郭 翔 邢宗義
(1.上汽大眾汽車有限公司南京分公司,211100,南京;2.南京理工大學(xué)自動化學(xué)院,210094,南京∥第一作者,現(xiàn)場工程師)
基于模糊聚類的城市軌道交通車輛系統(tǒng)劃分與故障統(tǒng)計分析
郭 翔1邢宗義2
(1.上汽大眾汽車有限公司南京分公司,211100,南京;2.南京理工大學(xué)自動化學(xué)院,210094,南京∥第一作者,現(xiàn)場工程師)
摘 要為保障城市軌道交通車輛安全可靠運營,對車輛在運營過程中積累的故障數(shù)據(jù)進行統(tǒng)計分析,挖掘故障規(guī)律。依據(jù)功能-原理-結(jié)構(gòu)原則構(gòu)造城市軌道交通車輛子單元的相關(guān)矩陣,并采用模糊聚類算法對城市軌道交通車輛進行系統(tǒng)劃分。根據(jù)故障數(shù)據(jù)篩選原則進行數(shù)據(jù)預(yù)處理,并以所劃分系統(tǒng)為基礎(chǔ)進行故障數(shù)據(jù)分類統(tǒng)計分析,采用故障主次圖、故障趨勢圖和故障點分布圖綜合展示分析結(jié)果。以某地鐵公司一線路為例,進行車輛系統(tǒng)劃分和故障統(tǒng)計分析,并給出對應(yīng)的車輛故障點分布圖,展示該線路車輛故障分布情況。
關(guān)鍵詞城市軌道交通車輛;故障統(tǒng)計分析;模糊聚類算法
First-author's address Shanghai VOLKSWAGEN Nanjing Branch,211100,Nanjing,China
車輛作為城市軌道交通(以下簡為“城軌”)的核心組成部分,其可靠性直接影響城軌的安全、高效運營。車輛結(jié)構(gòu)越來越復(fù)雜,功能越來越完善,自動化程度越來越高,導(dǎo)致城軌車輛發(fā)生故障的概率不斷升高,故障類型復(fù)雜多樣。對城軌車輛運營過程中積累的故障數(shù)據(jù)進行分類統(tǒng)計分析,可以發(fā)現(xiàn)車輛的故障規(guī)律,從而指導(dǎo)車輛的維保作業(yè),保障車輛的安全可靠運行。
對產(chǎn)品故障數(shù)據(jù)進行可靠性數(shù)據(jù)分析是產(chǎn)品可靠性工作的基礎(chǔ)。文獻[1]對衛(wèi)星在軌故障數(shù)據(jù)進行統(tǒng)計分析,研究衛(wèi)星運行時的故障規(guī)律。文獻[2]在故障信息統(tǒng)計數(shù)據(jù)的基礎(chǔ)上,提出了軌道車輛故障分布規(guī)律和可靠性指標(biāo)計算的工作流程。文獻[3]對CRH5動車組進行故障統(tǒng)計分析,為動車組的維修提供建議。
我國各地鐵公司對城軌車輛的系統(tǒng)劃分不完全相同,故障數(shù)據(jù)分類存在一定差異,導(dǎo)致故障統(tǒng)計分析有時不能準(zhǔn)確表征車輛狀態(tài)。本文在某地鐵公司調(diào)研基礎(chǔ)上,提出基于功能-原理-結(jié)構(gòu)的城軌車輛系統(tǒng)劃分原則,采用模糊聚類算法對城軌車輛進行系統(tǒng)劃分,得到不同粒度下城軌車輛系統(tǒng)劃分;根據(jù)系統(tǒng)劃分結(jié)果對城軌車輛的故障數(shù)據(jù)進行分類統(tǒng)計分析,提出城軌車輛故障點分布模型來描述城軌車輛故障分布規(guī)律。
城軌車輛是集多專業(yè)于一體的產(chǎn)品,涉及機械、電子、計算機、控制等多領(lǐng)域,故障模式繁多、故障成因復(fù)雜。為統(tǒng)計分析城軌車輛故障記錄,研究城軌車輛的故障規(guī)律,需要將城軌車輛合理劃分成若干個系統(tǒng)。通過對城軌車輛系統(tǒng)的故障統(tǒng)計分析,可反映各系統(tǒng)的可靠性情況,并進一步研究城軌車輛的故障分布規(guī)律。
