顧建凱

（南京鐵道職業(yè)技術(shù)學(xué)院 機(jī)車車輛學(xué)院，講師，江蘇 南京，210000）

1 引言

本文研究如何提高受電弓故障檢修維護(hù)管理效率。對(duì)工業(yè)應(yīng)用設(shè)備故障檢修維護(hù)管理程序優(yōu)化分析，學(xué)術(shù)研究中主要有兩種方式：一種是結(jié)合設(shè)備結(jié)構(gòu)和應(yīng)用原理，并通過對(duì)預(yù)期故障建模或?qū)F(xiàn)場(chǎng)典型故障匯總建模從而對(duì)設(shè)備后期運(yùn)行維護(hù)形成管理風(fēng)控的理論支持；另一種是通過長(zhǎng)時(shí)間檢修故障信息累積進(jìn)行模型數(shù)據(jù)嵌入和相關(guān)結(jié)論分析。本文旨在兼顧兩種方式進(jìn)而得以戶型驗(yàn)證從而達(dá)到結(jié)論的準(zhǔn)確性。

本文以TSG15B型受電弓結(jié)構(gòu)和工作原理為分析基礎(chǔ)，結(jié)合機(jī)車應(yīng)用過中受電弓故障情況以及檢修人員相關(guān)工作，從兩個(gè)方向?qū)收闲畔⑦M(jìn)行權(quán)重指標(biāo)分析。一方面基于故障樹和各故障點(diǎn)影響度；另一方面通過基于蟻群算法的模糊層次分析法明確各故障底事件的權(quán)重指標(biāo)，完成對(duì)受電弓故障理論分析，并將兩方面數(shù)據(jù)互相比較以增強(qiáng)結(jié)論魯棒性，達(dá)到提高處置故障效率進(jìn)而降低故障發(fā)生概率研究預(yù)期。

2 受電弓失效分析及故障樹建模

2.1 TSG15B受電弓功能失效分析

以電控氣動(dòng)為動(dòng)作機(jī)理的受電弓在弓網(wǎng)耦合機(jī)制下高速運(yùn)行并從接觸網(wǎng)上汲取電能，其故障形成原因主要有兩方面：一是自身機(jī)構(gòu)原因，如機(jī)械零部件、升降弓氣路和邏輯控制閥板等故障導(dǎo)致受電弓無法正常工作；二是外部環(huán)境因素，如雨雪天工作環(huán)境惡化、突發(fā)物件撞擊等造成受電弓功能實(shí)效。受電弓典型故障見表1。

表1 受電弓典型故障

2.2 TSG15B受電弓故障樹建模鑒于TSG15B型氣囊式受電弓組成零部件繁多、電控氣動(dòng)機(jī)理關(guān)聯(lián)較為復(fù)雜以及與機(jī)車其他電器設(shè)備存在硬件連接和邏輯聯(lián)系，實(shí)際應(yīng)用要綜合考慮受電弓應(yīng)用故障的多源異構(gòu)特點(diǎn)，通過故障樹對(duì)受電弓故障關(guān)聯(lián)建模，能夠明了表示出器件各組成部件以及各故障狀態(tài)聯(lián)系，為后續(xù)進(jìn)一步數(shù)學(xué)分析提供依據(jù)［1］。受電弓故障樹的建立分成三層結(jié)構(gòu)，以表格中“T受電弓故障”作為頂事件，“A1-A5”作為中間事件，“X1-X24”作為底事件，其中邏輯關(guān)系為A1-A5之間為或的關(guān)系都可引發(fā)頂事件的發(fā)生，底事件中除了X23和X24需要共同發(fā)生才會(huì)引起A5中間事件的發(fā)生，其他底事件都為或的關(guān)系，其發(fā)生都會(huì)引起對(duì)應(yīng)中間事件的發(fā)生。

2.3 受電弓故障樹定性和定量分析通過定性和定量對(duì)模型進(jìn)行初步分析，其中定性分析的目的在于明確底事件當(dāng)中的最小割集，最小割集的集合映射出了受電弓失效的全部故障種類，也即明確了故障樹當(dāng)中的系統(tǒng)薄弱環(huán)節(jié)。在分析過程中采用下行法，即自上而下對(duì)故障樹進(jìn)行探究，以下層事件替換上層事件，如事件為與的關(guān)系則將其添加入對(duì)應(yīng)割集中去，如為或的關(guān)系則增加割集數(shù)量即可，如此重復(fù)直至所有事件都替換為底事件，再通過布爾函數(shù)進(jìn)行簡(jiǎn)化至確保統(tǒng)一割集中事件關(guān)系都為相與即可得到最小割集［2］。根據(jù)以上要求可以明確出受電弓故障樹模型的布爾表達(dá)式（見式1），在明確好最小割集的基礎(chǔ)上。

