CN106485410A - 一种确定轨道车辆可靠性增长趋势及预测故障率的方法 - Google Patents
一种确定轨道车辆可靠性增长趋势及预测故障率的方法 Download PDFInfo
- Publication number
- CN106485410A CN106485410A CN201610877449.5A CN201610877449A CN106485410A CN 106485410 A CN106485410 A CN 106485410A CN 201610877449 A CN201610877449 A CN 201610877449A CN 106485410 A CN106485410 A CN 106485410A
- Authority
- CN
- China
- Prior art keywords
- reliability
- rail vehicle
- rail
- statistics
- growth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 11
- 230000009897 systematic effect Effects 0.000 claims description 12
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims 1
- 230000008859 change Effects 0.000 abstract description 6
- 238000004445 quantitative analysis Methods 0.000 abstract description 3
- 230000007423 decrease Effects 0.000 abstract description 2
- 230000033228 biological regulation Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000032258 transport Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 239000003102 growth factor Substances 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其根据轨道车辆投入运营的阶段故障和运行信息,定量给出可靠性增长系数,并依据可靠性增长系数判断轨道车辆可靠性趋势是增长、不变还是下降。采用本方法可定量计算轨道车辆在后续某时间点,按目前可靠性增长机制所能达到的可靠性性能;可定量判断轨道车辆后续性能能否满足技术规范的要求,并根据符合性,决定后续工作方法,是否需要改变现有可靠性增长管理机制,保证轨道车辆可靠性目标实现,而传统的方法,无法判断轨道车辆后续性能能否满足技术规范的要求,进而确定是否改进可靠性增长管理机制。
Description
技术领域
本发明涉及一种统计轨道车辆阶段故障确定可靠性增长趋势及预测故障率的方法,属于系统或部件可靠性增长趋势判断及故障率预测技术领域。
背景技术
轨道车辆技术规范有可靠性指标规定,要求轨道车辆投入运营或经过规定的可靠性增长期满足规定的要求,在可靠性考核期对轨道车辆故障进行统计分析,提供可靠性分析报告,满足技术规范要求。
目前,轨道车辆可靠性符合性采用被动跟踪,在轨道车辆考核期间统计故障并分析是否满足技术规范规定,方法为统计阶段出现的故障数量N,轨道车辆运行时间T,通过计算T/N,得到平均故障运行时间MTBF,对实际的平均故障运行时间MTBF与技术规范规定指标进行比较,以判定符合性;根据已统计各阶段得到的轨道车辆的平均故障运行时间MTBF得到轨道车辆可靠性增长趋势。但依此进行的可靠性增长趋势只是定性、直观判断得到,没能定量给出,且由于轨道车辆故障的偶发性,轨道车辆可靠性也往往不是单方向的变化;同时,采用被动跟踪的方式,也无法推断按此可靠性增长管理方式进行管理的有效性,使在预期的时间,轨道车辆达到规定的可靠性性能以满足技术规范的要求。
