CN109886485A - 一种交通基础设施维修策略优化方法 - Google Patents
一种交通基础设施维修策略优化方法 Download PDFInfo
- Publication number
- CN109886485A CN109886485A CN201910112239.0A CN201910112239A CN109886485A CN 109886485 A CN109886485 A CN 109886485A CN 201910112239 A CN201910112239 A CN 201910112239A CN 109886485 A CN109886485 A CN 109886485A
- Authority
- CN
- China
- Prior art keywords
- data
- maintenance
- model
- prediction
- information
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 86
- 238000005457 optimization Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000007547 defect Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000002360 preparation method Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims description 29
- 230000006378 damage Effects 0.000 claims description 27
- 238000009825 accumulation Methods 0.000 claims description 19
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 15
- 230000010354 integration Effects 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000002547 anomalous effect Effects 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 7
- 201000010099 disease Diseases 0.000 claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 208000027418 Wounds and injury Diseases 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 5
- 238000012913 prioritisation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 17
- 235000019580 granularity Nutrition 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000013138 pruning Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000006116 polymerization reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004826 seaming Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种交通基础设施维修策略优化方法,方法包括数据准备、数据处理、维修内容和位置的确定、设施设备分类和预防性维修方案优化等步骤,以安全性能、维修成本和交通服务影响三个指标综合考虑获得最优维修方案。该方法设计了时空数据推演规则,实现缺陷或故障成因自动追溯,并建立了一套基于重要度的分类策略,面向性能、成本、交通和用户多个目标,提高了优化方案生成的准确性、人机交互性和智能化。
Description
技术领域
本发明涉及交通基础设施维修领域,尤其涉及一种交通基础设施维修策略优化方法。
背景技术
近年来,交通基础设施维修策略已经从传统的修复性维修逐步转向全生命周期维护。全生命周期维护是从设施整个生命期出发,以全寿命周期性能、成本和安全作为主要指标,规划设施长时期的检修方案,确定合适的维修时机和策略,控制劣化过程,保障设施安全、降低运营成本。
全寿命周期维护的基础是必须能够了解设施性能演变过程和维修方法对性能的影响,因此完整全面的历史数据是这一分析的基础。由于交通基础设施具有空间结构复杂、内部设备繁多,建设运营期长的特点,因此,在实际建设和运维过程中,人们会根据监测检查、养护工作、资产管理、成本核算和性能分析等不同的管理和服务需求,对这些设施设备进行不同的类别划分、空间划分和时间划分,导致不同信息系统的数据无法实现有效的关联,信息得不到充分运用,无法对设施全生命周期的过程进行完整的展示,为后期的分析带来的困难。
