基于模糊故障樹的動車組空調系統可靠性分析

王永志， 孫超凡， 高明亮

(1． 吉林大學 儀器科學與電氣工程學院， 長春 130061； 2． 中車長春軌道客車股份有限公司檢修研發部， 長春 130062)

0 引 言

隨著我國自主知識產權多類型動車組的運行，為人們帶來了更快速、更舒適、更方便的出行工具。因動車組運行時處于高速環境下，要求車廂內的溫度、空氣、壓力、噪聲等參數應符合更高標準。動車組車廂內部溫度是影響旅客乘車舒適度的最重要因素之一，需要動車組系統的車載空調系統進行實時溫度調節，因其運行時間長、負載大，故易發生故障。若空調系統發生故障將會直接影響車內溫度和空氣流通等，大大降低車內舒適度，甚至會影響到旅客生命安全，故對動車組空調系統進行可靠性分析具有重大意義[1]。

近年來，國內學者使用統計方法對動車組空調系統故障進行了研究，主要體現在對空調系統的故障檢測[1]、故障分析[2]、工作狀態判斷以及提出對應的預防建議[3-4]。通過查閱和分析文獻可知，目前國內鮮有采用模糊概率對動車組空調系統進行可靠性分析案例。本文分析了動車組空調系統的故障模式，建立了空調系統的故障樹；基于模糊集合理論對空調系統進行模糊故障樹分析，并計算出頂事件模糊概率及底事件模糊概率的重要度，實現了一種用于定位空調系統中薄弱部件(可能故障點)的方法。

1 模糊故障樹分析法

1.1 故障樹分析法

故障樹是一種展示系統結構和故障間邏輯關系的模型。由頂事件以樹狀結構不斷細分故障類型，一直細分至葉子節點(基本事件)為止，位于頂事件和基本事件之間的是中間事件[5]。采用故障樹分析法(FTA)進行動車組空調系統的可靠性分析，基于新建立的故障樹分析系統中發生故障的原因及發生故障的概率[6]，最終可獲得整個系統故障的概率，用于對系統的穩定性評估。

1.2 模糊概率

模糊故障樹的底事件具有模糊性與隨機性，故基本事件的發生概率采用三角模糊數F=(m-α,m,m+β)表示，其隸屬函數為[7-9]：

(1)

若事件A的三角模糊數為(m1-α1,m1,m1+β1)，事件B三角模糊數為(m2-α2,m2,m2+β2)，則故障樹的或門區間算子為[10]：

FA∪B=FA+FB-FAFB

(2)

FA+FB=(m1-α1+m2-α2,m1+m2,

m1+β1+m2+β2)

(3)

FAFB=((m1-α1)(m2-α2),m1m2,

(m1+β1)(m2+β2))

(4)

若故障樹是或門結構且基本事件概率全部使用三角模糊數表示時，頂事件的概率為[11]：

(5)

1.3 模糊重要度

概率重要度表示底事件發生概率的變化對頂事件發生概率產生的影響，它是模糊集合理論與底事件的概率重要度結合的產物[12]，可采用中值法計算得出。記頂事件發生模糊概率中值為MTe、Fj不發生，其他事件正常發生時，頂事件發生模糊概率中值為MTje，事件Fj的概率重要度為[13]

STj=MTe-MTje

(6)

2 動車組空調系統故障樹模型

2.1 空調系統

空調系統通過制冷、加熱、通風等方式提高旅客舒適度，動車組空調系統主要包括通風系統、冷卻系統、加熱系統、自動控制系統及壓力保護系統(見圖1)。

1-頂板供風道; 2-車內廢排風道; 3-司機室供風道; 4-底架廢排風道; 5-客室空調機組; 6-風扇加熱器; 7-司機室空調裝置; 8-中頂板; 9-混合箱; 10-耐候格柵; 11-溫度傳感器

圖1 空調系統布置圖

單元式空調機組內設壓縮機、冷凝器、蒸發器、凝風機、蒸發風機、加熱器、旁通閥、膨脹閥、壓力開關、壓力傳感器、電動閥門、風壓開關等，鋁合金材料的框架被設計成流線型外觀。單元式空調機組位于車體頂部，機組兩側設新風、回風混合箱，供風通道在車頂板下，頂部出風經車內的多孔頂板送出，廢排風道布置在車體兩側下部，廢排單元布置在車下，回風口設在空調機組下部的靠近通過臺的頂板上，系統設回風道。

(1) 冷卻系統。包括膨脹閥、壓縮冷凝裝置、壓力開關、干燥過濾器等。

(2) 采暖系統。包括空調機組內的加熱器、風道內加熱器和風扇加熱器等。

(3) 通風系統。包括安裝在車頂并貫穿于整車的供風道組成和風道兩側與側墻風道連接的軟風道，空調機組兩側的新風和回風混合箱、耐候格柵，安裝車下的排廢單元、布置在車內的排廢風道等結構。