一种统计轨道车辆阶段故障确定可靠性增长趋势及预测可靠性性能(如故障率、平均故障运行时间等)的方法则根据轨道运输实际情况,对于轨道车辆发生的内在故障(不仅包括运营期间,也可包括日常检查发现的故障),通过统计阶段(阶段周期可为固定,也可不同,但同一阶段运营的轨道车辆数须相同)发生的故障数量、运营天数等参数,运用极大似然法分析得到可靠性增长系数,根据可靠性增长系数判断轨道车辆的可靠性是增长、降低、不变化(服从指数分布),并可预测随后时间点的可靠性性能,通过与技术规范可靠性指标比较,确定目前采取的可靠性管理措施是否需要改进。
发明内容
本发明所要解决的技术问题是:克服现有技术的不足,提供一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其基于轨道运输实际情况,对于轨道车辆会常发生的小故障,通过统计阶段(阶段周期可为固定,也可不同,但同一阶段运营的轨道车辆数须相同)运营的轨道车辆(可为辆或列)发生的故障数量、运营天数(或运营累积里程),量化得到可靠性增长系数,根据可靠性增长系数判断轨道车辆的可靠性是增长、降低、不变化(服从指数分布),并可预测随后时间点的可靠性性能,通过与技术规范可靠性指标比较,确定目前采取的可靠性管理措施是否需要改进。
为了解决以上技术问题,本发明的一种确定轨道车辆可靠性增长趋势及预测故障率的方法,包括如下步骤:
第一步、选取进行可靠性增长趋势和进行故障率预测的轨道车辆项目,项目的铁道车辆可陆续投入运营,即统计的阶段铁道车辆数量可不同,但运营期间在一个铁道车辆上发现的系统性故障,也须在其它铁道车辆(包括后续同一项目在建轨道车辆)上采取措施,并得到整改;
第二步、统计项目第i阶段(阶段时间可不同)投入运营的铁道车辆数量ri、自统计开始计(记为m0=0)至阶段i的累积运行天数mi(辆天或列天)、轨道车辆j在i阶段出现的故障数量ni,j、铁道车辆每日运行时间k(小时);
第三步、计算阶段i的故障数ni及平均单位轨道车辆故障数ui:
阶段i的故障数
其中:ni表示在阶段i期间投入运营铁道车辆ri共发生的故障数
平均单位轨道车辆故障数
其中:ui表示在阶段i期间投入运营铁道车辆ri的平均单位故障数;
第四步、计算统计期间平均单位轨道车辆故障数u:
统计期间平均单位轨道车辆故障数
其中:w表示统计期间共连续统计的阶段数;
第五步、计算可靠性增长系数at
按时间计算的可靠性增长系数at:
其中:
轨道车辆可靠性增长起始点可从轨道车辆开始运营计,也可从经过若干时间之后计,但依上述公式计算可靠性增长系数,规定为0。
采用迭代法,计算得到可靠性增长系数at;
第六步、判定轨道车辆可靠性增长趋势
at<1时,轨道车辆的可靠性处于增长趋势,可靠性在提高
at=1时,轨道车辆的故障发生服从指数分布,可靠性相对恒定
at>1时,轨道车辆的可靠性处于负增长趋势,可靠性在降低
如果轨道车辆的可靠性处于负增长趋势,应研判①轨道车辆统计阶段是否处于浴盆曲线的损耗失效期②统计期间出现故障是否把系统性故障判断为偶发故障③判定的系统性故障是否没找到根原因或采取措施针对性和有效性不足;
第七步、预测轨道车辆可靠性性能
项目轨道车辆可靠性增长策略和管理方式不变情况下,可预测随后的轨道车辆可靠性性能。
预测自统计开始第t天的轨道车辆可靠性性能:
自统计开始第t天的故障率
自统计开始第t天的平均故障运行时间
自统计开始第t天的故障率
自统计开始第t天的平均故障运行时间
第八步、技术规范要求符合性及可靠性管理改进
对预测的轨道车辆可靠性与规范的可靠性要求进行比较,确定采取可靠性管理机制的可行性:
MTBF(预测)>MTBF(要求)按目前可靠性管理机制,轨道车辆可满足技术规范要求;
MTBF(预测)=MTBF(要求)按目前可靠性管理机制,轨道车辆可满足技术规范要求,但考虑到轨道车辆故障的偶发性,建议适当改进可靠性管理机制,从而提高可靠性增长系数,确保轨道车辆在规定时间满足技术规范要求;
MTBF(预测)<MTBF(要求)按目前可靠性管理机制,轨道车辆不能满足技术规范要求,必须对可靠性管理机制进行改进,应考虑①统计期间出现故障是否把系统性故障判断为偶发故障②判定的系统性故障是否没找到根原因或采取措施针对性和有效性不足;③提高故障处理决策级别,是否对发生费用高的故障进行改进④技术规范规定的可靠性性能是否过高等;
在对可靠性管理机制改进后,按第一步~第七步重新开始可靠性增长趋势及可靠性性能预测,至到满足要求。
本发明进一步的改进在于:
执行第一步前,建立轨道车辆项目的故障报告、纠正、措施、系统(FRACAS),对项目的故障分类管理,对系统性故障的措施,包括已运行、已制造和在建轨道车辆分类实施。
