CN112149288A - 一种列车网络控制***的可靠性预计方法 - Google Patents
一种列车网络控制***的可靠性预计方法 Download PDFInfo
- Publication number
- CN112149288A CN112149288A CN202010944614.0A CN202010944614A CN112149288A CN 112149288 A CN112149288 A CN 112149288A CN 202010944614 A CN202010944614 A CN 202010944614A CN 112149288 A CN112149288 A CN 112149288A
- Authority
- CN
- China
- Prior art keywords
- failure
- reliability
- time
- network control
- basic components
- 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
Links
Images
Classifications
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明涉及一种列车网络控制***可靠性预计方法,包括以下步骤:步骤1:建立***的概率模型;步骤2:进行***可靠性仿真;步骤3:计算***可靠性指标。本发明的列车网络控制***的可靠性预计方法,在***集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制***可靠性进行预计分析,使列车网络控制***的可靠性在设计阶段就得到量化预计,以便发现影响***可靠性的设计因素并及时进行优化和改进,保证车辆交付时***可靠性指标满足或优于地铁运营商要求。
Description
技术领域
本发明涉及列车可靠性检测技术领域,特别涉及一种列车网络控制***的可靠性预计方法。
背景技术
地铁运营商在购买地铁车辆时要求制造商设计的车辆各***(牵引、制动、列车网络控制***等)在车辆交付时达到指定的可靠性指标要求。
列车网络控制***是一个涵盖硬件、软件及网络通信的复杂***。列车网络控制***负责对动车组牵引、制动、转向架、辅助供电、车门、空调等***的控制、监视和诊断。以往在地铁车辆设计阶段没有有效的方法针对如此复杂***进行可靠性预计,只能在车辆交付后通过跑行试验进行数据累积计算得到可靠性指标,而且往往也因此超过可靠性指标要求而受到考核。
发明内容
本发明要解决现有技术中的技术问题,提供一种列车网络控制***的可靠性预计方法。
为了解决上述技术问题,本发明的技术方案具体如下:
一种列车网络控制***的可靠性预计方法,包括以下步骤:
步骤1:建立***的概率模型;
设***由n个基本部件组成,用S表示***,则有S={Z1,Z2,…,Zi,…,Zn},
其中Zi(i=1,2,…,n)表示***有n个基本部件组成,并已知每一个基本部件的失效分布函数为Fi(t)(i=1,2,…,n);
故障树的顶事件为***S的失效事件,底事件为基本部件Zi的失效事件,故***中共有n个底事件;设xi(t)表示有第i个底事件的状态变量;
取
用设φ(t)表示顶事件在t时刻的状态变量,则有
步骤2:进行***可靠性仿真;
第1步:对n个基本部件寿命进行随机抽样,取得每一个基本部件故障时间的简单样本;对第i个基本部件失效时间抽样值为:ti=Fi -1(η);
第2步:通扫故障树找出***失效时间;设第j次仿真时,可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj;其中,第一个下标数字表示基本部件的序号,之后将这n个失效时间按其取值大小进行排序;设由小到大的顺序排列为与之相对应的基本部件顺序表示为Z1',Z'2,…,Z'K,…,Z'n;
将基本部件Z1'置于失效状态,其余的基本部件在此时刻均未失效,检查***S是否发生失效,如***未发生失效,则将基本部件Z'2置于失效状态,再检查***S是否失效,直到Z'K基本部件发生失效,此时Z'K以前的基本部件均已处于失效状态,如***处于失效状态,则第j次抽样时***寿命的抽样值为tK,其取值为在N次仿真运行后,统计出一系列***失效的时间tKj(j=1,2,…,N);
统计出N次仿真中,落入(tr-1,tr)区间内***失效数用Δmr表示,则有
若统计t≤tr的***失效数,则有
步骤3:计算***可靠性指标。
在上述技术方案中,步骤1中的n个基本部件包括:中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
在上述技术方案中,步骤3中计算的***可靠性指标包括:
***的累计失效概率FS(t):
***可靠度月RS(tr):
RS(tr)=1-FS(tr);
***失效概率分布pS(tr):
***平均寿命MTBF:
本发明具有以下的有益效果:
本发明的列车网络控制***的可靠性预计方法,在***集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制***可靠性进行预计分析,使列车网络控制***的可靠性在设计阶段就得到量化预计,以便发现影响***可靠性的设计因素并及时进行优化和改进,保证车辆交付时***可靠性指标满足或优于地铁运营商要求。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的列车网络控制***的可靠性预计方法的示意图。
具体实施方式
下面结合附图对本发明做以详细说明。
如图1所示,本发明的列车网络控制***的可靠性预计方法,包括以下步骤:
步骤1:建立***的概率模型;
设***由n个基本部件组成,用S表示***,则有S={Z1,Z2,…,Zi,…,Zn};其中Zi(i=1,2,…,n)表示***有n个基本部件组成,并已知每一个基本部件的失效分布函数为Fi(t)(i=1,2,…,n);n个所述基本部件包括:中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
故障树的顶事件为***S的失效事件,底事件为基本部件Zi的失效事件,故***中共有n个底事件;设xi(t)表示有第i个底事件的状态变量;
取
用设φ(t)表示顶事件在t时刻的状态变量,则有
步骤2:进行***可靠性仿真;
在仿真过程中做出如下假设:列车的出车时间和返回时间和地铁线路调度有关,本程序假设某辆列车每日的出车时间和返回时间是固定的;列车运行期间列车控制和管理***除完全丧失功能的设备外其他设备均处于工作状态;列车掉线、限速运行完本次运营任务和每日返回到车辆段后要对所有存在故障的设备进行修复或更换新的设备;假设在线路的两端分别设有一个车辆段,掉线后,列车被同向行驶的列车或逆向行驶的列车推回到最近车辆段进行维修;故障设备的维修时间是所有存在故障设备维修时间的总和。
***可靠性仿真的具体过程包括:
第1步:对列车网络控制***的n个基本部件(中央控制单元、人机接口单元等)寿命进行随机抽样,取得每一个基本部件故障时间的简单样本,Fi(t)第i个基本部件的故障概率函数,η为0~1之间的随机数,第i个基本部件失效时间抽样值为:ti=Fi -1(η);
第2步:通扫故障树找出***失效时间,设第j次仿真时,可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj;其中,第一个下标数字表示基本部件的序号,之后将这n个失效时间按其取值大小进行排序;设由小到大的顺序排列为与之相对应的基本部件顺序表示为Z'1,Z'2,…,Z'K,…,Z'n;
将基本部件Z1'置于失效状态其余的基本部件在此时刻均未失效,检查***S是否发生失效,如***未发生失效,则将基本部件Z'2置于失效状态,再检查***S是否失效,直到Z'K基本部件发生失效,此时Z'K以前的基本部件自然均已处于失效状态,如***处于失效状态,则第j次抽样时***寿命的抽样值为tK,其取值为在N次仿真运行后,统计出一系列***失效的时间tKj(j=1,2,…,N);
统计出N次仿真中,落入(tr-1,tr)区间内***失效数用Δmr表示,则有
若统计t≤tr的***失效数,则有
步骤3:计算***可靠性指标;包括:
***的累计失效概率FS(t):
***可靠度RS(tr):
RS(tr)=1-FS(tr);
***失效概率分布pS(tr):
***平均寿命MTBF:
本发明的列车网络控制***的可靠性预计方法,在***集成设计阶段综合考虑硬件和软件同时运行的情况下对列车网络控制***可靠性进行预计分析,使列车网络控制***的可靠性在设计阶段就得到量化预计,以便发现影响***可靠性的设计因素并及时进行优化和改进,保证车辆交付时***可靠性指标满足或优于地铁运营商要求。
Claims (3)
1.一种列车网络控制***的可靠性预计方法,其特征在于,包括以下步骤:
步骤1:建立***的概率模型;
设***由n个基本部件组成,用S表示***,则有S={Z1,Z2,…,Zi,…,Zn},
其中Zi(i=1,2,…,n)表示***有n个基本部件组成,并已知每一个基本部件的失效分布函数为Fi(t)(i=1,2,…,n);
故障树的顶事件为***S的失效事件,底事件为基本部件Zi的失效事件,故***中共有n个底事件;设xi(t)表示有第i个底事件的状态变量;
取
用设φ(t)表示顶事件在t时刻的状态变量,则有
步骤2:进行***可靠性仿真;
第1步:对n个基本部件寿命进行随机抽样,取得每一个基本部件故障时间的简单样本;对第i个基本部件失效时间抽样值为:ti=Fi -1(η);
第2步:通扫故障树找出***失效时间;设第j次仿真时,可抽样产生n个基本部件的失效时间t1j,t2j,…,tij,…,tnj;其中,第一个下标数字表示基本部件的序号,之后将这n个失效时间按其取值大小进行排序;设由小到大的顺序排列为tf1,tf2,…,tfK,…,tfn,与之相对应的基本部件顺序表示为Z′1,Z′2,…,Z′K,…,Z′n;
将基本部件Z′1置于失效状态,其余的基本部件在此时刻均未失效,检查***S是否发生失效,如***未发生失效,则将基本部件Z′2置于失效状态,再检查***S是否失效,直到Z′K基本部件发生失效,t=tfK,此时Z′K以前的基本部件均已处于失效状态,如***处于失效状态,则第j次抽样时***寿命的抽样值为tK,其取值为tKj=tfK;在N次仿真运行后,统计出一系列***失效的时间tKj(j=1,2,…,N);
统计出N次仿真中,落入(tr-1,tr)区间内***失效数用Δmr表示,用Δmr表示,则有
若统计t≤tr的***失效数,则有
步骤3:计算***可靠性指标。
2.根据权利要求1所述的列车网络控制***的可靠性预计方法,其特征在于,
步骤1中的n个基本部件包括:中央控制单元CCU、人机接口单元HMI、中继器RPT、列车数据记录仪ERM、以及远程输入/输出模块RIOM。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944614.0A CN112149288B (zh) | 2020-09-10 | 2020-09-10 | 一种列车网络控制***的可靠性预计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010944614.0A CN112149288B (zh) | 2020-09-10 | 2020-09-10 | 一种列车网络控制***的可靠性预计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112149288A true CN112149288A (zh) | 2020-12-29 |
CN112149288B CN112149288B (zh) | 2022-06-28 |
Family
ID=73890766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010944614.0A Active CN112149288B (zh) | 2020-09-10 | 2020-09-10 | 一种列车网络控制***的可靠性预计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112149288B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113320568A (zh) * | 2021-06-29 | 2021-08-31 | 中车青岛四方车辆研究所有限公司 | 一种基于多***融合的列车网络控制***及其控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102323761A (zh) * | 2011-07-18 | 2012-01-18 | 铁道部运输局 | 列车控制网络半实物仿真测试平台 |
CN103678101A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院软件研究所 | 高速列车网络控制***的软件可靠性检测方法 |
CN104778370A (zh) * | 2015-04-20 | 2015-07-15 | 北京交通大学 | 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法 |
CN105759631A (zh) * | 2016-03-28 | 2016-07-13 | 株洲中车时代电气股份有限公司 | 一种列车网络控制***半实物仿真测试***及方法 |
CN107544904A (zh) * | 2017-08-21 | 2018-01-05 | 哈尔滨工程大学 | 一种基于深度cg‑lstm神经网络的软件可靠性预测模型 |
CN107748808A (zh) * | 2017-09-14 | 2018-03-02 | 中国运载火箭技术研究院 | 基于区间约束的可靠性指标分配优化方法、***及介质 |
US20190322298A1 (en) * | 2018-04-20 | 2019-10-24 | General Electric Company | Locomotive control system |
-
2020
- 2020-09-10 CN CN202010944614.0A patent/CN112149288B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102323761A (zh) * | 2011-07-18 | 2012-01-18 | 铁道部运输局 | 列车控制网络半实物仿真测试平台 |
CN103678101A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院软件研究所 | 高速列车网络控制***的软件可靠性检测方法 |
CN104778370A (zh) * | 2015-04-20 | 2015-07-15 | 北京交通大学 | 基于蒙特卡洛仿真求解动态故障树模型的风险分析方法 |
CN105759631A (zh) * | 2016-03-28 | 2016-07-13 | 株洲中车时代电气股份有限公司 | 一种列车网络控制***半实物仿真测试***及方法 |
CN107544904A (zh) * | 2017-08-21 | 2018-01-05 | 哈尔滨工程大学 | 一种基于深度cg‑lstm神经网络的软件可靠性预测模型 |
CN107748808A (zh) * | 2017-09-14 | 2018-03-02 | 中国运载火箭技术研究院 | 基于区间约束的可靠性指标分配优化方法、***及介质 |
US20190322298A1 (en) * | 2018-04-20 | 2019-10-24 | General Electric Company | Locomotive control system |
Non-Patent Citations (6)
Title |
---|