定量分析基于定性分析的結(jié)果對(duì)目標(biāo)頂事件（受電弓失效）發(fā)生的概率進(jìn)行估算，以TSG15B型受電弓百萬公里故障率為采樣參數(shù)，對(duì)各底事件概率進(jìn)行統(tǒng)計(jì)。共對(duì)樣本中的6臺(tái)機(jī)車進(jìn)行數(shù)據(jù)采集，日行5 506 km，年度走行為3 920 450 km。通過故障樹定性分析可以得知故障底事件的邏輯關(guān)系，再結(jié)合概率公式（式2）進(jìn)行頂事件受電弓故障概率計(jì)算，最終可以得到受電弓故障頂事件發(fā)生概率可以用公式（式3）表示。

將表格中各底事件發(fā)生概率代入公式當(dāng)中可得受電弓故障發(fā)生的概率為0.197，以百萬公里的故障率來看還是比較高的，原因在于其中計(jì)入了接觸壓力匹配度差的這一考慮因數(shù)，而從應(yīng)用角度講，目前的弓網(wǎng)接觸壓力都是事先設(shè)定好的固定參數(shù)，所以很難根據(jù)現(xiàn)場(chǎng)使用環(huán)境進(jìn)行自動(dòng)對(duì)應(yīng)調(diào)整，該處寄望于后期在受電弓主動(dòng)控制環(huán)節(jié)進(jìn)行進(jìn)一步的智能控制實(shí)現(xiàn)。

2.4 故障底事件的重要度分析故障樹底事件的重要度分析包括結(jié)構(gòu)重要度、概率重要度以及關(guān)鍵重要度，本文以反映各基本底事件概率變化對(duì)受電弓故障概率影響的關(guān)鍵重要度進(jìn)行數(shù)值統(tǒng)計(jì)分析，各底事件的關(guān)鍵重要度根據(jù)式4進(jìn)行計(jì)算，其中g(shù)（P）為頂事件的發(fā)生概率，g（1iP）為對(duì)應(yīng)底事件發(fā)生時(shí)頂事件發(fā)生的概率。

運(yùn)用公式及前述受電弓故障發(fā)生的概率和各底事件故障率進(jìn)行關(guān)鍵重要度數(shù)據(jù)統(tǒng)計(jì)，通過故障樹中定量分析中的底事件重要程度對(duì)比分析其中碳滑板因?yàn)榻佑|壓力匹配度差、弓網(wǎng)之間滑動(dòng)摩擦引起的物理損耗、雨雪天因?yàn)檩^易引起弓網(wǎng)之間的拉弧進(jìn)而引起碳滑板灼傷，與現(xiàn)場(chǎng)應(yīng)用中所反映出的故障情況相符，但該分析體系有賴長(zhǎng)時(shí)間故障事件積累，相關(guān)部件的周期性使用勞損將會(huì)出現(xiàn)，導(dǎo)致故障概率進(jìn)一步增大。鑒于該分析結(jié)果有一定的片面性，本文采用模糊層次分析法對(duì)故障底事件重要度進(jìn)行計(jì)算。

3 模糊層次分析法矩陣

模糊層次分析法具備良好的數(shù)學(xué)表達(dá)能力，可以將其與故障樹分析法進(jìn)行有效結(jié)合從而方便求取各底事件相對(duì)頂事件的重要度數(shù)值［3］。模糊層次分析法步驟如下：①目標(biāo)明確；②搭建層次模型；③根據(jù)專家評(píng)測(cè)明確同一層各因數(shù)相對(duì)重要度；④搭建模糊判斷矩陣；⑤計(jì)算各因數(shù)重要度數(shù)值。在分析過程中前2步的建模過程與故障樹分析法是一致的，之后對(duì)同一層各事件元素之間相對(duì)重要度依據(jù)專家參與制定的受電弓故障0.1-0.9九標(biāo)度法進(jìn)行模糊判斷矩陣建模。

