杭州杭港地铁有限公司 浙江杭州市 310017
摘要：我国设计的动车使用寿命普遍在30年以上，车辆在使用过程中会定期地进行检查和维修，以此来保证车辆在运行过程当中的可靠性与安全性，确保车辆在使用期间的运行状态一直是优良的。定期检修是为了最大限度地使车辆延长使用期限，这样可以降低地铁车辆运营的成本投入，使效益得到提高。因此，我国要建立地铁车辆维修的科学模式，不断完善状态维修信息化管理系统。
关键词：地铁车辆；状态维修；信息管理系统
引言
国内地铁车辆的设计寿命普遍高于30年，为了保证车辆在开始时期、近期和远期行驶中的安全，以此来确保地铁运营过程中的安全性，在此基础上延长车辆的使用时间，减少有关地铁的运营花销，增加各个方面的利益，需要对车辆状态进行维修管理。本文介绍了地铁车辆状态维修信息管理系统。
1地铁车辆检修现状
我国地铁发展历史相对较短，经验较为缺乏，检修方案仍采用类似机车车辆的“计划性维修”和“故障性维修”模式，是根据车辆制造商所提供的维修技术文件，并参照同类车辆运用维修经验制定的，检修周期偏于保守。
其中的列检是在列车运营结束后，对受电弓、控制装置、各种电气装置、转向架、制动装置、车门、车钩、车体、车灯、蓄电池箱等主要部件进行外观检查和清洗维护，对列车进行简单的检修。月检包括列检所有内容，并且对主要部件的技术状态和功能进行必要的试验、调试，对故障进行全面排查、修理。架修包括重要部件的分解、检修、调试等。大修包括对整列车所有部件进行解体，进行检查修复，恢复出厂时的性能。
长期的运营结果显示，按照该维修制度并没有达到理想的维修效果。原因是它相对保守，没有完全符合地铁的运行特点，即使部件处于磨合状态或者运行状态良好，到了既定的检修周期，也要进行拆检，这就造成了过度维修，资源、成本的浪费，而且会增加相关部件的故障率，对车辆运营有一定影响。根据目前地铁车辆的检修需求，国内地铁公司近年来已经加大了对传统的地铁车辆检修制度改革力度，旨在探索出更加高效的检修方案。
2地铁车辆状态维修信息管理系统开发必要性
2.1地铁车辆设备复杂性
随着我国科学技术的发展，地铁车辆设备朝着自动化、智能化方向发展，设备更加精密复杂，涉及到的技术方法更加广泛，这就决定了信息的复杂性，有着大数据平台管理的需求。显然如果沿用传统的数据管理模式，若实现从海量信息中快速提取出有用的信息，所需的工作量非常大，而且效率低，所以建立一个实用性强的信息管理系统是解决这一问题的有效途径。
2.2车辆维修大背景下的需求
地铁规模不断扩大，每天处于高负荷运行状态，故障率越来越高。一方面车辆检修工作量越来越大，另一方面检修时间极大压缩，在车辆的状态信息掌握、故障信息管理、维修计划管理方面提出了更高的要求。从国内外专业发展的历程看，维修体系逐渐从计划维修向状态维修靠拢，维修管理精细化与信息化系统都是其中不可或缺的基础。维修信息管理系统的建立能够极大减轻各级工作人员的工作量，也有助于让设备的生产、质量管理、维修更加规范化，提高车辆系统的管理水平。
2.3轨道交通发展的时代需求
随着时代的发展，信息化己经成为当今各行各业发展的大趋势，车辆检修信息管理系统的开发水平己经成为衡量一个国家车辆管理水平和综合实力的重要标志之一。地铁交通系统的快速建设，使地铁车辆的运行负担增加，故障率逐渐变高，通过现代化的信息管理手段来完成对车辆运行状态的分析，提高车辆资源利用率，优化检修模式，是时代发展的必然要求。
3地铁车辆状态维修方式决策流程
如图1所示维修方式决策流程图。
图1
故障模式丰富多样，需要从不同角度分析，在流程图的设计中需要考虑故障的危害程度、可否预测、是否可以计入可靠性等因素。经综合考虑，流程图的设计以安全性为第一优先级，如果故障对安全性有直接影响，它是否会影响质量与成本则变得不再重要，因此流程图的设计思路是首先确定该部件能否通过一定方法，比如状态监测，来预测故障，如果预测方法不存在或不合理，将判定为预防性检修或阶段性测试。如果故障不对车辆的安全性造成影响，确定检修任务时应考虑质量、损耗等因素。如果所有因素都不重要，流程图的制定原则应为允许RTF(Run-to-Failure，运行直至故障发生)。在本文中，采取RPN指数最高的故障成因来确定检修策略。在RPN指数很高的情况下，如果预测方法可行，则可以使用该预测方法，不必考虑费用问题。这样做的目的是减小检测指数，因为严重程度指数很难减小。流程图中检修时间间隔也是很重要的部分，需要根据可靠性得出预防性检修任务的时间间隔。
4基于状态的维修周期预测
4.1比例故障率预测模型
比例故障率模型(ProportionalHazardsModelPHM)是Cox在1972年提出的一种预测模型，该模型最初应用于医学和经济学领域，后来逐渐被应用于可靠性工程领域，并取得了良好的成果。它的中心思想是认为设备的故障率是基准故障率和表征设备状态量的乘积，即:
其中:h(t,X)为部件的故障率，与部件的状态参数有关;ho(t)为基准风险率，只依赖于时间，是部件的故障分布函数;X为伴随因子(协变量)，X1，X2，...,Xn是各状态变量是部件在t时刻的状态监测数据；β为回归系数变量，β1，β2，…，βn表征各伴随因子(协变量)对故障率函数的影响程度。
上述公式表明比例故障率模型假设状态变量对失效函数具有乘法效应。它能够综合设备运行时的状态信息，计算出可靠性特征量，作出失效评估。其状态协变量性能是本文选择比例故障率模型作为预测模型的主要原因。最常用的基准故障率模型是威布尔模型，它的特点是能描述递减、常数、递增三种不同形状的故障函数，可应用性广。
论文作者:陈宇
论文发表刊物:《防护工程》2018年第19期
论文发表时间:2018/10/29
标签：车辆论文; 地铁论文; 故障率论文; 状态论文; 部件论文; 故障论文; 模型论文; 《防护工程》2018年第19期论文;