模塊化設(shè)計廣泛應(yīng)用于各類復(fù)雜的機電一體化產(chǎn)品。機電一體化產(chǎn)品的系統(tǒng)劃分通常在產(chǎn)品的設(shè)計階段,在模塊設(shè)計階段,面向維修的模塊劃分的主要目的是方便產(chǎn)品維修[4-5]。也有學(xué)者針對已有產(chǎn)品,提出模塊劃分的方法,用于產(chǎn)品技術(shù)改造[6]。
本文采用模糊動態(tài)聚類算法進行系統(tǒng)劃分,首先給出系統(tǒng)劃分原則,然后構(gòu)造產(chǎn)品元素之間的相關(guān)矩陣,最后通過模糊動態(tài)聚類算法實現(xiàn)產(chǎn)品系統(tǒng)劃分。
1.1基于功能原理結(jié)構(gòu)的系統(tǒng)劃分原則
基于功能原理結(jié)構(gòu)的模塊劃分原則從產(chǎn)品的功能特性、原理特性和結(jié)構(gòu)特性出發(fā),考慮復(fù)雜產(chǎn)品的本質(zhì),進行產(chǎn)品組成元素的相關(guān)性分析[7]。
1.1.1功能相關(guān)性分析
功能分析是模塊劃分的基礎(chǔ)。功能相關(guān)主要為功能接口的相關(guān)性,包括能量流、物料流和信號流[8-9]。功能相關(guān)性在進行模塊劃分時,將實現(xiàn)同一功能的元素聚在一起構(gòu)成同一模塊,其定義如表1所示。
表1 功能相關(guān)性
1.1.2原理相關(guān)性分析
原理是指構(gòu)成產(chǎn)品的元素在其全生命周期過程中涉及的原理和技術(shù)。原理相關(guān)的元素在制造、裝配和維修過程中采用相近的原理或技術(shù)。模塊間的原理或技術(shù)盡量獨立,模塊內(nèi)的原理或技術(shù)盡量相同。原理相關(guān)性定義如表2。
表2 原理相關(guān)性定義
1.1.3結(jié)構(gòu)相關(guān)性分析
結(jié)構(gòu)相關(guān)是指產(chǎn)品元素結(jié)構(gòu)之間的融合、連接、裝配關(guān)系。按照結(jié)構(gòu)之間可裝拆的難易程度,結(jié)構(gòu)相關(guān)性定義如表3所示。結(jié)構(gòu)相關(guān)性越高,元素間越難拆卸,組成模塊的可能性越大。
表3 結(jié)構(gòu)相關(guān)性
1.2相關(guān)矩陣構(gòu)造
根據(jù)功能、原理和結(jié)構(gòu)相關(guān)性分析,可以得到功能子相關(guān)矩陣AF、原理子相關(guān)矩陣AP和結(jié)構(gòu)子相關(guān)矩陣AS。每個子相關(guān)矩陣由專家進行評定。由三個子相關(guān)矩陣構(gòu)建模糊相關(guān)矩陣R,用Rij表示元素i和元素j之間的相關(guān)度:
式中:
AF,ij——元素i和j之間的功能相關(guān)度;
AP,ij——元素i和j之間的原理相關(guān)度;
AS,ij——元素i和j之間的結(jié)構(gòu)相關(guān)度;
ω1,ω2,ω3——分別為功能相關(guān)性、原理相關(guān)性、結(jié)構(gòu)相關(guān)性的權(quán)重系數(shù),且ω1+ω2+ω3=1,應(yīng)用層次分析法可確定ω1、ω2、ω3的值。
模糊相關(guān)矩陣中,若0≤Rij=Rji≤1,且相同元素間的相關(guān)度為1,該矩陣為對稱矩陣。對該模糊相關(guān)矩陣采用模糊動態(tài)聚類算法進行模糊動態(tài)聚類。
1.3模糊聚類算法
城軌車輛作為功能全面、結(jié)構(gòu)復(fù)雜的機電產(chǎn)品,其子功能模塊間存在模糊界限。為了能夠通過城軌車輛的故障數(shù)據(jù)統(tǒng)計反映車輛狀態(tài),尤其從不同粒度評價車輛子系統(tǒng)可靠性狀態(tài),可對城軌車輛進行基于模糊聚類的系統(tǒng)劃分。
基于模糊相關(guān)關(guān)系的直接聚類算法計算量小,易于理解。直接聚類算法包括最大樹法和編網(wǎng)法,其中編網(wǎng)法形式清晰、方便表達[10]。
