CN109544011A - 基于内外协变量的高速列车系统可靠性评估方法 - Google Patents
基于内外协变量的高速列车系统可靠性评估方法 Download PDFInfo
- Publication number
- CN109544011A CN109544011A CN201811417624.8A CN201811417624A CN109544011A CN 109544011 A CN109544011 A CN 109544011A CN 201811417624 A CN201811417624 A CN 201811417624A CN 109544011 A CN109544011 A CN 109544011A
- Authority
- CN
- China
- Prior art keywords
- bullet train
- component
- covariant
- train system
- outside
- 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.)
- Granted
Links
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种基于内外协变量的高速列车系统可靠性评估方法,属于高速列车运行控制技术领域。该方法首先构建高速列车系统拓扑网络模型;然后确定系统部件固有寿命分布类型及故障概率;再根据故障概率和所构建的拓扑网络模型为基础,计算部件的综合重要度;结合固有寿命分布类型及综合重要度,构建高速列车系统基于内部协变量的基准风险模型;结合外部运行环境数据,根据基准风险模型建立高速列车系统基于内外协变量的风险模型;最后根据基于内外协变量的风险模型计算高速列车系统可靠性。本发明建立基于内部性能参数和外部运行环境双协变量可靠性计算方法,有助于对全局系统的可靠性、安全性的准确评估,为保障高速列车系统安全运营提供指导。
Description
技术领域
本发明涉及高速列车运行控制技术领域,具体涉及一种基于内外协变量的高速列车系统可靠性评估方法。
背景技术
高速列车系统作为高速铁路的重要载运工具,其可靠性与乘客的生命财产安全以及系统的运行安全密切相关。考虑内外影响因素研究面向全局系统的高速列车系统可靠性计算方法,实时监测系统性能变化,能够为高速列车系统的维修保护工作提供一定的理论指导,同时提高和改善高速列车系统的可靠性,保障高速铁路系统安全稳定运行。
确定高速列车系统的可靠性影响因素是实施可靠性评估和计算的基础,其选取的合理性直接影响系统可靠性计算结果的准确性。通常可将高速列车系统的可靠性影响因素分为两类:一类是内部因素,即部件自身的可靠性指标以及部件间的作用关系等,它通常是由部件及系统结构等固有属性所决定;一类是外部因素,即高速列车系统在运行工况下,天气、温度等环境要素。
目前,现有的系统可靠性计算方法中,通常是仅考虑外部环境因素影响,如考虑运行工况下天气对可靠性的影响;或仅考虑内部因素影响,如以部件的性能变化为基础的系统可靠性建模。事实上,高速列车系统的可靠性不仅与外部环境因素相关,同时还与内部部件间的性能变化以及部件的故障失效关系相关。因此将内外环境因素视为协变量,构建基于协变量的高速列车系统可靠性模型,并计算实时条件下的系统可靠性,为保障高速列车安全运营提供理论指导。
发明内容
本发明的目的在于提供一种同时考虑了列车运行系统内部因素和外部运行环境的列车可靠性评估方法,以解决上述背景技术中存在的技术问题。
为了实现上述目的,本发明采取了如下技术方案:
本发明提供的一种基于内外协变量的高速列车系统可靠性评估方法,包括如下流程步骤:
步骤S110:构建高速列车系统拓扑网络模型;
步骤S120:确定高速列车系统部件固有寿命分布类型及系统故障概率;
步骤S130:根据系统故障概率和所构建的拓扑网络模型为基础,计算部件的综合重要度;
步骤S140:结合部件的固有寿命分布类型及综合重要度,构建高速列车系统基于内部协变量的基准风险模型;
步骤S150:结合高速列车系统运行环境数据,根据基准风险模型建立高速列车系统基于内外协变量的风险模型;
步骤S160:根据基于内外协变量的风险模型,基于系统可靠性理论,计算高速列车系统可靠性。
进一步的,,所述步骤S110具体包括:
所述的高速列车系统拓扑网络模型G(V,E,A)是以部件vi为节点,vi∈V,部件间的机械、电气、信息作用关系eij为边,eij∈E构建表征高速列车系统固有结构特征的有向网络,其中A(aij∈A)为邻接矩阵,aij=1表示部件vi和vj之间存在连接边,aij=0表示部件vi和vj之间不存在连接边。
