基于故障樹與貝葉斯網絡的動車組制動系統可靠性分析

摘" 要：高速列車制動系統的性能直接關系到行車的安全性。動車組的制動系統結構和原理復雜，故障模式復雜多樣，研究分析其故障的模式和特點，有助于提高動車組的運行安全性和降低維修成本。該研究收集CRH某型動車組制動系統在一定運用周期內的典型故障數據，構建故障樹，將故障樹轉化為貝葉斯網絡模型，借助Netica軟件構建貝葉斯網絡計算模型，利用其雙向計算功能，計算制動系統的故障率，分析導致制動系統異常的主要故障，為維護策略的制定提供科學依據。

關鍵詞：動車組制動系統;故障樹;貝葉斯網絡;可靠性分析;故障率

中圖分類號：TP393" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）26-0100-05

Abstract： The performance of the braking system of high-speed train is directly related to the safety of driving. The structure and principle of the braking system of EMU are complex， and the fault modes are complex and diverse. The research and analysis of the fault modes and characteristics of EMU is helpful to improve the operation safety of EMU and reduce the maintenance cost. In this study， the typical fault data of the braking system of a certain type of EMU in CRH are collected， the fault tree is constructed， and the fault tree is transformed into a Bayesian network model. With the help of Netica software， the Bayesian network calculation model is constructed， and its bi-directional calculation function is used to calculate the failure rate of the braking system and analyze the main faults that lead to abnormal braking system， so as to provide scientific basis for the formulation of maintenance strategy.

Keywords： EMU braking system; fault tree; Bayesian network; reliability analysis; failure rate

制動系統作為保證高速動車組安全行駛的關鍵部分，其可靠性直接關系到整個列車的運行安全和效率。動車組制動系統是一個高度復雜且精細的機械電子系統，通常由機械部分、氣壓傳動部分、電子控制單元及相關的輔助設備組成，其故障模式復雜多樣，深入研究分析動車組制動系統的故障，有助于進行系統改進、預防維修和故障診斷，對于提高動車組的運行安全性和降低維修成本具有重要意義。

在動車組制動系統的研究中，蔡田等[1]利用制動系統中關鍵變量的瞬態變化過程及其特征值作為故障診斷和預測的標識信息源，建立新的診斷和預測方法;劉成博[2]分析了CRH380B型動車組常用制動系統和緊急制動系統故障成因及處理措施;楊梁崇[3]設計了一款專門用于CRH380B型動車組制動系統安全環路的診斷平臺。

在故障樹和貝葉斯網絡的應用方面，張明明等[4]基于故障樹和貝葉斯網絡，對高速動車電機組的早期故障率進行了估計;王宇等[5]將故障樹分析法與貝葉斯網絡相結合對受電弓系統可靠性的進行了分析，實現對受電弓失效和元件失效進行正反概率預估;楊虹等[6]研究了基于貝葉斯網絡的故障樹在機械設備可靠性分析中的應用;鄒樹梁等[7]基于故障樹轉換為貝葉斯網絡，運用模糊概率做為先驗概率計算求得根節點后驗概率以及概率重要度。

本文基于故障樹和貝葉斯網絡的方法，通過對CRH某型動車組歷史故障數據的挖掘和分析，揭示制動系統中潛在的故障模式和影響因素，并借助Netica軟件雙向計算制動系統異常的故障率和制動系統異常時各基本事件的后驗概率，為制定針對性的維護策略提供科學依據。

1" 可靠性分析方法

1.1" 故障樹分析

在可靠性工程中，故障樹分析（FTA）被廣泛應用于系統失效模式的識別和分析。FTA通過逆向邏輯推理，從系統的頂級事件即不希望發生的事件，如動車組制動系統失效出發，逆向追溯可能導致該事件的基本事件[8]。在這個過程中，構建起一幅倒置的樹狀圖，其中包含了邏輯門，用以表示事件間的邏輯關系。故障樹定性分析通過對故障樹進行簡化，識別最小割集，找出故障樹中頂事件發生的所有故障形式。故障樹分析可以通過定量計算，在基本事件的概率基礎上，根據相鄰兩級的關系估計上一級的故障率，逐級向上估計頂事件的故障率。

1.2" 貝葉斯網絡

貝葉斯網絡（BN）是一種有向無環圖，由節點和有向邊構成，節點代表系統中的隨機變量，有向邊則指示變量間的因果關系，每個節點都附帶一個條件概率表，用以表述給定父節點狀態下子節點的概率分布。貝葉斯網絡通過圖形化的方式展現了變量間的依賴關系，同時以條件概率表精確量化這些關系。

1.3" 從故障樹到貝葉斯網絡模型的轉化

故障樹分析從頂部事件向下分析，找出所有可能的直接和間接原因，并通過基本事件概率計算出頂部事件概率。將故障樹轉化為貝葉斯網絡后，利用其故障概率模型，根據基本事件概率即先驗概率，計算出頂部事件發生時基本事件發生的后驗概率。既可避免故障樹煩瑣的定量分析，也可免去貝葉斯網絡復雜的搭建過程。同時利用貝葉斯網絡雙向計算的功能，可對復雜系統進行更為細致準確的可靠性分析[9]。

故障樹向貝葉斯網絡轉化過程，遵循表1的映射關系。

故障樹中邏輯“或”“與”門的邏輯關系轉換為貝葉斯網絡中條件概率表的算法如圖1所示。

2" 制動系統故障樹的建立與分析

2.1" 故障數據來源

對50列CRH某型動車組在運行里程100萬km到200萬km運行周期內的制動系統實際運行故障數據進行匯總分析，不考慮人為操作、環境等影響，只關注系統軟、硬件設備。