編網(wǎng)法過程如下:取λ∈[0,1],對模糊相關(guān)矩陣R作λ-截矩陣Rλ,Rλ的主對角線上為元素符號,在主對角線的下方,若Rij<λ,則用0表示,若Rij>λ,則用1表示;在同一行或同一列中值為1的元素聚集為同一模塊,剩余元素則單獨成一模塊,從而將單元聚類為不同的模塊;當(dāng)λ從0到1變化時,得到不同粒度的聚類結(jié)果,從而形成模塊的動態(tài)聚類。
2.1故障數(shù)據(jù)統(tǒng)計規(guī)則
在城軌車輛運營過程中,車輛檢修部門會詳實記錄車輛所有故障數(shù)據(jù)和處理過程,但其中的部分故障數(shù)據(jù)不能反映車輛狀態(tài),影響車輛可靠性評估。因此,在對車輛故障數(shù)據(jù)進行統(tǒng)計分析之前,需對故障數(shù)據(jù)進行篩選處理。結(jié)合工程實際,給出以下故障數(shù)據(jù)統(tǒng)計規(guī)則:
(1)損耗件在超過壽命期后使用所出現(xiàn)的故障不計;(2)連帶故障(由前級故障導(dǎo)致的故障)不計;(3)由于意外事件(碰撞、事故、故意破壞、災(zāi)害等)引起的故障不計;
(4)列車修復(fù)前重復(fù)出現(xiàn)的故障僅計為一次故障;
(5)預(yù)防性維修和檢測或其他計劃性活動,如果沒有部件更換不計;
(6)因超出列車設(shè)計規(guī)定的使用環(huán)境或條件造成的故障不計;
(7)不影響人力物力費用、可通過簡單調(diào)整處理的輕微缺陷不計。
2.2故障數(shù)據(jù)統(tǒng)計分析方法
根據(jù)上述統(tǒng)計規(guī)則對故障數(shù)據(jù)進行篩選處理之后,將故障數(shù)據(jù)按車輛系統(tǒng)和故障原因進行分類。通過故障主次圖、故障趨勢圖、故障點分布圖表現(xiàn)車輛的故障狀態(tài),研究車輛故障規(guī)律。
故障主次圖是最常用的故障統(tǒng)計分析方法,工程中常用故障百分比主次圖直觀顯示產(chǎn)品故障中的薄弱環(huán)節(jié)。按車輛系統(tǒng)和車輛故障原因?qū)收线M行分類,并通過故障主次圖看出車輛故障較多的系統(tǒng)和車輛故障的主要原因。
故障趨勢圖可以直觀地體現(xiàn)車輛或車輛系統(tǒng)的故障數(shù)隨時間變化的關(guān)系,進而可用來研究故障隨時間變化的規(guī)律。
提出一種故障點分布圖的方法,用以宏觀地表現(xiàn)城軌車輛的故障點分布特征。通過某一粒度下城軌車輛的系統(tǒng)劃分進行故障分類,同時根據(jù)故障原因?qū)Ω飨到y(tǒng)故障再次分類,建立城軌車輛的故障點分布圖。故障點分布圖一方面表示出各系統(tǒng)故障統(tǒng)計值和各原因故障統(tǒng)計值,另一方面可完整地表達出各系統(tǒng)故障、各類原因故障與整車故障數(shù)間的比例關(guān)系,從車輛故障系統(tǒng)及故障原因兩方面直觀地顯示出城軌車輛的故障點分布特征。
以某地鐵公司線路的城軌車輛為例進行車輛系統(tǒng)劃分和故障統(tǒng)計分析。
該線路的車輛劃分為:1——有接點控制電路,2——車鉤及緩沖裝置,3——車門,4——車體及內(nèi)裝,5——乘客信息,6——輔助系統(tǒng),7——供風(fēng),8——氣制動,9——貫通道,10——空調(diào),11——列車控制及診斷(含火災(zāi)報警系統(tǒng)),12——牽引∕電制動(含高壓主電路),13——受電弓∕集電靴,14——照明,15——轉(zhuǎn)向架∕輪對,16——供電接口,17——軌道接口,18——信號接口,19——其他。這種系統(tǒng)劃分方式過于詳細而繁復(fù),不具備普適性。
運用前文所述的系統(tǒng)劃分方法,將19個系統(tǒng)看作組成城軌車輛的子單元,首先分析19個子單元之間的功能相關(guān)性、原理相關(guān)性和結(jié)構(gòu)相關(guān)性,得到功能子相關(guān)矩陣AF、原理子相關(guān)矩陣AP和結(jié)構(gòu)子相關(guān)矩陣AS。確定權(quán)重系數(shù)ω1=0.56,ω2=0.20,ω3=0.35。通過式(1)計算得到模糊相關(guān)矩陣R(見圖1)。