进一步的,所述步骤S120具体包括:
以高速列车系统的固有设计数据为基础,不考虑外部列车运行环境条件,利用Minitab软件拟合数据,得到系统部件的固有寿命分布类型,并计算各部件在相应固有寿命分布类型下的故障概率λi(t)。
进一步的,计算各部件在相应固有寿命分布类型下的故障概率λi(t)包括:
若部件vi的固有寿命服从指数分布,则部件vi在走行公里为t时的故障概率为λi;
若部件vi固有寿命服从两参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是形状参数,ηi是比例参数;
若部件vi固有寿命服从三参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是形状参数,ηi是比例参数,γi是位置参数;
若部件vi固有寿命服从正态分布,则部件vi在走行公里为t时的故障概率为其中是μi位置参数,σi是尺度参数。
进一步的,所述步骤S130具体包括:
结合高速列车系统设计数据和系统拓扑网络模型G(V,E,A),提取影响部件重要性的属性集X={x1,x2,...,xm},以模糊积分理论为基础,利用Choquet积分构建部件在走行公里为t时的综合重要度为:
X(j)={x(1),i(t),...,x(j),i(t)};
其中(c)∫fdμ为Choquet积分,X(j)表示节点vi的所有属性值按照由小到大的顺序排列,x(j),i(t)是在走行公里为t时部件vi的第j大的属性值,μ为权重系数,m为所选择的部件属性的数量。
进一步的,所述步骤S140具体包括:
高速列车系统的固有初始系统风险为
则排除外部运行环境对系统可靠性的影响,根据高速列车系统部件的自身性能及部件间的耦合关系,构建反映系统内部风险程度的高速列车系统基准风险模型为
其中,CIi为部件vi的综合重要度,N为拓扑网络模型中部件的数量。
进一步的,设为部件自身性能衰减的内部变量,则高速列车系统基准风险模型为:
其中,表示内部协变量的权重系数。
进一步的,所述步骤S150具体包括:
提取列车运行环境数据变量集为构建基于内外协变量的系统风险函数:
其中为外部协变量的权重系数。
进一步的,所述步骤S160具体包括:
结合系统风险函数h0,则高速列车系统初始状态的可靠性为:
其中ri是节点vi的在初始时刻的可靠度;
那么任意运行阶段,系统可靠度为
本发明实现了以下有益效果:综合考虑了外部环境因素(温度等)和内部影响要素(部件性能参数和系统拓扑结构)的影响,准确反映高速列车系统风险变化特性,建立基于协变量的系统可靠性计算方法,有助于对全局系统的可靠性、安全性的准确评估,为保障高速列车系统安全运营提供指导。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一所述的基于内外协变量的高速列车系统可靠性评估方法流程图。
图2为本发明实施例二所述的基于内外协变量的高速列车系统可靠性评估方法流程图。
图3为本发明实施例三所述的高速列车系统牵引系统拓扑网络模型结构图。
图4为本发明实施例三所述的高速列车牵引系统中牵引电机和TCU的故障概率示意图。
图5为本发明实施例三所述的高速列车系统综合重要度排序结果示意图。
图6为本发明实施例三所述的高速列车系统基准风险值与走行距离的关系示意图。
图7为本发明实施例三所述的高速列车系统考虑内外因素的风险函数与走行距离关系示意图。
图8为本发明实施例三所述的高速列车系统可靠性结果与走行距离关系示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的模块。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或模块,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、模块和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以具体实施例为例做进一步的解释说明,且实施例并不构成对本发明实施例的限定。
本领域普通技术人员应当理解的是,附图只是一个实施例的示意图,附图中的部件或装置并不一定是实施本发明所必须的。
实施例一
如图1所示,本发明实施例提供一种基于内外协变量的高速列车系统可靠性评估方法,该方法包括如下流程步骤:
步骤S110:构建高速列车系统拓扑网络模型;
步骤S120:确定高速列车系统部件固有寿命分布类型及故障概率;
步骤S130:根据系统故障概率和所构建的拓扑网络模型为基础,计算部件的综合重要度;
步骤S140:结合部件的固有寿命分布类型及综合重要度,构建高速列车系统基于内部协变量的基准风险模型;