基础设施的维修决策分析研究,一般都集中在主体结构部分,而忽略了其他设施设备对演化性能影响。实际上,一般而言,在稳定环境下、不受外力冲击的情况下,主体结构相对都是比较稳定的,而周边设施设备的缺陷或故障,往往会对整个基础设施的性能和安全造成巨大的影响。现有研究中把基础设施性能分析研究问题过度简化,没有考虑实际设施性能演化的复杂性,无法准确发现基础设施的隐患和引起缺陷的原因。
基础设施的维修方案优化,通常是对设施按照专业为组别,以设施的性能退化函数为基础,从性能预测的角度对维修方案进行比较和优化,忽略了维修方案对与成本、交通和用户体验的影响。选择的维修方案往往不能达到理想的效果。
发明内容
为了克服现有技术的不足,本发明的目的在于提一种交通基础设施维修策略优化方法。
本发明的目的采用以下技术方案实现:
一种交通基础设施维修策略优化方法,方法包括以下步骤:
数据准备,获取待维修的基础设施的数据信息的历史数据和当前数据;
数据处理,对获得的不同格式的数据信息进行异构数据融合和面向多目标的数据钻取处理;
维修内容和位置的确定,基于处理后的当前数据,对异常事件发生的位置进行关联和规则推演进行成因追溯,确定异常事件的成因、设施需要维修的内容和位置;
设施设备分类,根据重要度维修原则将维养的设施设备分为预防性维修、预测性维修和事后维修三类;
预防性维修方案优化,以安全性能、维修成本和交通服务影响三个指标综合考虑获得最优维修方案。
优选的,所述数据信息包括待维修设施的BIM模型信息、设施剖面平面信息、设备布置信息、资产信息、自动监测数据、检测和巡检信息、维修项目、工艺参数描述信息以及维修养护定额计价信息。
优选的,所述数据信息的历史数据包括历史维养数据、历史观测数据、历史检测数据和历史监测数据,所述数据信息的当前数据包括当前观测数据、当前检测数据和当前监测数据。
优选的,在预防性维修方案优化步骤中,交通服务影响指标用交通评价与预测作为优化参数,由历史维养数据生成交通影响模型,所述交通影响模型结合当前数据构建交通评价与预测优化参数。
优选的,维修成本指标用成本评估与预测作为优化参数,由历史维养数据修正后生成维修成本模型,所述维修成本模型结合当前数据构成成本评估与预测优化参数。
优选的,所述维修成本模型在定额成本计算体系的基础上结合历史数据进行修正后生成。
优选的,安全性能指标用性能评价与预测和安全评价与预测作为优化参数;
由修正后的历史维养数据结合统计后的历史数据生成损伤修复模型,在所述损伤修复模型的基础上结合修正过的历史数据生成损伤累积增长模型,所述损伤累积增长建模型结合当前数据构建性能评价与预测优化参数;
从历史数据中提取历史异常与故障数据,损伤累积增长模型结合修正后的历史异常与故障数据生成失效模型;从当前数据中提取异常发现与缺陷辨识数据,所述失效模型结合异常发现与缺陷辨识数据构建安全评价与预测优化参数。
优选的,所述损伤累积增长建模型以概率密度函数为基础预测未来病害或缺陷的增长趋势,所述损伤累积增长建模型为比例/风险模型或通过历史数据的概率统计建立的损伤累积变化曲线;所述失效模型以可靠性函数为基础从失效模式的严重程度、发生的可能性和检测可能性三方面考虑进行构建。
优选的,预防性维修方案优化步骤中,以安全性能、维修成本和交通服务影响生成综合目标值,若所述综合目标值达到结束条件,则输出最优解,若所述综合目标值未达到结束条件,则生成新的方案作为候选维养方案,所述候选维养方案作为参考构建所述交通评价与预测优化参数、成本评估与预测优化参数、性能评价与预测优化参数和安全评价与预测优化参数,直至输出最优解作为最优维修方案。
优选的,所述结束条件为新方案目标值与旧目标值的差值小于指定的阈值。
相比现有技术,本发明的有益效果在于:方法设计了时空数据推演规则,实现缺陷或故障成因自动追溯,并建立了一套基于重要度的分类策略,面向性能、成本、交通和用户多个目标,提高了优化方案生成的准确性、人机交互性和智能化。
附图说明
图1为交通基础设施维修策略优化方法的示意图;
图2为交通基础设施缺陷成因追溯示意图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当组件被称为“固定于”另一个组件,它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件,它可以是直接连接到另一个组件或者可能同时存在居中组件。当一个组件被认为是“设置于”另一个组件,它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明定义了面向多种需求的交通基础设施的时空数据描述方法,设计了时空数据推演规则,实现缺陷或故障成因自动追溯,并建立了一套基于重要度和提升度的维修分类策略,面向性能、成本、交通和用户多个目标,优化维修方案。
参见图1,一种交通基础设施维修策略优化方法,分为如下步骤:
1.数据准备:
数据来源可以包括:设施的BIM模型信息(或设施剖面平面信息、设备布置信息、资产信息)、自动监测数据、检测和巡检信息、维修项目和工艺参数描述信息以及维修养护定额计价信息。
此外,数据信息的历史数据包括历史维养数据、历史观测数据、历史检测数据和历史监测数据,所述数据信息的当前数据包括当前观测数据、当前检测数据和当前监测数据。
其中,由历史数据可提取历史异常与故障,由当前数据可提取异常发现与缺陷辨识。
2.数据(融合)处理
由于不同来源的数据格式不同、不同管理目标下对设施设备的分类和表达要求也不同,设计合适的数据表达方式以实现异构数据融合和面向多目标的数据钻取。
2.1设施设备的空间表达
交通设施的空间结构划分以运维需求为基础,采用树形结构的形式进行空间描述,按照区域、剖面(层)、功能(道)、区间、组件、部件的递进式、层次化的空间描述。根据单位部件(设备或设施的单体)的特性,分为独立型部件(如风机)和连续性部件(如安全通道)。独立型部件根据专业性质(即部件在建筑物中所属专业性质)进行聚合或离散处理和描述;连续性部件采用以该设施竣工图纸中标注的里程为基准的方式对空间描述,实现粒度柔性描述,并采用邻接原则,实现空间粒度的聚合。
2.2设施设备的类别表达
交通设施的类别表达采用面向需求的标签标记。设施设备信息记录单元可以根据巡检管理、成本核算或专业维修等不同的需求类别进行划分,划分的类别通过标签的方法与设施设备单元绑定,建立设施设备粒度与类别属性的映射关系,实现同一对象可以有多个不同粒度的表达方式,不同需求目标可以选择不同的设施粒度表达方式。
2.3设施设备时间粒度表达
交通设施的各类信息时间跨度和采集频率各不相同,为了确保不同时间能够匹配,结合运维管理的需求,建立统一的层次窗口的时间粒度体系结构,其时间层次分别为:年、月、周、日、时、分和秒。对于颗粒度不同且非均匀采样的数据,建立多层次时间窗口模型为三元组序列{(Ti,Wi,Gi)时间窗口分成m个层次,令顶层窗口长度最长的时间段长度是Tm。Ti表示第i层次时的时间长度,其时间区间为[now-Ti,tnow](i=1,2,....,m tnow是当前时间)我们把这样划分的每个层次的窗口依次表示为W1,W2,…,Wm,每个子窗口所对应的粒度分别为G1,G2,…,Gm,则(Ti,Wi,Gi)组成的序列构成了层次窗口的时间粒度体系结构.其中Gi是Gj的子粒度,即Gj=U Gi,表示Gj是Gi的聚合。根据采样周期的不同,建立不同层次的几何快照的存储结构(针对最低层窗口流出的基本粒子数据进行快照,所有快照分为N个级别,每个级别最多保存max个快照,当超过max时,则丢弃该级别中最老的快照),以节约存储空间;针对不同的查询要求,根据层次结构树进行粒度聚合和信息合并查询。
3.维修内容和位置确定
交通基础设施维修内容是基于现有设施缺陷成因分析的结果确定的。设施缺陷成因分需要进行规则推演进行追溯。而规则推演一般要符合信息推演规则才能使其系统化、规则化和标准化。
基础设施的信息推演规则分为空间关系、时间关系、系统关系、逻辑关系和传递关系五类规则群进行推演,具体规则可以根据交通基础设施类别的不同有所不同。
信息推演规则的类型和关系如下表-1所示。
参见图2交通基础设施缺陷成因追溯示意图,可知,整个设施缺陷成因追溯过程共分为五个步骤:观察、关联、剪枝、定位和判断。其中,观察是指运维工作人员在日常巡检中发现异常现象的过程,判断是指在推理机输出结果以后决策者根据推理结果进行线下排查的过程,这两个过程为线下活动;关联、剪枝和定位的过程由推理机执行,为线上活动。
具体实施例参见图1,具体为:
a)观察:在观察阶段,巡检人员发现一个渗漏现象(事件)Facility_Leakage_23出现在Cable_Channel_3的构件位置上。其中,HappensOn是位置属性,用来表达事件Facility_Leakage_23与构件Cable_Channel_3之间的位置关系。这一渗漏现象随之会作为Cable_Channel_3的一个相关事件存在检测系统的数据库中。
b)关联:在获取与该渗漏病害相关的基本信息(环号、接缝位置、土层结构等)之后,推理机在一定距离范围(如:100米)内基于系统关系和空间关系寻找关联的构件集合,在本示例中,与渗漏发现位置临近空间关系构件有:装饰层Decrotive_Layer_5和水泵Water_Pump_4等,存在系统关系的有衬砌环IfcRing_431_x和环缝IfcSeam_442_x等一系列构件,这些构件和设备被视为关联对象集合。
c)剪枝:在关联阶段仅仅通过空间关系和系统关系会关联到部分冗余的对象,由于渗漏的转移具有方向性并且部分对象与渗漏不存在任何因果关联,需要在剪枝阶段通过转移规则和逻辑规则去除多余的关联对象。通过剪枝过程以后,仅有几个管片和接缝被视为导致渗漏发生的潜在成因。例如:在关联的IfcRing_431_x和环缝IfcSeam_442_x构件组中,根据渗漏高度的前向转移特性,只有编号IfcSegment_431_(4-8)、IfcSeam_442_(23-31)的这些构件被保留,其余构件则被剪枝,不纳入后续分析范畴。