對R作λ-截矩陣Rλ,由編網(wǎng)法得到的動態(tài)聚類模塊如圖2所示。
由圖2可以看出:取λ=0.7時,將軌道車輛劃分為11個系統(tǒng),分別為走行部、供風(fēng)氣制動、牽引∕電制動、車體、輔助系統(tǒng)、車門、乘客信息、空調(diào)、有接點控制電路、列車控制及診斷系統(tǒng)、其他;取λ=0.5時,將城軌車輛劃分為5個大系統(tǒng),分別為走行、制動、牽引、輔助、其他。
根據(jù)城軌車輛的系統(tǒng)劃分,結(jié)合該地鐵公司將故障原因分為電氣元器件、電子板件、機械部件、軟件、外部人為原因、易損易耗件、其他7個類別,可對故障數(shù)據(jù)進行分類和統(tǒng)計分析。
圖3為λ=0.7時該線路全部車輛按系統(tǒng)分類的故障主次圖,可看出車門系統(tǒng)、輔助系統(tǒng)和乘客信息系統(tǒng)是故障數(shù)最多的三個系統(tǒng),在檢修中應(yīng)予以重視。
圖4為該線路車門系統(tǒng)2011年故障趨勢圖,可以看出12月和1月車門故障較多。
圖1 模糊相關(guān)矩陣R
圖2 城軌車輛系統(tǒng)動態(tài)聚類
圖3 城軌車輛系統(tǒng)故障主次圖
圖5為λ=0.5時城軌車輛故障點分布圖。其中,內(nèi)圈餅圖為城軌車輛的5個大系統(tǒng),可形象地表現(xiàn)5個系統(tǒng)在整車中的故障數(shù)及其所占比例;外環(huán)為各個系統(tǒng)中的主要故障類別如機械部件、電子板件、電子元器件等故障的次數(shù)及占整車故障的比例。
由圖5可直觀地得到該線路車輛故障的分布情況:
(1)車輛各系統(tǒng)故障數(shù)及比例:輔助、牽引、走行、制動和其他等5個系統(tǒng)的故障數(shù)分別為4 951、731、633、357和791,占整車故障的比例分別為66﹪、10﹪、8﹪、5﹪和11﹪??梢娸o助大系統(tǒng)是城軌車輛故障最多的系統(tǒng)。
(2)車輛各系統(tǒng)主要故障原因及相應(yīng)故障數(shù):走行系統(tǒng)主要故障原因為機械部件,占車輛故障總數(shù)比例為7﹪。
針對城軌車輛故障數(shù)據(jù)統(tǒng)計分析存在的分類紊亂、條理不清晰等問題,首先依據(jù)功能-原理-結(jié)構(gòu)的系統(tǒng)劃分原則構(gòu)建城軌車輛子單元相關(guān)矩陣;然后采用模糊聚類算法對城軌車輛進行系統(tǒng)劃分,取粒度度量值為0.7和0.5,分別將城軌車輛劃分為走行部、供風(fēng)氣制動、牽引∕電制動、車體、輔助系統(tǒng)車門、乘客信息、空調(diào)、有接點控制電路、列車控制及診斷系統(tǒng)、其他等11個子系統(tǒng)和走行、制動、牽引、輔助、其他等5個大系統(tǒng);最后在此基礎(chǔ)上對故障數(shù)據(jù)進行分類、篩選和統(tǒng)計,用故障主次圖、故障趨勢圖和故障點分布圖描述不同粒度下城軌車輛故障規(guī)律。結(jié)果表明,車門、輔助系統(tǒng)和乘客信息系統(tǒng)是故障率最高的三個子系統(tǒng),通過故障點分布圖可以直觀顯示城軌車輛故障的分布情況。
圖5 城軌車輛故障點分布圖
參考文獻
[1] 趙海濤,張云彤.東方紅三號系列衛(wèi)星在軌故障統(tǒng)計分析[J].航天器工程,2007,16(1):33.
[2] 李勤,周立新.軌道車輛部件運用可靠性分析方法研究[J].城市軌道交通研究,2010(1):63.
[3] 劉立志,王華勝.CHR5型動車組運用故障統(tǒng)計分析[J].鐵道機車車輛,2009,29(6):62.
[4] 李婷婷,龔京忠,李國喜,等.可維修性驅(qū)動的模塊劃分[J].機械設(shè)計與制造,2007(2):166.
