CN114091172A - 一种基于状态检测数据的车钩剩余寿命预测方法 - Google Patents

一种基于状态检测数据的车钩剩余寿命预测方法 Download PDF

Info

Publication number
CN114091172A
CN114091172A CN202111220571.2A CN202111220571A CN114091172A CN 114091172 A CN114091172 A CN 114091172A CN 202111220571 A CN202111220571 A CN 202111220571A CN 114091172 A CN114091172 A CN 114091172A
Authority
CN
China
Prior art keywords
coupler
life
data
hook body
service life
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
CN202111220571.2A
Other languages
English (en)
Other versions
CN114091172B (zh
Inventor
朱涛
王超
公禹豪
杨冰
肖守讷
阳光武
李向伟
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202111220571.2A priority Critical patent/CN114091172B/zh
Publication of CN114091172A publication Critical patent/CN114091172A/zh
Application granted granted Critical
Publication of CN114091172B publication Critical patent/CN114091172B/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]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明涉及轨道交通技术领域，具体涉及一种基于状态检测数据的车钩剩余寿命预测方法，以车钩产生长度为5mm的可检裂纹的时刻作为潜在故障点，以车钩失效的时刻作为功能故障点，所述车钩失效为钩体下牵引凸缘根部裂纹穿透至外表面，对无可见疲劳裂纹的车钩进行剩余寿命预测。本发明车钩剩余寿命的预测方法，基于状态监测数据对车钩剩余寿命进行准确预测，在考虑研究对象共性特征的基础上，同时考虑研究对象的个体特征，即结构当前状态或性能退化过程，以降低不同个体差异带来的不确定性，实现对已服役且未检出裂纹新钩体对应不同可靠度下寿命数据的准确预测，对车钩的高效管理使用具有重要意义。

