高速列车设备维修决策支持系统的研究和实现

王灵芝

（中国铁道科学研究院机车车辆研究所，北京 100094）

0 引言

随着我国投入运营的高铁数量越来越多，各车辆段对车辆日常维护保养工作信息化程度的改进都在不断提高，记录了很多有意义的信息和数据，但这些信息和数据并未得到有效的利用，特别是在有效信息的筛选、分析以及相应软件的开发方面，与发达国家相比，中国还处在初级阶段。作为铁路运输管理信息系统的一个重要组成部分，高速列车设备维修信息系统的主要目标是收集列车运营和维修过程中的全部履历，并对履历信息进行有效分析，为列车运营和维修提供实时保障。现以高速列车运行与维修过程中所记录的现场数据为主要研究对象，综合考虑专家和现场工作人员的实际经验，建立设备重要度评估模型、寿命分布模型、维修间隔时间计算模型以及视情维修模型。在模型建立和求解过程中引入模糊数学、参数估计方法等数学方法，最终建立高速列车设备维修决策支持系统。

1 系统组成架构

图1所示架构图为三库架构，即为本文研究的设备维修决策系统所采用的架构。

（1）数据库，主要保存列车本身的各种基本参数以及运行和维修过程中生成的数据。列车本身的基本参数主要包括：设备的性能指标等基本信息、评估标准信息、状态参数的阈值等；运行和维修过程中生成的数据主要包括：列车运行时间、各种故障信息、维修信息等。

（2）模型库，主要包含重要度评估模型、模型参数估计模型、设备综合状态评价和预测模型、维修间隔时间模型、多个部件统筹维修策略模型、故障的风险评价模型等各种数学计算模型。

（3）知识库，就是将一些现场工人及专家的经验用文字或数字的形式存储起来，相当于一个规则库。

（4）处理器，高速列车维修决策支持系统中各种模型（包括设备寿命分布模型、设备综合状态的评估及预测模型、设备重要度的综合评价模型、维修间隔时间确立模型等）的处理和计算都是由处理器根据人机交互界面得到的指令，协调数据库以及模型库来实现。作为决策系统的核心部分，主要功能是调用知识库中的规则、数据库中的相关数据并协调各模块之间的信息传递。可以通过处理器对系统数据库进行访问；对数据的合理性进行检测，并进行统一格式化处理；本系统中，处理器也可以访问知识库，可以向用户或专家咨询；选择合适的模型。

（5）用户界面，是维修决策支持系统与用户之间进行信息交换的媒介，用户可以方便有效地输入相关信息，系统可以根据用户的需求将相应的结果显示在界面上。用户可方便快捷地了解系统推理的过程，实时查看运算结果。

图1 高速列车设备维修决策系统架构

2 系统功能解析

高速列车设备维修决策系统能对设备的基本信息、运行维修过程中收集的数据进行加工和处理，进而确定设备的寿命分布模型，根据设备的维修基本信息给出高速列车设备高效安全运行的维修决策方案。此外还具有灵活、人性化的人机交互系统。

2.1 具体决策功能模块

首先选择、整理和分析来自列车运营管理信息系统的数据。然后依据以可靠性为中心的维修思想 (Reliability-Centered Maintenance,RCM)，深入分析设备寿命分布模型的建立方法、设备维修间隔时间，以及检测间隔时间的确定方案、设备重要度的评估方案、设备综合状态的评价和预测方案等重要模型，通过不同方法方案的对比，最终选取最优方案，然后利用计算机语言实现相应模型的计算，实现维修决策方案的实施，完成维修决策支持系统的设计开发。系统功能研究的主要技术路线，如图2。

图2 本文研究的技术路线

2.1.1 设备重要度评价

高速列车包含众多设备，各设备的功能及故障后造成的影响差别很大，因此在制订维修计划时，不能对所有设备采取同一种维修方式，而要综合分析设备故障对安全性、任务性以及经济性的影响程度，在此基础上确定具体设备的维修时间和维修方式。高速列车设备维修决策支持系统建立了基于模糊加权最小二乘法的重要度分析模型，通过设备重要度指标值来反映设备故障造成的综合影响，然后根据设备重要度以及实际维修能力来确定具体设备的维修方式。

