CN104077483A - 城轨车辆部件故障模式和故障原因综合影响度的确定方法 - Google Patents

Abstract

本发明公开了一种城轨车辆部件故障模式和故障原因综合影响度的确定方法。步骤如下：首先确定城轨车辆部件故障模式的故障率λ和故障频比数α；其次利用群体决策理论确定部件故障模式的故障影响概率β，并利用层次分析法得到λ、α、β三因素的权重值；然后将λ、α、β进行有权重的相乘得到部件故障模式的危害度，并构建故障模式和故障原因间的初始数据矩阵；最后根据初始数据矩阵的标准化矩阵得到故障模式和故障原因之间的综合影响度矩阵，并得到各故障模式和故障原因的影响度、被影响度、中心度和原因度，将故障模式按中心度排序，将故障原因按原因度进行排序。本发明结合了群体决策理论、层次分析法和决策实验室分析法，步骤简单、运算量小、精确度高。

Description

城轨车辆部件故障模式和故障原因综合影响度的确定方法

技术领域

本发明属于交通安全工程技术领域，特别是一种城轨车辆部件故障模式和故障原因综合影响度的确定方法。

背景技术

地铁车门系统是一个复杂的机电产品，作为乘客上下地铁列车的通道，故对其可靠性要求极高。而可靠性研究已经成为现代产品研发和维修中的重要环节，因此对车门系统进行故障模式和故障原因的综合影响评估以找出设计中的薄弱环节和协助地铁运营单位制定合理的维修决策则显得势在必行。

对产品进行可靠性评估找出危害性较大的系统环节，中外学者已经做了大量研究，潘忆宁等采用故障模式影响及危害度分析(FMECA)方法对地铁车门系统进行可靠性分析，得到了车门系统中危害性较大的故障模式；Kwai-Sang Chin.则提出一种基于证据推理的FMECA方法，对故障评价信息的不确定性和多样性进行建模，从而得出故障模式的危害度大小；王晓峰等引入决策实验室分析法(DEMATEL)对加工中心的abc轴进给系统进行了故障排序，得到了系统的薄弱环节。但是，传统FMECA方法应用于车门可靠性分析时存在故障发生概率输入不精确、评估方法不合理和评估结果不确定性高的问题，而且传统的FMECA属于单因素分析方法，对同一层次或不同层次间各个故障模式和故障原因的相互关系及影响很难综合评估。

发明内容

本发明的目的在于提供一种简便高效、精确可靠的轨道交通车辆部件故障模式和故障原因综合影响度的确定方法。

实现本发明目的的技术解决方案是：一种城轨车辆部件故障模式和故障原因综合影响度的确定方法，包括以下步骤：

步骤1，确定车辆部件故障模式的故障率λ、故障频比数α和故障影响概率β，在确定故障影响概率β时利用群体决策理论；

步骤2，确定λ、α、β三因素的权重值：对步骤1中车辆部件故障模式的λ、α、β三个因素利用层次分析法给每个因素赋予一个权重；

步骤3，车辆部件故障模式危害度的确定：根据步骤2中得到的权重值将故障率λ、故障频比数α和故障影响概率β进行有权重的相乘从而得到每个故障模式的危害度值；

步骤4，构建故障模式和故障原因间的初始数据矩阵：根据每个故障模式及其对应的故障原因危害度值构建故障模式和故障原因间的初始数据矩阵；

步骤5，确定故障模式和故障原因之间的综合影响矩阵：对步骤4所得初始数据矩阵进行标准化，根据标准化矩阵得到故障模式和故障原因之间的综合影响矩阵；

步骤6，确定各故障模式和故障原因的影响度、被影响度、中心度和原因度：根据步骤5所得综合影响矩阵，分别用矩阵的行和表示影响度、列和表示被影响度、行和与列和之和表示中心度、行和与列和之差表示原因度；

步骤7，故障模式和故障原因综合影响排序：根据步骤6所得影响度、被影响度、中心度和原因度，将故障模式按中心度值大小进行排序，将故障原因按原因度值大小进行排序。

本发明与现有技术相比，其显著优点是：(1)应用群体决策理论，降低了故障响概率β取值的不确定性；(2)采用层次分析法，赋予故障率λ，故障频比数α和故障影响概率β三因素一个权重，危害度值的计算更符合实际；(3)对城轨车辆部件故障模式和故障原因采用DEMATEL方法，克服了FMECA方法的片面性，得到了故障模式和故障原因的综合影响度。

