CN112149288A - 一种列车网络控制系统的可靠性预计方法 - Google Patents

一种列车网络控制系统的可靠性预计方法 Download PDF

Info

Publication number
CN112149288A
CN112149288A CN202010944614.0A CN202010944614A CN112149288A CN 112149288 A CN112149288 A CN 112149288A CN 202010944614 A CN202010944614 A CN 202010944614A CN 112149288 A CN112149288 A CN 112149288A
Authority
CN
China
Prior art keywords
failure
reliability
time
network control
basic components
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
Application number
CN202010944614.0A
Other languages
English (en)
Other versions
CN112149288B (zh
Inventor
赵强
孙涛
魏继光
苏浩洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Changchun Railway Vehicles Co Ltd
Original Assignee
CRRC Changchun Railway Vehicles Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CRRC Changchun Railway Vehicles Co Ltd filed Critical CRRC Changchun Railway Vehicles Co Ltd
Priority to CN202010944614.0A priority Critical patent/CN112149288B/zh
Publication of CN112149288A publication Critical patent/CN112149288A/zh
Application granted granted Critical
Publication of CN112149288B publication Critical patent/CN112149288B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明涉及一种列车网络控制系统可靠性预计方法，包括以下步骤：步骤1：建立系统的概率模型；步骤2：进行系统可靠性仿真；步骤3：计算系统可靠性指标。本发明的列车网络控制系统的可靠性预计方法，在系统集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制系统可靠性进行预计分析，使列车网络控制系统的可靠性在设计阶段就得到量化预计，以便发现影响系统可靠性的设计因素并及时进行优化和改进，保证车辆交付时系统可靠性指标满足或优于地铁运营商要求。