由于受電弓各故障間關(guān)聯(lián)性強(qiáng)弱不盡相同、依據(jù)九標(biāo)度法所構(gòu)成的判斷矩陣往往很難具備一致性，解決的方法是首先通過以上九標(biāo)度法的度量標(biāo)準(zhǔn)衡量比較，并且滿足于aij+aji=1（i，j=1，2，...，n）［4］，即可得到底事件X1-X22，X23*X24相對(duì)于頂事件受電弓故障的模糊判斷互補(bǔ)矩陣，矩陣形式如下所示，再經(jīng)由一定的變換使得矩陣具備一致性，也即滿足等式aij=aik-aik+0.5，其中一致性具備當(dāng)中的每個(gè)元素表示為：也即將原模糊判斷矩陣按照行進(jìn)行求和）。

4 權(quán)重優(yōu)化分析

在通過現(xiàn)場(chǎng)專家經(jīng)驗(yàn)并且結(jié)合模糊層次分析法當(dāng)中的數(shù)學(xué)轉(zhuǎn)換計(jì)算即可得到反映受電弓故障底事件兩兩之間重要程度關(guān)系的模糊一致判斷矩陣，而模糊一致判斷矩陣所反饋的關(guān)系信息決定了是可以基于其本身的數(shù)值關(guān)系來求取每個(gè)元素的權(quán)重指標(biāo)。設(shè)每個(gè)底事件X1-Xn對(duì)應(yīng)的權(quán)重值為w1-wn，根據(jù)文獻(xiàn)［5］所述內(nèi)容，有關(guān)系式rij=0.5+a（Wi-Wj）（i，j=1...n）成立，最終權(quán)重值求解將以

考慮計(jì)算數(shù)據(jù)量繁多，本文采用蟻群算法，此法模擬了同等時(shí)間內(nèi)螞蟻覓食以外激素濃度作為信息傳遞媒介并因此形成信息正反饋，其算法思想吻合于模糊判斷矩陣進(jìn)行權(quán)重值最優(yōu)值的求解，設(shè)定運(yùn)行參數(shù)為：蟻群規(guī)模為50，最大迭代次數(shù)為100，信息重要度因子、啟發(fā)函數(shù)重要程度因子、信息素?fù)]發(fā)因子、常系數(shù)分別為1、6、0.2、8，通過迭代求解，每次運(yùn)算完成對(duì)信息素進(jìn)行更新，并且記錄當(dāng)次運(yùn)行的最優(yōu)解，通過MATLAB進(jìn)行軟件算法迭代100次后，得出最優(yōu)權(quán)重適應(yīng)度變化圖形如圖1所示，從圖中可以觀察到大約40次迭代后達(dá)到收斂狀態(tài)，最終得到的蟻群覓食終點(diǎn)即為每個(gè)故障底事件的重要度數(shù)值為［0.04368 0.02918 0.13568 0.02256 0.02286 0.02255 0.04915 0.02816 0.05129 0.04512 0.0015 0.04745 0.04815 0.04622 0.04815 0.02025 0.02011 0.04335 0.4015 0.1991 0.04991 0.02451 0.05119 0.1991］。

圖1 底事件重要度計(jì)算收斂度

通過故障樹定量分析中的底事件重要度數(shù)值確認(rèn)對(duì)比基于蟻群算法的模糊層次分析法的底事件重要度計(jì)算數(shù)值結(jié)果，通過圖2可以發(fā)現(xiàn)對(duì)應(yīng)重點(diǎn)底事件的重要度數(shù)值接近，同時(shí)也滿足現(xiàn)場(chǎng)受電弓檢修實(shí)際，該理論分析結(jié)果能夠?qū)ΜF(xiàn)場(chǎng)受電弓的檢修起到支持和幫助作用。

圖2 受電弓故障底事件重要度數(shù)值

5 結(jié)論

綜上所述，通過對(duì)受電弓故障點(diǎn)分別進(jìn)行以現(xiàn)場(chǎng)檢修數(shù)據(jù)為建模基礎(chǔ)的故障樹分析，以及基于蟻群算法的模糊層次法分析，兩者結(jié)論趨于一致，可以得出受電弓故障中，以碳滑板結(jié)塊，裂紋的重要度權(quán)值最高，滑板氣管破裂故障緊隨其后，所以在檢修維護(hù)中要關(guān)注與接觸網(wǎng)進(jìn)行高速相關(guān)摩擦接觸的碳滑板部分；控制環(huán)節(jié)部分在檢修維護(hù)過程中要加強(qiáng)單部件檢修完成后重新組裝的氣密性試驗(yàn)以保證運(yùn)行的可靠性。