基于模糊故障樹的動車組空調(diào)系統(tǒng)可靠性分析

王永志， 孫超凡， 高明亮

(1． 吉林大學 儀器科學與電氣工程學院， 長春 130061； 2． 中車長春軌道客車股份有限公司檢修研發(fā)部， 長春 130062)

0 引 言

隨著我國自主知識產(chǎn)權多類型動車組的運行，為人們帶來了更快速、更舒適、更方便的出行工具。因動車組運行時處于高速環(huán)境下，要求車廂內(nèi)的溫度、空氣、壓力、噪聲等參數(shù)應符合更高標準。動車組車廂內(nèi)部溫度是影響旅客乘車舒適度的最重要因素之一，需要動車組系統(tǒng)的車載空調(diào)系統(tǒng)進行實時溫度調(diào)節(jié)，因其運行時間長、負載大，故易發(fā)生故障。若空調(diào)系統(tǒng)發(fā)生故障將會直接影響車內(nèi)溫度和空氣流通等，大大降低車內(nèi)舒適度，甚至會影響到旅客生命安全，故對動車組空調(diào)系統(tǒng)進行可靠性分析具有重大意義[1]。

近年來，國內(nèi)學者使用統(tǒng)計方法對動車組空調(diào)系統(tǒng)故障進行了研究，主要體現(xiàn)在對空調(diào)系統(tǒng)的故障檢測[1]、故障分析[2]、工作狀態(tài)判斷以及提出對應的預防建議[3-4]。通過查閱和分析文獻可知，目前國內(nèi)鮮有采用模糊概率對動車組空調(diào)系統(tǒng)進行可靠性分析案例。本文分析了動車組空調(diào)系統(tǒng)的故障模式，建立了空調(diào)系統(tǒng)的故障樹；基于模糊集合理論對空調(diào)系統(tǒng)進行模糊故障樹分析，并計算出頂事件模糊概率及底事件模糊概率的重要度，實現(xiàn)了一種用于定位空調(diào)系統(tǒng)中薄弱部件(可能故障點)的方法。

1 模糊故障樹分析法

1.1 故障樹分析法

故障樹是一種展示系統(tǒng)結(jié)構(gòu)和故障間邏輯關系的模型。由頂事件以樹狀結(jié)構(gòu)不斷細分故障類型，一直細分至葉子節(jié)點(基本事件)為止，位于頂事件和基本事件之間的是中間事件[5]。采用故障樹分析法(FTA)進行動車組空調(diào)系統(tǒng)的可靠性分析，基于新建立的故障樹分析系統(tǒng)中發(fā)生故障的原因及發(fā)生故障的概率[6]，最終可獲得整個系統(tǒng)故障的概率，用于對系統(tǒng)的穩(wěn)定性評估。

1.2 模糊概率

模糊故障樹的底事件具有模糊性與隨機性，故基本事件的發(fā)生概率采用三角模糊數(shù)F=(m-α,m,m+β)表示，其隸屬函數(shù)為[7-9]：

(1)

若事件A的三角模糊數(shù)為(m1-α1,m1,m1+β1)，事件B三角模糊數(shù)為(m2-α2,m2,m2+β2)，則故障樹的或門區(qū)間算子為[10]：

FA∪B=FA+FB-FAFB

(2)

FA+FB=(m1-α1+m2-α2,m1+m2,

m1+β1+m2+β2)

(3)

FAFB=((m1-α1)(m2-α2),m1m2,

(m1+β1)(m2+β2))

(4)

若故障樹是或門結(jié)構(gòu)且基本事件概率全部使用三角模糊數(shù)表示時，頂事件的概率為[11]：

(5)

1.3 模糊重要度

概率重要度表示底事件發(fā)生概率的變化對頂事件發(fā)生概率產(chǎn)生的影響，它是模糊集合理論與底事件的概率重要度結(jié)合的產(chǎn)物[12]，可采用中值法計算得出。記頂事件發(fā)生模糊概率中值為MTe、Fj不發(fā)生，其他事件正常發(fā)生時，頂事件發(fā)生模糊概率中值為MTje，事件Fj的概率重要度為[13]