Description

一种列车网络控制系统的可靠性预计方法
技术领域
本发明涉及列车可靠性检测技术领域，特别涉及一种列车网络控制系统的可靠性预计方法。
背景技术
地铁运营商在购买地铁车辆时要求制造商设计的车辆各系统(牵引、制动、列车网络控制系统等)在车辆交付时达到指定的可靠性指标要求。
列车网络控制系统是一个涵盖硬件、软件及网络通信的复杂系统。列车网络控制系统负责对动车组牵引、制动、转向架、辅助供电、车门、空调等系统的控制、监视和诊断。以往在地铁车辆设计阶段没有有效的方法针对如此复杂系统进行可靠性预计，只能在车辆交付后通过跑行试验进行数据累积计算得到可靠性指标，而且往往也因此超过可靠性指标要求而受到考核。
发明内容
本发明要解决现有技术中的技术问题，提供一种列车网络控制系统的可靠性预计方法。
为了解决上述技术问题，本发明的技术方案具体如下：
一种列车网络控制系统的可靠性预计方法，包括以下步骤：
步骤1：建立系统的概率模型；
设系统由n个基本部件组成，用S表示系统，则有S＝{Z1,Z2,…,Zi,…,Zn}，
其中Zi(i＝1,2,…,n)表示系统有n个基本部件组成，并已知每一个基本部件的失效分布函数为Fi(t)(i＝1,2,…,n)；
故障树的顶事件为系统S的失效事件，底事件为基本部件Zi的失效事件，故系统中共有n个底事件；设xi(t)表示有第i个底事件的状态变量；
取
Figure BDA0002674816800000021
用设φ(t)表示顶事件在t时刻的状态变量，则有
Figure BDA0002674816800000022
步骤2：进行系统可靠性仿真；
第1步：对n个基本部件寿命进行随机抽样，取得每一个基本部件故障时间的简单样本；对第i个基本部件失效时间抽样值为：ti＝Fi -1(η)；
第2步：通扫故障树找出系统失效时间；设第j次仿真时，可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj；其中，第一个下标数字表示基本部件的序号，之后将这n个失效时间按其取值大小进行排序；设由小到大的顺序排列为
Figure BDA0002674816800000023
与之相对应的基本部件顺序表示为Z1',Z'2,…,Z'K,…,Z'n；
将基本部件Z1'置于失效状态，其余的基本部件在此时刻均未失效，检查系统S是否发生失效，如系统未发生失效，则将基本部件Z'2置于失效状态，再检查系统S是否失效，直到Z'K基本部件发生失效，
Figure BDA0002674816800000024
此时Z'K以前的基本部件均已处于失效状态，如系统处于失效状态，则第j次抽样时系统寿命的抽样值为tK，其取值为
Figure BDA0002674816800000025
在N次仿真运行后，统计出一系列系统失效的时间tKj(j＝1,2,…,N)；
第3步：用区间统计方法进行系统失效数的分布统计；设系统最大工作时间为Tmax将它等分为m个区间，则每间隔ΔT为：
Figure BDA0002674816800000026
统计出N次仿真中，落入(tr-1,tr)区间内系统失效数用Δmr表示，则有
Figure BDA0002674816800000031
若统计t≤tr的系统失效数，则有
Figure BDA0002674816800000032
步骤3：计算系统可靠性指标。
在上述技术方案中，步骤1中的n个基本部件包括：中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
在上述技术方案中，步骤3中计算的系统可靠性指标包括：
系统的累计失效概率FS(t)：
Figure BDA0002674816800000033
系统可靠度月RS(tr)：
RS(tr)＝1-FS(tr)；
系统失效概率分布pS(tr)：
Figure BDA0002674816800000034
系统平均寿命MTBF：
Figure BDA0002674816800000035
本发明具有以下的有益效果：
本发明的列车网络控制系统的可靠性预计方法，在系统集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制系统可靠性进行预计分析，使列车网络控制系统的可靠性在设计阶段就得到量化预计，以便发现影响系统可靠性的设计因素并及时进行优化和改进，保证车辆交付时系统可靠性指标满足或优于地铁运营商要求。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的列车网络控制系统的可靠性预计方法的示意图。
具体实施方式
下面结合附图对本发明做以详细说明。
如图1所示，本发明的列车网络控制系统的可靠性预计方法，包括以下步骤：
步骤1：建立系统的概率模型；
设系统由n个基本部件组成，用S表示系统，则有S＝{Z1,Z2,…,Zi,…,Zn}；其中Zi(i＝1,2,…,n)表示系统有n个基本部件组成，并已知每一个基本部件的失效分布函数为Fi(t)(i＝1,2,…,n)；n个所述基本部件包括：中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
故障树的顶事件为系统S的失效事件，底事件为基本部件Zi的失效事件，故系统中共有n个底事件；设xi(t)表示有第i个底事件的状态变量；
取
Figure BDA0002674816800000041
用设φ(t)表示顶事件在t时刻的状态变量，则有
Figure BDA0002674816800000042
步骤2：进行系统可靠性仿真；
在仿真过程中做出如下假设：列车的出车时间和返回时间和地铁线路调度有关，本程序假设某辆列车每日的出车时间和返回时间是固定的；列车运行期间列车控制和管理系统除完全丧失功能的设备外其他设备均处于工作状态；列车掉线、限速运行完本次运营任务和每日返回到车辆段后要对所有存在故障的设备进行修复或更换新的设备；假设在线路的两端分别设有一个车辆段，掉线后，列车被同向行驶的列车或逆向行驶的列车推回到最近车辆段进行维修；故障设备的维修时间是所有存在故障设备维修时间的总和。
系统可靠性仿真的具体过程包括：
第1步：对列车网络控制系统的n个基本部件(中央控制单元、人机接口单元等)寿命进行随机抽样，取得每一个基本部件故障时间的简单样本，Fi(t)第i个基本部件的故障概率函数，η为0～1之间的随机数，第i个基本部件失效时间抽样值为：ti＝Fi -1(η)；
第2步：通扫故障树找出系统失效时间，设第j次仿真时，可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj；其中，第一个下标数字表示基本部件的序号，之后将这n个失效时间按其取值大小进行排序；设由小到大的顺序排列为
Figure BDA0002674816800000051
与之相对应的基本部件顺序表示为Z'1,Z'2,…,Z'K,…,Z'n；
将基本部件Z1'置于失效状态
Figure BDA0002674816800000055
其余的基本部件在此时刻均未失效，检查系统S是否发生失效，如系统未发生失效，则将基本部件Z'2置于失效状态，再检查系统S是否失效，直到Z'K基本部件发生失效，
Figure BDA0002674816800000052
此时Z'K以前的基本部件自然均已处于失效状态，如系统处于失效状态，则第j次抽样时系统寿命的抽样值为tK，其取值为
Figure BDA0002674816800000053
在N次仿真运行后，统计出一系列系统失效的时间tKj(j＝1,2,…,N)；
第3步：用区间统计方法进行系统失效数的分布统计，设系统最大工作时间为Tmax将它等分为m个区间，则每间隔ΔT为：
Figure BDA0002674816800000054
统计出N次仿真中，落入(tr-1,tr)区间内系统失效数用Δmr表示，则有
Figure BDA0002674816800000061
tr-1＜tK≤tr；φj(tK)为第j次抽样时系统k时刻状态变量；
若统计t≤tr的系统失效数，则有
Figure BDA0002674816800000062
tK≤tr；其中m(tr)为tr时刻以内的系统失效数；Δmr为tr-1时刻到tr时间段内的系统失效数；
步骤3：计算系统可靠性指标；包括：
系统的累计失效概率FS(t)：
Figure BDA0002674816800000063
系统可靠度RS(tr)：
RS(tr)＝1-FS(tr)；
系统失效概率分布pS(tr)：
Figure BDA0002674816800000064
系统平均寿命MTBF：
Figure BDA0002674816800000065
本发明的列车网络控制系统的可靠性预计方法，在系统集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制系统可靠性进行预计分析，使列车网络控制系统的可靠性在设计阶段就得到量化预计，以便发现影响系统可靠性的设计因素并及时进行优化和改进，保证车辆交付时系统可靠性指标满足或优于地铁运营商要求。