执行第五步前,采用EXCEL或建立程序,通过设置合理的偏差,用迭代法计算可靠性增长系数。
执行第八步前建立历史轨道车辆项目的可靠性性能,包括轨道车辆组成和规格,自累积开始时点的运行的可靠性性能,用于新轨道车辆项目技术规范中可靠性要求的合理制定。
目前,轨道车辆可靠性符合性采用被动跟踪,在轨道车辆考核期间统计故障并分析是否满足技术规范规定,方法是统计出现的故障数量N,轨道车辆运行时间T,通过计算T/N,得到平均故障运行时间MTBF,对得到的平均故障运行时间MTBF与技术规范规定MTBF指标进行比较,以判定符合性;并根据已统计各阶段得到的轨道车辆的平均故障运行时间MTBF得到轨道车辆可靠性增长趋势。依此进行的可靠性增长趋势只是定性、直观判断得到,没能定量给出,且由于轨道车辆故障的偶发性,轨道车辆可靠性也往往不是单方向的变化;同时,这种轨道车辆可靠性采用被动跟踪的方式,也无法推断按此可靠性增长管理方式进行管理是否有效,在预期的时间,轨道车辆是否能达到性能以满足技术规范的要求。
统计轨道车辆阶段故障确定可靠性增长趋势及预测可靠性性能的方法则根据轨道运输实际情况,对于轨道车辆经常发生的内在故障(不仅包括运营期间,也可包括日常检查发现的故障),通过统计阶段(阶段周期可为固定,也可不同,但同一阶段运营的轨道车辆数须相同)发生的故障数量、运营天数,运用极大似然法分析得到可靠性增长系数,根据可靠性增长系数判断轨道车辆的可靠性是增长、降低、不变化(服从指数分布),并可预测随后时间点的可靠性性能,通过与技术规范可靠性指标比较,确定目前采取的可靠性管理措施是否需要改进。
本发明方法通过统计轨道车辆阶段信息,采用极大似然法定量得到可靠性增长系数,并根据可靠性增长系数,判定轨道车辆可靠性增长趋势,对于可靠性负增长,可从统计时间处于寿命阶段、系统性故障判断为偶发故障和故障根原因或采取措施针对性和有效性不足等方面进行改进,以改变轨道车辆增长趋势;同时,本发明方法可根据统计轨道车辆阶段信息,预测轨道车辆将来的可靠性性能,便于同技术规范要求进行比较,以确定是否满足,对于不能满足要求,给出改进的措施,包括是否把系统性故障判断为偶发故障;是否部分故障没找到根原因或采取措施针对性和有效性不足;是否引入决策对发生费用高的故障进行改进;技术规范规定的可靠性性能是否过高等。
可见,本方法用于轨道车辆运营的可靠性增长趋势判别,预测可靠性性能,确定技术规范的符合性以及可靠性增长机制有效性,具有可操作和实用性。本专利将在轨道车辆运营期的可靠性增长以及保证技术规范的可靠性要求方面得到广泛的应用,具有良好的市场前景。
附图说明
图1为可靠性MDBF趋势图。
具体实施方式
下面结合实例对本发明作进一步详细描述。但是本发明不限于所给出的例子。
某城市轨道交通项目技术规范规定:列车投入商业运营后的第2年(即366天)始,列车平均无故障时间MTBF不小于200小时,这里故障为内在故障,指列车运营中发现的车辆故障以及检修人员日常检查中发现的故障。在技术规范中规定列车每天运行18小时。
列车投入运营后,列车内在故障统计如下:
按第二步、第三步和第四步对数据整理如下表:
第五步计算可靠性增长系数at
把数据代入公式:
用迭代法计算可靠性增长系数,在偏差0.05时,at=0.861
第六步、判定轨道车辆可靠性增长趋势
at=0.861<1,轨道车辆的可靠性处于增长趋势,可靠性在提高
第七步、预测轨道车辆可靠性性能
项目轨道车辆可靠性增长策略和管理方式不变情况下,预测投入运营后的第366天轨道车辆可靠性性能。
自投入运营后第366天的故障率
平均故障运行时间
第八步、技术规范要求符合性及可靠性管理改进
对预测的轨道车辆可靠性与规范的可靠性要求进行比较,确定采取可靠性管理机制的可行性:
MTBF(预测)=221>MTBF(要求)=200按目前可靠性管理机制,轨道车辆可满足技术规范要求;
下面给出目前可靠性验证及趋势判断方法,与本发明实施进行对比。
将统计数据进行整理:
其趋势用折线图表示如图1。
通过上述两种方法进行的轨道车辆可靠性增长的比较,可得出如下结论:
⑴目前可靠性增长采用的方法,可计算阶段可靠性性能和累积可靠性性能,从累积可靠性MTBF的折线图可判断轨道车辆可靠性增长趋势,但只能定性给出;而采用本方法可定量计算轨道车辆可靠性增长系数,根据可靠性增长系数,定量判定轨道车辆的可靠性是增长、不变还是下降。