(4) 控制系統。使用微處理器控制預調節、通風、制冷、加熱等，并通過MVB總線接口進行數據通信?？刂泼姘暹€可操控電流接觸器、繼電器、斷路器等，以管理車廂和駕駛室HVAC系統各種工作模式。

(5) 壓力保護系統。包括4個位于末端車廂前部的壓力波傳感器，2個位于末端車廂控制面板內部的電子控制卡等。使用快速動作的壓力保護閥隔離送風風道，當壓力保護被觸發，閥門打開，空調進入全回風模式；當壓力保護閥重新打開后，新風量提高，室內CO2含量迅速下降。

2.2 空調系統故障樹建立

根據動車組空調故障模式建立空調模糊故障樹，從頂事件T開始由上至下可細分為13個中間事件(B和A)、37個基本事件C。用上行法求故障樹的最小割集[14]，則動車組空調系統故障樹可表示為：

(7)

圖2為空調系統故障樹總模型，圖3為制冷系統的故障樹模型，圖4為通風系統的故障樹模型，圖5為加熱系統的故障樹模型，圖6為是控制及供電系統的故障樹模型，表1為動車空調系統的故障樹事件列表。

圖2 動車空調系統故障樹

圖3 制冷系統故障樹

圖4 通風系統故障樹

圖5 加熱系統故障樹

圖6 控制及供電系統故障樹

表1 動車組空調系統故障樹事件列表

3 空調系統故障定量分析

3.1 實驗數據

動車組安裝了遠程無線傳輸系統，將監控數據(如空調故障)實時傳輸至動車組故障管理平臺，可從平臺下載各類型動車組的故障詳細信息，信息項主要包括故障設備號、上層設備、故障所屬系統、故障現象、故障日期、故障原因、維修手段、操作者、責任單位等。本文精選某動車組2014年空調系統發生的166條典型故障信息，將故障數據進行統計歸類、歸一化等處理，作為評估故障樹底事件概率計算的基礎數據。

3.2 故障定量分析

采用基于信心指數修正的專家調查法[15]計算基本事件的模糊故障數(見表2)，據式(5)計算得出動車空調系統頂事件的概率模糊數(138.16×10-4,181.44×10-4,223.50×10-4)。結果表明，空調控制單元故障模糊概率最高，系統發生故障概率符合實際情況。再根據式(6)計算得出各事件的模糊概率重要度(見表2)。

表2 動車組空調系統基本事件模糊數和模糊概率重要度

對表2中基于空調模糊故障樹計算的模糊概率重要度數據分析，可知模糊概率重要度從大到小依次為空調控制單元(C24)、換氣或廢排風機(C20)、蒸發器(C1)、壓縮機及其附件(C5)等部件，它們是影響空調系統可靠性的關鍵部件。空調控制單元故障原因主要為控制板卡故障，換氣或廢排風機故障原因主要為風缸、風機故障，壓縮機及其附件故障原因主要為接觸器或繼電器故障。因控制板卡、接觸器等電子精密器件在長時間高溫運行環境下容易損壞，導致系統發生故障，故對其應加強檢測及維修以提高空調系統可靠性。

按照文獻[4]中提出的方法，對本文所用同組數據進行計算得出結果如表3所示，可知發生故障從易到難順序依次為空調控制單元、換氣或廢排風機、蒸發器和壓縮機及其附件等。

表3 2014年動車組某車型空調系統故障模式影響分析

通過表2、表3對比可知，本文方法與文獻[4]方法對動車組空調系統同組數據的故障高發部件評價分析結果一致，驗證了本文提出的方法是可行的。此外，模糊概率分析方法給出了較可靠性的量化結果。

4 結 論

(1) 建立了動車組空調系統的模糊故障樹，涵蓋空調的4大系統及9個子系統，并確定了故障樹中37個最小割集。

(2) 提出采用三角模糊數表示動車組空調模糊故障樹底事件概率的方法，用以計算頂事件發生的模糊概率。

(3) 采用中值法計算基本事件模糊概率重要度，據此可分析影響空調系統可靠性的主要單元依次為空調控制單元、換氣或廢排風機、蒸發器、壓縮機及其附件等。

通過對比分析，驗證了文中提出定位動車組空調故障部件方法的正確性，為提高空調系統可靠性及故障診斷提供有效依據。

利用大數據[16-17]、云計算[18-19]等前沿技術，使用動車組采集的實時監測大數據，基于回歸分析[20]、支持向量機[21]、時間序列、神經網絡等算法，后續可開展更為精確、實時的高性能分析與挖掘。