Claims (3)

1.一种列车网络控制系统的可靠性预计方法，其特征在于，包括以下步骤：
步骤1：建立系统的概率模型；
设系统由n个基本部件组成，用S表示系统，则有S＝{Z1,Z2,…,Zi,…,Zn}，
其中Zi(i＝1,2,…,n)表示系统有n个基本部件组成，并已知每一个基本部件的失效分布函数为Fi(t)(i＝1,2,…,n)；
故障树的顶事件为系统S的失效事件，底事件为基本部件Zi的失效事件，故系统中共有n个底事件；设xi(t)表示有第i个底事件的状态变量；
取
Figure FDA0002674816790000011
用设φ(t)表示顶事件在t时刻的状态变量，则有
Figure FDA0002674816790000012
步骤2：进行系统可靠性仿真；
第1步：对n个基本部件寿命进行随机抽样，取得每一个基本部件故障时间的简单样本；对第i个基本部件失效时间抽样值为：ti＝Fi -1(η)；
第2步：通扫故障树找出系统失效时间；设第j次仿真时，可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj；其中，第一个下标数字表示基本部件的序号，之后将这n个失效时间按其取值大小进行排序；设由小到大的顺序排列为tf1,tf2,…,tfK,…,tfn，与之相对应的基本部件顺序表示为Z′1,Z′2,…,Z′K,…,Z′n；
将基本部件Z′1置于失效状态，其余的基本部件在此时刻均未失效，检查系统S是否发生失效，如系统未发生失效，则将基本部件Z′2置于失效状态，再检查系统S是否失效，直到Z′K基本部件发生失效，t＝tfK，此时Z′K以前的基本部件均已处于失效状态，如系统处于失效状态，则第j次抽样时系统寿命的抽样值为tK，其取值为tKj＝tfK；在N次仿真运行后，统计出一系列系统失效的时间tKj(j＝1,2,…,N)；
第3步：用区间统计方法进行系统失效数的分布统计；设系统最大工作时间为Tmax将它等分为m个区间，则每间隔ΔT为：
Figure FDA0002674816790000021
统计出N次仿真中，落入(tr-1,tr)区间内系统失效数用Δmr表示，用Δmr表示，则有
Figure FDA0002674816790000022
若统计t≤tr的系统失效数，则有
Figure FDA0002674816790000023
步骤3：计算系统可靠性指标。
2.根据权利要求1所述的列车网络控制系统的可靠性预计方法，其特征在于，
步骤1中的n个基本部件包括：中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
3.根据权利要求1所述的列车网络控制系统的可靠性预计方法，其特征在于，步骤3中计算的系统可靠性指标包括：
系统的累计失效概率FS(t)：
Figure FDA0002674816790000024
系统可靠度月RS(tr)：
RS(tr)＝1-FS(tr)；
系统失效概率分布pS(tr)：
Figure FDA0002674816790000031
系统平均寿命MTBF：
Figure FDA0002674816790000032
CN202010944614.0A 2020-09-10 2020-09-10 一种列车网络控制系统的可靠性预计方法 Active CN112149288B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010944614.0A CN112149288B (zh) 2020-09-10 2020-09-10 一种列车网络控制系统的可靠性预计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010944614.0A CN112149288B (zh) 2020-09-10 2020-09-10 一种列车网络控制系统的可靠性预计方法

Publications (2)

Publication Number Publication Date
CN112149288A true CN112149288A (zh) 2020-12-29
CN112149288B CN112149288B (zh) 2022-06-28

Family

ID=73890766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010944614.0A Active CN112149288B (zh) 2020-09-10 2020-09-10 一种列车网络控制系统的可靠性预计方法

Country Status (1)