⑵目前可靠性增长采用的方法,无法给出轨道车辆在后续某时间点,按目前可靠性增长机制轨道车辆所能达到的可靠性性能。而采用本方法可定量计算轨道车辆在后续某时间点,按目前可靠性增长机制轨道车辆所能达到的可靠性性能。
⑶目前可靠性增长采用的方法,无法判断轨道车辆后续性能能否满足技术规范的要求。而采用本方法可定量判断轨道车辆后续性能能否满足技术规范的要求,并根据符合性,决定后续工作方法,是否需要改变现有可靠性增长管理机制。可靠性管理机制的改进包括故障性质重新确立;故障措施有效性审查;管理决策级别提高以及技术规范要求的合理性等。
除上述实施例外,本发明还可以有其它实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (4)
1.一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其特征在于,包括如下步骤:
第一步、选取进行可靠性增长趋势和进行故障率预测的轨道车辆项目,项目的铁道车辆可陆续投入运营,即统计的阶段铁道车辆数量可不同,但运营期间在一个铁道车辆上发现的系统性故障,也须在其它铁道车辆包括后续同一项目在建轨道车辆上采取措施,并得到整改;
第二步、统计项目第i阶段投入运营的铁道车辆数量ri、自统计开始计至阶段i的累积运行天数mi、轨道车辆j在i阶段出现的故障数量ni,j、铁道车辆每日运行时间k;统计开始时记为m0=0;
第三步、计算阶段i的故障数ni及平均单位轨道车辆故障数ui:
阶段i的故障数
其中:ni表示在阶段i期间投入运营铁道车辆ri共发生的故障数;
平均单位轨道车辆阶段故障数
其中:ui表示在阶段i期间投入运营铁道车辆ri的平均单位故障数;
第四步、计算统计期间平均单位轨道车辆故障数u:
统计期间平均单位轨道车辆故障数
其中:w表示统计期间共连续统计的阶段数;
第五步、计算可靠性增长系数at
按时间计算的可靠性增长系数at:
其中:轨道车辆可靠性增长起始点从轨道车辆开始运营计;若轨道车辆可靠性增长起始点从经过若干时间之后计,根据上述公式计算可靠性增长系数,则规定为0;
采用迭代法,计算得到可靠性增长系数at;
第六步、判定轨道车辆可靠性增长趋势
at<1时,轨道车辆的可靠性处于增长趋势,可靠性在提高;
at=1时,轨道车辆的故障发生服从指数分布,可靠性相对恒定;
at>1时,轨道车辆的可靠性处于负增长趋势,可靠性在降低;
如果轨道车辆的可靠性处于负增长趋势,应研判①轨道车辆统计阶段是否处于浴盆曲线的损耗失效期;②统计期间出现故障是否把系统性故障判断为偶发故障;③判定的系统性故障是否没找到根原因或采取措施针对性和有效性不足;
第七步、预测轨道车辆可靠性性能
项目轨道车辆可靠性增长策略和管理方式不变情况下,预测随后的轨道车辆可靠性性能
预测自统计开始第t天的轨道车辆可靠性性能:
自统计开始第t天的故障率
自统计开始第t天的平均故障运行时间
自统计开始第t天的故障率
自统计开始第t天的平均故障运行时间
第八步、技术规范要求符合性及可靠性管理改进
对预测的轨道车辆可靠性与规范的可靠性要求进行比较,确定采取可靠性管理机制的可行性:
MTBF(预测)>MTBF(要求):按目前可靠性管理机制,轨道车辆可满足技术规范要求;
MTBF(预测)=MTBF(要求):按目前可靠性管理机制,轨道车辆可满足技术规范要求,但考虑到轨道车辆故障的偶发性,建议适当改进可靠性管理机制,从而提高可靠性增长系数,确保轨道车辆在规定时间满足技术规范要求;
MTBF(预测)<MTBF(要求):按目前可靠性管理机制,轨道车辆不能满足技术规范要求,必须对可靠性管理机制进行改进,应考虑①统计期间出现故障是否把系统性故障判断为偶发故障;②判定的系统性故障是否没找到根原因或采取措施针对性和有效性不足;③提高故障处理决策级别,是否对发生费用高的故障进行改进;④技术规范规定的可靠性性能是否过高;
在对可靠性管理机制改进后,按第一步~第七步重新开始可靠性增长趋势及可靠性性能预测,至到满足要求。
2.根据权利要求1所述的一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其特征在于:执行第一步前,运营期间在一个铁道车辆上发现的系统性故障,也须在其它铁道车辆包括后续同一项目在建轨道车辆上采取措施,并得到整改。
3.根据权利要求1所述的一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其特征在于:执行第二步前统计项目阶段运营的铁道车辆数量、自统计开始的累积运行天数、轨道车辆在阶段出现的故障数量、铁道车辆每日运行时间。
