Prediction of remaining service life of train control center based on hyper-ellipsoidal Markov
-
摘要: 为研究设备可用度对列车控制中心（TCC，Train Control Center）的影响和预测TCC的剩余使用寿命（RUL ，Remaining Useful Life），降低TCC的故障发生率，确保车辆安全运行，构建TCC动态故障树模型。通过引入Markov理论，将其转化为Markov模型，设计了TCC可用度评估与RUL预测方法；考虑了TCC的失效率和共因失效，利用D-S（Dempster-Shafer）证据理论对失效数据作数据融合处理，得到TCC设备初始故障区间概率；在此基础上，采用超椭球模型约束设备初始故障区间概率，得到更加精确的底事件故障区间概率；画出Markov状态转移图，用矩阵推导出TCC可用度和RUL的函数关系式，且对可用度的计算还考虑了维修因素。以兰州—乌鲁木齐客运专线某TCC数据作为分析案例，用该方法计算TCC及其各设备的可用度，并预测TCC的RUL。结果表明：与通用方法相比，评估结果相同，但评估信息更丰富。Abstract: To study the impact of equipment availability on Train Control Center (TCC) and predict the Remaining Useful Life (RUL) of TCC, reduce the occurrence rate of TCC failures, and ensure safe vehicle operation, this paper constructed a TCC dynamic fault tree model. By introducing Markov theory and transforming it into a Markov model, the paper designed a TCC availability evaluation and RUL prediction method, considered the failure rate and common cause failure of TCC, used the D-S (Dempster Shafer) evidence theory to fuse the failure data and obtain the initial failure interval probability of TCC equipment. On this basis, the paper used a hyper-ellipsoid model to constrain the initial failure interval probability of the equipment and obtain a more accurate probability of the bottom event failure interval, drew a Markov state transition diagram, derived the functional relationship between TCC availability and RUL using a matrix, and also considered maintenance factors while calculating availability. The paper took the data of a certain TCC on the Lanzhou-Urumqi passenger dedicated line as an analysis case, used this method to calculate the availability of TCC and its various equipment, and predicted the RUL of TCC. The results show that compared with general methods, this method has the same evaluation results, but richer evaluation information.
-
-
表 1 设备失效率和维修率
设备 独立失效率$ {\lambda _1} $/（次·h−1） 共因失效率$ {\lambda _2} $/（次·h−1） 维修率$ \mu $ SCU $ 1.26 \times {10^{{{ - }}5}} $ $ 3.90 \times {10^{{{ - 7}}}} $ 2 PIO $ 2.28 \times {10^{{{ - }}5}} $ $ 1.46 \times {10^{{{ - 6}}}} $ 2 DY $ 1.59 \times {10^{{{ - }}5}} $ $ 1.77 \times {10^{{{ - 6}}}} $ 2 CI-TC $ 1.20 \times {10^{{{ - }}5}} $ $ 1.04 \times {10^{{{ - 6}}}} $ 2 CI-GS $ 3.10 \times {10^{{{ - 6}}}} $ $ 1.98 \times {10^{{{ - 7}}}} $ 2 CI-LEU $ 9.20 \times {10^{{{ - 6}}}} $ $ 4.84 \times {10^{{{ - 7}}}} $ 2 CI-CBI $ 2.10 \times {10^{{{ - 6}}}} $ $ 2.33 \times {10^{{{ - 7}}}} $ 2 CI-TSRS $ 2.10 \times {10^{{{ - 6}}}} $ $ 1.58 \times {10^{{{ - 7}}}} $ 2 CI-ADTCC $ 2.10 \times {10^{{{ - 6}}}} $ $ 1.11 \times {10^{{{ - 7}}}} $ 2 
下载: 导出CSV
表 2 D-S证据理论获取的设备故障区间概率
设备 证据区间概率 /×10−5 SCU [1.225, 2.967] PIO [2.256, 3.998] DY [1.225, 2.967] CI-TC [1.592, 3.334] CI-GS [0.303, 2.045] CI-LEU [0.899, 2.641] CI-CBI [0.207, 1.949] CI-TSRS [0.205, 1.948] CI-ADTCC [0.204, 1.947]
下载: 导出CSV
表 3 超椭球模型约束的设备故障概率区间
设备 超椭球模型约束概率区间 /×10−5 SCU [1.491, 2.598] PIO [2.702, 3.482] DY [2.157, 2.714] CI-TC [1.843, 2.235] CI-GS [1.021, 1.299] CI-LEU [1.663, 1.857] CI-CBI [1.001, 1.141] CI-TSRS [1.023, 1.121] CI-ADTCC [1.038, 1.107]
下载: 导出CSV
表 4 TCC各设备的稳态可用度
设备 稳态可用度 SCU [0.999 999 999 662 53, 0.999 999 999 888 85] PIO [0.999 999 999 393 81, 0.999 999 999 634 97] DY [0.999 999 999 631 72, 0.999 999 999 767 37] CI-TC [0.999 999 999 750 24, 0.999 999 999 830 17] CI-GS [0.999 999 999 915 63, 0.999 999 999 947 88] CI-LEU [0.999 999 999 827 58, 0.999 999 999 861 72] CI-CBI [0.999 999 999 934 91, 0.999 999 999 949 90] CI-TSRS [0.999 999 999 937 17, 0.999 999 999 947 67] CI-ADTCC [0.999 999 999 938 73, 0.999 999 999 946 13]
下载: 导出CSV
-
[1] 中国国家铁路集团有限公司. 全国铁路营业里程达到15.5万公里[ER/OL]. (2023-01-29)[2023-05-24]. http://www.china-railway.com.cn/xwzx/ywsl/202301/t20230129_125641.html. [2] Ismail A, Saidi L, Sayadi M, et al. Remaining useful life estimation for thermally aged power insulated gate bipolar transistors based on a modified maximum likelihood estimator[J]. International Transactions on Electrical Energy Systems, 2020, 30(6): e12358.