Country Link
CN (1) CN112149288B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113320568A (zh) * 2021-06-29 2021-08-31 中车青岛四方车辆研究所有限公司 一种基于多系统融合的列车网络控制系统及其控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323761A (zh) * 2011-07-18 2012-01-18 铁道部运输局 列车控制网络半实物仿真测试平台
CN103678101A (zh) * 2012-09-10 2014-03-26 中国科学院软件研究所 高速列车网络控制系统的软件可靠性检测方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN105759631A (zh) * 2016-03-28 2016-07-13 株洲中车时代电气股份有限公司 一种列车网络控制系统半实物仿真测试系统及方法
CN107544904A (zh) * 2017-08-21 2018-01-05 哈尔滨工程大学 一种基于深度cg‑lstm神经网络的软件可靠性预测模型
CN107748808A (zh) * 2017-09-14 2018-03-02 中国运载火箭技术研究院 基于区间约束的可靠性指标分配优化方法、系统及介质
US20190322298A1 (en) * 2018-04-20 2019-10-24 General Electric Company Locomotive control system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102323761A (zh) * 2011-07-18 2012-01-18 铁道部运输局 列车控制网络半实物仿真测试平台
CN103678101A (zh) * 2012-09-10 2014-03-26 中国科学院软件研究所 高速列车网络控制系统的软件可靠性检测方法
CN104778370A (zh) * 2015-04-20 2015-07-15 北京交通大学 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法
CN105759631A (zh) * 2016-03-28 2016-07-13 株洲中车时代电气股份有限公司 一种列车网络控制系统半实物仿真测试系统及方法
CN107544904A (zh) * 2017-08-21 2018-01-05 哈尔滨工程大学 一种基于深度cg‑lstm神经网络的软件可靠性预测模型
CN107748808A (zh) * 2017-09-14 2018-03-02 中国运载火箭技术研究院 基于区间约束的可靠性指标分配优化方法、系统及介质
US20190322298A1 (en) * 2018-04-20 2019-10-24 General Electric Company Locomotive control system

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HAIRONG DONG 等: "Automatic train control system development and simulation for high-speed railways", 《IEEE CIRCUITS AND SYSTEMS MAGAZINE》 *
余江: "地铁车辆关键系统可靠性分析及应用研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *
刘昂: "基于动态故障树的列车运行控制系统可靠性分析", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 *
唐献康等: "RAMS在轨道车辆网络控制系统设计中的应用", 《机车电传动》 *
赵强: "基于蒙特卡罗算法的列车网络控制系统可靠性仿真分析", 《铁道车辆》 *
韩霜: "列车网络控制系统软件可靠性分析及研究", 《制造业自动化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113320568A (zh) * 2021-06-29 2021-08-31 中车青岛四方车辆研究所有限公司 一种基于多系统融合的列车网络控制系统及其控制方法

Also Published As

Publication number Publication date
CN112149288B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN112365066A (zh) 电梯故障预测方法、系统、装置、计算机设备和存储介质
US7702435B2 (en) Method and apparatus for system monitoring and maintenance
US6795799B2 (en) Remote diagnosis server
CN102998996A (zh) 一种飞机机载实时故障诊断方法
US8676432B2 (en) Fault prediction framework using temporal data mining
CN1991652A (zh) 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断系统
WO2017211593A1 (en) System and method for the asset management of railway trains
CN108454879B (zh) 飞机故障处理系统和方法及计算机设备
Chen et al. Aircraft maintenance decision system based on real-time condition monitoring
CN112785010B (zh) 一种轨道交通列车系统多部件动态维修策略优化方法
CN103986758A (zh) 一种高速动车组运行故障数据远程实时传输和智能分析判断系统
CA2389274C (en) Apparatus and method for performance and fault data analysis
CN112149288B (zh) 一种列车网络控制系统的可靠性预计方法
CN110633905A (zh) 智能车云平台可靠性计算方法
CN110723166A (zh) 一种道岔监测方法及系统
Gopalakrishnan et al. IIoT Framework Based ML Model to Improve Automobile Industry Product.
MXPA03009292A (es) Diagnostico que utiliza informacion especifica para un subsistema.
US10706361B1 (en) Hybrid feature selection for performance prediction of fluid control valves
US20070162163A1 (en) Method and system for analyzing throughput
CN115964372A (zh) 一种空间站有效载荷分布式事件提取方法和系统
CN115913891A (zh) 一种基于大数据分析的提前运维系统及运维方法
CN115329877A (zh) 一种换电站故障信息推送方法
US8078429B2 (en) Diagnosis agent for remote plant diagnosis
CN114490371A (zh) 基于人工智能的数据测试方法、装置、测试设备及介质
EP2175334A2 (de) Verfahren zur Steigerung der Effizienz von Fahrzeugen bzw. Fahrzeugsystemen mit und ohne Waffensysteme

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