4.根据权利要求1所述的一种确定轨道车辆可靠性增长趋势及预测故障率的方法,其特征在于:执行第八步前,明确项目铁道车辆技术规范要求的可靠性MTBF指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877449.5A CN106485410A (zh) | 2016-09-30 | 2016-09-30 | 一种确定轨道车辆可靠性增长趋势及预测故障率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610877449.5A CN106485410A (zh) | 2016-09-30 | 2016-09-30 | 一种确定轨道车辆可靠性增长趋势及预测故障率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106485410A true CN106485410A (zh) | 2017-03-08 |
Family
ID=58268489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610877449.5A Pending CN106485410A (zh) | 2016-09-30 | 2016-09-30 | 一种确定轨道车辆可靠性增长趋势及预测故障率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106485410A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506335A (zh) * | 2017-07-28 | 2017-12-22 | 中车南京浦镇车辆有限公司 | 轨道车辆在可靠性增长期根据置信度确定故障数的方法 |
CN107507296A (zh) * | 2017-07-28 | 2017-12-22 | 中车南京浦镇车辆有限公司 | 轨道车辆在可靠性平稳期根据置信度确定故障数的方法 |
CN109300076A (zh) * | 2018-11-15 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道交通车辆故障数据分析方法 |
CN109800866A (zh) * | 2017-11-16 | 2019-05-24 | 北京航空航天大学 | 一种基于GA-Elman神经网络的可靠性增长预测方法 |
CN111680388A (zh) * | 2020-04-23 | 2020-09-18 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 任务电子系统可靠性数据量化方法、装置和计算机设备 |
CN112732452A (zh) * | 2021-03-30 | 2021-04-30 | 广州赛瑞科技股份有限公司 | 基于边缘计算的电动车物联管控方法及系统 |
-
2016
- 2016-09-30 CN CN201610877449.5A patent/CN106485410A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506335A (zh) * | 2017-07-28 | 2017-12-22 | 中车南京浦镇车辆有限公司 | 轨道车辆在可靠性增长期根据置信度确定故障数的方法 |
CN107507296A (zh) * | 2017-07-28 | 2017-12-22 | 中车南京浦镇车辆有限公司 | 轨道车辆在可靠性平稳期根据置信度确定故障数的方法 |
CN107507296B (zh) * | 2017-07-28 | 2020-03-31 | 中车南京浦镇车辆有限公司 | 轨道车辆在可靠性平稳期根据置信度确定故障数的方法 |
CN109800866A (zh) * | 2017-11-16 | 2019-05-24 | 北京航空航天大学 | 一种基于GA-Elman神经网络的可靠性增长预测方法 |
CN109800866B (zh) * | 2017-11-16 | 2020-12-29 | 北京航空航天大学 | 一种基于GA-Elman神经网络的可靠性增长预测方法 |