STj=MTe-MTje

(6)

2 動車組空調(diào)系統(tǒng)故障樹模型

2.1 空調(diào)系統(tǒng)

空調(diào)系統(tǒng)通過制冷、加熱、通風等方式提高旅客舒適度，動車組空調(diào)系統(tǒng)主要包括通風系統(tǒng)、冷卻系統(tǒng)、加熱系統(tǒng)、自動控制系統(tǒng)及壓力保護系統(tǒng)(見圖1)。

1-頂板供風道; 2-車內(nèi)廢排風道; 3-司機室供風道; 4-底架廢排風道; 5-客室空調(diào)機組; 6-風扇加熱器; 7-司機室空調(diào)裝置; 8-中頂板; 9-混合箱; 10-耐候格柵; 11-溫度傳感器

圖1 空調(diào)系統(tǒng)布置圖

單元式空調(diào)機組內(nèi)設壓縮機、冷凝器、蒸發(fā)器、凝風機、蒸發(fā)風機、加熱器、旁通閥、膨脹閥、壓力開關、壓力傳感器、電動閥門、風壓開關等，鋁合金材料的框架被設計成流線型外觀。單元式空調(diào)機組位于車體頂部，機組兩側(cè)設新風、回風混合箱，供風通道在車頂板下，頂部出風經(jīng)車內(nèi)的多孔頂板送出，廢排風道布置在車體兩側(cè)下部，廢排單元布置在車下，回風口設在空調(diào)機組下部的靠近通過臺的頂板上，系統(tǒng)設回風道。

(1) 冷卻系統(tǒng)。包括膨脹閥、壓縮冷凝裝置、壓力開關、干燥過濾器等。

(2) 采暖系統(tǒng)。包括空調(diào)機組內(nèi)的加熱器、風道內(nèi)加熱器和風扇加熱器等。

(3) 通風系統(tǒng)。包括安裝在車頂并貫穿于整車的供風道組成和風道兩側(cè)與側(cè)墻風道連接的軟風道，空調(diào)機組兩側(cè)的新風和回風混合箱、耐候格柵，安裝車下的排廢單元、布置在車內(nèi)的排廢風道等結(jié)構(gòu)。

(4) 控制系統(tǒng)。使用微處理器控制預調(diào)節(jié)、通風、制冷、加熱等，并通過MVB總線接口進行數(shù)據(jù)通信。控制面板還可操控電流接觸器、繼電器、斷路器等，以管理車廂和駕駛室HVAC系統(tǒng)各種工作模式。

(5) 壓力保護系統(tǒng)。包括4個位于末端車廂前部的壓力波傳感器，2個位于末端車廂控制面板內(nèi)部的電子控制卡等。使用快速動作的壓力保護閥隔離送風風道，當壓力保護被觸發(fā)，閥門打開，空調(diào)進入全回風模式；當壓力保護閥重新打開后，新風量提高，室內(nèi)CO2含量迅速下降。

2.2 空調(diào)系統(tǒng)故障樹建立

根據(jù)動車組空調(diào)故障模式建立空調(diào)模糊故障樹，從頂事件T開始由上至下可細分為13個中間事件(B和A)、37個基本事件C。用上行法求故障樹的最小割集[14]，則動車組空調(diào)系統(tǒng)故障樹可表示為：

(7)

圖2為空調(diào)系統(tǒng)故障樹總模型，圖3為制冷系統(tǒng)的故障樹模型，圖4為通風系統(tǒng)的故障樹模型，圖5為加熱系統(tǒng)的故障樹模型，圖6為是控制及供電系統(tǒng)的故障樹模型，表1為動車空調(diào)系統(tǒng)的故障樹事件列表。

圖2 動車空調(diào)系統(tǒng)故障樹

圖3 制冷系統(tǒng)故障樹

圖4 通風系統(tǒng)故障樹

圖5 加熱系統(tǒng)故障樹

圖6 控制及供電系統(tǒng)故障樹

表1 動車組空調(diào)系統(tǒng)故障樹事件列表

3 空調(diào)系統(tǒng)故障定量分析

3.1 實驗數(shù)據(jù)