附图说明

图1是本发明城轨车辆部件故障模式和故障原因综合影响度的确定方法的流程图。

图2是本发明中故障原因和故障模式的中心度和原因度曲线图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细说明。

结合图1，本发明城轨车辆部件故障模式和故障原因综合影响度的确定方法，包括以下步骤：

步骤1，确定车辆部件故障模式的故障率λ、故障频比数α和故障影响概率β，在确定故障影响概率β时利用群体决策理论，具体如下：

故障率λ为通过现场故障数据得到的平均故障率，公式为λ＝M/∑t，其中M为部件在规定时间内故障总次数，∑t为部件在规定时间内的累积工作时间；

故障频比数α是部件故障模式出现的次数与产品所有故障数的比值；

故障影响概率β通过群体决策理论确定，设有N组FMECA专家成员，给每位专家赋予一个权重q_n>0，其中n＝1,2...,N，的计算公式为式中β_n为每组专家成员所取的故障影响概率的值。

步骤2，确定λ、α、β三因素的权重值：对步骤1中车辆部件故障模式的λ、α、β三个因素利用层次分析法给每个因素赋予一个权重，具体过程如下：

(2.1)构建判断矩阵A：

式中，a_ij的取值遵循以下规则：

其中，a_i、a_j表示将被赋予权重的因素；

(2.2)计算判断矩阵A各行元素乘积的n次方根：

$M_i={\left(\underset{j=1}{\overset{n}{\mathrm{\Π}}}\right)}^{1/n},i=\mathrm{1,2},...,n---\left(3\right)$

(2.3)对向量M_i归一化：

$w_i=M_i/\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{M}_j,j=\mathrm{1,2},...,n---\left(4\right)$

则权重向量为W＝(w₁,w₂,…,w_n)^T；

(2.4)根据权重向量W，每个因素a₁，a₂，…，a_n的权重依次为w₁，w₂，…w_n。

步骤3，车辆部件故障模式危害度的确定：根据步骤2中得到的权重值将故障率λ、故障频比数α和故障影响概率β进行有权重的相乘从而得到每个故障模式的危害度值，故障模式危害度公式为：

${\mathrm{ICR}}_i={\mathrm{\α}}_i^{w_1}{\mathrm{\β}}_i^{w_2}{\mathrm{\λ}}^{w_3}---\left(5\right)$

式中，ICR_i表示故障模式i的改进危害度值。

步骤4，构建故障模式和故障原因间的初始数据矩阵：根据每个故障模式及其对应的故障原因危害度值构建故障模式和故障原因间的初始数据矩阵，具体为：根据每个故障模式及其对应的故障原因危害度值构建故障模式和故障原因间的初始数据矩阵D：

其中，d_ij表示因素F_i对因素F_j的影响程度，d_ii＝0。

步骤5，确定故障模式和故障原因之间的综合影响矩阵：对步骤4所得初始数据矩阵进行标准化，根据标准化矩阵得到故障模式和故障原因之间的综合影响矩阵，具体步骤如下：

对步骤4所得初始数据矩阵D进行标准化，标准化公式为：

$X=\frac{D}{S},S=\underset{1\≤i\≤n}{\max }\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{d}_{\mathrm{ij}}\right)---\left(7\right)$

根据标准化矩阵得到故障模式和故障原因之间的综合影响矩阵T，其计算公式为：

$T=\underset{k\→\∞}{\lim }(X+X^2+...+X^k)=X{(I-X)}^{-1}---\left(8\right)$

式中，I为单位矩阵。

步骤6，确定各故障模式和故障原因的影响度、被影响度、中心度和原因度：根据步骤5所得综合影响矩阵，分别用矩阵的行和表示影响度、列和表示被影响度、行和与列和之和表示中心度、行和与列和之差表示原因度，其中行和用向量R表示、列和用向量L表示，具体计算公式如下：

$L_j=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_{\mathrm{ij}},j=\mathrm{1,2},...,n---\left(9\right)$

$R_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{t}_{\mathrm{ij}},i=\mathrm{1,2},...,n---\left(10\right)$

则影响度为R，被影响度为L，中心度为R+L，原因度为R－L。

步骤7，故障模式和故障原因综合影响排序，具体为：根据步骤6所得影响度R，被影响度L，中心度R+L和原因度R—L，将故障模式按中心度值大小进行排序，得到故障原因中最关键的产生故障的原因；将故障原因按原因度值大小进行排序，得到故障模式中危害度最大的部件。

