[发明专利]一种城轨列车关键部件的可靠度预测优化方法

说明书

本发明公开了一种城轨列车关键部件的可靠度预测优化方法，包括收集获取城轨列车故障维修信息，并筛选出关键部件故障维修信息作为故障样本信息，建立城轨列车关键部件故障维修信息的数据集；对不同关键部件的故障维修信息进行数据整合模糊处理；基于改进的HHO算法进行构建城轨列车关键部件可靠度预测优化模型，用以优化关键部件的各项参数值，并在可靠度预测优化模型中利用图参数估计法实现对可靠度的参数估计；利用循环检验过程优化参数值，将检验过的参数值带入可靠度预测优化模型中，对列车关键部件可靠度预曲线测。本发明大幅提高了城轨列车关键部件的预测精度，减少城轨列车在维修过程中存在的“过维修”或“欠维修”问题。

技术领域

本发明属城轨列车可靠性分析技术领域，具体涉及一种城轨列车关键部件的可靠度预测优化方法。

背景技术

随着我国城市化进程的加快，城市轨道交通列车数量剧增，并且逐渐成为了城市交通中最为重要的出行工具，车辆作为轨道交通建设的核心组成部分，其可靠性直接影响到运营安全，而从技术上来说，可靠性是指设备在某一特定的工作条件下、某一特定的时期内圆满完成其规定功能(没出现故障)的概率，可靠度是衡量列车关键部件是否需要检修的标准。安全可靠是轨道交通车辆持续发展的必要前提，列车关键部件的寿命预测不准确，会造成“过维修”或“欠维修”的情况，进而影响列车安全可靠运行。及时发现并更换易故障部件，可有效保障城轨列车的运行安全。针对部件紧密连接、耦合复杂多变的列车系统，国内外建立了相应的列车系统可靠性模型。由于单一化的故障数据处理往往与实际情况不符，为减少故障率，需要对列车关键部件的运行可靠性进行更为深入的研究。目前，我国针对城轨列车关键部件的可靠性研究相对缺乏，大多数方法如粒子群算法(PSO)和人工蜂群算法(ABC)等，存在精度低、通用性差和计算量大的问题，忽略了实际过程中常见的数据丢失情况，缺乏对参数属性区间及权重的客观判断，很容易陷入局部最优和不成熟的收敛缺陷。因此，为保障城轨列车行车安全的需要，迫切需要开发一种新的可靠度预测优化模型，以较简单的计算过程，实现快速、有效的预测城轨列车关键部件的可靠度曲线，同时，以较高精度的可靠度曲线预测城轨列车关键部件的剩余寿命，优化列车维修过程中存在的“过维修”或“欠维修”问题。

发明内容

本发明的目的在于提供一种城轨列车关键部件的可靠度预测优化方法，本发明的可靠度预测优化方法针对目前城市轨道交通列车可靠度预测中精度低、通用性差、计算量大和易陷入局部最优等的问题，能快速、有效的预测城轨列车关键部件可靠度曲线，减少列车检修过程中存在“过维修”或“欠维修”的问题。为了实现上述目的，本发明采用的技术方案如下：

根据本发明的一个方面，提供了一种城轨列车关键部件的可靠度预测优化方法，其特征在于：所述可靠度预测优化方法包括以下步骤：

步骤1：收集获取城轨列车故障维修信息，并筛选出关键部件故障维修信息作为故障样本信息，将获取的样本信息用于建立城轨列车关键部件故障维修信息的数据集；

步骤2：分别对不同关键部件的故障维修信息进行数据整合模糊处理，以减少故障维修信息中过于集中的数据量；

步骤3：基于改进的HHO算法进行构建城轨列车关键部件可靠度预测优化模型，用以优化关键部件的各项参数值，并在可靠度预测优化模型中利用图参数估计法实现对可靠度的参数估计；

步骤4：利用循环检验过程优化参数值，判断参数值是否陷入局部优化，将检验过的参数值带入可靠度预测优化模型中，对列车关键部件可靠度预测；

上述方案进一优选的，所述步骤1中，采用帕累托图形法选取关键部件的故障维修信息，以确定影响城轨列车正常运行的高因子故障信息。

上述方案进一优选的，所述步骤3中，基于改进的HHO算法进行构建城轨列车关键部件可靠度预测优化模型的过程由探索阶段和开发阶段组成，从探索阶段到开发阶段的过渡，基于猎物的逃逸能量在不同开发行为之间的改变规则进行确定：