马尔科夫链在公路机电设备状态评测上的应用研究

周元辉

摘要 文章在梳理公路机电设备状态评测技术发展脉络的基础上，围绕马尔可夫链分析模型在公路机电设备状态评测的分析应用技术，介绍了马尔科夫链分析模型，阐述了基于马氏链的公路机电设备故障分析过程，并通过案例分析展示和验证了该分析评测技术的工程适用性，对公路机电设备养护管理和状态评测实际应用有技术参考意义。

关键词 公路机电；设备寿命；状态评测；马尔可夫链；应用研究

中图分类号 TN06文献标识码 A文章编号 2096-8949（2023）16-0138-03

0 引言

马尔可夫链分析法是获取装备系统现有的运行信息，构成系统状态结构分类和转移概率矩阵，预测系统在现有情况下经过一段时间后将达到的状态[1]。该方法对设备管理和决策具有参考意义。通过对高速公路机电设备维修数据的统计，发现高速公路机电设备存在各种状态转移，可以用马尔可夫链对高速公路机电设备的故障进行预测和分析，根据机电装备故障率曲线判别装备的有效运行周期，可以预估设备功效状态，预防事故产生，降低养护投入成本，延长公路机电设备的使用寿命。

1 马尔科夫链分析模型

2 基于马氏链的公路机电设备故障分析

3 公路机电设备有效使用寿命周期判断

可根据曲线拟合计算原理，通过拟合线斜率突变，获得马氏分析故障累计频率曲线斜率突变分界点，见图3所示。

图3曲线显示，从O点到A点，从A点到B点，曲线斜率是稳定的，B点后曲线斜率明显增大。从O点到A点，正常使用情况下设备的有效运行周期是22个月，即根据该期间故障累积曲线的平稳状态。曲线斜率在A点后上升，意味着自A点起，有效运行周期结束。A点之后，设备处于磨损失效期，此时故障率增加，整体故障率曲线逐渐增大提升幅度，并在B点再度出现斜率拐点。B点后，故障率再度增加，此时虽未达到装备的极限寿命，经维修后设备虽可继续使用，但是其投入产出比、安全可靠性等已严重下降，可考虑更换装备。

运用同样的方法，可以判断公路其他机电装备的有效运行周期。选取清河总站收费站的所有智控栏杆设备，利用马尔可夫链方法得出装备的极限概率分布图。根据栏杆机的设备维修数据，运用极限概率转移法，得出概率分布图和装备故障概率曲线图，如图4所示。

因为自动跨栏机设备投入使用，第1个月至第25个月的故障概率≤0.27，在第25个月以后，故障概率明显增加，装备进入磨损失效期。前25个月，约2年时间，是装备的健康运行周期，到第65个月后，装备故障率的平均曲线达到峰值点，在第65个月以后，装备故障率降低，原因是化学腐蚀、装备严重老化等原因，不得不更换主要部件或检修设备，此时装备的故障率虽然会降低，但还没有达到健康使用的极限寿命，还可以继续使用。但是其投入产出比、安全可靠性等已严重下降，可考虑更换装备。

根据自动跨栏机的累计故障次数，验证浴盆波动曲线的拐点，如图5所示。

根据自动跨栏机累计失败次数曲线的斜率，判断M点和N点为分界点。从O点到M点（第25个月）曲线斜率相对稳定，M点后曲线斜率增大，维修故障次数增加。到达N（第65个月）点后曲线斜率又上升，故障维修次数明显增加。分界点M和N由故障的累积频率曲线定义。判断M点和N点是故障维修次数的突变点，用装备寿命和装备健康状态的关系来解释M点（第25个月）前者是装备的正常工作状态，故障概率稳定是由浴盆波动曲线确定的设备的意外失效期，也就是说设备的有效寿命是25个月（大约2a）从M到N的曲线段是设备的磨损失效期，这是因为设备零件存在老化或磨损情况，导致维修和故障概率上升。N点之后，曲线的斜率增大，故障累计次数增加，显示N点前给予维护，属于正常运行周期的常规维护，而N点后明显显示维修次数增加，说明设备处于频发故障期。该时段已经接近设备报废阶段，其间设备在适当维修的前提下还可以继续运行使用一个时程，但是在此期间的设备维护绩效比有所降低，继续使用或者给予高投入维修，会增加投入成本，此时候可以考虑更换新装备。

通过对两种公路机电装备故障概率的研究，研究结果显示，马尔可夫链方法可以判别公路机电装备的有效運行周期，帮助高速公路管理部门有效维护机电设备，预测设备健康状态，及时处理运行中装备的各种突发故障，保证高速公路交通流的高效通行。

4 结语

该文旨在探讨公路机电设备健康应用寿命周期马尔科夫链评测技术。马尔科夫链分析模型分析方法是获取装备系统的在运行信息，构成系统技术状态分类和转移概率矩阵，预测系统在现有情况下经过一段时间后将达到的状态。利用马尔可夫链可以预测和分析公路机电装备的故障，根据机电装备故障率曲线判别装备的有效运行周期，预估设备功效状态，预防事故产生，降低养护投入成本，延长公路机电设备的使用寿命。该文结合案例分析，介绍和展示了公路机电设备故障和健康应用寿命周期马氏链分析方法和过程。根据曲线拟合计算原理，通过拟合线斜率突变，获得马氏分析故障累计频率曲线斜率突变分界点，是该分析技术的一个重要分析结果可视化特点，该特点使有效运行周期的状态边界揭示更加直观清晰，使设备状态目前所处阶段更加一目了然。

参考文献

[1]徐宇亮， 孙际哲， 陈西宏， 等. 电子设备健康状态评估与故障预测方法[J]. 系统工程与电子技术， 2012（5）： 1068-1072.

[2]饶永波， 常治元， 杨宗霄， 等. 高速公路机电设备使用寿命预测模型[J]. 河南科技大学学报：自然科学版， 2011（2）： 12-15.

[3]张继军， 邓力， 马登武， 等. 基于状态条件概率的设备剩余寿命预测[J]. 北京航空航天大学学报， 2014（5）： 602-607.