科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了更加科学地评价地铁车辆的可靠性状态，并依据评价结果指导车辆检修策略的调整，使上线车辆的可靠性处于可控状态，提出采用灰色综合评估和粒子群算法优化反向传播神经网络(PSO-BP)预测相结合，综合评价地铁车辆当前的可靠性状态。依据地铁车辆安全评价相关标准，确定地铁车辆可靠性状态评定等级、取值范围及对应状态。基于车辆各子系统当前故障数据分析获取各子系统可靠度及评分值，同时利用层次分析法确定各子系统所占车辆的权重，根据各子系统评分值及权重采用灰色综合评估法确定车辆不同可靠性等级的比重，对车辆可靠性状态进行预分析。利用BP神经网络和PSO-BP神经网络可靠度预测模型，根据历史故障数据对车辆各子系统的可靠度进行预测，并对比2种模型的预测精度。根据灰色综合评估法预分析结果和PSO-BP神经网络可靠度预测结果，综合评价车辆当前的可靠性状态。以上海地铁某车型为例，依据各子系统的故障数据进行算例分析及验证。研究结果表明：PSO-BP神经网络相比于BP神经网络预测的相对误差降低了4.39%，具有较好的预测精度。将灰色综合评估和PSO-BP预测相结合，可以更客观准确地评价地铁车辆当前可靠性状态，为深入开展轨道交通车辆的可靠性评价体系研究提供新方法与案例支持。
- 单位