d)定位:在经过剪枝过程以后,推理机通过时间关系排查与渗漏紧密相关的对象的历史事件和历史数据,进而对成因进行风险水平的排序。这个过程存在未发现可能成因的可能,若未发现潜在成因,推理机将自动扩大连接范围进行二次推理,直至发现可能成因为止。本案例中,发现构件管片IfcSegment_431_4具有一次发生在2015/2/11的“堵漏”的事件记录:编号Inspection_20150211_stoppage而被列为风险水平最高的病害成因,其他可能的成因是Water_Pump_4曾经发生过一次阀门损坏维修事件Maintenance_20140728_switch,接缝IfcSeam_442_30和装饰层Decrotive_Layer_5所发生的历史事件,也会被列出,并根据成因可能性的高低进行排序。
f)判断:通过定位过程中检测到的可能成因将会通过可视化模块传输给用户,若用户接受该推理结果,则推理结束,成因输出,反之,则由用户手动开始二次推理查询,直至得到满意结果为止。在本案例中,用户可以对编号Inspection_20150211_stoppage事件进行二次推理查询,发现与Inspection_20150211_stoppage事件有关的是前一天发生的地面沉降事件Constr_Settlement_20150210,至此,用户对渗漏的成因判断获得了确认,系统则可以讲成因结果输出,完成整个追溯过程。
上述的推理机即为检测系统,检测系统是人机交互的,具体的包括机体、人机交互界面、信息输入设备和信息输出设备。
基于处理后的当前数据,对异常事件发生的位置进行关联和规则推演进行成因追溯,确定异常事件的成因、设施需要维修的内容和位置。
通过该成因追溯方法,可提高异常事件发生原因的追溯效率和准确性,通过人工核查,提高了人机交互的互动性,使得结果更准确。
4.维修养护方案的优化
交通基础设施维护是一个完整的、经过系统筹划的过程,目标是通过最优化的方案在成本可控、交通影响尽量小的情形下,确保其在全生命周期服役期的安全和性能达到令人满意的水平,尽量延长实际使用时间。
4.1设施设备分类
根据重要度维修原则将维养的设施设备分为预防性维修、预测性维修和事后维修三类。
为了更为合理地对交通基础设施进行维护,本发明以基于重要度的设施对象的维修原则,即:根据设施设备在隧道运营中不同的重要程度,对设备进行分类。对影响隧道安全运行有直接影响的设施设备被定义为A类,对隧道正常运营有影响的设施设备被定义为B类,对隧道运营没有显著影响的设施设备被定义为C类。A类设施设备是重点管理和维修的对象,尽可能实施状态监测,采用预防性维修。B类设施设备应实施预测性维修,一旦发现隐患或预测可能出现病害或故障便及时处理。C类设备考虑到维修的经济性,实施事后维修。
B类设施和C类设施都是基于监测或检测信息给出相应的维修方案,无需进行优化。而A类设施是采用的预防性维修策略,不同的预防性养护和维修方案,其设施全生命周期的安全性能、维修成本和交通服务影响均不同,维修方案的优化尤为重要。
4.2预防性维修方案优化
预防性维修方案优化,以安全性能、维修成本和交通服务影响三个指标综合考虑获得最优维修方案。
其中,交通服务影响指标用交通评价与预测作为优化参数,由历史维养数据生成交通影响模型,所述交通影响模型结合当前数据构建交通评价与预测优化参数。
其中,维修成本指标用成本评估与预测作为优化参数,由历史维养数据修正后生成维修成本模型,所述维修成本模型结合当前数据构成成本评估与预测优化参数。
进一步的,所述维修成本模型在定额成本计算体系的基础上结合历史数据进行修正后生成。
其中,安全性能指标用性能评价与预测和安全评价与预测作为优化参数。
由修正后的历史维养数据结合统计后的历史数据生成损伤修复模型,在所述损伤修复模型的基础上结合修正过的历史数据生成损伤累积增长模型,所述损伤累积增长建模型结合当前数据构建性能评价与预测优化参数。
从历史数据中提取历史异常与故障数据,损伤累积增长模型结合修正后的历史异常与故障数据生成失效模型;从当前数据中提取异常发现与缺陷辨识数据,所述失效模型结合异常发现与缺陷辨识数据构建安全评价与预测优化参数。
进一步的,损伤累积增长建模型以概率密度函数为基础预测未来病害或缺陷的增长趋势,所述损伤累积增长建模型为比例/风险模型或通过历史数据的概率统计建立的损伤累积变化曲线;所述失效模型以可靠性函数为基础从失效模式的严重程度、发生的可能性和检测可能性三方面考虑进行构建。
方法以安全性能、维修成本和交通服务影响生成综合目标值,若所述综合目标值达到结束条件,则输出最优解,若所述综合目标值未达到结束条件,则生成新的方案作为候选维养方案,所述候选维养方案作为参考构建所述交通评价与预测优化参数、成本评估与预测优化参数、性能评价与预测优化参数和安全评价与预测优化参数,直至输出最优解作为最优维修方案。
本发明中基础设施性能以全生命周期的性能分析为基础,安全分析则以异常冲击下失效模模型为基础,维修成本计算以基础设施维修定额计价模型为基础,交通服务影响则以维修工艺与占道时间关系模型为基础。这些模型均是以设施的时空数据为基础进行模型的构建与修正。通过综合目标值的优化完成维修方案的优化。
