基于數(shù)模雙驅(qū)動的鐵路客站票務(wù)設(shè)備健康狀態(tài)評估模型

姚 劍，楊國元，李 君，沈海燕

（1.中國鐵道科學(xué)研究院集團(tuán)有限公司 電子計算技術(shù)研究所，北京 100081；2.北京經(jīng)緯信息技術(shù)有限公司，北京 100081）

我國高速鐵路智能化水平持續(xù)提高，鐵路客運(yùn)車站（簡稱：客站）作為鐵路服務(wù)于廣大旅客出行的重要場所，對基礎(chǔ)設(shè)備依賴度日益增大，特別是在電子化出行服務(wù)時代，票務(wù)設(shè)備的穩(wěn)定運(yùn)行是為旅客提供站內(nèi)安全便捷服務(wù)的重要保障。票務(wù)設(shè)備主要有實(shí)名制核驗(yàn)閘機(jī)、一體化自動售票終端、多型號自動檢票機(jī)、席位自動辦理終端、購票信息打印機(jī)等多種類型，由于這些設(shè)備數(shù)量眾多、投產(chǎn)時間差異大、部署分散，需要投入大量人力、物力進(jìn)行后期維護(hù)保養(yǎng)，因此，實(shí)現(xiàn)更加科學(xué)合理的票務(wù)設(shè)備運(yùn)行維護(hù)（簡稱：運(yùn)維）管理，具有重要的意義與實(shí)用價值。

近年來，圍繞設(shè)備狀態(tài)評價、壽命預(yù)測等健康管理問題，國內(nèi)外學(xué)者們開展了深入的理論研究與行業(yè)實(shí)踐[1-2]。目前，主要技術(shù)方法有模型驅(qū)動法、數(shù)據(jù)驅(qū)動法、模型與數(shù)據(jù)混合驅(qū)動法。

（1）模型驅(qū)動法是根據(jù)其物理失效機(jī)理來構(gòu)建設(shè)備退化過程的參數(shù)化數(shù)學(xué)模型，結(jié)合經(jīng)驗(yàn)知識對模型參數(shù)進(jìn)行辨識，實(shí)現(xiàn)對設(shè)備的健康狀態(tài)評估與剩余壽命預(yù)測[3-4]，但該方法適用于精確數(shù)學(xué)模型下的壽命預(yù)測，對于結(jié)構(gòu)復(fù)雜及運(yùn)行環(huán)境多樣的實(shí)際場景，由于難以構(gòu)建精確的物理模型，導(dǎo)致無法準(zhǔn)確預(yù)測設(shè)備剩余壽命；

（2）數(shù)據(jù)驅(qū)動法通過設(shè)備歷史數(shù)據(jù)構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ?，挖掘設(shè)備退化規(guī)律，揭示其中蘊(yùn)含的關(guān)聯(lián)信息或退化趨勢[5-7]，該方法不需要明晰設(shè)備部件劣化機(jī)制和機(jī)理模型，即可實(shí)現(xiàn)設(shè)備的壽命預(yù)測，但預(yù)測準(zhǔn)確性高度依賴于數(shù)據(jù)規(guī)模和數(shù)據(jù)質(zhì)量，未充分考慮設(shè)備退化過程，可能造成模型的泛化性能不足。

（3）模型與數(shù)據(jù)混合驅(qū)動法根據(jù)表現(xiàn)形式可分為兩類[8-10]：利用監(jiān)測數(shù)據(jù)構(gòu)建機(jī)理模型，運(yùn)用卡爾曼濾波、粒子波等方法對退化狀態(tài)和機(jī)理模型進(jìn)行參數(shù)估計，實(shí)現(xiàn)設(shè)備健康狀態(tài)診斷評估與壽命預(yù)測；分別基于機(jī)理模型和數(shù)據(jù)驅(qū)動對設(shè)備進(jìn)行健康狀態(tài)診斷評估與剩余壽命預(yù)測，利用決策層融合方式實(shí)現(xiàn)基于數(shù)據(jù)和機(jī)理模型的健康狀態(tài)診斷評估與壽命預(yù)測[11]。該方法降低了單一方法造成的影響，提高了整體性能，但由于設(shè)備逐步呈現(xiàn)的復(fù)雜性和非線性特征，難以精確構(gòu)建機(jī)理模型，獲得失效物理模型的成本過高，一定程度上限制了該方法的應(yīng)用。