步骤S150:结合高速列车系统运行环境数据,根据基准风险模型建立高速列车系统基于内外协变量的风险模型;
步骤S160:根据基于内外协变量的风险模型,基于系统可靠性理论,计算高速列车系统可靠性。
在本发明具体实施例一中,所述步骤S110具体包括:
所述的高速列车系统拓扑网络模型G(V,E,A)是以部件vi为节点,vi∈V,部件间的机械、电气、信息作用关系eij为边,eij∈E构建表征高速列车系统固有结构特征的有向网络,其中A(aij∈A)为邻接矩阵,aij=1表示部件vi和vj之间存在连接边,aij=0表示部件vi和vj之间不存在连接边。
在本发明具体实施例一中,所述步骤S120具体包括:
以高速列车系统的固有设计数据为基础,不考虑外部列车运行环境条件,利用Minitab软件拟合数据,得到系统部件的固有寿命分布类型,并计算各部件在相应固有寿命分布类型下的故障概率λi(t)。
在本发明具体实施例一中,计算各部件在相应固有寿命分布类型下的故障概率λi(t)包括:
若部件vi的固有寿命服从指数分布,则部件vi在走行公里为t时的故障概率为λi;
若部件vi固有寿命服从两参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是两参数威布尔分布的形状参数,ηi是两参数威布尔分布的比例参数;
若部件vi固有寿命服从三参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是三参数威布尔分布的形状参数,ηi是三参数威布尔分布的比例参数,γi是三参数威布尔分布的位置参数;
若部件vi固有寿命服从正态分布,则部件vi在走行公里为t时的故障概率为其中是μi正太分布的位置参数,σi是尺度参数。
在本发明具体实施例一中,所述步骤S130具体包括:
结合高速列车系统设计数据和系统拓扑网络模型G(V,E,A),提取影响部件重要性的属性集X={x1,x2,...,xm},以模糊积分理论为基础,利用Choquet积分构建部件在走行公里为t时的综合重要度为:
X(j)={x(1),i(t),...,x(j),i(t)};
其中(c)∫fdμ为Choquet积分,X(j)表示节点vi的所有属性值按照由小到大的顺序排列,x(j),i(t)是在走行公里为t时部件vi的第j大的属性值,μ为权重系数,m为所选择的部件属性的数量。
在本发明具体实施例一中,所述步骤S140具体包括:
高速列车系统的固有初始系统风险为
则排除外部运行环境对系统可靠性的影响,根据高速列车系统部件的自身性能及部件间的耦合关系,构建反映系统内部风险程度的高速列车系统基准风险模型为
其中,CIi为部件vi的综合重要度,N为拓扑网络模型中部件的数量。
在本发明具体实施例一中,设为部件自身性能衰减的内部变量,则高速列车系统基准风险模型为:
其中,表示内部协变量的权重系数。
在本发明具体实施例一中,所述步骤S150具体包括:
提取列车运行环境数据变量集为构建基于内外协变量的系统风险函数:
其中为外部协变量的权重系数。
在本发明具体实施例一中,所述步骤S160具体包括:
结合系统风险函数h0,则高速列车系统初始状态的可靠性为:
其中ri是节点vi的在初始时刻的可靠度;
那么任意运行阶段,系统可靠度为
实施例二
如图2所示,本发明实施例二提供一种考虑内外协变量的高速列车系统可靠性计算方法,模拟高速列车系统可靠性变化规律,计算系统可靠度。
本发明所采用的技术方案是:
步骤S01:高速列车系统拓扑网络模型G(V,E,A)是以部件为节点vi∈V,部件间的机械、电气、信息作用关系为边eij∈E,所构建的表征系统固有结构特征的有向网络,其中A(aij∈A)为邻接矩阵,若aij=1则表明部件vi和vj之间存在连接边,否则aij=0。
以高速列车系统的固有设计数据或试验数据为基础,考虑理想状态下(即不考虑复杂的列车运行环境条件),利用Minitab软件拟合数据,得到各部件的固有寿命分布类型,计算各部件的故障概率λi(t),如:
A、若部件vi固有寿命服从指数分布,则部件vi在t时刻的故障概率为λi;
B、若部件vi固有寿命服从两参数威布尔分布,则部件vi在t时刻的故障概率为其中mi是形状参数,ηi是比例参数;
C、若部件vi固有寿命服从三参数威布尔分布,则部件vi在t时刻的故障概率为其中mi是形状参数,ηi是比例参数,γi是位置参数;
D、若部件vi固有寿命服从正态分布,则部件vi在t时刻的故障概率为其中μi是位置参数,σi是尺度参数。
步骤S02:结合高速列车系统故障数据和系统拓扑网络模型G(V,E,A),提取影响部件重要性的属性集X={x1,…,xm},如节点介数、度、紧密度、故障率、平均无故障时间等。部件vi的重要性影响属性集Xi={xi1,…,xim},以模糊积分理论为基础,构建部件综合重要度:
其中μ为权重系数,m为属性的数量。
步骤S03:结合高速列车系统设计数据和系统拓扑网络模型G(V,E,A),提取影响部件重要性的属性集X={x1,…,xm},如依据高速列车系统拓扑网络模型可得到节点介数、度、紧密度等;依据高速列车系统设计数据,可得到部件故障率、平均无故障时间等。则部件vi的重要性影响属性集Xi={xi1,…,xim},以模糊积分理论为基础,利用Choquet积分构建部件在走行公里为t时的综合重要度:
X(j)={x(1),i(t),...,x(j),i(t)}
其中(c)∫fdμ为Choquet积分,x(j),i(t)是在走行公里为t时节点vi的第j大的属性值,x(*),i(t)表示节点vi的所有属性值按照由小到大的顺序排列,μ为权重系数,m为所选择的部件属性的数量。
步骤S04:高速列车系统作为复杂机电系统,虽其自身的可靠性相对较高且具有一定的冗余设计,但不可避免的在任何阶段,系统仍然是具有风险的。因此,初始系统风险为
假设不考虑外部运行环境对系统可靠性的影响,构成系统的部件在运行过程中性能仍然会衰减,又由于高速列车系统中部件间具有复杂的耦合关系,因此,这里认为全局系统的风险程度与部件自身的性能以及与之直接相连的邻节点相关,则构建反映系统内部风险程度的高速列车系统基准风险函数:
其中,CIi为部件vi的综合重要度,λi(t)是部件vi在走行公里为t时的故障概率,N为拓扑网络模型中节点的数量,aij∈A。
步骤S05:部件自身性能的衰减是可通过多种变量体现的,如轮对的磨损程度等。设为部件的内部变量,则高速列车系统基准风险函数可改进为
其中是内部协变量的权重系数。
考虑列车运行环境数据,提取外部变量集为如气温、气压等,构建基于内外协变量的系统风险函数:
其中为外部协变量的权重系数。
步骤S06:结合系统风险函数h0,则高速列车系统初始状态的可靠性为:
其中ri是节点vi的在初始时刻的可靠度。
那么任意运行阶段,系统可靠度为
实施例三
本发明实施例三提供一种基于列车系统部件固有性能参数和外部运行环境影响的高速列车系统可靠性评估方法,该方法包括如下步骤:
步骤1:以牵引系统中31个部件为节点vi∈V(如表1所示),部件间的机械、电气、信息作用关系为边eij∈E,构建高速列车系统牵引系统拓扑网络模型G(E,V,A),如图3所示。
表1牵引系统部件列表
步骤2:以高速列车系统的固有设计数据或试验数据为基础,考虑理想状态下(即不考虑复杂的列车运行环境条件),利用Minitab软件拟合数据,得到各部件的固有寿命分布类型及相应的参数,如表2所示。
表2牵引系统中各部件固有寿命分布类型
依据表2,可计算牵引系统中各部件的故障概率λi(t),图4给出牵引系统中牵引电机和TCU两个部件的故障概率。
步骤3:结合牵引系统故障数据以及牵引系统拓扑网络模型G(V,E,A),提取节点介数、度、紧密度、故障率、平均无故障时间作为部件重要性的影响因素集,即X={x1,…,x5}。以模糊积分理论为基础,则各部件的综合重要度为:
牵引系统中各部件综合重要度如图5所示。
步骤4:假设在不考虑外部运行环境对系统可靠性影响的前提条件下,牵引系统的风险程度与部件自身的性能以及与之直接相连的邻节点相关。因此,可构建牵引系统基准风险函数为:
图6给出了不同走行公里时,牵引系统基准风险函数值。
步骤5:考虑部件磨损程度等内部变量,计算改进后的牵引系统基准风险函数:
步骤6:考虑列车运行环境数据,提取气温为外部协变量z(t),则构建基于内外协变量的系统风险函数:
其中γ为权重系数。
图7给出了不同运行公里时牵引系统风险。
步骤7:结合系统风险函数h(t),得到牵引系统可靠性为:
图8给出了不同运行时刻下牵引系统可靠性变化。
综上所述,本发明实施例通过综合考虑了外部环境因素(温度等)和内部影响要素(部件性能参数和系统拓扑结构)的影响,建立基于协变量的系统可靠性计算方法,有助于对全局系统的可靠性、安全性的准确评估,准确反映高速列车系统风险变化特性,有助于对全局系统的可靠性、安全性的准确评估,为保障高速列车系统安全运营提供指导。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (9)
1.一种基于内外协变量的高速列车系统可靠性评估方法,其特征在于,包括如下流程步骤:
步骤S110:构建高速列车系统拓扑网络模型;
步骤S120:确定高速列车系统部件固有寿命分布类型及故障概率;
步骤S130:根据系统故障概率和所构建的拓扑网络模型为基础,计算部件的综合重要度;
步骤S140:结合部件的固有寿命分布类型及综合重要度,构建高速列车系统基于内部协变量的基准风险模型;
