地铁站台门系统设备健康管理研究与应用

夏景辉，陈昌进，曲泽超，张 振

安全、稳定、可靠等关键要素对地铁机电设备正点运营、高质量服务起着决定性作用。地铁设备传统的运维模式以故障修、计划修为主[1]。计划修易造成过度修，1增加维修成本且提报计划繁琐；故障修易造成列车晚点，降低服务质量且应急能力较差。相对于传统的“故障修、计划修”等被动式为主的维修方式来说，智能状态修具有一定优越性，它能够较好地控制成本、提高维修效率、科学规划检修周期等[2]。

确保设备运行的可靠性和维护水平已成为保证系统正常运行的必要条件。目前，国内外学者通过大数据联盟和云计算平台，利用定点或移动感知技术，借助数据挖掘、机器学习及可靠性等方法，构建趋势模型预测健康情况[3]。设备健康管理（equipment health management，EHM），是以设备的健康管理为核心，研究设备状态规律，对设备状态进行健康监测、动态养护等，实现设备健康维修管理的理论与模式相统一，是人机主动与被动结合的前瞻性管理。

实施EHM研究是开展设备健康管理的先行先试，是一次设备维护管理的提升过程，通过分解设备的基本单元，预测分析并评价设备系统的运行状态，提前预判故障，为实现状态修提供智能管理策略，从而节约人力和维护成本，降低设备故障率及晚点率。课题研究对科学规划检修周期、提前预判设备状态具有重要的理论及实践指导意义[4]。

1 地铁机电设备健康状态评价方法

1.1 设备状态单一模块健康指数量化

对于地铁机电设备，电子元器件（如继电器）、机械结构等容易出现故障点。单一模块设备根据其工作寿命状态或技术参数给予评判。对于单一模块，其寿命趋势如图1所示。

图1 单一模块器件寿命趋势示意Fig. 1 Schematic diagram of single module device life trends

分析图1，存在4种情况。测量值x在A、D区域（x＜xmin或x＞xmax），则器件失效；测量值x在B、C区域（xmin＜x＜W 或 W＜x＜xmax），则器件处于正常状态；测量值x在B区域（xmin＜x＜W），x在坐标轴正方向越靠近 W，则器件工作状态越佳；测量值 x在 C区域（W＜x＜xmax），x在坐标轴负方向越靠近 W，则器件工作状态越佳。

当实际测量值超过阈值范围时，健康指数为 0，应当立即检修；当实际测量值与标准值重合时，健康指数为 1，此时为设备的最佳状态。根据上述模型建立思路，可用分段函数表达单一模块或元器件的健康指数，见式（1）。

式中，hij(t)为设备基于i的特征参数xi的健康指数；xij(t)为特征参数xi在t时刻的测量值；W为在t时刻该特征参数的标准值。

1.2 设备状态综合健康指数

考虑设备的可靠性、维修经济性及维修的难易程度等因素[5]，运用AHP分层算法对各模块权重进行划分，写出针对各模块的判断矩阵，通过矩阵归一法计算出单行矩阵，得到各因素的权重。设备系统健康评价是在单一模块或元器件（特征参数）计算的基础上综合加权而来。基于多模块（特征参数）的设备系统状态综合健康指数HI(t)的表达式见式（2）。

式中，HI (t)为设备系统状态的综合健康指数；n为设备系统中各单一模块单元数量；m为单一模块中特征参数数量；ωi为设备系统中单一模块权重；ρij为单一模块中各特征参数的权重；hij(t)为设备基于 i的特征参数xi的健康指数。

1.3 设备综合健康指数拟合

基于设备系统状态综合健康指数的HI (t)表达式，建立时间对系统设备综合健康指数影响的非线性模型，反映时间与系统设备综合健康指数关系，见式（3）。

其中，βi为拟合系数，t为监测时间（单位：h）。

通过正线测量的多组数据，利用式（2）进行设备的综合健康指数计算，得到多组离散值。利用高斯-牛顿迭代法拟合出式（3）中的系数，并以此公式预测站台门系统设备未来某一时刻的维护策略[6]。若要计算站台门控制系统达到某一健康状态的时刻，根据表1对式（3）进行赋值，求出t值即可。例如，计算设备处于亚健康状态时的临界时间，则只需令式（3）的HI (t)=0.65，求出的t值即为设备达到亚健康状态的临界时间。

依据设备管理实际生产经验数据，按设备系统的综合健康指数与运行状况对设备状态进行评价，将设备系统健康状况划分为4个等级，见表1。

2 设备健康状态评价方法在站台门上的应用

2.1 确定系统特征参数及权重

通过梳理地铁设备运营故障台账，结合站台门控制系统的控制原理，确定站台门控制系统关键部件的特征参数[7]；运用AHP分层算法对各子模块所占比重进行计算，搭建数学模型，建立站台门控制系统的健康状态模型。同时，把站台门控制系统划分为ATC（安全回路转换装置）板、PEDC（单元控制器）及信号转换电路3个模块，见图2。

