基于改進的RCM轉向架系統維護決策技術研究

高明亮 ,高珊 ,吳星辰,劉德權，于闖,方媛,孫金彪,崔站通

(1.中車長春軌道客車股份有限公司 國家軌道工程技術研究中心，吉林 長春 130021；2.中車長春軌道客車股份有限公司 人力資源部，吉林 長春 130021 )*

在城市軌道交通快速發展的過程中，轉向架系統作為城市軌道車輛運行的關鍵系統，對軌道車輛的安全性，舒適性，平穩性和可用性有著重要的影響.近年來，隨著速度等級和乘客數量的上升引起了轉向架機械零件的故障率逐年增加.通過對某地鐵公司轉向架系統運行維護中故障數據的統計分析，得出結論：轉向架系統是城市軌道車輛故障率高的子系統之一，轉向架故障通常會導致車輛安監報甚至人員傷亡，因此可靠性分析尤為重要.

RCM(Reliability-Centered Maintenance--以可靠性為中心的維修)方法是一種系統工程過程，通常用于確定設備的預防性維護要求并優化維護系統，RCM起源于美國民航界，1978年用于已投入使用的民機.美軍引進后，既用于現役裝備，也用于在研裝備預防性維修大綱的制定[1].

實踐證明：RCM技術如能正確地被應用到現行的維修中，在保證生產安全性和設備可靠性的前提下，可將日常的維修工作量降到40%～70%.國內外許多學者對方法做相應的研究.蔣太立[2]率先提出了將RCM理論引入設備維修管理中的建議.

吳麗君[3]將RCM應用于新型的混凝土氯離子擴散系數快速測定方法，取得了良好的應用效果.呂一農[4]將RCM應用于電力系統提出推行CBM(condition-based maintenance)/RCM的建議,更系統更全面認識RCM的必要性和途徑,提出了評估RCM經濟效益的一種更加準確可靠的方法.陳佳斌[5]以北京機場線的直線電機車輛作為對象開展了RCM方法研究最佳維護機器設備方案，設計開發了一款維修決策系統，并說明了RCM有效性.Zhuang Chen[6]RCM通過改進的RCM理論結合車門系統進行了推論和案例研究.盡管RCM方法得到了廣泛應用，但是RCM邏輯判斷是基于FMECA結果的故障模式分析和FTA故障模式邏輯圖，該決定不涉及生命周期，當使用RCM方法進行設備的預防性維護時，將導致獲得的維護周期超出設備的可靠使用壽命范圍，并增加設備故障的可能性.

本文提出RCM轉向架系統維護決策新策略，通過引入比例風險模型協助PHM(Proportional Hazard Model)預測轉向架系統的可靠性壽命，得到轉向架系統生命周期模型的可靠性，為RCM提供決策支持.

1 RCM基本原理和實施方法

以可靠性為中心的維修RCM，主要包含四部分內容：維修內容、維修策略、維修方式、維修間隔[2].

(1)維修內容

維修內容的確定主要來自于設計要求故障模式影響及風險性分析(Failure Modes ,Effects And Criticality analysis ,簡記為FMECA)和運用維護經驗.FMECA是分析產品中所有潛在的故障模式及其對產品造成的所有可能影響，并按每一個故障模式的嚴重程度及其發生概率予以分類的一種自下而上的歸納分析方法.FMECA是產品可靠性分析的一項重要工作，目的是發現產品的各種缺陷與薄弱環節，對產品采取有效的改進和補償措施，以提高產品的可靠性和安全性，是開展維修性分析的基礎.

(2) 維修策略

應用RCM邏輯決斷圖將預防性維修分為計劃修和狀態修.所選擇的維修策略必須要考慮費用、安全性、環境和使用后果.維修人力費用、設備老化和維修時間也必須同其它參數被同時考慮似值.

(3)維修方式

維修方式主要包括：目視檢查、功能檢查、限度檢查、潤滑操作和更換操作等.這些方式的選擇，建議參考MSG-3中的邏輯決斷圖.

(4)維修間隔

基于各零部件的設計計算數據(例如，強度分析、動力學分析等)和車輛各部件在運行過程中搜集的相關數據(例如，運行里程、維修維護記錄、故障類型、故障程度、當前的檢修策略等)進行零部件的可靠性計算，根據不同的零部件選擇不同的可靠性計算模型，獲得零部件的可靠性指標.通過對數據分析模型進行研究，建立符合部件可靠性的數學分布模型，得到零部件的可靠度函數.

2 RCM模型的輔助決策

傳統的RCM邏輯決策過程中沒有考慮零件的生命周期，僅基于RCM邏輯決策的設備維護周期往往超過了設備的可靠生命周期，設備故障率上升[6].因此，引入比例風險模型的概念，通過建立比例風險模型建立轉向架的壽命預測功能，為RCM提供決策支持.根據RCM的基本思想，我們可以得到PHM輔助的RCM的分析過程.

(1)確定RCM分析對象;

(2)收集與設備有關的數據;

(3)分析收集數據的可靠性;

(4)根據可靠性結果結合PHM輔助模型對設備進行RCM決策;

(5)根據決策結果，獲得最佳的設備維護方法和維護周期，如圖1所示.

