基于故障树与贝叶斯网络的动车组制动系统可靠性分析

摘" 要：高速列车制动系统的性能直接关系到行车的安全性。动车组的制动系统结构和原理复杂，故障模式复杂多样，研究分析其故障的模式和特点，有助于提高动车组的运行安全性和降低维修成本。该研究收集CRH某型动车组制动系统在一定运用周期内的典型故障数据，构建故障树，将故障树转化为贝叶斯网络模型，借助Netica软件构建贝叶斯网络计算模型，利用其双向计算功能，计算制动系统的故障率，分析导致制动系统异常的主要故障，为维护策略的制定提供科学依据。

关键词：动车组制动系统;故障树;贝叶斯网络;可靠性分析;故障率

中图分类号：TP393" " " 文献标志码：A" " " " " 文章编号：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

制动系统作为保证高速动车组安全行驶的关键部分，其可靠性直接关系到整个列车的运行安全和效率。动车组制动系统是一个高度复杂且精细的机械电子系统，通常由机械部分、气压传动部分、电子控制单元及相关的辅助设备组成，其故障模式复杂多样，深入研究分析动车组制动系统的故障，有助于进行系统改进、预防维修和故障诊断，对于提高动车组的运行安全性和降低维修成本具有重要意义。

在动车组制动系统的研究中，蔡田等[1]利用制动系统中关键变量的瞬态变化过程及其特征值作为故障诊断和预测的标识信息源，建立新的诊断和预测方法;刘成博[2]分析了CRH380B型动车组常用制动系统和紧急制动系统故障成因及处理措施;杨梁崇[3]设计了一款专门用于CRH380B型动车组制动系统安全环路的诊断平台。

在故障树和贝叶斯网络的应用方面，张明明等[4]基于故障树和贝叶斯网络，对高速动车电机组的早期故障率进行了估计;王宇等[5]将故障树分析法与贝叶斯网络相结合对受电弓系统可靠性的进行了分析，实现对受电弓失效和元件失效进行正反概率预估;杨虹等[6]研究了基于贝叶斯网络的故障树在机械设备可靠性分析中的应用;邹树梁等[7]基于故障树转换为贝叶斯网络，运用模糊概率做为先验概率计算求得根节点后验概率以及概率重要度。

本文基于故障树和贝叶斯网络的方法，通过对CRH某型动车组历史故障数据的挖掘和分析，揭示制动系统中潜在的故障模式和影响因素，并借助Netica软件双向计算制动系统异常的故障率和制动系统异常时各基本事件的后验概率，为制定针对性的维护策略提供科学依据。

1" 可靠性分析方法

1.1" 故障树分析

在可靠性工程中，故障树分析（FTA）被广泛应用于系统失效模式的识别和分析。FTA通过逆向逻辑推理，从系统的顶级事件即不希望发生的事件，如动车组制动系统失效出发，逆向追溯可能导致该事件的基本事件[8]。在这个过程中，构建起一幅倒置的树状图，其中包含了逻辑门，用以表示事件间的逻辑关系。故障树定性分析通过对故障树进行简化，识别最小割集，找出故障树中顶事件发生的所有故障形式。故障树分析可以通过定量计算，在基本事件的概率基础上，根据相邻两级的关系估计上一级的故障率，逐级向上估计顶事件的故障率。

1.2" 贝叶斯网络

贝叶斯网络（BN）是一种有向无环图，由节点和有向边构成，节点代表系统中的随机变量，有向边则指示变量间的因果关系，每个节点都附带一个条件概率表，用以表述给定父节点状态下子节点的概率分布。贝叶斯网络通过图形化的方式展现了变量间的依赖关系，同时以条件概率表精确量化这些关系。

1.3" 从故障树到贝叶斯网络模型的转化

故障树分析从顶部事件向下分析，找出所有可能的直接和间接原因，并通过基本事件概率计算出顶部事件概率。将故障树转化为贝叶斯网络后，利用其故障概率模型，根据基本事件概率即先验概率，计算出顶部事件发生时基本事件发生的后验概率。既可避免故障树烦琐的定量分析，也可免去贝叶斯网络复杂的搭建过程。同时利用贝叶斯网络双向计算的功能，可对复杂系统进行更为细致准确的可靠性分析[9]。

故障树向贝叶斯网络转化过程，遵循表1的映射关系。

故障树中逻辑“或”“与”门的逻辑关系转换为贝叶斯网络中条件概率表的算法如图1所示。

2" 制动系统故障树的建立与分析

2.1" 故障数据来源

对50列CRH某型动车组在运行里程100万km到200万km运行周期内的制动系统实际运行故障数据进行汇总分析，不考虑人为操作、环境等影响，只关注系统软、硬件设备。