還有一些學(xué)者研究將機(jī)器學(xué)習(xí)法與統(tǒng)計數(shù)據(jù)驅(qū)動法相結(jié)合的方法，彭開香等人[12]、Hu 等人[13]提出了基于深度置信網(wǎng)絡(luò)（DBN，Deep Belief Network）的無監(jiān)督健康指標(biāo)構(gòu)建方法，分別結(jié)合隱馬爾科夫模型或非線性擴(kuò)散過程對特征建模，進(jìn)而實(shí)現(xiàn)對設(shè)備的健康狀態(tài)評估與剩余壽命預(yù)測。該方法綜合考慮了機(jī)器學(xué)習(xí)法與統(tǒng)計數(shù)據(jù)驅(qū)動法的優(yōu)勢，但在實(shí)現(xiàn)過程中特征提取與模型建立是孤立進(jìn)行的，是一種簡單的方法組合關(guān)系。

針對模型驅(qū)動與數(shù)據(jù)驅(qū)動等單一的方法，以及模型與數(shù)據(jù)混合驅(qū)動方法在設(shè)備健康狀態(tài)評估與壽命預(yù)測方面存在的不足，本文研究提出了基于數(shù)模雙驅(qū)動的票務(wù)設(shè)備健康狀態(tài)評估模型，為票務(wù)設(shè)備維護(hù)保養(yǎng)計劃的制定、運(yùn)維策略的優(yōu)化等提供更為準(zhǔn)確的依據(jù)。

1 數(shù)模雙驅(qū)動的鐵路客站票務(wù)設(shè)備健康狀態(tài)評估流程

數(shù)模雙驅(qū)動的鐵路客站票務(wù)設(shè)備健康狀態(tài)評估流程如圖1 所示。

圖1 數(shù)模雙驅(qū)動的票務(wù)設(shè)備健康狀態(tài)評估流程

（1）根據(jù)票務(wù)設(shè)備歷史運(yùn)行數(shù)據(jù)構(gòu)建票務(wù)設(shè)備運(yùn)行數(shù)據(jù)集；構(gòu)建并初始化票務(wù)設(shè)備健康狀態(tài)評估模型H；將計算所得設(shè)備健康度作為Wiener 退化模型Z(t)的輸入，根據(jù)Wiener 退化模型Z(t)得出票務(wù)設(shè)備健康狀態(tài)時變退化趨勢，從而預(yù)測其剩余壽命值。通過設(shè)計一個設(shè)備壽命預(yù)測值與實(shí)際值之間均方誤差最小的優(yōu)化目標(biāo)函數(shù)，對票務(wù)設(shè)備健康狀態(tài)評估模型H的模型參數(shù)進(jìn)行一體化、優(yōu)化調(diào)整。

（2）綜合票務(wù)設(shè)備健康狀態(tài)評估模型H與當(dāng)前票務(wù)設(shè)備運(yùn)行數(shù)據(jù)，得優(yōu)化的票務(wù)設(shè)備健康狀態(tài)評估模型H'，計算票務(wù)設(shè)備當(dāng)前的健康度并確定其健康狀態(tài)等級；

（3）根據(jù)不同的票務(wù)設(shè)備健康狀態(tài)等級，制定分級運(yùn)維策略，指導(dǎo)進(jìn)行票務(wù)設(shè)備運(yùn)行維護(hù)活動。

2 票務(wù)設(shè)備健康狀態(tài)評估模型及其初始化

2.1 票務(wù)設(shè)備健康狀態(tài)評估模型

鐵路客站票務(wù)設(shè)備作為客站運(yùn)營過程中旅客便捷出行的關(guān)鍵設(shè)備，結(jié)合不同票務(wù)設(shè)備自身特征，圍繞設(shè)備性能、運(yùn)行工況、維護(hù)保養(yǎng)等實(shí)際運(yùn)營情況，構(gòu)建票務(wù)設(shè)備健康狀態(tài)評估模型H，形成數(shù)模雙驅(qū)動的設(shè)備健康狀況評估機(jī)制。另外，評估過程中綜合考慮專家主觀經(jīng)驗(yàn)和客觀因素影響，采用主、客觀組合賦權(quán)法確定評價指標(biāo)權(quán)重，使其綜合評價結(jié)果更加合理、完整反映設(shè)備健康狀態(tài)。

健康狀態(tài)評估模型H為

式（1）中：H表示票務(wù)設(shè)備整體的健康狀態(tài)/健康度；hm表示不同類型票務(wù)設(shè)備的健康狀態(tài)/健康度；μm表示票務(wù)設(shè)備類型為m的健康狀態(tài)權(quán)重；C表示票務(wù)設(shè)備類型的數(shù)量。式（2）中：h表示某一類票務(wù)設(shè)備的健康狀態(tài)/健康度；Wj表示票務(wù)設(shè)備評價指標(biāo)組合權(quán)重；xij表示票務(wù)設(shè)備評價指標(biāo)對應(yīng)的數(shù)據(jù)樣本（即：某一類票務(wù)設(shè)備中的具體某個票務(wù)設(shè)備的評價指標(biāo)值，或可理解為票務(wù)設(shè)備i的評價指標(biāo)j的狀態(tài)信息）；N、K分別表示某類型票務(wù)設(shè)備的數(shù)量及票務(wù)設(shè)備的評價指標(biāo)數(shù)量。