[5] 郟維強,馮毅雄,譚建榮,等.面向維修的復(fù)雜裝備模塊智能聚類與優(yōu)化求解技術(shù)[J].計算機集成制造系統(tǒng),2012,18 (11):2459.
[6] 宗鳴鏑,蔡穎,劉旭東,等.產(chǎn)品模塊化設(shè)計中的多角度、分級模塊劃分方法[J].北京理工大學(xué)學(xué)報,2003,23(5):552.
[7] 李國喜,吳建忠,張萌,等.基于功能-原理-行為-結(jié)構(gòu)的產(chǎn)品模塊化設(shè)計方法[J].國防科技大學(xué)學(xué)報,2009,31(5):75.
[8] STPNE R B,WOOD K L,CRAWFORD R H.A heuristic method for identifying modules for Product architecture[J]. Design Studies,2000(21):5.
[9] DAHMUSJ B,GONZALEZ-ZUGASTI J O,OTTO K N. Modular Product architecture[J].Design Studies,2001,22 (5):409.
[10] 唐文獻,吳春艷,馬寶,等.基于模糊聚類分析的錨絞機模塊劃分方法研究[J].機械設(shè)計,2012,29(10):24.
System Division and Failure Statistical Analysis of Metro Vehicle Based on Fuzzy Clustering Algorithm
Guo Xiang,Xing Zongyi
AbstractIn order to guarantee the safety and efficiency of metro vehicle's operation,the accumulated failure data of metro vehicle are used to excavate the failure law through statistical analysis.Firstly,the correlation matrixes of metro vehicle's subunits are constructed based on functionprinciple-structure module partition principle,and fuzzy clustering algorithm is applied to system division of metro vehicle,on this basis,a statistical analysis of the selected failure data is conducted.Pareto chart,trend chart and distribution chart of failure points are applied to display the results of statistical analysis.Finally,a metro cooperation's line is taken as the example for system division and statistical analysis of the failure data,and a corresponding distribution chart of failure points is proposed to describe the distribution of metro vehicle's failure.
Key wordsurban rail transit vehicle;failure statistical analysis;fuzzy clustering algorithm
中圖分類號U 279.2
DOI:10.16037∕j.1007-869x.2016.01.014
收稿日期:(2014-03-04)