圖1 PHM輔助的RCM的分析過程

2.1 比例風險模型

比例風險模型(Proportional Hazard Model，PHM)是Cox在1970年代首次提出來處理對多種因素的生存時間的影響，之后很快成為一種統計數據分析工具，并已廣泛應用于生物醫學領域.在可靠性工程領域，比例風險模型主要用于壽命預測和維護時間計劃決策.

具有時變協變量的比例風險模型的功能是：

λ(t,Z)=λ0(t)exp(g(Z))

(1)

式中，λ(t,Z)是與時間相關的失效函數，相關變量λ0(t)是基本失效函數，1，2，Z=[z1…zn],g(Z)是協變量函數，g(Z)=ZT，γ=γ1γ2…γn是回歸參數向量.是影響失效概率的協變量向量t時刻系統的狀態.

協變量Z是狀態參數的特征表示，設備維護，運行的因素. 當協變量Z為常數時，λ(t)與λ0(t)成正比，因此該模型稱為比例風險模型[8].

PHM中通常使用的失效函數是Weibull分布，指數分布和對數分布等. Weibull分布可以描述無效數據隨時間的上升或下降，同時，機電系統通常遵循Weibull分布，因此故障函數基于Weibull分布如下所示.

(2)

式中，β是形狀參數，η是比例參數.

將式(2)代入式(1)，可得出城市軌道交通車轉向架系統比例風險模型的基本形式.

(3)

2.2 建立比例風險模型

比例風險模型用于計算設備的預期壽命.主要包括樣本數據處理，參數估計和壽命預測三個方面因此，從樣本數據處理，參數估計和壽命預測等方面介紹了比例風險模型的建立.

2.2.1 協變量的選擇和處理

協變量是比例風險模型中的重要因素.協變量選擇的結果與比例風險模型的壽命預測準確性直接相關，因此，對協變量執行以下操作：

協變量可以與時間相關或無關.如果協變量與時間不相關，則PHM參數模型將過于簡化，并且預期壽命不需要預測協變量.如果協變量與時間相關，則PHM模型參數將更加復雜，并且預期壽命還應考慮協變量的變化趨勢.

本文根據轉向架系統維護數據的特征，選擇的協變量與時間有關.比例風險模型要求協變量之間的相關系數盡可能小.主成分分析法是消除相關性的有效方法.因此，可以使用主成分分析方法獲得轉向架系統的協變量系數.

2.2.2 模型參數估計

最大似然估計具有出色的統計特性和良好的近似分布.考慮到樣本數據中的刪失數據，因此使用最大似然法獲得模型中相關參數的估計值.

2.2.3 壽命預測

通過基于威布爾分布的比例風險模型的失效函數可以得到生存函數.

3 案例分析

根據地鐵的歷史數據和RCM的決策過程，確定轉向架系統13個組成部分為重要功能部分，并邀請了工程研發中心，車輛運營中心和車輛維修部轉向架的15位專家進行邏輯分析和判斷做出決定.

通過專家的決策，可以得出轉向架系統及其零件的維護方法和維護間隔，如果在其零件的可靠壽命內對轉向架系統進行維修，則可以減少轉向架系統在整個過程中的故障率；如果維護計劃時間超過轉向架系統的可靠性壽命，轉向架故障率將會增加， 當轉向架的可靠性達到可靠性閾值時，維護不能保證轉向架系統的可靠性.由于工作時間間隔是由現場專家根據經驗確定的，因此使用轉向架系統的輔助模型來證明可靠的工作時間的準確性.

選擇了某地鐵X號線的車輛維護數據，并假設在進行年度檢查或維修后，轉向架系統已恢復為新系統.

從表1可以看出，運行路線故障和狀態監測發現的故障(輪對、傳感器、轉向架)是影響轉向架系統壽命的主要因素.

表1 轉向架系統主要故障部件

因此，選擇運行路線故障的拖車輪對、軸端溫度傳感器、溫度傳感器、轉向架、齒輪箱溫度傳感器作為轉向架系統協變量.

按照傳統RCM分析和改進的RCM分析方法對轉向架系統進行生存函數分析，結果如圖2和圖3所示.

說明原傳統RCM維修決策存在過修狀態現象，通過改進的RCM分析可有效的降低了運維成本，降低了人力成本.

圖2 傳統RCM分析生存分析函數

圖3 PHM輔助的RCM分析生存分析函數

從圖中可知，當轉向架系統的可靠性降低到0.6時，傳統RCM和改進的RCM可靠壽命分別為75天和135天.改進的RCM方法表明轉向架系統的維修周期較傳統的增加將近一倍，說明原傳統RCM維修決策存在過修狀態現象，通過改進的RCM分析可有效的降低了運維成本，降低了人力成本.

4 結論

本文提出了一種先進的RCM轉向架系統維護決策技術，該系統集成了RCM以進行過程管理， 通過輔助PHM更精準的定義維修模型，并獲得轉向架系統的維修間隔，計算效率高，適用于復雜狀態系統的條件可靠性計算， 并將該技術應用于分析某地鐵轉向架的13個重要功能部件的可靠性，研究結果表明，傳統的RCM方法存在一定的過修現象，基于PHM的RCM的維修決策模型更符合實際情況，可以保證轉向架系統的安全可靠運行，降低運維成本.