2.2 票務(wù)設(shè)備健康狀態(tài)評估模型初始化

由于票務(wù)設(shè)備健康評價指標(biāo)體系中各個指標(biāo)因素分別具有不同的物理意義和量化單位，為了定量分析指標(biāo)因素，需要對其進(jìn)行初始化處理。

2.2.1 健康狀態(tài)影響因素初始化

以票務(wù)設(shè)備服役過程中的各類運(yùn)行數(shù)據(jù)為基礎(chǔ)，結(jié)合客站票務(wù)設(shè)備維護(hù)實(shí)際情況，分析平均無故障工作時間（MTBF，Mean time between failure）、平均修復(fù)時間（MTTR，Mean time to repair）、平均維修響應(yīng)時間（MRT，Mean response time）、故障發(fā)生頻次等關(guān)鍵票務(wù)設(shè)備管理指標(biāo)，構(gòu)建設(shè)備健康狀態(tài)評價體系，通過評價指標(biāo)及對應(yīng)權(quán)重評估設(shè)備健康狀態(tài)，為票務(wù)設(shè)備維護(hù)保養(yǎng)提供參考依據(jù)。

（1）針對越小越優(yōu)型指標(biāo)，如故障發(fā)生頻次、MTTR 等，其初始化公式為

（2）針對越大越優(yōu)型指標(biāo)，如平均故障間隔時間、累計工作時長等，其初始化公式為

式（3）、式（4）中：xi為第i個指標(biāo)對應(yīng)的實(shí)際狀態(tài)值；為xi的初始化值為xi的最大值與最小值。

2.2.2 模型參數(shù)初始化估計

在票務(wù)設(shè)備健康狀態(tài)評估體系中，指標(biāo)權(quán)重值反映了每個指標(biāo)影響票務(wù)設(shè)備健康狀態(tài)的重要程度，合理的指標(biāo)權(quán)重是準(zhǔn)確評估票務(wù)設(shè)備健康狀態(tài)的依據(jù)。常用主觀賦權(quán)法有層次分析法（AHP，Analytical hierarchy process）、專家調(diào)查法等，由于AHP 可利用較少的定量信息使決策思維過程數(shù)學(xué)化，故采用AHP 法確定主觀權(quán)重?？陀^賦權(quán)法主要有熵權(quán)法、客觀權(quán)重賦權(quán)法（CRITIC，Criteria importance through intercriteria correlation）、變異系數(shù)法等方法，CRITIC 法綜合考慮了指標(biāo)的對比強(qiáng)度與沖突性，效果較優(yōu)，故采用CRITIC 賦權(quán)法確定客觀權(quán)重。為克服單一賦權(quán)方法的局限性，采用主客觀組合賦權(quán)方法對票務(wù)設(shè)備健康評價指標(biāo)賦權(quán)。

模型參數(shù)初始化估計步驟如下。

（1）基于票務(wù)設(shè)備健康評價指標(biāo)體系，采用AHP 法獲得準(zhǔn)則層及指標(biāo)層判斷矩陣，一致性檢驗(yàn)后，歸一化求取各層次指標(biāo)權(quán)重，利用準(zhǔn)則層權(quán)重與指標(biāo)層權(quán)重求得各指標(biāo)主觀權(quán)重 ωj（j=1,2,···,k）。

（2）運(yùn)用客觀賦權(quán)法CRITIC 計算標(biāo)準(zhǔn)矩陣標(biāo)準(zhǔn)差、相關(guān)系數(shù)及指標(biāo)所含信息量，進(jìn)而確定客觀權(quán)重 μj（j=1,2,···,k）。

（3）考慮主觀經(jīng)驗(yàn)和客觀數(shù)據(jù)內(nèi)在因素影響，采用最小二乘法綜合主、客觀權(quán)賦權(quán)法確定的指標(biāo)權(quán)重，求得評價指標(biāo)組合權(quán)重Wj。公式為

式（5）中：ωj、μj分別表示主、客觀賦權(quán)法確定的指標(biāo)權(quán)重值；xij為設(shè)備i評價指標(biāo)j狀態(tài)信息；N為票務(wù)設(shè)備數(shù)量；k為評價指標(biāo)數(shù)量。