步骤S150:结合高速列车系统运行环境数据,根据基准风险模型建立高速列车系统基于内外协变量的风险模型;
步骤S160:根据基于内外协变量的风险模型,基于系统可靠性理论,计算高速列车系统可靠性。
2.根据权利要求1所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S110具体包括:
所述的高速列车系统拓扑网络模型G(V,E,A)是以部件vi为节点,vi∈V,部件间的机械、电气、信息作用关系eij为边,eij∈E构建表征高速列车系统固有结构特征的有向网络,其中A(aij∈A)为邻接矩阵,aij=1表示部件vi和vj之间存在连接边,aij=0表示部件vi和vj之间不存在连接边。
3.根据权利要求2所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S120具体包括:
以高速列车系统的固有设计数据为基础,不考虑外部列车运行环境条件,利用Minitab软件拟合数据,得到系统部件的固有寿命分布类型,并计算各部件在相应固有寿命分布类型下的故障概率λi(t)。
4.根据权利要求3所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,计算各部件在相应固有寿命分布类型下的故障概率λi(t)包括:
若部件vi的固有寿命服从指数分布,则部件vi在走行公里为t时的故障概率为λi;
若部件vi固有寿命服从两参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是形状参数,ηi是比例参数;
若部件vi固有寿命服从三参数威布尔分布,则部件vi在走行公里为t时的故障概率为其中mi是形状参数,ηi是比例参数,γi是三参数威布尔分布的位置参数;
若部件vi固有寿命服从正态分布,则部件vi在走行公里为t时的故障概率为
其中是μi正太分布的位置参数,σi是尺度参数。
5.根据权利要求4所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S130具体包括:
结合高速列车系统设计数据和系统拓扑网络模型G(V,E,A),提取影响部件重要性的属性集X={x1,x2,...,xm},以模糊积分理论为基础,利用Choquet积分构建部件在走行公里为t时的综合重要度为:
X(j)={x(1),i(t),...,x(j),i(t)};
其中(c)∫fdμ为Choquet积分,X(j)表示节点vi的所有属性值按照由小到大的顺序排列,x(j),i(t)是在走行公里为t时部件vi的第j大的属性值,μ为权重系数,m为所选择的部件属性的数量。
6.根据权利要求5所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S140具体包括:
高速列车系统的固有初始系统风险为
则排除外部运行环境对系统可靠性的影响,根据高速列车系统部件的自身性能及部件间的耦合关系,构建反映系统内部风险程度的高速列车系统基准风险模型为
其中,CIi为部件vi的综合重要度,N为拓扑网络模型中部件的数量。
7.根据权利要求6所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,设为部件自身性能衰减的内部协变量,则高速列车系统基准风险模型为:
其中,表示内部协变量的权重系数。
8.根据权利要求7所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S150具体包括:
提取列车运行环境数据变量集为作为外部协变量,构建基于内外协变量的系统风险函数:
其中为外部协变量的权重系数。
9.根据权利要求8所述的基于内外协变量的高速列车系统可靠性评估方法,其特征在于,所述步骤S160具体包括:
结合系统风险函数h0,则高速列车系统初始状态的可靠性为:
其中ri是节点vi的在初始时刻的可靠度;
那么任意运行阶段,系统可靠度为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417624.8A CN109544011B (zh) | 2018-11-26 | 2018-11-26 | 基于内外协变量的高速列车系统可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811417624.8A CN109544011B (zh) | 2018-11-26 | 2018-11-26 | 基于内外协变量的高速列车系统可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109544011A true CN109544011A (zh) | 2019-03-29 |