其中,失效模型主要从每种失效模式的严重程度、失效模式发生的可能性和每种失效模式检测可能性三个方面考虑,通过历史异常与故障数据以及当前数据提取的异常发生与缺陷辨识数据来建立安全评价与预测优化参数,以此预测未来失效事件发生的概率。
损伤累积增长模型是通过过去的观测数据、历史数据建立一个以概率密度函数为基础的模型来预测未来病害或缺陷的增长趋势,可以使用一些现有的模型,如比例/风险模型为基础建立,也可以直接通过历史数据的概率统计建立损伤累积变化曲线。
维修成本模型则在定额成本计算体系的基础上,结合历史数据进行修正。而交通影响模型主要通过不同工艺的性质和历史施工数据进行构建。
当以上模型建立以后,就可以基于维修内容产生各种不同的维修方案,并通过对维修方案的综合效果评估,通过遗传算法等迭代优化算法,寻找最优解。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变及变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变,即根据以上描述的技术方案以及构思,本领域的技术人员能够做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (9)
1.一种交通基础设施维修策略优化方法,其特征在于,方法包括以下步骤:
数据准备,获取待维修的基础设施的数据信息的历史数据和当前数据;
数据处理,对获得的不同格式的数据信息进行异构数据融合和面向多目标的数据钻取处理;
维修内容和位置的确定,基于处理后的当前数据,对异常事件发生的位置进行关联和规则推演进行成因追溯,确定异常事件的成因、设施需要维修的内容和位置;
设施设备分类,根据重要度维修原则将维养的设施设备分为预防性维修、预测性维修和事后维修三类;
预防性维修方案优化,以安全性能、维修成本和交通服务影响三个指标综合考虑获得最优维修方案。
2.根据权利要求1所述的方法,其特征在于:所述数据信息包括待维修设施的BIM模型信息、设施剖面平面信息、设备布置信息、资产信息、自动监测数据、检测和巡检信息、维修项目、工艺参数描述信息以及维修养护定额计价信息。
3.根据权利要求1所述的方法,其特征在于:所述数据信息的历史数据包括历史维养数据、历史观测数据、历史检测数据和历史监测数据,所述数据信息的当前数据包括当前观测数据、当前检测数据和当前监测数据。
4.根据权利要求3所述的方法,其特征在于:在预防性维修方案优化步骤中,交通服务影响指标用交通评价与预测作为优化参数,由历史维养数据生成交通影响模型,所述交通影响模型结合当前数据构建交通评价与预测优化参数。
5.根据权利要求4所述的方法,其特征在于:维修成本指标用成本评估与预测作为优化参数,由历史维养数据修正后生成维修成本模型,所述维修成本模型结合当前数据构成成本评估与预测优化参数。
6.根据权利要求5所述的方法,其特征在于:所述维修成本模型在定额成本计算体系的基础上结合历史数据进行修正后生成。
7.根据权利要求5所述的方法,其特征在于:安全性能指标用性能评价与预测和安全评价与预测作为优化参数;
由修正后的历史维养数据结合统计后的历史数据生成损伤修复模型,在所述损伤修复模型的基础上结合修正过的历史数据生成损伤累积增长模型,所述损伤累积增长建模型结合当前数据构建性能评价与预测优化参数;
从历史数据中提取历史异常与故障数据,损伤累积增长模型结合修正后的历史异常与故障数据生成失效模型;从当前数据中提取异常发现与缺陷辨识数据,所述失效模型结合异常发现与缺陷辨识数据构建安全评价与预测优化参数。
8.根据权利要求7所述的方法,其特征在于:所述损伤累积增长建模型以概率密度函数为基础预测未来病害或缺陷的增长趋势,所述损伤累积增长建模型为比例/风险模型或通过历史数据的概率统计建立的损伤累积变化曲线;所述失效模型以可靠性函数为基础从失效模式的严重程度、发生的可能性和检测可能性三方面考虑进行构建。
9.根据权利要求7所述的方法,其特征在于:预防性维修方案优化步骤中,以安全性能、维修成本和交通服务影响三个目标计算综合目标值,若所述综合目标值达到结束条件,则输出最优解,若所述综合目标值未达到结束条件,则生成新的方案作为候选维养方案,所述候选维养方案作为参考构建所述交通评价与预测优化参数、成本评估与预测优化参数、性能评价与预测优化参数和安全评价与预测优化参数,直至输出最优解作为最优维修方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112239.0A CN109886485A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施维修策略优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910112239.0A CN109886485A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施维修策略优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886485A true CN109886485A (zh) | 2019-06-14 |