3 基于改進(jìn)Wiener 退化模型的設(shè)備剩余壽命預(yù)測

由于票務(wù)設(shè)備的結(jié)構(gòu)復(fù)雜性與功能耦合性，無法準(zhǔn)確構(gòu)建設(shè)備機(jī)理分析模型，而Wiener 退化過程可以提供令人滿意和靈活的系統(tǒng)退化描述，適用于票務(wù)設(shè)備運(yùn)行過程中的頻繁修復(fù)、自愈或因使用強(qiáng)度降低而導(dǎo)致的非單調(diào)退化，被廣泛應(yīng)用于描述退化過程。

本文根據(jù)票務(wù)設(shè)備健康狀態(tài)評估模型H，評估票務(wù)設(shè)備健康度，并將其作為Wiener 退化模型Z(t)的輸入，得到票務(wù)設(shè)備壽命預(yù)測值，根據(jù)壽命預(yù)測值得到PSO 優(yōu)化目標(biāo)函數(shù)F，同時，通過參數(shù)估計得到更新后的評估模型H′，進(jìn)而評估票務(wù)設(shè)備健康狀態(tài)等級并制訂分級運(yùn)維策略。

3.1 票務(wù)設(shè)備剩余壽命預(yù)測

采用Wiener 退化模型Z(t)模擬票務(wù)設(shè)備的退化過程，Wiener 退化模型為

式（6）中：Z(t)表示t時刻研究對象的狀態(tài)退化量；λ為漂移參數(shù)；σ為擴(kuò)散系數(shù)；B(t)為標(biāo)準(zhǔn)Brownian 運(yùn)動，反映研究對象隨時間的退化過程。

上述Wiener 退化模型要求對不同診斷評估對象具有相同的漂移參數(shù)，由于票務(wù)設(shè)備在設(shè)計生產(chǎn)過程中的不確定性，采用統(tǒng)一模型模擬不同票務(wù)設(shè)備退化情況與設(shè)備實(shí)際情況不相符，一定程度限制了模型的適用范圍?；诖?，本文提出了隨機(jī)效應(yīng)約束下的Wiener 退化模型，即針對客站不同型號的票務(wù)設(shè)備，采用不同漂移參數(shù)對模型進(jìn)行調(diào)整，該退化模型為

式（7）中：Zi(t)、zi,0分別為票務(wù)設(shè)備i在t時刻和t=0 時刻的退化量；λi為票務(wù)設(shè)備i的隨機(jī)漂移參數(shù)，服從正態(tài)分布；σi為設(shè)備i的擴(kuò)散系數(shù)，描述退化過程的隨機(jī)不確定性。

基于上述退化過程，當(dāng)其退化量Zi(t)首次達(dá)到票務(wù)設(shè)備失效閾值l，定義設(shè)備的壽命Ri為

根據(jù)Wiener 過程特性及參考文獻(xiàn)[9][14]可知，設(shè)備性能退化增量 ?zi,s=zi,s-zi,s-1獨(dú)立且滿足高斯分布，得到設(shè)備性能退化增量 ?zi,s的似然函數(shù)為

式（9）中：Θ={ λi,σi}為退化模型的未知參數(shù)集；?zi,s表示票務(wù)設(shè)備i在第s次監(jiān)測與第s-1 次監(jiān)測之間對應(yīng)的性能退化增量（對應(yīng)公式（1）中的票務(wù)設(shè)備整體健康度H的變化增量?H）；zi,s表示票務(wù)設(shè)備i在第s次監(jiān)測時對應(yīng)的性能退化量（對應(yīng)公式（2）中票務(wù)設(shè)備i的健康度h）；m表示監(jiān)測的次數(shù)；?t表示時間間隔，?ts=ts-ts-1；?t=(tm-t0)/m。

采用極大似然估計方法，令 ?ln(L(Θ))/?Θ=0，求解得退化模型參數(shù)，公式為

通過選取某時刻票務(wù)設(shè)備的歷史運(yùn)行數(shù)據(jù)，根據(jù)式（1）、式（2）可計算票務(wù)設(shè)備健康度，將其作為改進(jìn)的Wiener 退化模型的輸入。

根據(jù)概率密度函數(shù)得到票務(wù)設(shè)備壽命Ri概率p(Ri)，進(jìn)而得到票務(wù)設(shè)備壽命Ri的數(shù)學(xué)期望E(Ri)。