CN109544011B CN109544011B (zh) | 2022-02-01 |
Family
ID=65849776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811417624.8A Active CN109544011B (zh) | 2018-11-26 | 2018-11-26 | 基于内外协变量的高速列车系统可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109544011B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309550A (zh) * | 2019-06-10 | 2019-10-08 | 北京交通大学 | 一种基于势能场与网络效率的高速列车系统可靠性分析方法 |
CN112765814A (zh) * | 2021-01-20 | 2021-05-07 | 中车唐山机车车辆有限公司 | 基于全生命周期的气密性能保持设计方法 |
EP4063229A1 (de) * | 2021-03-25 | 2022-09-28 | Siemens Mobility GmbH | Verfahren zum optimieren eines schienenverkehrs eines schienenverkehrsnetzes |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239694A (zh) * | 2014-08-28 | 2014-12-24 | 北京交通大学 | 一种城轨列车转向架的故障预测与视情维修方法 |
CN105809251A (zh) * | 2016-03-01 | 2016-07-27 | 北京交通大学 | 一种多属性融合的动车组系统关键部件辨识方法 |
US20160364456A1 (en) * | 2015-06-09 | 2016-12-15 | Honeywell International Inc. | Computerized process safety management system |
CN107545111A (zh) * | 2017-09-05 | 2018-01-05 | 北京锦鸿希电信息技术股份有限公司 | 基于威布尔分布的城轨车辆可靠性分析方法及装置 |
CN108520321A (zh) * | 2018-04-03 | 2018-09-11 | 广西大学 | 一种基于最大最小蚁群算法的列车转向架关键部件预防性维修决策优化模型 |
-
2018
- 2018-11-26 CN CN201811417624.8A patent/CN109544011B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104239694A (zh) * | 2014-08-28 | 2014-12-24 | 北京交通大学 | 一种城轨列车转向架的故障预测与视情维修方法 |
US20160364456A1 (en) * | 2015-06-09 | 2016-12-15 | Honeywell International Inc. | Computerized process safety management system |
CN105809251A (zh) * | 2016-03-01 | 2016-07-27 | 北京交通大学 | 一种多属性融合的动车组系统关键部件辨识方法 |
CN107545111A (zh) * | 2017-09-05 | 2018-01-05 | 北京锦鸿希电信息技术股份有限公司 | 基于威布尔分布的城轨车辆可靠性分析方法及装置 |
CN108520321A (zh) * | 2018-04-03 | 2018-09-11 | 广西大学 | 一种基于最大最小蚁群算法的列车转向架关键部件预防性维修决策优化模型 |
Non-Patent Citations (4)
Title |
---|
SHUAI LIN 等: "Reliability assessment of complex electromechanical systems A network perspective", 《QUALITY AND RELIABILITY ENGINEERING INTERNATIONAL》 * |