Description

一种基于状态检测数据的车钩剩余寿命预测方法
技术领域
本发明涉及轨道交通技术领域，具体涉及一种基于状态检测数据的车钩剩余寿命预测方法。
背景技术
目前重载铁路上使用的大多为16/17型铸造车钩，其结构如图2～图4所示，根据调研结果，车钩出现损伤位置多发生在钩体和钩舌两个接触部位的根部，并且钩体和钩舌也是重载车钩的重要组成部分。对神黄线万吨和两万吨混跑编组列车开行一个段修期后的伤损车钩(包括320个16H型钩舌和119个17型钩体)进行裂纹部位统计，结果表明，伤损钩舌裂纹主要出现在上下牵引凸缘根部和内腕面中部，伤损钩体裂纹主要出现在下牵引台根部。
而现有技术中，缺少对车钩剩余寿命的有效预测，不利于对车钩进行高效的管理使用，易造成车钩寿命资源的浪费。
为此，本发明提供一种方法简单，使用便捷，基于状态监测数据对车钩剩余寿命进行准确预测的车钩剩余寿命预测方法。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于状态检测数据的车钩剩余寿命预测方法，基于状态监测数据对车钩剩余寿命进行准确预测，在考虑研究对象共性特征的基础上，同时考虑研究对象的个体特征，即结构当前状态或性能退化过程，以降低不同个体差异带来的不确定性，实现对已服役且未检出裂纹新钩体对应不同可靠度下寿命数据的准确预测，对车钩的高效管理使用具有重要意义。
本发明的目的是通过以下技术方案来实现的：
一种基于状态检测数据的车钩剩余寿命预测方法，以车钩产生长度为5mm内的可检裂纹的时刻作为潜在故障点，以车钩失效的时刻作为功能故障点，所述车钩失效为钩体下牵引凸缘根部裂纹穿透至外表面，对无可见疲劳裂纹的车钩进行剩余寿命预测，具体为：收集现有车钩的寿命数据，包括潜在故障点对应的裂纹萌生寿命数据，以及潜在故障点到功能故障点对应的扩展寿命数据，然后用两威布尔分布对寿命数据进行拟合，通过两参数威布尔分布能更好地拟合钩体下牵引台裂纹萌生寿命和扩展寿命数据，且能反映疲劳寿命有一个大于等于0的下限这一物理事实；裂纹萌生寿命数据的形状参数为2.1697，尺度参数为52.0198，拟合相关系数为0.9929，扩展寿命数据的形状参数为2.4036，尺度参数为186.5044，拟合相关系数为0.9726，得到钩体下牵引台裂纹萌生寿命Ni的概率密度函数f(Ni)为
Figure BDA0003312466010000021
裂纹萌生寿命Ni的累积分布函数F(Ni)为
Figure BDA0003312466010000022
钩体下牵引台裂纹扩展寿命Np的概率密度函数g(Np)为
Figure BDA0003312466010000023
扩展寿命Np的累积分布函数G(Np)为
Figure BDA0003312466010000024
假设钩体失效里程为t万公里(t>80)，令事件A：该钩体在80万公里时未检出裂纹，即钩体下牵引凸缘裂纹萌生寿命μ∈(80,t)；令事件B：该钩体在t时刻前失效，即钩体下牵引凸缘裂纹扩展寿命ν∈(0,t-μ)；μ和ν为相互独立的随机变量，则
Figure BDA0003312466010000025
Figure BDA0003312466010000026
其中，P(B|A)为条件事件概率，即在A事件条件下发生B事件的概率，f(μ)为裂纹萌生寿命的概率密度函数，g(ν)为扩展寿命的概率密度函数，G(t-μ)为扩展累积分布函数，其中概率密度函数表示随机变量在区间内部分在整体中所占的比例，积分得到的累积分布函数；
通过计算P(B|A)和G(t-μ)，得到已服役80万公里未检出裂纹钩体可靠度曲线，基于该曲线，对于已服役80万公里未检出裂纹的新钩体，选择不同可靠度，就能够预测得到新钩体的寿命数据。
进一步地，通过车钩的疲劳台架试验产生收集现有车钩的寿命数据。
进一步地，通过线性插值对现有车钩的寿命数据进行补足。
进一步地，对于现有车钩的寿命数据，通过Grubbs准则法进行异常数据的判断和剔除。
本发明的有益效果是：本发明车钩剩余寿命的预测方法，基于状态监测数据对车钩剩余寿命进行准确预测，在考虑研究对象共性特征的基础上，同时考虑研究对象的个体特征，即结构当前状态或性能退化过程，以降低不同个体差异带来的不确定性，实现对已服役且未检出裂纹新钩体对应不同可靠度下寿命数据的准确预测，对车钩的高效管理使用具有重要意义。
附图说明
图1为本发明试验例中已服役80万公里未检出裂纹钩体可靠度曲线图；
图2为16、17型铸造车钩的结构示意图；
图3为17型铸造车钩钩体的结构示意图；
图4为16H型铸造车钩钩舌的结构示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
实施例
