地鐵站臺門系統設備健康管理研究與應用

夏景輝，陳昌進，曲澤超，張 振

安全、穩定、可靠等關鍵要素對地鐵機電設備正點運營、高質量服務起著決定性作用。地鐵設備傳統的運維模式以故障修、計劃修為主[1]。計劃修易造成過度修，1增加維修成本且提報計劃繁瑣；故障修易造成列車晚點，降低服務質量且應急能力較差。相對于傳統的“故障修、計劃修”等被動式為主的維修方式來說，智能狀態修具有一定優越性，它能夠較好地控制成本、提高維修效率、科學規劃檢修周期等[2]。

確保設備運行的可靠性和維護水平已成為保證系統正常運行的必要條件。目前，國內外學者通過大數據聯盟和云計算平臺，利用定點或移動感知技術，借助數據挖掘、機器學習及可靠性等方法，構建趨勢模型預測健康情況[3]。設備健康管理（equipment health management，EHM），是以設備的健康管理為核心，研究設備狀態規律，對設備狀態進行健康監測、動態養護等，實現設備健康維修管理的理論與模式相統一，是人機主動與被動結合的前瞻性管理。

實施EHM研究是開展設備健康管理的先行先試，是一次設備維護管理的提升過程，通過分解設備的基本單元，預測分析并評價設備系統的運行狀態，提前預判故障，為實現狀態修提供智能管理策略，從而節約人力和維護成本，降低設備故障率及晚點率。課題研究對科學規劃檢修周期、提前預判設備狀態具有重要的理論及實踐指導意義[4]。

1 地鐵機電設備健康狀態評價方法

1.1 設備狀態單一模塊健康指數量化

對于地鐵機電設備，電子元器件（如繼電器）、機械結構等容易出現故障點。單一模塊設備根據其工作壽命狀態或技術參數給予評判。對于單一模塊，其壽命趨勢如圖1所示。

圖1 單一模塊器件壽命趨勢示意Fig. 1 Schematic diagram of single module device life trends

分析圖1，存在4種情況。測量值x在A、D區域（x＜xmin或x＞xmax），則器件失效；測量值x在B、C區域（xmin＜x＜W 或 W＜x＜xmax），則器件處于正常狀態；測量值x在B區域（xmin＜x＜W），x在坐標軸正方向越靠近 W，則器件工作狀態越佳；測量值 x在 C區域（W＜x＜xmax），x在坐標軸負方向越靠近 W，則器件工作狀態越佳。

當實際測量值超過閾值范圍時，健康指數為 0，應當立即檢修；當實際測量值與標準值重合時，健康指數為 1，此時為設備的最佳狀態。根據上述模型建立思路，可用分段函數表達單一模塊或元器件的健康指數，見式（1）。

式中，hij(t)為設備基于i的特征參數xi的健康指數；xij(t)為特征參數xi在t時刻的測量值；W為在t時刻該特征參數的標準值。

1.2 設備狀態綜合健康指數

考慮設備的可靠性、維修經濟性及維修的難易程度等因素[5]，運用AHP分層算法對各模塊權重進行劃分，寫出針對各模塊的判斷矩陣，通過矩陣歸一法計算出單行矩陣，得到各因素的權重。設備系統健康評價是在單一模塊或元器件（特征參數）計算的基礎上綜合加權而來。基于多模塊（特征參數）的設備系統狀態綜合健康指數HI(t)的表達式見式（2）。

式中，HI (t)為設備系統狀態的綜合健康指數；n為設備系統中各單一模塊單元數量；m為單一模塊中特征參數數量；ωi為設備系統中單一模塊權重；ρij為單一模塊中各特征參數的權重；hij(t)為設備基于 i的特征參數xi的健康指數。