2.1.2 设备寿命分布模型的建立

（1）收集设备运营过程中的故障数据、无失效数据以及维修信息数据，并对这些数据进行处理和分析，从而建立设备寿命分布模型以及修复非新模型，此为寿命分布模型建立模块的主要功能。

（2）基于建立设备寿命模型包含参数估计、拟合优度的检验以及最优模型的选择。在收集到一定规模的设备运营故障数据和维修信息后，便可根据这些数据和信息建立设备的寿命分布模型。共包含3个步骤：①进行参数估计。首先对记录的故障数据进行预处理，需要调用模型库中的数据预处理模型，根据预处理后的数据，系统可以构造出模型分布概率图，进而对分布概率图进行分析，确定一种或几种可能的分布模型，针对不同的分布模型，系统会根据用户的不同需求调用模型库中最适宜的参数估计模型，进行模型的参数；②拟合优度检验。针对参数估计模块中确定的一种或几种可能的设备寿命分布模型，系统自动从模型库中选择适宜的拟合优度检验统计量，并对统计量进行计算，进而判断所确立的分布模型是否合理；③选择最优的模型。针对合理的分布模型，调用模型库中的灰色关联方法或模糊贴近度方法进行拟合优度检验，然后根据拟合优度的检验结果以及用户的需求确定最优分布模型。

针对无失效数据，建立设备寿命分布模型主要包含参数估计，系统中重点应用Bayes理论对现场收集的无失效数据进行有效地参数估计，针对数据库中储存的无失效数据，采用模型库中的Bayes参数估计模型，获得模型中各参数的估计值，从而确定设备寿命分布模型。

（3）建立修复非新模型：确定设备寿命分布模型之后，依据设备的维修次数和服役时间，对设备寿命分布模型进行必要的参数修正。根据设备营运过程中记录的故障和维修数据，调用模型库中的模型，此模型可以确定修复非新模型影响因子，从而确立设备寿命的修复非新模型。

2.1.3 预防性维修间隔时间的确定

（1）维修工作是否有效的关键因素就是维修间隔时间制定的是否合理，它直接关系到维修工作有效性。对于故障后果严重的设备，如果维修间隔时间过长，便会降低设备的安全性以及完成任务的能力；间隔时间太短，又会造成不必要的浪费。因此合理地确定维修间隔时间需要综合考虑安全性、任务性以及经济性等方面的因素。本系统依据已经确定的设备寿命分布模型、根据对设备安全性、任务性或经济性的不同要求，确立了单个设备维修间隔时间的优化模型。由于高速列车包含的设备众多，不可能每次维修只针对某一设备进行，统筹考虑多个设备组合维修才是经济可行的，因此建立了多设备组合优化维修模型。

（2）在设备寿命分布模型已经确定的前提下，分析单个设备周期预防性维修间隔时间的确定、顺序预防性维修间隔时间的确定，以及多个设备组合维修间隔时间的优化。单个设备预防性维修间隔时间的确定，从数据库中调用相关要求，如设备安全等级、经济性要求、使用有效度等，根据相关要求调用模型库中对应的维修间隔时间确定模型，计算出设备的最佳维修间隔时间。在单个设备维修间隔时间确定的基础上，对多个设备的维修方案进行优化组合，首先确定需进行组合维修的设备，利用模型库中的多个设备组合维修优化模型，得到最优的多设备组合维修间隔时间，在保证设备安全性的基础上使维修成本最低。

2.1.4 设备状态评价及预测

对于关键设备，尤其是维修成本又比较高的设备，实时监测设备的运行参数，通过对参数的综合分析来评价设备所处状态，并据此来判定是否对其进行维修，即为视情维修。视情维修中非常重要的一步就是对检测到的实时数据进行分析，评价设备当前的状态。本系统中建立了设备状态评价及预测模型。针对不同的设备，依据一定的规则从模型库中调用适宜的模型，然后依据之前设定的状态阈值对实时检测到的运行参数进行评价，确定设备当前所处的状态，并根据设备的当前状态判断出是否立即对设备进行维护，同时系统具备相应的故障诊断和报警功能。状态预测主要针对状态评价中状态不佳的设备，从模型库中选择合适的预测模型，依据预测得到的状态决定设备的检测间隔时间或维修时间点，以便制定合理的维修决策。