2.2" 故障树的建立

根据制动系统实际运用的故障数据综合分析得知，制动系统异常的原因有电器异常、阀类部件异常、机械故障、控制单元异常、网压异常5类。以上述原因为故障树的中间事件，结合故障数据和制动系统原理，根据故障树建立原则，以“制动系统异常”为故障树的顶事件，建立如图2所示的制动系统故障树模型，故障树编号、事件名称及频次见表2。

2.3" 基本事件故障率分析

基本事件的故障率估计，由文献[10]可知平均故障率的计算

λ=，" " " " " " " " （1）

式中：m表示基本事件的故障频次;N表示故障统计的动车组列数;ΔL表示故障统计周期内每列动车组的运行公里数，λ为故障率。

本次分析中对象为50列动车组，统计周期为100万km，即N=50，ΔL=100万km，由表2可知各基本事件发生的频次，综上由式（1）可计算出各基本事件的故障率见表3，故障率单位取×10-5次/km。

3" 制动系统贝叶斯网络构建与分析

3.1" 制动系统贝叶斯网络构建

根据表1的要求，将制动系统故障树转化为贝叶斯网络，如图3所示。

完成故障树向贝叶斯网络的映射后，为简化故障树中顶部事件概率和贝叶斯网络中后验概率繁琐的计算过程，可利用Netica软件搭建贝叶斯网络。

利用Netica软件搭建其贝叶斯网络计算模型如图4所示，各节点为二态节点，“yes”表示事件发生，“no”表示事件不发生，根节点先验概率未赋值前，各事件的的概率值均为50。

3.2" 制动系统可靠性分析

根据图1中逻辑“或”门的贝叶斯网络条件概率表，设置各节点的属性。根据表3中基本事件的概率，对制动系统贝叶斯网络计算模型中的根节点进行赋值。Netica软件根据根节点先验概率进行计算，最终得到叶节点制动系统异常的发生概率。

由图5可知，动车组制动系统异常的发生概率为2.82×10-6次/km，由此可得动车组制动系统在运行100万km后发生故障的次数为2.82×10-6×100×104=2.82次，说明该型号动车组运行100万km后制动系统可靠性偏低，可根据故障树的基本事件制定相应的维修计划。

将叶节点制动系统异常的发生概率设置为100，通过逆向计算得出各根节点的后验概率，即当制动系统异常时各基本事件发生的概率，后验概率如图6所示。

根据图6的计算结果可以得出，后验概率较大的根节点即基本事件有：X2（继电器故障）、X16（EB03B板卡异常）、X19（RB12B板卡异常）、X23（停放制动手缓装置异常）。

4" 结论

1）利用Netica软件构建贝叶斯网络计算模型，简化了故障树中顶部事件、中间事件故障率和贝叶斯网络中后验概率的计算，优化了可靠性分析的路径。

2）对于该型动车组，在运用过程中制动系统的故障率为2.82×10-6次/km，在运行100万km后，制动系统异常故障平均达2.82次，制动系统可靠性偏低;其中控制单元的故障率为1.11×10-6次/km，是引起制动系统异常的主要故障类型，为维修重点提供指导。

3）利用贝叶斯网络的逆向计算功能，可以得出当制动系统异常发生时，由继电器故障、EB03B板卡异常、RB12B板卡异常、停放制动手缓装置异常等故障引起的可能性较大，为制动系统故障排查顺序提供理论依据。

参考文献：

[1] 蔡田，张远东，章阳，等.基于瞬态特性的动车组制动系统故障诊断方法研究[J].铁道机车车辆，2023，43（1）：111-116.

[2] 刘成博.CRH380B型动车组制动系统分析及故障应急处置[J].设备管理与维修，2023（8）：71-73.

[3] 杨梁崇.CRH380B型动车组制动系统安全回路诊断功能平台[J].工业控制计算机，2023，36（4）：34-35.

[4] 张明明，张和生，刘洋，等.基于故障树与贝叶斯网络的高速动车电机组早期故障率估计[J].北京交通大学学报，2021，45（6）：51-57.

[5] 王宇，师蔚.基于故障树-贝叶斯网络的受电弓系统可靠性评估[J].测控技术，2017，36（9）：131-134，141.

[6] 杨虹，汪厚祥，支冬栋，等.基于贝叶斯网络的故障树在机械设备中的应用[J].微计算机信息，2010，26（4）：115-117.

[7] 邹树梁，陈树强.基于故障树分析和贝叶斯网络方法的液压举升机构故障诊断[J].南华大学学报（自然科学版），2021，35（4）：62-67.

[8] 邵辉.系统安全工程[M].北京：石油工业出版社，2008.

[9] 陈嘉慧，米洁，张胜伦，等.基于故障树和贝叶斯网络的履带车辆行星变速机构可靠性分析[J].机械强度，2024，46（1）：129-135.

[10] 王华胜，李昊，朱庆龙，等.动车组故障率统计分析方法[J].中国铁道科学，2018，39（1）：88-92.

作者简介：杜斌刚（1991-），男，讲师。研究方向为电力机车传动控制。