2.2" 故障樹的建立

根據制動系統實際運用的故障數據綜合分析得知，制動系統異常的原因有電器異常、閥類部件異常、機械故障、控制單元異常、網壓異常5類。以上述原因為故障樹的中間事件，結合故障數據和制動系統原理，根據故障樹建立原則，以“制動系統異常”為故障樹的頂事件，建立如圖2所示的制動系統故障樹模型，故障樹編號、事件名稱及頻次見表2。

2.3" 基本事件故障率分析

基本事件的故障率估計，由文獻[10]可知平均故障率的計算

λ=，" " " " " " " " （1）

式中：m表示基本事件的故障頻次;N表示故障統計的動車組列數;ΔL表示故障統計周期內每列動車組的運行公里數，λ為故障率。

本次分析中對象為50列動車組，統計周期為100萬km，即N=50，ΔL=100萬km，由表2可知各基本事件發生的頻次，綜上由式（1）可計算出各基本事件的故障率見表3，故障率單位取×10-5次/km。

3" 制動系統貝葉斯網絡構建與分析

3.1" 制動系統貝葉斯網絡構建

根據表1的要求，將制動系統故障樹轉化為貝葉斯網絡，如圖3所示。

完成故障樹向貝葉斯網絡的映射后，為簡化故障樹中頂部事件概率和貝葉斯網絡中后驗概率繁瑣的計算過程，可利用Netica軟件搭建貝葉斯網絡。

利用Netica軟件搭建其貝葉斯網絡計算模型如圖4所示，各節點為二態節點，“yes”表示事件發生，“no”表示事件不發生，根節點先驗概率未賦值前，各事件的的概率值均為50。

3.2" 制動系統可靠性分析

根據圖1中邏輯“或”門的貝葉斯網絡條件概率表，設置各節點的屬性。根據表3中基本事件的概率，對制動系統貝葉斯網絡計算模型中的根節點進行賦值。Netica軟件根據根節點先驗概率進行計算，最終得到葉節點制動系統異常的發生概率。

由圖5可知，動車組制動系統異常的發生概率為2.82×10-6次/km，由此可得動車組制動系統在運行100萬km后發生故障的次數為2.82×10-6×100×104=2.82次，說明該型號動車組運行100萬km后制動系統可靠性偏低，可根據故障樹的基本事件制定相應的維修計劃。

將葉節點制動系統異常的發生概率設置為100，通過逆向計算得出各根節點的后驗概率，即當制動系統異常時各基本事件發生的概率，后驗概率如圖6所示。

根據圖6的計算結果可以得出，后驗概率較大的根節點即基本事件有：X2（繼電器故障）、X16（EB03B板卡異常）、X19（RB12B板卡異常）、X23（停放制動手緩裝置異常）。

4" 結論

1）利用Netica軟件構建貝葉斯網絡計算模型，簡化了故障樹中頂部事件、中間事件故障率和貝葉斯網絡中后驗概率的計算，優化了可靠性分析的路徑。

2）對于該型動車組，在運用過程中制動系統的故障率為2.82×10-6次/km，在運行100萬km后，制動系統異常故障平均達2.82次，制動系統可靠性偏低;其中控制單元的故障率為1.11×10-6次/km，是引起制動系統異常的主要故障類型，為維修重點提供指導。

3）利用貝葉斯網絡的逆向計算功能，可以得出當制動系統異常發生時，由繼電器故障、EB03B板卡異常、RB12B板卡異常、停放制動手緩裝置異常等故障引起的可能性較大，為制動系統故障排查順序提供理論依據。

參考文獻：

[1] 蔡田，張遠東，章陽，等.基于瞬態特性的動車組制動系統故障診斷方法研究[J].鐵道機車車輛，2023，43（1）：111-116.

[2] 劉成博.CRH380B型動車組制動系統分析及故障應急處置[J].設備管理與維修，2023（8）：71-73.

[3] 楊梁崇.CRH380B型動車組制動系統安全回路診斷功能平臺[J].工業控制計算機，2023，36（4）：34-35.

[4] 張明明，張和生，劉洋，等.基于故障樹與貝葉斯網絡的高速動車電機組早期故障率估計[J].北京交通大學學報，2021，45（6）：51-57.

[5] 王宇，師蔚.基于故障樹-貝葉斯網絡的受電弓系統可靠性評估[J].測控技術，2017，36（9）：131-134，141.

[6] 楊虹，汪厚祥，支冬棟，等.基于貝葉斯網絡的故障樹在機械設備中的應用[J].微計算機信息，2010，26（4）：115-117.

[7] 鄒樹梁，陳樹強.基于故障樹分析和貝葉斯網絡方法的液壓舉升機構故障診斷[J].南華大學學報（自然科學版），2021，35（4）：62-67.

[8] 邵輝.系統安全工程[M].北京：石油工業出版社，2008.

[9] 陳嘉慧，米潔，張勝倫，等.基于故障樹和貝葉斯網絡的履帶車輛行星變速機構可靠性分析[J].機械強度，2024，46（1）：129-135.

[10] 王華勝，李昊，朱慶龍，等.動車組故障率統計分析方法[J].中國鐵道科學，2018，39（1）：88-92.

作者簡介：杜斌剛（1991-），男，講師。研究方向為電力機車傳動控制。