一种基于状态检测数据的车钩剩余寿命预测方法，以车钩产生长度为5mm的可检裂纹的时刻作为潜在故障点，以车钩失效的时刻作为功能故障点，所述车钩失效为钩体下牵引凸缘根部裂纹穿透至外表面，对无可见疲劳裂纹的车钩进行剩余寿命预测，具体为：收集现有车钩的寿命数据，包括潜在故障点对应的裂纹萌生寿命数据，以及潜在故障点到功能故障点对应的扩展寿命数据，然后用两威布尔分布对寿命数据进行拟合，通过两参数威布尔分布能更好地拟合钩体下牵引台裂纹萌生寿命和扩展寿命数据，且能反映疲劳寿命有一个大于等于0的下限这一物理事实；裂纹萌生寿命数据的形状参数为2.1697，尺度参数为52.0198，拟合相关系数为0.9929，扩展寿命数据的形状参数为2.4036，尺度参数为186.5044，拟合相关系数为0.9726，得到钩体下牵引台裂纹萌生寿命Ni的概率密度函数f(Ni)为
Figure BDA0003312466010000031
裂纹萌生寿命Ni的累积分布函数F(Ni)为
Figure BDA0003312466010000032
钩体下牵引台裂纹扩展寿命Np的概率密度函数g(Np)为
Figure BDA0003312466010000041
扩展寿命Np的累积分布函数G(Np)为
Figure BDA0003312466010000042
假设钩体失效里程为t万公里(t>80)，令事件A：该钩体在80万公里时未检出裂纹，即钩体下牵引凸缘裂纹萌生寿命μ∈(80,t)；令事件B：该钩体在t时刻前失效，即钩体下牵引凸缘裂纹扩展寿命ν∈(0,t-μ)；μ和ν为相互独立的随机变量，则
Figure BDA0003312466010000043
Figure BDA0003312466010000044
其中，P(B|A)为条件事件概率，即在A事件条件下发生B事件的概率，f(μ)为裂纹萌生寿命的概率密度函数，g(ν)为扩展寿命的概率密度函数，G(t-μ)为扩展累积分布函数，其中概率密度函数表示随机变量在区间内部分在整体中所占的比例，积分得到的累积分布函数；
通过计算P(B|A)和G(t-μ)，得到已服役80万公里未检出裂纹钩体可靠度曲线，基于该曲线，对于已服役80万公里未检出裂纹的新钩体，选择不同可靠度，就能够预测得到新钩体的寿命数据。
具体地，通过车钩的疲劳台架试验产生收集现有车钩的寿命数据。
具体地，通过线性插值对现有车钩的寿命数据进行补足。
具体地，对于现有车钩的寿命数据，通过Grubbs准则法进行异常数据的判断和剔除。
试验例
通过车钩的疲劳台架试验产生收集现有车钩的寿命数据，通过线性插值对现有车钩的寿命数据进行补足，并换算为线路服役里程，结果如表1所示，
表1车钩疲劳台架试验钩体下牵引凸缘失效寿命数据
Figure BDA0003312466010000045
Figure BDA0003312466010000051
通过Grubbs准则法进行异常数据的判断和剔除，表1中裂纹萌生寿命数据和扩展寿命数据均无异常，然后用两威布尔分布对寿命数据进行拟合，拟合参数如表2所示，
表2钩体下牵引凸缘寿命数据两参数威布尔分布拟合参数
寿命类型 形状参数 尺度参数 拟合相关系数
裂纹萌生寿命 2.1697 52.0198 0.9929
裂纹扩展寿命 2.4036 186.5044 0.9726
基于此，得到钩体下牵引台裂纹萌生寿命Ni的概率密度函数f(Ni)为
Figure BDA0003312466010000052
裂纹萌生寿命Ni的累积分布函数F(Ni)为
Figure BDA0003312466010000053
钩体下牵引台裂纹扩展寿命Np的概率密度函数g(Np)为
Figure BDA0003312466010000054
扩展寿命Np的累积分布函数G(Np)为
Figure BDA0003312466010000055
假设钩体失效里程为t万公里(t>80)，令事件A：该钩体在80万公里时未检出裂纹，即钩体下牵引凸缘裂纹萌生寿命μ∈(80,t)；令事件B：该钩体在t时刻前失效，即钩体下牵引凸缘裂纹扩展寿命ν∈(0,t-μ)；μ和ν为相互独立的随机变量，则
Figure BDA0003312466010000061
Figure BDA0003312466010000062
通过计算P(B|A)和G(t-μ)，得到已服役80万公里未检出裂纹钩体可靠度曲线图，如图1所示，基于图1中的曲线图，对于已服役80万公里未检出裂纹的新钩体，分别选择可靠度50％、60％、70％、80％、90％、95％、99％和99.9％，就能够得到对应新钩体的寿命数据，具体如表3所示，
表3不同可靠度下的已服役80万公里未检出裂纹钩体剩余寿命
可靠度 剩余寿命/万公里 全寿命/万公里 可靠度 剩余寿命/万公里 全寿命/万公里
50％ 173 253 90％ 84 164
60％ 153 233 95％ 65 145
70％ 134 214 99％ 36 116
80％ 112 192 99.9％ 15 95
实现不同可靠度下的已服役80万公里未检出裂纹钩体剩余寿命的准确预测。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (4)