[3] 王 玺,胡昌华,裴 洪,等. 新研发光电产品的剩余寿命自适应预测方法[J]. 光学学报,2019,39(12):1223003. [4] 张正新,胡昌华,司小胜,等. 双时间尺度下的设备随机退化建模与剩余寿命预测方法[J]. 自动化学报,2017,43(10):1789-1798. [5] 张继冬,邹益胜,邓佳林,等. 基于全卷积层神经网络的轴承剩余寿命预测[J]. 中国机械工程,2019,30(18):2231-2235. [6] 徐洲常,王林军,刘 洋,等. 采用改进回归型支持向量机的滚动轴承剩余寿命预测方法[J]. 西安交通大学学报,2022,56(3):197-205. [7] 王 彪,秦 勇,贾利民,等. 监测数据驱动的城轨列车轴箱轴承剩余寿命预测[J/OL]. (2022-07-07)[2023-05-25]. http://kns.cnki.net/kcms/detail/51.1277.U.20220705.1807.008.html. [8] Marshall A W, Olkin I. Life distributions[M]. New York: Springer, 2007.
[9] Sikorska J Z, Hodkiewicz M, Ma L. Prognostic modelling options for remaining useful life estimation by industry[J]. Mechanical Systems and Signal Processing, 2011, 25(5): 1803-1836. DOI: 10.1016/j.ymssp.2010.11.018
[10] Park M, Rhee S. A study on life evaluation & prediction of railway vehicle contactor based on accelerated life test data[J]. Journal of Mechanical Science and Technology, 2018, 32(10): 4621-4628. DOI: 10.1007/s12206-018-0909-y
[11] 朱 涛,尹敏轩,王 超,等. 基于假设分布的重载货车关键结构剩余寿命预测方法[J]. 铁道学报,2022,44(4):19-26. DOI: 10.3969/j.issn.1001-8360.2022.04.003 [12] 王 康,齐金平,周亚辉,等. 基于离散时间贝叶斯网络的列控中心可靠性分析[J]. 中国机械工程,2021,32(4):390-398. [13] 江 磊,王小敏,蔺 伟. 基于动态贝叶斯网络的列控中心可靠性及可用性评估[J]. 交通运输系统工程与信息,2018,18(3):182-188,217. [14] Chen X Y, Fan J P, Bian X Y. Structural robust optimization design based on convex model[J]. Results in Physics, 2017 (7): 3068-3077. DOI: 10.1016/j.rinp.2017.08.013
[15] 史华东,陆宁云,许志兴,等. 基于D-S证据理论的城市轨道交通车辆车门亚健康融合诊断方法[J]. 城市轨道交通研究,2022,25(6):58-64,69. [16] 王啟鹏,周卫琪,景 鹏. 基于区间D-S证据理论的干线公交信号优先方案评价模型[J]. 公路交通科技,2019,36(10):114-120,151. [17] 葛 轶,周步祥. 基于超椭球贝叶斯网络的配电系统可靠性评估[J]. 电测与仪表,2017,54(1):22-26. [18] 齐金平,王 康,周亚辉,等. 基于Markov的列控中心可用度及剩余寿命预测[J]. 中国安全科学学报,2021,31(10):54-61. [19] 蒋乐天,徐国治. 故障树模型与Markov模型的关系及转换[J]. 系统工程与电子技术,2003,25(11):1441-1444. [20] 国家铁路局. 列控中心技术条件:TB/T 3439-2016[S]. 北京:中国铁道出版社,2016. -
期刊类型引用(6)
1. 苗守庭，景晓志，冉泽宇，张志强，于茜，李红艳. 数字人民币智能合约在铁路客票+业务支付结算的应用研究. 铁道运输与经济. 2024(03): 125-133 . 
百度学术
2. 王宇嘉，贾永刚，牟宏基，孙玉明，郑铎，李思达. 铁路客运服务标准及规章体系构建研究. 铁道运输与经济. 2024(06): 42-47+80 . 百度学术
3. 王宁，柴雪松，李健超，马学志，茅宇琳. 高速铁路无砟轨道典型伤损图谱的设计研究. 铁道建筑. 2023(06): 1-6 . 百度学术
4. 张丁荣，王恪铭，冯心妍. 基于知识图谱和故障树的高速铁路事故致因分析. 铁路计算机应用. 2023(07): 14-18 . 本站查看
5. 孔庆玮，苗茁，冯小芳，杨国柱，龙勋. 基于知识图谱的高速铁路客运调度命令闭环管理方案研究. 铁道运输与经济. 2023(10): 89-98 . 百度学术
6. 郭奕聪，胡维，周政，刘唯佳. 基于知识图谱的铁路企业智能督办系统研究. 铁路计算机应用. 2023(10): 27-31 . 本站查看
其他类型引用(1)
计量
- 文章访问数: 45
- HTML全文浏览量: 9
- PDF下载量: 11
- 被引次数: 7