由設(shè)備壽命Ri的數(shù)學(xué)期望E(Ri)及式（11），求解得票務(wù)設(shè)備的壽命預(yù)測值為：

3.2 健康狀態(tài)評估模型優(yōu)化

建立一個票務(wù)設(shè)備壽命預(yù)測值與實(shí)際值之間均方誤差最小的優(yōu)化目標(biāo)函數(shù)，對票務(wù)設(shè)備健康狀態(tài)評估模型 H的模型參數(shù)進(jìn)行優(yōu)化?；谄眲?wù)設(shè)備健康狀態(tài)評估模型的設(shè)備剩余壽命預(yù)測值與真實(shí)值均方誤差的最小目標(biāo)函數(shù)為

式（13）中：i表示某個票務(wù)設(shè)備，minF為基于模型的設(shè)備剩余壽命預(yù)測值與真實(shí)值的均方誤差最小目標(biāo)函數(shù)，、Ri分別表示該票務(wù)設(shè)備壽命的預(yù)測值和真實(shí)值，Xi,0、Xi,m分別表示票務(wù)設(shè)備i在t0、tm時刻的運(yùn)行狀態(tài)信息，θ表示健康狀態(tài)評估模型參數(shù)（以矩陣形式表示），θT表示健康狀態(tài)評估模型參數(shù)矩陣的轉(zhuǎn)置，l表示票務(wù)設(shè)備失效閾值，m為采樣時間間隔數(shù)量，?t表示時間間隔，n為票務(wù)設(shè)備的數(shù)量，K為設(shè)備評價指標(biāo)總數(shù)，k為具體的某個評價指標(biāo)，θk為第k個評價指標(biāo)對應(yīng)的健康狀態(tài)評估模型參數(shù)。

將票務(wù)設(shè)備健康狀態(tài)評估模型H的參數(shù)初始值與壽命預(yù)測值代入目標(biāo)函數(shù)式（13），利用粒子群算法（PSO，Particle Swarm Optimization）求解模型最優(yōu)參數(shù)，綜合當(dāng)前票務(wù)設(shè)備運(yùn)行數(shù)據(jù)，得優(yōu)化的票務(wù)設(shè)備健康狀態(tài)評估模型H′，為計算票務(wù)設(shè)備當(dāng)前健康度、確定其健康狀態(tài)等級奠定基礎(chǔ)。

3.3 票務(wù)設(shè)備健康狀態(tài)評估

基于統(tǒng)計學(xué)習(xí)和專家的故障診斷分析知識，結(jié)合客站設(shè)備健康管理需求，將票務(wù)設(shè)備健康等級劃分為健康、亞健康、注意、警告和故障等5 個健康狀態(tài)等級[15-16]，如表1 所示。

表1 票務(wù)設(shè)備健康狀態(tài)等級劃分

在初始化票務(wù)設(shè)備健康狀態(tài)評估模型H基礎(chǔ)上，通過獲取當(dāng)前票務(wù)設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)，利用上述方法更新模型參數(shù)，得到優(yōu)化的票務(wù)設(shè)備健康狀態(tài)評估模型H′，根據(jù)式（1）和式（2）計算當(dāng)前設(shè)備健康度，依據(jù)表1 確定票務(wù)設(shè)備健康狀態(tài)等級，為不同健康狀態(tài)等級票務(wù)設(shè)備制定差異化維護(hù)保養(yǎng)計劃，實(shí)現(xiàn)對票務(wù)設(shè)備的預(yù)測性維護(hù)與精細(xì)化運(yùn)維管理，進(jìn)一步提高票務(wù)設(shè)備健康管理水平，確保設(shè)備安全穩(wěn)定運(yùn)行。

4 實(shí)例分析及驗(yàn)證

在客站不同類型票務(wù)設(shè)備中，實(shí)名制核驗(yàn)閘機(jī)數(shù)量眾多，且作為旅客進(jìn)出站出行服務(wù)的關(guān)鍵設(shè)備，其運(yùn)行狀態(tài)的穩(wěn)定對客站服務(wù)質(zhì)量至關(guān)重要。因此，選取某高速鐵路客站實(shí)名制核驗(yàn)閘機(jī)作為試驗(yàn)對象，采用Matlab R2018b 軟件，通過仿真算例驗(yàn)證文中提出的健康狀態(tài)評估方法的可行性和有效性。

4.1 試驗(yàn)相關(guān)數(shù)據(jù)

4.1.1 票務(wù)設(shè)備評價指標(biāo)體系

為全面反映票務(wù)設(shè)備的健康狀態(tài)，遵循科學(xué)性、系統(tǒng)性、可操作性等原則，通過與票務(wù)設(shè)備管理人員研討、專家咨詢等方式，結(jié)合票務(wù)設(shè)備運(yùn)維實(shí)際情況，確定以票務(wù)設(shè)備性能、運(yùn)行工況、維護(hù)保養(yǎng)等3 個方面的9 個指標(biāo)作為評價指標(biāo)，構(gòu)建票務(wù)設(shè)備健康評價指標(biāo)體系，如表2 所示。

