[发明专利]基于改进d-MC的轨道交通列车系统多态可靠性分析方法

说明书

本发明公开了一种基于改进的d‑MC网络流理论的轨道交通列车系统多态可靠性分析方法，首先，分析轨道交通列车系统功能，构建列车系统功能链及功能关系网络；其次，依据列车各部件之间的功能关系及部件状态，引入载荷流的概念，并构建轨道交通列车系统多态可靠性网络模型；最后，通过d极小割网络流理论及不交和方法计算整个列车系统在某一状态下的可靠性。本发明以轨道交通列车部件之间的功能关系为基础，引入改进的d极小割网络流理论方法进行列车系统可靠性分析，提高了系统可靠性评估计算的效率，并为轨道交通列车系统可靠性设计、实际运营监测、维护管理及修程的制定提供了有效的基础支撑。

技术领域

本发明涉及轨道列车系统可靠性分析领域，尤其是涉及一种基于改进的d-MC网络流理论的轨道交通列车系统多态可靠性分析方法。

技术背景

轨道交通列车是轨道交通系统中重要组成部分，在轨道交通系统安全运营中起着至关重要的作用。一旦列车发生严重故障，很可能将会造成轨道交通系统的重大事故，带来巨大的损失和重大影响。因此，如何保持大规模的轨道交通列车系统安全和可靠性是轨道交通安全运营和能力保持的核心问题和前提基础。

国内对轨道交通列车可靠性分析的研究较为丰富，故障函数分布拟合、可靠性框图分析法、故障树分析法、故障模式及其影响分析法等方法是传统并且常用的与轨道交通列车可靠性分析相关的方法。此外，马尔可夫分析法及其衍生方法、贝叶斯估计及贝叶斯模型等方法也被引入到轨道交通列车可靠性分析中。然而，上述的这些方法大部分结合历史故障数据与专家经验，并以某一故障事件或者故障模式为基础进行可靠性分析，另外，某些方法从故障因果关系进行简单分析，研究对象也仅针对单个部件或者单个设备，因人为主观因素影响较大，且忽视了系统整体特征，会导致一定的误差产生，所以并不能表征轨道交通列车系统的可靠性。因此，近几年有些学者应用复杂网络、Petri网及GERT网络等方法，对轨道交通列车进行系统可靠性分析。这些研究内容大多针对轨道交通列车系统进行简化，采用的是系统的“正常-故障”2进制状态。然而，轨道交通列车系统中各个部件具有不同程度的性能退化状态，呈现出的是一种多态的故障表现形式。因此，需要对轨道交通列车系统进行多态可靠性分析。

目前，现有的多态可靠性分析的方法主要包括蒙特卡罗仿真、神经网络、随机过程模型、多值决策图模型、通用生成函数、极小路或极小割模型等方法。其中，蒙特卡罗仿真是一种统计方法，在多数情况下只能得到系统可靠性的近似值，而且该方法需要大规模的模拟运算才能够获得相对精确的结果。神经网络模型利用其自适应机制与学习能力对系统可靠性做出近似估计，该方法受所构建的网络结构复杂度和选取样本精确度的影响较大。随机过程模型、多值决策图模型及通用生成函数方法虽然在在复杂系统多态可靠性分析领域获得了普遍的应用，然而，这些方法随着系统复杂度的上升，其中的分析计算过程特别复杂，也只能应用在较为简单的复杂系统中。极小路或极小割模型方法主要用于分析网络流系统的容量可靠性问题。该方法的核心是从网络的拓扑结构出发，构建满足约束条件的极小路/极小割数学模型，再通过容斥定理和不交和方法来计算整个系统的可靠性，是多态可靠性分析研究中的热点问题，而对于轨道交通列车系统这样一个复杂机电大系统也同样适用。另外，极小割模型的含义能够与轨道交通列车系统部件故障相吻合，因此相比极小路模型方法能够更加合适。然而，极小割模型中的关键问题是找到d状态下的极小割，即d极小割(d-Minimal cut，d-MC)。而现有文献在求解d-MC时主要有2个步骤：(1)计算候选d-MC；(2)删除重复的d-MC。其中，无论是候选d-MC还是重复的d-MC都数量巨大。因此，为提高计算效率，本发明内容对现有的方法进行改进，以避免产生较多的候选d-MC及重复的d-MC，为轨道交通现场运维管理提出了有效的方法支撑。

发明内容

本发明的目的就是为了提高轨道交通列车可靠性分析评估的效率，并为轨道交通列车系统可靠性设计、实际运营监测、维护管理及修程的制定提供了有效的基础支撑。

本发明具体采用如下技术方案：