CN109300076A (zh) * | 2018-11-15 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道交通车辆故障数据分析方法 |
CN111680388A (zh) * | 2020-04-23 | 2020-09-18 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 任务电子系统可靠性数据量化方法、装置和计算机设备 |
CN111680388B (zh) * | 2020-04-23 | 2023-12-12 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 任务电子系统可靠性数据量化方法、装置和计算机设备 |
CN112732452A (zh) * | 2021-03-30 | 2021-04-30 | 广州赛瑞科技股份有限公司 | 基于边缘计算的电动车物联管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106485410A (zh) | 一种确定轨道车辆可靠性增长趋势及预测故障率的方法 | |
CN107239874B (zh) | 一种面向轨道交通的电能质量及节能分析系统 | |
CN111291963B (zh) | 一种协调经济性与可靠性的园区综合能源系统规划方法 | |
CN103793752B (zh) | 一种基于退化建模的设备失效次数预测方法 | |
CN104850916A (zh) | 一种改进型灰色马尔可夫模型的电力设备故障预测方法 | |
CN103177395A (zh) | 一种基于社会期望的智能配电网节能减排综合评价方法 | |
CN103545832A (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
CN103683326A (zh) | 一种区域电网风电多点接入最佳接纳能力的计算方法 | |
CN106650209A (zh) | 一种车辆应用实时信息确定可靠性增长趋势及参数的方法 | |
CN103996147A (zh) | 配电网综合评估方法 | |
CN105160449A (zh) | 一种电动汽车充电桩优化布局方法 | |
CN107403226A (zh) | 一种基于剩余寿命可靠度确定牵引供变电设备预防性维修间隔和次数的方法 | |
CN101251836A (zh) | 一种计及停电隐性损失的输电线路检修计划优化方法 | |
CN105956788A (zh) | 一种输变电工程造价的动态管理控制方法 | |
CN104751249A (zh) | 一种空间负荷预测方法 | |
CN102867221A (zh) | 一种中长期电量预测动态横向修正方法 | |
CN106709618A (zh) | 城市轨道交通网络运营服务质量评估方法 | |
CN106600136A (zh) | 一种电力断面越限控制效率评估方法 | |
CN104680254A (zh) | 一种基于综合成本模型的电网规划方案优选方法 | |
CN103810532A (zh) | 优化城市排水系统运行状况的方法 | |
Li et al. | Development of low voltage network templates—Part II: Peak load estimation by clusterwise regression | |
CN106571627A (zh) | 一种基于在线监测信息的二次设备健康状态评价方法 | |
CN104281983A (zh) | 配电网应急抢修所需资源调度方法与系统 | |
Liu et al. | Energy-storage configuration for EV fast charging stations considering characteristics of charging load and wind-power fluctuation | |
WO2021072959A1 (zh) | 一种地铁大客流预测方法、系统及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170308 |