表2 票務(wù)設(shè)備健康評價指標(biāo)

表2 中，故障發(fā)生頻次是票務(wù)設(shè)備平均每年發(fā)生故障的次數(shù)；MTBF 為票務(wù)設(shè)備每年無故障運(yùn)行總時間與故障次數(shù)的比值；MTTR 為票務(wù)設(shè)備每年維修消耗總時間與維修次數(shù)的比值，它度量的是維修工作效率的改善狀況；無故障運(yùn)行時長是票務(wù)設(shè)備從上次故障修復(fù)后累計運(yùn)行總時間；故障維修響應(yīng)是在票務(wù)設(shè)備發(fā)生故障后，維修人員從接到維修通知到現(xiàn)場維修的平均時間。

4.1.2 判斷矩陣

通過對客站票務(wù)設(shè)備管理情況的調(diào)研，分析評價指標(biāo)體系的合理性與可行性，并邀請多名領(lǐng)域?qū)＜野凑赵u價指標(biāo)體系各指標(biāo)重要性分別構(gòu)建判斷矩陣，采用式（14）專家評價總體標(biāo)準(zhǔn)差對各判斷矩陣進(jìn)行綜合計算，若相關(guān)度 δi,j<1（即：第i個設(shè)備的第j個評價指標(biāo)的相關(guān)度），則認(rèn)為專家意見相對統(tǒng)一，采取各專家判斷值的平均值作為專家組判斷矩陣；反之，通過與專家協(xié)商調(diào)整判斷矩陣，使其滿足條件。

式（14）中：eij為矩陣E中的元素，表示第i個設(shè)備的第j個評價指標(biāo)所對應(yīng)的指標(biāo)值；E=lgM，M為判斷矩陣；m為專家人數(shù)。

由此構(gòu)建形成設(shè)備健康評價體系準(zhǔn)則層、指標(biāo)層判斷矩陣分別為MB、M1E、M2E、M3E，其中，M1E為準(zhǔn)則B1 對應(yīng)的判斷矩陣，M2E為準(zhǔn)則B2 對應(yīng)的判斷矩陣，M3E為準(zhǔn)則B3 對應(yīng)的判斷矩陣。

4.1.3 試驗(yàn)數(shù)據(jù)樣本集

結(jié)合客站實(shí)名制核驗(yàn)閘機(jī)屬性及其運(yùn)行規(guī)律，試驗(yàn)數(shù)據(jù)樣本集分為票務(wù)設(shè)備歷史運(yùn)行數(shù)據(jù)（data_history）樣本集和當(dāng)前運(yùn)行數(shù)據(jù)（data_current）樣本集，其中，data_history 樣本集是試驗(yàn)客站實(shí)名制核驗(yàn)閘機(jī)在運(yùn)行過程中產(chǎn)生的全壽命周期數(shù)據(jù)，data_current 樣本集為對該客站50 臺在役設(shè)備基于時序的運(yùn)行數(shù)據(jù)矩陣序列，同時，選取了300 個不同的時刻構(gòu)建設(shè)備運(yùn)行數(shù)據(jù)矩陣，data_current={Mn1;Mn2;···;Mnt}(n=1,2,···,50;t=1,2,···,300)為 設(shè)備在t時刻的運(yùn)行數(shù)據(jù)矩陣；Mnt為第n個設(shè)備在t時刻對應(yīng)的運(yùn)行數(shù)據(jù)矩陣。

4.2 模型參數(shù)估計

利用data_history 樣本集初始化健康狀態(tài)評估模型，并通過多指標(biāo)綜合評價、Wiener 退化模型及數(shù)模雙驅(qū)動等3 種不同方法，預(yù)測票務(wù)設(shè)備壽命，分析票務(wù)設(shè)備健康狀態(tài)評估方法的準(zhǔn)確性。

4.2.1 指標(biāo)權(quán)重初始值確定

本文選取實(shí)名制閘機(jī)進(jìn)行試驗(yàn)，票務(wù)設(shè)備健康狀態(tài)評估模型H僅考慮單一設(shè)備類型，選取data_history 樣本集，利用AHP 賦權(quán)法和CRITIC 賦權(quán)法分別確定設(shè)備評價指標(biāo)的主觀權(quán)重值wj和客觀權(quán)重值 μj，采用最小二乘法求解組合權(quán)重值Wj。設(shè)備健康評價指標(biāo)權(quán)重如表3 所示。