表1 设备系统健康等级评价标准Tab. 1 Evaluation standards for health levels of equipment system

图2 站台门控制系统模块划分Fig. 2 Module partition of platform door control system

通过梳理站台门控制系统典型故障，找出影响站台门控制系统各模块部件状态的关键部件。通过分析，确定14个状态参数（1个安全回路电压、12个继电器、1个ATC板电源状态），详见表2。通过失效实验及元器件出厂标定，对14组状态参数的阈值、标准值进行确定，具体方法如下：状态参数的额定值就是其标准值（W），按其出厂标定进行计算；阈值为电子元器件失效临界值xmin、xmax，确定失效状态下限值xmin时可通过变压器不断加载（从标准值向下加载），直至继电器不能吸合，此时的测量值即为失效状态的下限值，也可通过出厂标定值查询；同理，确定失效状态上限值xmax时，通过变压器不断加载（从标准值向上加载），直至继电器不能吸合，此时的测量值即为失效状态的上限值，也可通过出厂标定值查询。对于各子模块在整个设备中所占比重，通过AHP分层算法计算，各权重结果见表2。

2.2 智能采集装置研制

为实现对正线数据的实时测量，并确保测量的时效性、准确性，提高测量效率，研制状态量正线数据测量装置（下位机），原理见图3。该装置可同时采集28组电压值，采用串口与上位机通信，对采集的数据实时显示，采集频率为200 ms/次。

2.3 上位机界面

根据方便性、可操作性原则，对该评价系统进行人机界面编写[8]。界面主要采取分屏显示模式，分为5个模块：欢迎界面、站点设备选择界面、参数录入界面、设备状态曲线界面、设备状态评估界面等。整体采用淡蓝色作为背景，可减少操作人员视觉疲劳。图4为参数读取界面，图5为站台门设备健康管理EHM系统。

表2 特征参数标准值、阈值及权重Tab. 2 Characteristic parameters, standard values, thresholds and weights

图3 智能采集装置原理框图Fig. 3 Principle block diagram of intelligent acquisition device

图4 参数录入界面Fig. 4 Parameter input interface

图5 站台门设备健康管理EHM系统 Fig. 5 EHM system of platform door

2.4 正线实验验证

对测得的数据进行计算，得出一系列离散的健康指数HI(t)，见表3。对离散数据运用MATLAB软件工具进行5次多项式拟合，得出式（4），见图6～7。

表3 人民路上行健康指数计算结果（部分）Tab. 3 Health index of Renmin road station (upstream：A part)

图6 人民路站下行健康状态拟合Fig. 6 Health status of Ren min road station (down)

图7 人民路站下行健康状态预测图Fig. 7 Health status of Ren min road station (down)

分析拟合方程，通过 MATLAB进行求解，令HI(t)=0.65（设备亚健康状态），得出 x=174，每次测量时间相隔为12 h，因此推断出设备处于亚健康时间为2 088 h。

3 站台门控制健康评价对生产的指导应用

根据四级设备健康状况，开展不同的检修策略，见表 4。运用参数模型拟合出设备综合健康指数随时间变化趋势，预测设备的健康状态，以便及时制定维护策略，实现智能修。系统的评价模型是修订检修周期的重要理论参考。如设备状态在一段时间内性能状态指数均为 0.8以上，则可相应地延长检修周期，从而节省人力、物力，节约成本，提高维护效率。

表4 健康状况应对措施Tab. 4 Measures for equipment health

4 结语

本文研究了站台门控制系统的设备综合健康状态，建立基于特征参数的健康状态评价模型，实现了站台门控制系统特征状态量的量化表征。结合实际运行数据能够实时评价系统设备的综合健康指数，从而预判设备健康状态。通过正线的实际验证，确定了模型的可靠性，为科学规划设备检修周期奠定科学依据。

[1] 张彦如, 耿梦晓. 基于健康指数的设备运行状态评价与预测[J]. 合肥工业大学学报, 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] 于宏军, 韩建军, 张华, 等. 航空发动机健康管理系统标准探讨[J]. 航空标准化与质量, 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. 复杂成套设备关联建模技术及其应用研究[D].杭州: 浙江大学, 2013.HU Zhouyu. Study on technologies of modeling correlation within complex equipment sets and its application [D].Hangzhou: Zhejiang University, 2013.

[4] 周忠宝, 马超群, 周经伦, 等. 基于动态贝叶斯网络的动态故障树分析[J]. 系统工程理论与实践, 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] 李强. 民航发动机健康管理技术与方法研究[D]. 南京:南京航空航天大学, 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, 訾艳阳, 等. 机械设备运行可靠性评估的发展与思考[J]. 机械工程学报, 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] 宾光富, 周元. 基于Fuzzy-AHP的机械设备多特征参数健康状态综合评价研究[J]. 中国机械工程, 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] 骆思佳, 廖瑞金, 王有元, 等. 带变权的电力变压器状态模糊综合评判[J]. 高电压技术, 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.