1.一种基于状态检测数据的车钩剩余寿命预测方法，其特征在于，以车钩产生长度为5mm内的可检裂纹的时刻作为潜在故障点，以车钩失效的时刻作为功能故障点，所述车钩失效为钩体下牵引凸缘根部裂纹穿透至外表面，对无可见疲劳裂纹的车钩进行剩余寿命预测，
具体为：收集现有车钩的寿命数据，包括潜在故障点对应的裂纹萌生寿命数据，以及潜在故障点到功能故障点对应的扩展寿命数据，然后用两威布尔分布对寿命数据进行拟合，裂纹萌生寿命数据的形状参数为2.1697，尺度参数为52.0198，拟合相关系数为0.9929，扩展寿命数据的形状参数为2.4036，尺度参数为186.5044，拟合相关系数为0.9726，得到钩体下牵引台裂纹萌生寿命Ni的概率密度函数f(Ni)为
Figure FDA0003312463000000011
裂纹萌生寿命Ni的累积分布函数F(Ni)为
Figure FDA0003312463000000012
钩体下牵引台裂纹扩展寿命Np的概率密度函数g(Np)为
Figure FDA0003312463000000013
扩展寿命Np的累积分布函数G(Np)为
Figure FDA0003312463000000014
假设钩体失效里程为t万公里，设t>80，令事件A：该钩体在80万公里时未检出裂纹，钩体下牵引凸缘裂纹萌生寿命μ∈(80,t)；令事件B：该钩体在t时刻前失效，钩体下牵引凸缘裂纹扩展寿命ν∈(0,t-μ)；μ和ν为相互独立的随机变量，则
Figure FDA0003312463000000015
Figure FDA0003312463000000016
其中，P(B|A)为条件事件概率，在事件A条件下发生事件B的概率，f(μ)为裂纹萌生寿命的概率密度函数，g(ν)为扩展寿命的概率密度函数，G(t-μ)为扩展累积分布函数，其中概率密度函数表示随机变量在区间内部分在整体中所占的比例，积分得到的累积分布函数；
通过计算P(B|A)和G(t-μ)，得到已服役80万公里未检出裂纹钩体可靠度曲线，基于该曲线，对于已服役80万公里未检出裂纹的新钩体，选择不同可靠度，能够预测得到新钩体的寿命数据。
2.根据权利要求1所述的一种基于状态检测数据的车钩剩余寿命预测方法，其特征在于，通过车钩的疲劳台架试验产生收集现有车钩的寿命数据。
3.根据权利要求2所述的一种基于状态检测数据的车钩剩余寿命预测方法，其特征在于，通过线性插值对现有车钩的寿命数据进行补足。
4.根据权利要求2或3所述的一种基于状态检测数据的车钩剩余寿命预测方法，其特征在于，对于现有车钩的寿命数据，通过Grubbs准则法进行异常数据的判断和剔除。
CN202111220571.2A 2021-10-20 2021-10-20 一种基于状态检测数据的车钩剩余寿命预测方法 Active CN114091172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111220571.2A CN114091172B (zh) 2021-10-20 2021-10-20 一种基于状态检测数据的车钩剩余寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111220571.2A CN114091172B (zh) 2021-10-20 2021-10-20 一种基于状态检测数据的车钩剩余寿命预测方法