表3 設(shè)備評價指標(biāo)權(quán)重值

由表3 可知，平均修復(fù)時間、平均故障間隔時間、故障發(fā)生頻次、故障維修響應(yīng)等指標(biāo)權(quán)重值相對較大，表明上述評價指標(biāo)的運(yùn)行數(shù)據(jù)對設(shè)備健康狀態(tài)診斷評估結(jié)果有著較大影響。

4.2.2 退化模型參數(shù)估計

隨機(jī)選取實(shí)名制核驗(yàn)閘機(jī)在任意兩個時刻的歷史運(yùn)行數(shù)據(jù)，通過票務(wù)設(shè)備健康狀態(tài)評估模型評價設(shè)備在不同時刻的健康狀態(tài)，并將其評價結(jié)果作為退化模型Z(t)的輸入，根據(jù)式（10）求解退化模型參數(shù)均值，得()=(0.32,1.429)。

4.2.3 模型參數(shù)優(yōu)化

根據(jù)式（12）預(yù)測實(shí)名制核驗(yàn)閘機(jī)剩余壽命，將剩余壽命預(yù)測值與實(shí)際值代入目標(biāo)函數(shù)式（13），采用PSO 算法優(yōu)化目標(biāo)函數(shù)，初始化設(shè)備健康狀態(tài)評估模型。將隨機(jī)生成的100 個以指標(biāo)綜合權(quán)重和設(shè)備壽命首達(dá)閾值組成的10 維向量作為初始粒子，設(shè)置學(xué)習(xí)因子為2，慣性權(quán)重初始值 w=0.9，隨著迭代次數(shù)逐步遞減，至w=0.4，迭代次數(shù) num=500時的試驗(yàn)結(jié)果如圖2 所示。

圖2 目標(biāo)函數(shù)最優(yōu)化求解

由圖2 可以看出，隨著迭代次數(shù)增加，目標(biāo)函數(shù)均方根誤差梯度迅速下降，速度向量標(biāo)準(zhǔn)差曲線在迭代200 次左右逐步穩(wěn)定。此時，目標(biāo)函數(shù)均方根誤差趨于穩(wěn)定，且速度向量標(biāo)準(zhǔn)差較小，得到目標(biāo)函數(shù)最優(yōu)參數(shù)為

式（15）中：W?為健康狀態(tài)評估最優(yōu)模型的指標(biāo)組合權(quán)重；ζ?為首達(dá)失效閾值，即平均壽命約65個月。

4.2.4 實(shí)驗(yàn)結(jié)果分析

基于本文數(shù)據(jù)集樣本，針對數(shù)模雙驅(qū)動方法在剩余壽命預(yù)測的效果，與單一的數(shù)據(jù)驅(qū)動方法和模型驅(qū)動方法進(jìn)行對比分析，以驗(yàn)證基于數(shù)模雙驅(qū)動方法在票務(wù)設(shè)備健康狀態(tài)評估與壽命預(yù)測方面的準(zhǔn)確度。針對該數(shù)據(jù)集的均方根誤差（RMSE，Root Mean Squared Error）、平均絕對百分比誤差（MAPE，Mean Absolute Percent Error），采用越小越優(yōu)型性能指標(biāo)進(jìn)行評估，分別為

式（16）和式（17）中：ERMSE表示數(shù)據(jù)集樣本的均方根誤差；EMAPE表示數(shù)據(jù)集樣本的平均絕對百分比誤差；yi表示樣本數(shù)據(jù)真實(shí)值；為相應(yīng)的樣本數(shù)據(jù)的預(yù)測值；φ為樣本數(shù)量。

采用多指標(biāo)綜合評價、Wiener 退化模型及數(shù)模雙驅(qū)動等3 種方法分別得到評估模型H、Wiener 退化模型Z(t) 和優(yōu)化后的評估模型H′，對不同時刻票務(wù)設(shè)備的剩余使用壽命進(jìn)行預(yù)測，并對比分析以上3 種方法的壽命預(yù)測值與真實(shí)值的平均準(zhǔn)確度，試驗(yàn)結(jié)果如圖3 和表4 所示。