HAIRONG DONG 等: "Automatic train control system development and simulation for high-speed railways", 《IEEE CIRCUITS AND SYSTEMS MAGAZINE》 * |
余江: "地铁车辆关键***可靠性分析及应用研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
刘昂: "基于动态故障树的列车运行控制***可靠性分析", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑》 * |
唐献康等: "RAMS在轨道车辆网络控制***设计中的应用", 《机车电传动》 * |
赵强: "基于蒙特卡罗算法的列车网络控制***可靠性仿真分析", 《铁道车辆》 * |
韩霜: "列车网络控制***软件可靠性分析及研究", 《制造业自动化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113320568A (zh) * | 2021-06-29 | 2021-08-31 | 中车青岛四方车辆研究所有限公司 | 一种基于多***融合的列车网络控制***及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112149288B (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6795799B2 (en) | Remote diagnosis server | |
CN102998996A (zh) | 一种飞机机载实时故障诊断方法 | |
US8676432B2 (en) | Fault prediction framework using temporal data mining | |
US20170166328A1 (en) | Predictive aircraft maintenance systems and methods incorporating classifier ensembles | |
EP3254928A1 (en) | System and method for the asset management of railway trains | |
US20060126608A1 (en) | Method and apparatus for system monitoring and maintenance | |
CN1991652A (zh) | 可编程逻辑控制器和中央单元之间通信的通信方法及自动远程监控和诊断*** | |
CN108454879B (zh) | 飞机故障处理***和方法及计算机设备 | |
Chen et al. | Aircraft maintenance decision system based on real-time condition monitoring | |
CN112785010B (zh) | 一种轨道交通列车***多部件动态维修策略优化方法 | |
CN103986758A (zh) | 一种高速动车组运行故障数据远程实时传输和智能分析判断*** | |
CA2389274C (en) | Apparatus and method for performance and fault data analysis | |
CN112149288B (zh) | 一种列车网络控制***的可靠性预计方法 | |
CN110723166A (zh) | 一种道岔监测方法及*** | |
CN112799950A (zh) | 后台服务的负载能力测试***、方法、存储介质及电子设备 | |
Gopalakrishnan et al. | IIoT Framework Based ML Model to Improve Automobile Industry Product. | |
CN115329877A (zh) | 一种换电站故障信息推送方法 | |
US7398132B2 (en) | Method and system for analyzing throughput | |
CN115964372A (zh) | 一种空间站有效载荷分布式事件提取方法和*** | |
CN115913891A (zh) | 一种基于大数据分析的提前运维***及运维方法 | |
US8078429B2 (en) | Diagnosis agent for remote plant diagnosis | |
CN114490371A (zh) | 基于人工智能的数据测试方法、装置、测试设备及介质 | |
CN114715234A (zh) | 列车运行控制***的数字孪生***、装置和方法 | |
EP2175334A2 (de) | Verfahren zur Steigerung der Effizienz von Fahrzeugen bzw. Fahrzeugsystemen mit und ohne Waffensysteme | |
CN108875205A (zh) | 一种基于可达矩阵和离散事件驱动的***可用度高效仿真方法 |
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 |