Family
ID=66928056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910112239.0A Pending CN109886485A (zh) | 2019-02-13 | 2019-02-13 | 一种交通基础设施维修策略优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886485A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348145A (zh) * | 2019-07-16 | 2019-10-18 | 徐佳信 | 一种基于bim技术建设隧道的施工方法 |
CN112231809A (zh) * | 2020-10-14 | 2021-01-15 | 广东粤能工程管理有限公司 | 一种修缮工程监理方法、系统、设备及存储介质 |
CN112365182A (zh) * | 2020-11-24 | 2021-02-12 | 中国舰船研究设计中心 | 基于任务与功能的船用设备维修工作类型分析方法及装置 |
CN113177650A (zh) * | 2021-05-28 | 2021-07-27 | 中车齐齐哈尔车辆有限公司 | 一种铁路货车车厢的预测性维护方法及装置 |
CN116151674A (zh) * | 2023-02-22 | 2023-05-23 | 辽宁艾特斯智能交通技术有限公司 | 一种公路机电设备维护的决策方法、装置、设备及介质 |
CN116151674B (zh) * | 2023-02-22 | 2024-05-28 | 辽宁艾特斯智能交通技术有限公司 | 一种公路机电设备维护的决策方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN105303331A (zh) * | 2015-11-25 | 2016-02-03 | 国网江西省电力科学研究院 | 一种变压器维修风险决策方法 |
CN106295897A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 基于风险与成本分析的飞机结构检查任务规划方法 |
CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
CN107122832A (zh) * | 2017-04-01 | 2017-09-01 | 北京航空航天大学 | 一种质量控制与可靠性分析的制造系统预防性维修方法 |
CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
-
2019
- 2019-02-13 CN CN201910112239.0A patent/CN109886485A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104268678A (zh) * | 2014-09-15 | 2015-01-07 | 中国石油化工股份有限公司武汉分公司 | 一种以动态可靠性为基础的设备预防性维修方法 |
CN105303331A (zh) * | 2015-11-25 | 2016-02-03 | 国网江西省电力科学研究院 | 一种变压器维修风险决策方法 |
CN106295897A (zh) * | 2016-08-15 | 2017-01-04 | 南京航空航天大学 | 基于风险与成本分析的飞机结构检查任务规划方法 |
CN106503813A (zh) * | 2016-10-27 | 2017-03-15 | 清华大学 | 基于起重装备工作状态的预测性维修决策方法及系统 |
CN107122832A (zh) * | 2017-04-01 | 2017-09-01 | 北京航空航天大学 | 一种质量控制与可靠性分析的制造系统预防性维修方法 |
CN108008332A (zh) * | 2017-11-29 | 2018-05-08 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
胡珉等: "基于全生命周期信息和BIM 的隧道运维决策支持系统", 《隧道建设》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348145A (zh) * | 2019-07-16 | 2019-10-18 | 徐佳信 | 一种基于bim技术建设隧道的施工方法 |
CN110348145B (zh) * | 2019-07-16 | 2023-04-07 | 徐佳信 | 一种基于bim技术建设隧道的施工方法 |