動車組安裝了遠程無線傳輸系統(tǒng)，將監(jiān)控數(shù)據(jù)(如空調(diào)故障)實時傳輸至動車組故障管理平臺，可從平臺下載各類型動車組的故障詳細信息，信息項主要包括故障設備號、上層設備、故障所屬系統(tǒng)、故障現(xiàn)象、故障日期、故障原因、維修手段、操作者、責任單位等。本文精選某動車組2014年空調(diào)系統(tǒng)發(fā)生的166條典型故障信息，將故障數(shù)據(jù)進行統(tǒng)計歸類、歸一化等處理，作為評估故障樹底事件概率計算的基礎數(shù)據(jù)。

3.2 故障定量分析

采用基于信心指數(shù)修正的專家調(diào)查法[15]計算基本事件的模糊故障數(shù)(見表2)，據(jù)式(5)計算得出動車空調(diào)系統(tǒng)頂事件的概率模糊數(shù)(138.16×10-4,181.44×10-4,223.50×10-4)。結(jié)果表明，空調(diào)控制單元故障模糊概率最高，系統(tǒng)發(fā)生故障概率符合實際情況。再根據(jù)式(6)計算得出各事件的模糊概率重要度(見表2)。

表2 動車組空調(diào)系統(tǒng)基本事件模糊數(shù)和模糊概率重要度

對表2中基于空調(diào)模糊故障樹計算的模糊概率重要度數(shù)據(jù)分析，可知模糊概率重要度從大到小依次為空調(diào)控制單元(C24)、換氣或廢排風機(C20)、蒸發(fā)器(C1)、壓縮機及其附件(C5)等部件，它們是影響空調(diào)系統(tǒng)可靠性的關鍵部件。空調(diào)控制單元故障原因主要為控制板卡故障，換氣或廢排風機故障原因主要為風缸、風機故障，壓縮機及其附件故障原因主要為接觸器或繼電器故障。因控制板卡、接觸器等電子精密器件在長時間高溫運行環(huán)境下容易損壞，導致系統(tǒng)發(fā)生故障，故對其應加強檢測及維修以提高空調(diào)系統(tǒng)可靠性。

按照文獻[4]中提出的方法，對本文所用同組數(shù)據(jù)進行計算得出結(jié)果如表3所示，可知發(fā)生故障從易到難順序依次為空調(diào)控制單元、換氣或廢排風機、蒸發(fā)器和壓縮機及其附件等。

表3 2014年動車組某車型空調(diào)系統(tǒng)故障模式影響分析

通過表2、表3對比可知，本文方法與文獻[4]方法對動車組空調(diào)系統(tǒng)同組數(shù)據(jù)的故障高發(fā)部件評價分析結(jié)果一致，驗證了本文提出的方法是可行的。此外，模糊概率分析方法給出了較可靠性的量化結(jié)果。

4 結(jié) 論

(1) 建立了動車組空調(diào)系統(tǒng)的模糊故障樹，涵蓋空調(diào)的4大系統(tǒng)及9個子系統(tǒng)，并確定了故障樹中37個最小割集。

(2) 提出采用三角模糊數(shù)表示動車組空調(diào)模糊故障樹底事件概率的方法，用以計算頂事件發(fā)生的模糊概率。

(3) 采用中值法計算基本事件模糊概率重要度，據(jù)此可分析影響空調(diào)系統(tǒng)可靠性的主要單元依次為空調(diào)控制單元、換氣或廢排風機、蒸發(fā)器、壓縮機及其附件等。

通過對比分析，驗證了文中提出定位動車組空調(diào)故障部件方法的正確性，為提高空調(diào)系統(tǒng)可靠性及故障診斷提供有效依據(jù)。

利用大數(shù)據(jù)[16-17]、云計算[18-19]等前沿技術，使用動車組采集的實時監(jiān)測大數(shù)據(jù)，基于回歸分析[20]、支持向量機[21]、時間序列、神經(jīng)網(wǎng)絡等算法，后續(xù)可開展更為精確、實時的高性能分析與挖掘。