1.3 設備綜合健康指數擬合

基于設備系統狀態綜合健康指數的HI (t)表達式，建立時間對系統設備綜合健康指數影響的非線性模型，反映時間與系統設備綜合健康指數關系，見式（3）。

其中，βi為擬合系數，t為監測時間（單位：h）。

通過正線測量的多組數據，利用式（2）進行設備的綜合健康指數計算，得到多組離散值。利用高斯-牛頓迭代法擬合出式（3）中的系數，并以此公式預測站臺門系統設備未來某一時刻的維護策略[6]。若要計算站臺門控制系統達到某一健康狀態的時刻，根據表1對式（3）進行賦值，求出t值即可。例如，計算設備處于亞健康狀態時的臨界時間，則只需令式（3）的HI (t)=0.65，求出的t值即為設備達到亞健康狀態的臨界時間。

依據設備管理實際生產經驗數據，按設備系統的綜合健康指數與運行狀況對設備狀態進行評價，將設備系統健康狀況劃分為4個等級，見表1。

2 設備健康狀態評價方法在站臺門上的應用

2.1 確定系統特征參數及權重

通過梳理地鐵設備運營故障臺賬，結合站臺門控制系統的控制原理，確定站臺門控制系統關鍵部件的特征參數[7]；運用AHP分層算法對各子模塊所占比重進行計算，搭建數學模型，建立站臺門控制系統的健康狀態模型。同時，把站臺門控制系統劃分為ATC（安全回路轉換裝置）板、PEDC（單元控制器）及信號轉換電路3個模塊，見圖2。

表1 設備系統健康等級評價標準Tab. 1 Evaluation standards for health levels of equipment system

圖2 站臺門控制系統模塊劃分Fig. 2 Module partition of platform door control system

通過梳理站臺門控制系統典型故障，找出影響站臺門控制系統各模塊部件狀態的關鍵部件。通過分析，確定14個狀態參數（1個安全回路電壓、12個繼電器、1個ATC板電源狀態），詳見表2。通過失效實驗及元器件出廠標定，對14組狀態參數的閾值、標準值進行確定，具體方法如下：狀態參數的額定值就是其標準值（W），按其出廠標定進行計算；閾值為電子元器件失效臨界值xmin、xmax，確定失效狀態下限值xmin時可通過變壓器不斷加載（從標準值向下加載），直至繼電器不能吸合，此時的測量值即為失效狀態的下限值，也可通過出廠標定值查詢；同理，確定失效狀態上限值xmax時，通過變壓器不斷加載（從標準值向上加載），直至繼電器不能吸合，此時的測量值即為失效狀態的上限值，也可通過出廠標定值查詢。對于各子模塊在整個設備中所占比重，通過AHP分層算法計算，各權重結果見表2。

2.2 智能采集裝置研制

為實現對正線數據的實時測量，并確保測量的時效性、準確性，提高測量效率，研制狀態量正線數據測量裝置（下位機），原理見圖3。該裝置可同時采集28組電壓值，采用串口與上位機通信，對采集的數據實時顯示，采集頻率為200 ms/次。

2.3 上位機界面

根據方便性、可操作性原則，對該評價系統進行人機界面編寫[8]。界面主要采取分屏顯示模式，分為5個模塊：歡迎界面、站點設備選擇界面、參數錄入界面、設備狀態曲線界面、設備狀態評估界面等。整體采用淡藍色作為背景，可減少操作人員視覺疲勞。圖4為參數讀取界面，圖5為站臺門設備健康管理EHM系統。

表2 特征參數標準值、閾值及權重Tab. 2 Characteristic parameters, standard values, thresholds and weights

圖3 智能采集裝置原理框圖Fig. 3 Principle block diagram of intelligent acquisition device

圖4 參數錄入界面Fig. 4 Parameter input interface

圖5 站臺門設備健康管理EHM系統 Fig. 5 EHM system of platform door

2.4 正線實驗驗證

對測得的數據進行計算，得出一系列離散的健康指數HI(t)，見表3。對離散數據運用MATLAB軟件工具進行5次多項式擬合，得出式（4），見圖6～7。

表3 人民路上行健康指數計算結果（部分）Tab. 3 Health index of Renmin road station (upstream：A part)

圖6 人民路站下行健康狀態擬合Fig. 6 Health status of Ren min road station (down)