CN112231809A (zh) * | 2020-10-14 | 2021-01-15 | 广东粤能工程管理有限公司 | 一种修缮工程监理方法、系统、设备及存储介质 |
CN112231809B (zh) * | 2020-10-14 | 2024-01-16 | 广东粤能工程管理有限公司 | 一种修缮工程监理方法、系统、设备及存储介质 |
CN112365182A (zh) * | 2020-11-24 | 2021-02-12 | 中国舰船研究设计中心 | 基于任务与功能的船用设备维修工作类型分析方法及装置 |
CN113177650A (zh) * | 2021-05-28 | 2021-07-27 | 中车齐齐哈尔车辆有限公司 | 一种铁路货车车厢的预测性维护方法及装置 |
CN116151674A (zh) * | 2023-02-22 | 2023-05-23 | 辽宁艾特斯智能交通技术有限公司 | 一种公路机电设备维护的决策方法、装置、设备及介质 |
CN116151674B (zh) * | 2023-02-22 | 2024-05-28 | 辽宁艾特斯智能交通技术有限公司 | 一种公路机电设备维护的决策方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886485A (zh) | 一种交通基础设施维修策略优化方法 | |
CN103793853B (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN107194621B (zh) | 一种供水管网管理系统和方法 | |
CN103793859B (zh) | 一种风电场运行监控及事件综合评价方法 | |
CN103870659B (zh) | 一种数控机床故障分析方法 | |
CN111598352A (zh) | 一种基于贝叶斯网络的混凝土梁式桥综合评估方法 | |
CN106503807A (zh) | 一种改进型rcm分析方法及基于其的动设备完整性评价系统 | |
CN109583520B (zh) | 一种云模型与遗传算法优化支持向量机的状态评估方法 | |
CN107705018A (zh) | 一种用于核电厂定期试验周期延长的论证方法 | |
CN105975797A (zh) | 一种基于模糊数据处理的产品早期故障根原因识别方法 | |
CN114912635A (zh) | 一种公路养护决策方法、系统、存储介质和电子设备 | |
CN112801428B (zh) | 一种基于概率预警的落雷损失预防控制方法 | |
Rademakers et al. | Tools for estimating operation and maintenance costs of offshore wind farms: state of the art | |
CN108985602A (zh) | 一种计及风险的电网分类项目的投入产出评价方法及系统 | |
Wu et al. | A dynamic decision approach for risk analysis in complex projects | |
CN105825314A (zh) | 一种基于集中运维模式的监视信息分析方法和系统 | |
CN108376293A (zh) | 一种基于模糊数学改进的层次分析法的zj17卷烟设备维修智能预测方法 | |
CN108052540A (zh) | 一种基于gis管网系统的管道故障预判与预处理方法 | |
Dui et al. | Analysis of variable system cost and maintenance strategy in life cycle considering different failure modes | |
Wang et al. | Condition-based maintenance method for multicomponent system considering maintenance delay based on remaining useful life prediction: Subsea tree system as a case | |
CN105302476B (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
CN103679307A (zh) | 一种长输油气管道管体缺陷闭环评估方法及系统 | |
CN106875015A (zh) | 一种飞机故障诊断方法及系统 | |
Fan | Data mining model for predicting the quality level and classification of construction projects | |
CN113723637B (zh) | 一种面向船舶维修体系的经济性修理级别分析方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |