基于Minitab統(tǒng)計分析軟件的地鐵車輛車門可靠性評估方法研究

任金寶 邢宗義

（1.中國科學(xué)院電子學(xué)研究所蘇州研究院，215123，蘇州；2.南京理工大學(xué)自動化學(xué)院，210094，南京∥第一作者，碩士研究生）

0 引言

地鐵車輛客室自動門系統(tǒng)因其數(shù)量多、操作頻繁，安全可靠性要求高而成為地鐵車輛中的關(guān)鍵部件［1］。車輛客室車門故障率較高，其可靠性和安全性不僅影響了城市軌道交通運營質(zhì)量和安全效益，更重要的是影響到市民正常的生活和城市的有序運轉(zhuǎn)［2］。

由于地鐵車門在地鐵車輛安全運營中有著至關(guān)重要的作用，國內(nèi)外學(xué)者對地鐵車門做了大量的可靠性研究。文獻［3］提出應(yīng)用GO 法原理對地鐵車輛客室車門的可靠性特征進行分析，得到導(dǎo)致車門故障的所有可能因素和薄弱環(huán)節(jié)。文獻［4］利用FTA 方法對地鐵車輛客室自動門系統(tǒng)在運行中錯誤打開的故障進行了系統(tǒng)的研究，建立了客室自動門系統(tǒng)的故障樹。文獻［5］對車門門控器進行控制指令測試和分析，得出了門控器可靠性指標(biāo)。以上研究為保障地鐵車輛安全運營做出了貢獻，但所有研究方法中都缺少車門可靠性壽命分析，無法準確預(yù)測車門下一時刻的狀態(tài)。

本文采用 Minitab 統(tǒng)計分析軟件中的Anderson－Darling統(tǒng)計量最小原則來確定壽命分布對數(shù)據(jù)擬合的優(yōu)劣。首先，篩選車門檢修數(shù)據(jù)，得到車門系統(tǒng)的故障時間，組成樣本總體；其次，應(yīng)用備選失效模型對數(shù)據(jù)進行分布擬合，依據(jù)Anderson－Darling統(tǒng)計量最小原則確定最優(yōu)分布；然后，采用極大似然估計法計算最優(yōu)分布參數(shù)；最后，通過χ2檢驗法驗證擬合分布的正確性。

1 可靠性分析方法

在可靠性分析研究中，分布模型的種類很多，可靠性工程中用到的分布模型包括 Weibull分布、正態(tài)分布等。對于一組未知分布模型的失效數(shù)據(jù)，通常采用概率紙圖法和類WPP圖形估計法研究其分布規(guī)律。這需要將失效概率或可靠度與失效時間的關(guān)系在圖紙上繪制出來，得到一條曲線，通過進一步研究曲線的形態(tài)，如漸近線、特征點和凸凹性等，確定該失效數(shù)據(jù)符合何種可靠性分布模型。當(dāng)不能確定一組失效數(shù)據(jù)符合哪種分布模型時，可以假設(shè)該組失效數(shù)據(jù)符合所有備選模型，然后對每一種分布模型進行擬合，選取擬合優(yōu)度最好的分布模型，并進行參數(shù)估計和假設(shè)檢驗，驗證選取模型的正確性。其過程如圖1。［6］

圖1 最優(yōu)擬合模型選取流程圖

1.1 數(shù)據(jù)篩選

地鐵車門系統(tǒng)的檢修記錄數(shù)據(jù)包括正線車門故障記錄和班組檢修記錄。正線車門故障對列車安全運營和乘客人生安全有巨大的威脅。從某地鐵公司獲得的檢修數(shù)據(jù)為某條線所有列車的車門故障數(shù)據(jù)，為了使分析有效，本文選取A2型列車正線故障中非外部因素導(dǎo)致的車門故障為正線車門故障。

1.2 備選分布模型

壽命分布模型中最常用的有Weibull分布模型、指數(shù)分布模型、極值分布模型和正態(tài)分布模型。

Weibull分布的失效密度函數(shù)為：

式中：

α——尺度參數(shù)；

β——形狀參數(shù)；

t——時間。

指數(shù)分布的失效密度函數(shù)為：

式中：

θ——尺度參數(shù)。

極值分布的失效密度函數(shù)為：

式中：

μ——位置參數(shù)；

σ——尺度參數(shù)，σ＞0。

正態(tài)分布的失效密度函數(shù)為：

1.3 最優(yōu)模型的參數(shù)估計與擬合度檢驗

1.3.1 擬合優(yōu)度統(tǒng)計量

用一組失效數(shù)據(jù)對備選失效模型進行擬合，需要對擬合程度進行評估，以選擇最優(yōu)的擬合模型。Anderson－Darling統(tǒng)計量是統(tǒng)計學(xué)中常用的比較數(shù)據(jù)擬合優(yōu)劣的統(tǒng)計量之一，具體為概率圖中點離擬合直線距離大小的加權(quán)平方和，其越靠近分布的尾部，權(quán)重越大。Anderson－Darling統(tǒng)計量具體表達式為：

式中：

A——統(tǒng)計量；

i——樣本的個數(shù)，i＝1，2，…，n；

F（t）——累計失效分布函數(shù)；

n——樣本總量。

A2的值越小說明分布擬合越好［7］。

1.3.2 參數(shù)估計

確定了失效數(shù)據(jù)的可靠性模型后，對該組數(shù)據(jù)對應(yīng)的可靠性模型進行參數(shù)估計。Minitab統(tǒng)計分析軟件用到的參數(shù)估計主要為極大似然估計和最小二乘估計。由于極大似然估計有不變性、相合性、漸近正態(tài)性等優(yōu)良性質(zhì)，所以較選用極大似然估計。

設(shè)樣本x1，x2，…，xn的聯(lián)合密度函數(shù)為f（x，θ），其中θ為未知參數(shù)，x為樣本xi（i＝1，2，…，n）的集合。對于給定的x，稱L（θ，x）為θ的似然函數(shù)。L（θ，x）＝f（x，θ），若存在θ估計值，使L則稱為θ的極大似然估計。

現(xiàn)求解似然方程，即令

式中，g為未知參數(shù)θ的個數(shù)［8］。

1.3.3 假設(shè)檢驗

假設(shè)檢驗用以判斷原假設(shè)的真實性。常用的檢驗方法有χ2檢驗法、K－S檢驗法和P值檢驗。χ2檢驗法是統(tǒng)計學(xué)中通用的擬合優(yōu)度檢驗，本文采用χ2檢驗法。

設(shè)樣本總體X（x為X的樣本）的分布函數(shù)為F（X），根據(jù)來自總體的樣本檢驗原假設(shè)，設(shè)原假設(shè)為Ho，則

式中，F(xiàn)0（X）為具體樣本的分布函數(shù)。

為尋找首先把樣本總體X的取值范圍分成k個區(qū)間（a0，a1），（a1，a2），…，（ak－1，ak），要求ai是分布函數(shù)F0（X）的連續(xù)點，a0可以取－∞，ak可以取＋∞，記作

其中，pi代表變量x落入第i個區(qū)間的概率，且pi＞0。

如果x的樣本量為n，則npi是變量x落入（ai－1，ai）的頻數(shù)。如n個樣本值中落入（ai－1，ai）的實際頻數(shù)為ni，則當(dāng)H0成立時，（ni－npi）2應(yīng)是較小的值，因此可以用（ni－npi）2的值來檢驗H0是否成立。學(xué)者皮爾遜證明了，在H0成立時，當(dāng)n→∞時，χ2檢驗法的統(tǒng)計量η為

式（9）的極限分布是自由度為k－1的χ2分布。需要檢驗的母體分布F0（x；θ）中的θ＝（θ1，θ2，…，θm）是m維未知參數(shù)，用θ的極大似然估計，即

選擇檢驗統(tǒng)計量為

當(dāng)n→＋∞時，統(tǒng)計量的極限分布是自由度為k－m－1的χ2分布，在給定的顯著性水平γ條件下，若η＞η1－γ（k－1），則拒絕原假設(shè)，若η＜η1－γ（k－1），則接受原假設(shè)［9］。

2 實例分析

以某地鐵公司車門系統(tǒng)為例，篩選此公司A2型車塞拉門系統(tǒng)2年中正線故障記錄數(shù)據(jù)。以車輛架修后投入運營作為起始節(jié)點，2年后的時間作為終止節(jié)點，得出2年中發(fā)生故障的183個車門的無故障時間間隔如表1。表1中無故障時間間隔為起始時間節(jié)點到失效時間節(jié)點的車門無故障運行時間，頻率為相同無故障運行時間的失效車門個數(shù)。

表1 車門無故障時間間隔

續(xù)表1

首先運用Minitab統(tǒng)計分析軟件對表1中所選數(shù)據(jù)進行分布擬合，其備選分布模型有4種，分別為Weibull分布模型、指數(shù)分布模型、極值分布模型、正態(tài)分布模型，最終得到4種分布模型的擬合結(jié)果如圖2所示，Anderson－Darling統(tǒng)計量如表2。