下面结合具体实施例对本发明作进一步详细说明。

实施例1

根据某地铁二号线20个月的历史故障数据，选取其中故障率较高的部件，并根据故障统计数据确定故障率λ和故障频比数α，如表1所示。

表1车门系统FMECA分析表

假定有4组FMECA专家成员，根据专家的专业水平和个人偏好不同，权重qn的取值为0.4，0.3，0.2，0.1，由此车门系统β值的确定如表2所示。

表2车门系统的新β值表

采用层次分析法对故障率λ，故障频比数α和故障影响概率β三个因素赋予一个权重。首先，构建α、β、λ三因素的判断矩阵：

$A=\left(a_{\mathrm{ij}}\right)=\left[\begin{array}{cccc}A& \mathrm{\α}& \mathrm{\β}& \mathrm{\λ}\\ \mathrm{\α}& 1& 1/2& 2\\ \mathrm{\β}& 2& 1& 2\\ \mathrm{\λ}& 1/2& 1/2& 1\end{array}\right]$

根据判断矩阵A和公式(3)(4)计算可得W＝(0.3108,0.4934,0.1958)^T，因此α、β、λ的权重分别为0.3108，0.4934，0.1958，由此可得每个故障模式的ICR值，如表3所示。

表3车门系统的ICR值表

根据各个故障原因对应的故障模式的危害度值，构建初始数据矩阵D：

根据初始数据矩阵D和公式(7)(8)可得车门系统的综合影响矩阵T。

根据综合影响矩阵T和公式(9)(10)可得到影响度R和被影响度L的值，进而得到中心度R+L和原因度R-L，并依此对故障模式和故障原因进行排序，如表4所示。

表4故障模式和故障原因相关度值

根据表4可以得到各故障模式和故障原因的中心度和原因度曲线图，如附图2所示。图中，中心度和原因度重合的点被影响度为0，表示该因素是故障的源头，是故障发生的根本原因；而关于Y＝0轴对称分布的点影响度为0，表示该因素是由其他原因引起的故障模式或现象。

将故障原因按原因度(R—L值)由高到低排序为：FC8，FC5，FC6，FC7，FC2，FC1，FC3，FC4；将故障模式按中心度(R+L值)由高到低排序为：FM7，FM4，FM6，FM5，FM2，FM1，FM3。在利用表3中ICR值的故障排序中，同一个故障原因FC5由于引起两种不同的故障模式FM4、FM5，而有了两个顺序。但利用原因度(R—L值)进行排序时FC5只有一个顺序，这是因为本方法中用以FC5排序的原因度(R-L值)是一个综合值，它将所有FC5的关系都考虑到了。

通过上述的有关故障原因和故障模式的排序可见，在车门系统的影响因素中，内部部件损坏FC8，材料缺陷FC5和触头接触不良FC6是引起车门故障的主要原因；EDCU功能失效FM7，携门架有裂纹FM4和行程开关S3失效FM6是车门故障的主要表现模式。经某地铁现场调研分析发现，这一评判结果与事实相符。上述原因和部件应视为影响车门系统可靠性的关键，应重点进行可靠性设计改进和在日常维修中重点关注。总之，本发明结合了群体决策理论、层次分析法和决策实验室分析法，步骤简单，运算量小，能得到部件故障模式和故障原因的综合影响度，避免了单因素分析的难以综合评价的缺陷，提高了判断故障源的精确度。

Claims (8)

1.一种城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，包括以下步骤：

步骤1，确定车辆部件故障模式的故障率λ、故障频比数α和故障影响概率β，在确定故障影响概率β时利用群体决策理论；

步骤2，确定λ、α、β三因素的权重值：对步骤1中车辆部件故障模式的λ、α、β三个因素利用层次分析法给每个因素赋予一个权重；

步骤3，车辆部件故障模式危害度的确定：根据步骤2中得到的权重值将故障率λ、故障频比数α和故障影响概率β进行有权重的相乘从而得到每个故障模式的危害度值；

步骤4，构建故障模式和故障原因间的初始数据矩阵：根据每个故障模式及其对应的故障原因危害度值构建故障模式和故障原因间的初始数据矩阵；

步骤5，确定故障模式和故障原因之间的综合影响矩阵：对步骤4所得初始数据矩阵进行标准化，根据标准化矩阵得到故障模式和故障原因之间的综合影响矩阵；

步骤6，确定各故障模式和故障原因的影响度、被影响度、中心度和原因度：根据步骤5所得综合影响矩阵，分别用矩阵的行和表示影响度、列和表示被影响度、行和与列和之和表示中心度、行和与列和之差表示原因度；