圖7 人民路站下行健康狀態預測圖Fig. 7 Health status of Ren min road station (down)

分析擬合方程，通過 MATLAB進行求解，令HI(t)=0.65（設備亞健康狀態），得出 x=174，每次測量時間相隔為12 h，因此推斷出設備處于亞健康時間為2 088 h。

3 站臺門控制健康評價對生產的指導應用

根據四級設備健康狀況，開展不同的檢修策略，見表 4。運用參數模型擬合出設備綜合健康指數隨時間變化趨勢，預測設備的健康狀態，以便及時制定維護策略，實現智能修。系統的評價模型是修訂檢修周期的重要理論參考。如設備狀態在一段時間內性能狀態指數均為 0.8以上，則可相應地延長檢修周期，從而節省人力、物力，節約成本，提高維護效率。

表4 健康狀況應對措施Tab. 4 Measures for equipment health

4 結語

本文研究了站臺門控制系統的設備綜合健康狀態，建立基于特征參數的健康狀態評價模型，實現了站臺門控制系統特征狀態量的量化表征。結合實際運行數據能夠實時評價系統設備的綜合健康指數，從而預判設備健康狀態。通過正線的實際驗證，確定了模型的可靠性，為科學規劃設備檢修周期奠定科學依據。

[1] 張彥如, 耿夢曉. 基于健康指數的設備運行狀態評價與預測[J]. 合肥工業大學學報, 2015, 38(10): 1318-1323.ZHANg Yanru, GENG Mengxiao. Equipment comprehensive health status evaluation and prediction based on health index[J]. Journal of Hefei University of Technology, 2015,38(10): 1318-1323.

[2] 于宏軍, 韓建軍, 張華, 等. 航空發動機健康管理系統標準探討[J]. 航空標準化與質量, 2012(4): 9-11.YU Hongjun, HAN Jianjun, ZHANG Hua, et al. Discussion on standard of aeroengine health management system[J].Aeronautic standardization & quality, 2012(4): 9-11.

[3] 胡舟宇. 復雜成套設備關聯建模技術及其應用研究[D].杭州: 浙江大學, 2013.HU Zhouyu. Study on technologies of modeling correlation within complex equipment sets and its application [D].Hangzhou: Zhejiang University, 2013.

[4] 周忠寶, 馬超群, 周經倫, 等. 基于動態貝葉斯網絡的動態故障樹分析[J]. 系統工程理論與實踐, 2008, 28(2):35-42.ZHOU Zhongbao, MA Chaoqun, ZHOU Jinglun, et al.Dynamic fault tree analysis based on dynamic Bayesian networks[J]. System engineering theory and practice, 2008,28(2): 35-42.

[5] 李強. 民航發動機健康管理技術與方法研究[D]. 南京:南京航空航天大學, 2008.LI Qiang. The research on technology and methods for aviation engine health management[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2008.

[6] 何正嘉, 曹宏瑞, 訾艷陽, 等. 機械設備運行可靠性評估的發展與思考[J]. 機械工程學報, 2014, 50(2): 171-186.HE Zhengjia, CAO Hongrui, ZI Yanyang, et al. Developments and thoughts on operational reliability assessment of mechanical equipment[J]. Journal of mechanical engineering. 2014, 50(2): 171-186.

[7] 賓光富, 周元. 基于Fuzzy-AHP的機械設備多特征參數健康狀態綜合評價研究[J]. 中國機械工程, 2009(20):2487-2492.BIN Guangfu, ZHOU Yuan. Multi feature parameters health state evaluation of mechanical equipment based on Fuzzy-AHP methodology[J]. China mechanical engineering.2009(20): 2487-2492.

[8] 駱思佳, 廖瑞金, 王有元, 等. 帶變權的電力變壓器狀態模糊綜合評判[J]. 高電壓技術, 2007, 33(8): 106-110.LUO Sijia, LIAO Ruijin, WANG Youyuan. Fuzzy synthetic evaluation of power transformer condition with variable weights[J]. High voltage engineering. 2007, 33(8): 106-110.