2.2 系统管理模块

此模块主要对系统用户以及用户权限进行统一配置和管理，对用户的登陆和退出进行跟踪记录。并进行系统备份和回复。

2.3 信息综合管理模块

此模块的主要功能是存储和管理列车所有相关设备的基本信息。包括设备编码、设备基本功能参数、运行过程中故障信息的详细记录、设备台账的管理等。以便为决策功能模块提供必要的基本信息。

3 系统开发工具

作为可视化编程工具中的编程语言Visual C++，它集成了微软视窗操作系统应用程序接口（具有与MATLAB应用程序的接口），而且提供了有效的编辑、编译和调试工具，但不具备强大的数学计算能力。而此决策支持系统中的任一模块都需要进行大量而且复杂的数学计算，因此本系统引入了具有庞大计算功能的MATLAB软件。MATLAB软件是一个计算效率和计算精度都比较高的数值计算软件。

由于本维修决策支持系统中涉及到的信息的形式多样，如有专家经验知识的文字化信息、有设备基本功能参数、运行里程、维护费用等涉及到的数字化信息等，因此本文维修决策支持系统的数据库管理软件采用了Oracle数据库。

将Visual C++、MATLAB软件和Oracle数据库管理软件有效地结合起来，充分发挥各自优势，从而实现高速列车维修决策支持系统的开发。系统采用Visual C++实现了友好的人机交互界面，通过此界面不仅能够实现Oracle和MATLAB之间信息的交换和传输工作，而且还能快捷方便地对Oracle数据库中的数据及信文字息进行调用和管理，如图3。

图4 减振器故障数据预处理

图5 故障数据在概率图纸的拟合

图6 减振器寿命分布模型参数估计

4 高速列车设备维修决策支持系统的实现

下面以设备寿命分布模型的建立过程为例，介绍系统功能的具体实现。

（1）高速列车设备运营故障数据大部分为随机截尾数据。因为受运营方式和维修方式的影响，不可能所有设备等到故障后才进行维修或更换。对于这种未出现故障就进行维修或更换的设备，可能发生故障的时间点很难估计，也无法得到此设备的故障秩次。而平均秩次方法则可以解决该难题。因为平均秩次法采用了中位秩的计算方案，对样本数据的数量要求也不严格。因此针对这种随机截尾数据，采用平均秩次法来进行设备故障秩次的计算，进而对设备的可靠性进行分析。图4所示为减振器故障数据预处理的结果。

（2）根据预处理的数据选择减振器故障的分布模型。首先根据经验大致确定减振器故障可能服从指数分布或威布尔分布，然后根据预处理得到的数据在概率图纸上描点，得到图5中的概率图纸。图5中左下方展示的是减震器故障数据的指数分布拟合情况，图5中右下方展示的是故障数据的威布尔分布拟合情况，由概率图纸可以看出，本文分析的减振器故障分布更倾向于威布尔分布，而且是三参数的威布尔分布。

（3）确定分布模型后，便可以根据相应的参数估计方法得到三参数的威布尔参数估计，本系统的三参数威布尔分布参数估计方法有多种，最终选择估计结果最优的一种。图6中采用不同的参数估计方法对减振器故障数据进行分析，得到的参数估计结果，根据最优的估计结果建立了故障率分布图和可靠度分布图。

5 结论

通过对国外高速列车维修决策研究成果以及我国高速列车运行与维修现状的调查研究，建立以可靠性为中心的设备维修决策支持系统。着重处理和分析列车运行与维修过程中的现场数据，并对实现列车设备维修决策的几个关键问题进行分析并给出解决策略，最终设计和开发出高速列车设备维修决策支持系统。该系统为高速列车设备的运行与维修决策提供了一个通用平台。

［1］董锡明.机车车辆运用可靠性工程［M］.北京:中国铁道出版社，2002.

［2］张志华，刘海涛，程文鑫.威布尔分布场合下无失效数据的Bayes分析［J］.海军工程大学学报，2007，19（6）：38-41.

［3］张志华，姜礼平.正态分布场合下无失效数据的统计分析［J］.工程数学学报，2005，22（4）：741-744.

［4］韩明.失效概率的 E-Bayes估计及其性质［J］.数学物理学报，2007，27A（3）：488-495.