Publications (2)

Publication Number Publication Date
CN114091172A true CN114091172A (zh) 2022-02-25
CN114091172B CN114091172B (zh) 2024-07-16

Family

ID=80297277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111220571.2A Active CN114091172B (zh) 2021-10-20 2021-10-20 一种基于状态检测数据的车钩剩余寿命预测方法

Country Status (1)

Country Link
CN (1) CN114091172B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189832A (zh) * 2023-04-14 2023-05-30 岚图汽车科技有限公司 一种材料疲劳寿命曲线确定方法及相关设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150057553A (ko) * 2013-11-20 2015-05-28 국립대학법인 울산과학기술대학교 산학협력단 피로수명 예측방법
CN110147643A (zh) * 2019-06-12 2019-08-20 中国神华能源股份有限公司 车钩钩体剩余寿命确定方法和装置
CN110160872A (zh) * 2019-06-14 2019-08-23 西南交通大学 一种拉扭载荷作用下疲劳短裂纹扩展率模型构建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150057553A (ko) * 2013-11-20 2015-05-28 국립대학법인 울산과학기술대학교 산학협력단 피로수명 예측방법
CN110147643A (zh) * 2019-06-12 2019-08-20 中国神华能源股份有限公司 车钩钩体剩余寿命确定方法和装置
CN110160872A (zh) * 2019-06-14 2019-08-23 西南交通大学 一种拉扭载荷作用下疲劳短裂纹扩展率模型构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭浩男: "重载列车钩舌应力及疲劳寿命分析", 神华科技, vol. 14, no. 03, 26 May 2016 (2016-05-26), pages 83 - 86 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116189832A (zh) * 2023-04-14 2023-05-30 岚图汽车科技有限公司 一种材料疲劳寿命曲线确定方法及相关设备

Also Published As

Publication number Publication date
CN114091172B (zh) 2024-07-16

Similar Documents

Publication Publication Date Title
Gebraeel et al. Residual life predictions in the absence of prior degradation knowledge
CN110210161B (zh) 列车车辆健康状态的评估方法、装置及存储介质
CN111114519B (zh) 一种铁路车辆制动故障预测方法及健康管理系统
CN105550757A (zh) 基于故障统计分析的动车组维修决策方法及装置
CN110203249B (zh) 列车修程的处理方法、装置及存储介质
CN114091172A (zh) 一种基于状态检测数据的车钩剩余寿命预测方法
CN105045983A (zh) 一种基于轴温数据的高速列车车轴老化分析方法
CN110728000A (zh) 一种无砟轨道弹性扣件损伤识别方法
CN111914220A (zh) 城市燃气管网泄漏风险因素失效概率计算方法及装置
CN112785010A (zh) 一种轨道交通列车系统多部件动态维修策略优化方法
CN108984866B (zh) 一种试验载荷谱的编制方法
CN110243594A (zh) 一种高铁齿轮箱体结构寿命的预测方法及装置
CN104866715A (zh) 基于自适应核密度估计的电力系统抗差状态估计方法
Zhao et al. Assessing the economic life of rail using a stochastic analysis of failures
CN110147643B (zh) 车钩钩体剩余寿命确定方法和装置
CN105631238B (zh) 一种滚动轴承振动性能变异的检测方法及系统
CN114021347A (zh) 一种基于假设分布的重载货车钩体剩余寿命预测方法
CN114492507B (zh) 一种数模协同驱动下的轴承剩余寿命预测方法
CN115688316A (zh) 基于单元数据重组的航空发动机多层级可靠性评估方法
CN112014593B (zh) 一种铁路轨道基础装备质量状况监测评估装置和方法
CN111931271B (zh) 一种高速铁路无砟轨道车辆荷载图式的确定方法及系统
CN112782236A (zh) 变流器柜体的材料状态监测方法、系统、装置及存储介质
CN114777910B (zh) 一种拉索多模态涡激振动监测方法
CN114330993A (zh) 铁路轨道质量状态评估方法、装置和计算机设备
CN111160713B (zh) 基于多维联合分布理论的复合绝缘子可靠性评估方法

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