圖2 車門壽命概率圖

表2 車門失效分布擬合統(tǒng)計量

圖2中，分布概率圖是比較源數(shù)據(jù)與擬合曲線之間的接近程度。源數(shù)據(jù)為圖2中的粗曲線。

由表2可知Weibull分布的Anderson－Darling統(tǒng)計量值最小為2.306；從圖2中也可看出，Weibull分布的源數(shù)據(jù)很好地落入擬合曲線95%的置信區(qū)間。Weibull分布數(shù)據(jù)擬合優(yōu)于其他3個分布模型。Weibull分布的累積失效分布函數(shù)為：

其中，β＞0，α＞0。

為了獲取Weibull分布的參數(shù)，對所選模型進行極大似然估計，得到 Weibull分布的參數(shù)估計值β＝2.037 74，α＝396.951。

最后要對模型進行假設(shè)檢驗，確定表1 中A2型車輛車門系統(tǒng)的失效數(shù)據(jù)是否符合β＝2.037 74，α＝396.951的 Weibull分布。將表1中的97個樣本分成10個區(qū)間，利用式（9）計算得樣本的統(tǒng)計量η＝8.571，取顯著性水平γ＝0.01，查有關(guān)表格可得η0.99（7）＝18.48，可見＜η0.99（7），所以接受原假設(shè)，車門系統(tǒng)的失效數(shù)據(jù)符合β＝2.037 74、α＝396.951 的 Weibull分布。Weibull分布的累積失效分布函數(shù)為：

可靠度函數(shù)為：

車門系統(tǒng)可靠度函數(shù)圖如圖3所示。

圖3 車門系統(tǒng)可靠度函數(shù)圖

確定了A2型車車門系統(tǒng)的失效分布模型，計算車門系統(tǒng)給定工作時間的可靠度和在給定可靠度情況下對應(yīng)的工作時間。

當(dāng)給定車門系統(tǒng)可靠度R＝0.98和R＝0.95時，由式（11）可知車門系統(tǒng)的可靠壽命為：

假設(shè)R＝0.95作為車門可靠度的臨界值（即閾值），當(dāng)車門可靠度降到R＝0.95時，則認為車門故障發(fā)生概率加大，即此時車門的可靠度壽命為t＝92 d。分析結(jié)果表明，閾值R＝0.95時，應(yīng)對車門進行一次完全維修。

3 結(jié)論

本文通過分析某地鐵公司A2型車兩車門失效數(shù)據(jù)，采用Anderson－Darling統(tǒng)計量最小原則確定車門系統(tǒng)的最優(yōu)擬合分布，得出車門系統(tǒng)失效數(shù)據(jù)服從Weibull分布。在給定可靠度閾值R＝0.95時，得到車門系統(tǒng)的無故障運行時間t0.95＝92.14 d，與地鐵維修部門的現(xiàn)場經(jīng)驗一致，能為地鐵公司維修決策提供技術(shù)支持。

［1］關(guān)明全.城市軌道交通車輛技術(shù)與應(yīng)用［M］.北京：中國鐵道出版社，2009.

［2］賴芳盛.地鐵列車客室車門可靠性分析及應(yīng)用研究［J］.中國高新技術(shù)產(chǎn)業(yè)，2013（8）：39.

［3］董軍哲，楊建偉，黃強.基于GO 法地鐵車輛客室車門可靠性評價［J］.城市軌道交通研究，2013（4）：28.

［4］王萍，楊保年.基于故障樹的地鐵車輛客室自動門系統(tǒng)可靠性分析［J］.南京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報，2013（2）：47.

［5］Lecomte T.Safe and reliable metro platform screen doors control／command systems［J］.Springer Berlin Heidelberg，2008，5014：430.

［6］侯甲棟，閆鋒，李明.基于Minitab的通用航空發(fā)動機壽命件可靠性分析方法［J］.航空維修與工程，2013（2）：74.

［7］Adam W G，Ian A W.Approximating the tail of the Anderson－Darling distribution［J］.Computational Statistics＆Data Analysis，2012，56（12）：4301.

［8］朱曉琳，王志剛，夏慧明.非線性系統(tǒng)模型參數(shù)估計的差分進化算法［J］.價值工程，2013（10）：178.

［9］王志福，潘旭，金姝，等.假設(shè)檢驗的原理及其應(yīng)用［J］.渤海大學(xué)學(xué)報：自然科學(xué)版，2013（2）：101.

［10］董軍哲，楊建年，黃強.基于GO 法地鐵車輛客室車門可靠性評價［J］.城市軌道交通研究，2013（4）：28.