表4 設(shè)備壽命預(yù)測性能比較

圖3 不同時刻實(shí)名制核驗(yàn)閘機(jī)剩余壽命預(yù)測結(jié)果

圖3 所示實(shí)名制核驗(yàn)閘機(jī)在不同時刻的采集數(shù)據(jù)，預(yù)測剩余壽命整體趨于遞減趨勢，表明隨著實(shí)名制核驗(yàn)閘機(jī)在役運(yùn)行，因受機(jī)械磨損、運(yùn)行環(huán)境因素等影響，剩余使用壽命隨之減少；同時，由圖3可知，相較于其他兩種方法，本文提出的數(shù)模雙驅(qū)動方法對壽命的預(yù)測值更接近實(shí)名制核驗(yàn)閘機(jī)的真實(shí)壽命值。表4 給出了多指標(biāo)綜合評價、Wiener 退化模型、優(yōu)化評估等3 種不同方法在均方根誤差、平均絕對值百分比誤差和平均準(zhǔn)確性等性能的對比結(jié)果，由此可知，本文提出的數(shù)模雙驅(qū)動方法在性能指標(biāo)上有明顯優(yōu)勢，平均準(zhǔn)確率分別提高了5.61%和5.87%。

4.3 設(shè)備健康狀態(tài)評估驗(yàn)證

（1）選取data_current 樣本集中50 臺在役設(shè)備在t1、t2（t1

表5 在役設(shè)備t1 時刻初始化運(yùn)行數(shù)據(jù)

（2）在初始化健康狀態(tài)評估模型和退化模型基礎(chǔ)上，利用選取的當(dāng)前設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)更新模型參數(shù)θ=[0.11,0.02,0.23,0.03,0.13,0.12,0.21,0.04,0.11]，計算當(dāng)前設(shè)備在t1，t2 時刻的健康度，如圖4 所示。按照表1 設(shè)備健康狀態(tài)等級，t1，t2 時刻設(shè)備的健康等級具體分布情況如圖5 所示。

圖4 票務(wù)設(shè)備在兩個不同時刻的健康度

圖5 設(shè)備兩個不同時刻的健康等級分布情況

從圖4 中可以看出，票務(wù)設(shè)備在t1 時刻的健康度較高于t2 時刻，如編號14、18 等5 臺設(shè)備由等級“健康”退化為“亞健康”，編號24、45 等7 臺設(shè)備由等級“亞健康”退化為“注意”，由此可知，隨著票務(wù)設(shè)備在役運(yùn)行時間增加，設(shè)備的健康度隨之降低；此外，通過圖5 能夠發(fā)現(xiàn)，t2 時刻健康等級“故障”的設(shè)備數(shù)量小于t1 時刻，經(jīng)分析實(shí)驗(yàn)結(jié)果得知，設(shè)備3、31 等5 臺健康度處于健康等級“故障”臨界值附近，由于客站設(shè)備開展周期性維護(hù)保養(yǎng)，在設(shè)備維護(hù)保養(yǎng)后其健康度有所提高，使得設(shè)備健康度發(fā)生調(diào)整，與實(shí)際維護(hù)情況基本相符。

綜上所述，通過本文提出的設(shè)備健康狀態(tài)評估方法，實(shí)現(xiàn)對在役票務(wù)設(shè)備合理的健康狀態(tài)評估，能夠?yàn)榻】禒顟B(tài)較差的設(shè)備提前預(yù)警提示，并指導(dǎo)開展設(shè)備精細(xì)化運(yùn)維管理與維修處置，避免設(shè)備發(fā)生故障，延長設(shè)備使用壽命，最終實(shí)現(xiàn)鐵路客站設(shè)備全壽命周期透明管理。

5 結(jié)束語

本文針對鐵路客站票務(wù)設(shè)備管理中存在的不足，綜合考慮了設(shè)備運(yùn)行歷史數(shù)據(jù)與其自身機(jī)理特性，采用數(shù)模雙驅(qū)動理念，構(gòu)建了基于數(shù)模雙驅(qū)動的設(shè)備健康狀態(tài)評估模型。經(jīng)過深入研究、實(shí)驗(yàn)驗(yàn)證及實(shí)踐應(yīng)用，相較于數(shù)據(jù)驅(qū)動、模型驅(qū)動的單一驅(qū)動方法，數(shù)模雙驅(qū)動方法具有更高的壽命預(yù)測準(zhǔn)確率?；跀?shù)模雙驅(qū)動方法實(shí)現(xiàn)了對在役票務(wù)設(shè)備健康狀態(tài)的準(zhǔn)確評估，進(jìn)而正確判定和預(yù)測設(shè)備健康狀態(tài)等級及風(fēng)險，為鐵路客站票務(wù)設(shè)備實(shí)現(xiàn)精細(xì)化運(yùn)行維修、延長使用壽命、節(jié)能降耗、降本增效，以及保障鐵路客站票務(wù)設(shè)備的安全穩(wěn)定運(yùn)行提供理論及決策依據(jù)。