云婷: "城轨列车走行部滚动轴承运行可靠性分析方法的研究_云婷", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
史婧轩: "基于可靠性分析的城轨列车转向架故障预测与维修", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
林帅: "基于拓扑的高速列车系统可靠性与安全性评估方法", 《中国优秀博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110309550A (zh) * | 2019-06-10 | 2019-10-08 | 北京交通大学 | 一种基于势能场与网络效率的高速列车系统可靠性分析方法 |
CN110309550B (zh) * | 2019-06-10 | 2021-06-22 | 北京交通大学 | 一种基于势能场与网络效率的高速列车系统可靠性分析方法 |
CN112765814A (zh) * | 2021-01-20 | 2021-05-07 | 中车唐山机车车辆有限公司 | 基于全生命周期的气密性能保持设计方法 |
EP4063229A1 (de) * | 2021-03-25 | 2022-09-28 | Siemens Mobility GmbH | Verfahren zum optimieren eines schienenverkehrs eines schienenverkehrsnetzes |
Also Published As
Publication number | Publication date |
---|---|
CN109544011B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
CN109544011A (zh) | 基于内外协变量的高速列车系统可靠性评估方法 | |
CN102436524B (zh) | 一种模拟电路软故障诊断的模糊推理方法 | |
CN103955556B (zh) | 高速铁路列车运行控制车载系统故障逻辑建模方法 | |
CN103092755B (zh) | 一种列控系统测试序列的自动生成方法 | |
CN106202886A (zh) | 基于模糊粗糙集与决策树的轨道电路红光带故障定位方法 | |
CN105676842B (zh) | 一种高铁列控车载设备故障诊断方法 | |
CN108196525B (zh) | 高速列车运行控制系统的运行安全风险动态分析方法 | |
CN105911975A (zh) | 一种航空发动机气路故障融合诊断方法 | |
CN108304661A (zh) | 基于tdp模型的诊断预测方法 | |
CN103925155B (zh) | 一种风电机组输出功率异常的自适应检测方法 | |
CN107704992A (zh) | 输电线路雷击风险评估的方法及装置 | |
CN108427401A (zh) | 一种具有联合连通拓扑的飞行控制系统协同故障诊断方法 | |
CN109660206A (zh) | 一种基于Wasserstein GAN的光伏阵列故障诊断方法 | |
CN108664673A (zh) | 一种轮轨力载荷辨识特征数据模型建立方法及装置 | |
CN106202776A (zh) | 一种运载火箭结构机构产品可靠性评估方法 | |
CN110412417A (zh) | 基于智能电力监测仪表的微电网数据故障诊断方法 | |
CN113374634B (zh) | 一种风向仪故障模式下的风力机偏航对风方法 | |
CN110266046A (zh) | 基于复杂网络的电热微网拓扑综合诊断方法与系统 | |
CN101968379B (zh) | 航空发动机转子系统工况振动信号特征信息提取方法 | |
CN105954607A (zh) | 一种高铁信号系统故障检测方法和系统 | |
CN113297033A (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
CN114577470A (zh) | 用于风机主轴承的故障诊断方法及系统 | |
CN103235206A (zh) | 一种变压器的故障诊断方法 | |
US9779358B2 (en) | Information processing system and method for monitoring a complex system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |