退因子，使得維修后故障率大于新品故障率而小于維修前故障率。

三、地鐵車輛維修優(yōu)化模型

求解模型的優(yōu)化算法較多，由于粒子群優(yōu)化算法（PSO）編碼相對簡單、運(yùn)行速度較快、因此通用性較強(qiáng)，但其存在的缺陷是，容易陷入局部最優(yōu)點(diǎn)，導(dǎo)致目標(biāo)函數(shù)達(dá)不到足夠的要求精度。為了避免PSO算法的缺陷，引入免疫算法（IA）對粒子群算法進(jìn)行改進(jìn)，可提高粒子群算法全局搜索的能力。通過免疫的引用增加新粒子的多樣性，進(jìn)而避免尋優(yōu)過程中的局部收斂.實(shí)際上就是將2種算法結(jié)合，使其具備2種算法的優(yōu)點(diǎn)而一定程度上避免了缺陷。通過隨機(jī)產(chǎn)生S個符合條件的粒子，S∈[20，40]，選S=40，設(shè)每維權(quán)重r的變動范圍為[0，1]；每維速度v變動范圍為a[-1，1]，a∈[0.1，1]；最大迭代次數(shù)為imax=600，預(yù)測精度e=0.0001。Ci（T， K1， K2， …Ks）是第i個粒子的適應(yīng)度，i=1， 2…， S。由上式計算得到的適應(yīng)度，確定每個粒子搜索到的最好位置、粒子群該次尋優(yōu)迭代的最好位置以及粒子群到目前為止尋找到的最好位置，通過適應(yīng)度尋優(yōu)后每一維向量表征模型權(quán)重重新求取。引入免疫算法尋優(yōu)，利用優(yōu)等粒子代替劣等粒子；通過檢測新的S個粒子，判斷其粒子尋優(yōu)位置是否為不可行解，如果為不可行解，則用某個記憶粒子代替。再一次由隨機(jī)產(chǎn)生M個滿足要求的粒子；需要增加的新粒子數(shù)為M=S/2。

以某地鐵車輛為例，車輛門的驅(qū)動鎖閉機(jī)構(gòu)系統(tǒng)包含傳動絲桿、右螺母組件、左螺母組件、解鎖輪組件等4個子系統(tǒng)，其故障率服從二參數(shù)威布爾分布，由設(shè)計壽命可知，車輛系統(tǒng)壽命周期，考慮維修領(lǐng)域?qū)嶋H情況，設(shè)定役齡同退因子，根據(jù)統(tǒng)計數(shù)據(jù)，車輛門進(jìn)行一次預(yù)防性維修的基本費(fèi)用。根據(jù)費(fèi)用率維修優(yōu)化模型，在不同的可用度約束條件下，運(yùn)用免疫粒子群算法對地鐵車輛門系統(tǒng)實(shí)例進(jìn)行優(yōu)化計算，優(yōu)化算法粒子數(shù)為40，迭代最大次數(shù)取400，當(dāng)A=0.99時，可以看出經(jīng)過300次迭代后，優(yōu)化算法尋優(yōu)過程趨于穩(wěn)定。當(dāng)子系統(tǒng)可用度較高時，初始檢查間隔是檢查周期的3～4倍，檢查間隔略小；如果采用等間隔檢查策略，同時采用維修優(yōu)化模型，在可知度分別為0.99，0.97，0.95，0.93和0.90時得到的系統(tǒng)維修費(fèi)用率，比按初始檢查間隔和檢查周期不同的維修策略模型得到的費(fèi)用率分別增加了9.72%，8.96%，7.49%，8.47%和9.05%.說明所提出的維修優(yōu)化方法中初始檢查間隔與檢查周期不同的方法，較傳統(tǒng)的由初始檢查間隔確定維修間隔的方法更經(jīng)濟(jì)。

四、結(jié)束語

鑒于當(dāng)前檢查模型都是等間隔檢查的策略，同時維修之后元件故障率與初始故障率或者維修前故障率相同，針對地鐵車輛系統(tǒng)提出了不等間隔檢查周期的檢查優(yōu)化模型；設(shè)備維護(hù)后故障率處于恢復(fù)如舊與恢復(fù)如新之間，考慮了維修的實(shí)際情況，符合實(shí)際的維修模型以及檢查策略提高了地鐵車輛系統(tǒng)的可用性，降低了設(shè)備系統(tǒng)的維修費(fèi)用。

參考文獻(xiàn)：

[1]袁振洲.城市軌道交通通勤乘客心理及運(yùn)營對策分析[J].城市軌道交通研究，2014.

[2]杜志剛.面向駕駛員視覺信息加工的行車安全評價模型研究[J].企業(yè)文化，2014.