步骤7，故障模式和故障原因综合影响排序：根据步骤6所得影响度、被影响度、中心度和原因度，将故障模式按中心度值大小进行排序，将故障原因按原因度值大小进行排序。

2.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤1所述确定车辆部件故障模式的故障率λ、故障频比数α和故障影响概率β，具体如下：

故障率λ为通过现场故障数据得到的平均故障率，公式为λ＝M/∑t，其中M为部件在规定时间内故障总次数，∑t为部件在规定时间内的累积工作时间；

故障频比数α是部件故障模式出现的次数与产品所有故障数的比值；

故障影响概率β通过群体决策理论确定，设有N组FMECA专家成员，给每位专家赋予一个权重q_n>0，其中n＝1,2...,N，β的计算公式为式中β_n为每组专家成员所取的故障影响概率的值。

3.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤2中所述确定λ、α、β三因素的权重值：对步骤1中车辆部件故障模式的λ、α、β三个因素利用层次分析法给每个因素赋予一个权重，具体如下：

(2.1)构建判断矩阵A：

式中，a_ij的取值遵循以下规则：

其中，a_i、a_j表示将被赋予权重的因素；

(2.2)计算判断矩阵A各行元素乘积的n次方根：

$M_i={\left(\underset{j=1}{\overset{n}{\mathrm{\Π}}}\right)}^{1/n},i=\mathrm{1,2},...,n---\left(3\right)$

(2.3)对向量M_i归一化：

$w_i=M_i/\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{M}_j,j=\mathrm{1,2},...,n---\left(4\right)$

则权重向量为W＝(w₁,w₂,…,w_n)^T；

(2.4)根据权重向量W，每个因素a₁，a₂，…，a_n的权重依次为w₁，w₂，…w_n。

4.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤3所述车辆部件故障模式危害度的确定，具体为：根据步骤2中得到的权重值将故障率λ、故障频比数α和故障影响概率β进行有权重的相乘从而得到每个故障模式的危害度值，故障模式危害度公式为：

${\mathrm{ICR}}_i={\mathrm{\α}}_i^{w_1}{\mathrm{\β}}_i^{w_2}{\mathrm{\λ}}^{w_3}---\left(5\right)$

式中，ICR_i表示故障模式i的改进危害度值。

5.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤4所述构建故障模式和故障原因间的初始数据矩阵，具体为：根据每个故障模式及其对应的故障原因危害度值构建故障模式和故障原因间的初始数据矩阵D：

其中，d_ij表示因素F_i对因素F_j的影响程度，d_ii＝0。

6.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤5所述确定故障模式和故障原因之间的综合影响矩阵，具体步骤如下：

对步骤4所得初始数据矩阵D进行标准化，标准化公式为：

$X=\frac{D}{S},S=\underset{1\≤i\≤n}{\max }\left(\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{d}_{\mathrm{ij}}\right)---\left(7\right)$

根据标准化矩阵得到故障模式和故障原因之间的综合影响矩阵T，其计算公式为：

$T=\underset{k\→\∞}{\lim }(X+X^2+...+X^k)=X{(I-X)}^{-1}---\left(8\right)$

式中，I为单位矩阵。

7.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤6所述确定各故障模式和故障原因的影响度、被影响度、中心度和原因度，具体如下：

根据步骤5所得综合影响矩阵T，分别用矩阵的行和表示影响度、列和表示被影响度、行和与列和之和表示中心度、行和与列和之差表示原因度，其中行和用向量R表示、列和用向量L表示，具体计算公式如下：

$L_j=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_{\mathrm{ij}},j=\mathrm{1,2},...,n---\left(9\right)$

$R_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{t}_{\mathrm{ij}},i=\mathrm{1,2},...,n---\left(10\right)$

则影响度为R，被影响度为L，中心度为R+L，原因度为R—L。

8.根据权利要求1所述的城轨车辆部件故障模式和故障原因综合影响度的确定方法，其特征在于，步骤7所述故障模式和故障原因综合影响排序，具体为：根据步骤6所得影响度R，被影响度L，中心度R+L和原因度R—L，将故障模式按中心度值大小进行排序，得到故障原因中最关键的产生故障的原因；将故障原因按原因度值大小进行排序，得到故障模式中危害度最大的部件。