详情

原文传递基于RAMS的地铁列车车载设备维修策略与故障诊断研究

论文题名：	基于RAMS的地铁列车车载设备维修策略与故障诊断研究
关键词：	地铁列车;车载设备;可靠性评估;预防性维修;多目标优化;故障诊断;专家系统
摘要：	地铁列车快速、稳定、便捷、低噪、环保，是最佳的大众交通运输工具。近年来，我国城市地铁的发展进入了飞速发展时期，有30多个城市正在筹建，投资超过万亿，为现代化城市建设提供了坚强的运输保障。地铁列车是运输乘客的载体，是地铁运输的核心组成部分，必须提高可靠性、可用性，降低风险和维修费用。目前，地铁列车的运营管理存在以下突出问题:依靠历史经验制定维修策略，依赖检修人员的主观判断进行故障诊断，诊断系统依靠国外技术引进，缺乏统一平台管理数据和制定检修、维护方案。　　本文依托“广州地铁故障诊断系统和专家系统研究”项目，根据地铁列车的系统结构，对车载设备的可靠性、可用性、可维护性和安全性（Reliability AvailabilityMaintainability Safety，RAMS）评估理论开展系统的研究，建立和完善相关数学模型，提出决策方法，解决维修方式不当、维修策略不合理、故障定位困难的问题，开发了故障诊断系统和专家系统并已投入实际应用。本文的主要研究内容包括: 　　(1)研究地铁列车的常见故障和各系统的失效组件，从RAMS角度提出影响制定维修策略的9个指标，采用改进型层次分析法(Analytic Hierarchy Process，AHP)和蒙特卡罗法分析相关数据，建立组件关键度定量评估体系，为确定组件的维修方式提供依据。　　(2)结合现场数据的特点，建立组件可靠性模型，提出定量评估系统可靠性和安全性的方法，为建立系统的平均可靠性模型和制定维修策略提供理论基础。并将提出的方法应用于广州地铁一号线的故障数据分析与处理，得出该线路地铁列车部分关键组件的可靠性模型，准确评估了其子系统的可靠性和安全性。　　(3)分析地铁列车的寿命周期费用和维修活动的特点，研究不同维修级别与组件可靠性、可用性、安全性和维修费用之间的关系并建立模型，将维修策略的制定转化成为一个多目标的优化问题，提出一种改进型的混沌自适应进化算法，优化计算该问题。改进后的算法与多目标粒子群算法(Multi-Objective ParticleSwarm Optimization，MOPSO)和多目标快速非支配排序(Non-Dominated SortingGenetic Algorithm，NSGA2)算法求得的解集相比，在Pareto前端分布上更为均匀，种群保持多样，全局搜索能力更强。文中以可靠性和维修费用为优化目标，以可用性和安全性为约束条件，对维修策略进行优化，得出维修计划最优解集，为制定合理的维修策略提供参考。　　(4)在对现有诊断系统中存在问题分析的基础上，设计和开发了广州地铁一号线地铁列车故障诊断系统和专家系统。设计的诊断系统随车记录故障信息和车辆状态;专家系统中建立了故障数据库、案例库、知识库和模型库，数据库规范了RAMS现场数据的记录方式，案例库辅助建立案例模型，为故障诊断积累经验。结合实际“紧急制动故障”案例，分析了待检案例检索和匹配的过程，系统实现指导定位现场故障原因，并给出检修建议，有效提高检修效率。文中设计的故障诊断系统和专家系统在成本、性能、可靠性等多项参数上具有优势，并通过相关国家和欧洲行业标准的型式试验，已投入使用，填补了国内相关设备研制的空白。
作者：	李国正
专业：	安全技术及工程
导师：	谭南林
授予学位：	博士
授予学位单位：	北京交通大学
学位年度：	2013
正文语种：	中文