基于RAMS的轨道交通信号转辙机设备重要度分析

朱晨呈

（南京地铁运营有限责任公司，南京 210012）

近年来，城市轨道交通行业的高速发展和轨道交通总运营里程数的不断增加，对于设备的可靠性提出了越来越高的要求。转辙机设备作为城市轨道交通的关键信号设备，保障其安全有效运行具有非常重要的意义。传统的转辙机设备监测维修主要采用人工定期检修的方式，受限于检修人员的专业能力、熟练程度以及敬业度，检修过程中存在较多不确定因素，从而导致轨道列车在运行过程中存在较大的潜在风险。因此，借助人工智能技术和大数据技术进行转辙机设备的智能监测以提升监测质量成为了近年来的研究热点。从故障隐患排查和可靠性的角度判断，用智能监测技术取代人工维护是势在必行的发展趋势。然而，受限于智能监测设备的开发成本和开发周期，在最短的时间和最低成本下优先解决最为关键和重要的设备部件的智能监测具有非常重要的价值和意义。

为了能够准确评估转辙机监测过程中各部分的重要程度，本文采用层次结构模型对转辙机各组成部件进行重要度分析，根据RAMS参数指标，通过统计分析多年的故障数据得到转辙机高频率故障点和重要部件，为转辙机关键设备智能监测工作提供优先级，从而为借助大数据和模式识别等先进技术实现智能监测提供参考依据。

1 基于RAMS的设备维修管理研究

RAMS是国际电工委员会(International Electro- technical Commission，IEC）颁布的国际铁路系统标准，包括了可靠性（Reliability）、可用性（Availability）、可维护性（Maintainability）和安全性（Safety）4个方面。从20世纪初开始，轨道交通行业引进了RAMS标准并广泛应用，取得良好效果，并以此构建了行业标准。

刘述芳等[1]提出了通过数据分布检验信号系统设备的寿命分布规律，以可靠性为约束，建立了城市轨道交通信号维修周期优化模型。李国正[2]开发了故障诊断系统和专家系统，建立和完善了车载设备RAMS标准相关数学模型，提出了优化维修模式的决策方法。宋丹[3]考虑了设备检测的不确定性，提出的单部件研究策略和受约束的赫威斯准则鲁棒优化模型对于优化信号运营安全性和可靠性具有重要现实意义和研究 价值。

上述研究主要是借助RAMS准则研究轨道交通设备的寿命及故障发生的规律，从而优化设备的维修模式。而本文重点是研究转辙机设备在长期工作中的可持续状态，借助RAMS准则完成相关定性指标和定量指标的表示，用量化的参数明确不同使用时间对应不同设备部件的检修故障内容以及故障频率，通过判断检修故障内容可以实现评估转辙机设备各部件的重要度，按照越重要优先级越高的原则，为转辙机关键设备智能监测工作提供优先级排序，从而为借助大数据和模式识别等先进技术实现智能监测提供参考依据。

2 基于RAMS的设备关键度评估

本文借助融合聚类分析思想的层次结构模型分析法[4]，通过加权平均获得指标权重。用该方法对城市轨道交通设备各部件进行重要度评估的步骤如下：第一步，借助公式计算准则层与目标层的比例权重；第二步，借助RAMS准则将各设备部件按照每一准则进行分类汇总，同时按照归属每一准则的下比例权重对各部件进行加权处理；第三步，通过对上所述两个权重进行整合处理，最终获得每个设备部件对目标层的组合权重值。在上述评估的基础上，再结合RAMS准则，按照各设备部件的组合权重进行排序，从而获得关键部件和重要部件。

本文通过调研轨道交通信号部件的维修情况，对信号部件关键度的评估从可靠性、可维修性、安全性、经济性等4个方面入手，同时利用层次结构模型分析法确定不同影响因素的权重值，并依托大量实际检测的故障数据来进行分析，最终综合出评定值模型，从而实现借助转辙机智能监测设备制定不同信号部件的监控策略[3]。

RAMS的4个要素可以进一步细分为故障率、功能影响、运行影响、安全影响、维护时间、维护难度、可监控性、维护成本和停机损失等9个方面。若要基于RAMS理论对转辙机单部件进可靠性评估，同时根据各部件关键度的级别进行分类，并根据重要程度挑选出最重要的设备进行维护，首先需要确定设备关键度评价范围，其次要依据RAMS关键度参数分级评价，再次要对设备进行大量的数据调查分析，最后通过层次分析法计算权重并得到单部件的关键度。另外，为了明确地划分评价因素等级，现将每个因素设定为5个评分等级[2]，根据历史故障数据可得出组件大部分因素的评分（这里采用百分制）。

现有的转辙机故障分为两大类，分别是人为因素和物理因素。其中，人为因素包括操作和维修失误，物理因素包括电磁干扰、化学侵蚀、振动、温度和灾害等。由于转辙机工作环境露天且维修成本高、维修情况复杂，综合各因素对设备故障的影响，可结合维护和故障信息对主要功能组件进行划分，并设置设备维修层次，如图1所示，其中可根据实际情况进一步划分中间层。

设备维修层次设置完成后，需要评价信号转辙机所有部件的关键度。首先，需要统计并完成转辙机系统典型故障样本集的构建，并结合故障样本数据的特征进行分析。其次，借助相关设备关键度评估标准以及转辙机设备各部件的关键度来完成各个因素的等级评分。最后，根据具体情况对数据进行调查分析，并将数据进行分类总结[2]，以便对转辙机设备的所有部件进行关键度数据调查和关键度评价。

3 基于聚类分析思想层次结构模型分析法的转辙机部件关键度模型

基于聚类分析思想的层次结构模型分析算法的分析过程如下：首先，根据具体问题需求构建一个描述系统功能或者系统特征的独立递阶层次结构；其次，对不同因素进行两两比较来获得其相对重要性，并根据比较结果获得相应比例标度；最后，构造出某上层元素对下层相关元素的判断矩阵，从而获得相关元素对某上层要素的相对重要序列，以此计算出权重因子[4]。

按照相关要求统计历年转辙机设备的故障数据，整理设备的故障原因，并对所选转辙机关键成分的7个故障因素进行关键度评分。通过对2017年1月至2019年12月某地铁转辙机的故障数据进行采样，每3个月数据为一组，按照故障原因划分并进行分类统计，总共整理出样本数据20份。采用聚类分析思想的层次结构模型分析方法对信号转辙机单部件进行分类时，先通过计算获取准则层对目标层的权重，然后通过RAMS关键度评估将部件分类汇总并进行加权，最后通过加权平均得到指标的权重。同时，结合RAMS把得到的各部件组合权重进行了排序分类[5]，并拣选出转辙机设备的关键部件，从而完成设备的关键度评估。根据转辙机设备各部件的故障数据统计采集样表，按层次结构模型分析算法计算权重因子得出转辙机各部件的关键度排序如表1所示。

表1 转辙机各部件关键度排序表

经过大量的故障数据统计和转辙机设备维护管理经验的调研总结，以及关键设备信息的采集，明确了监测部件，建立了设备信息数据库，完善了履历表。借助以上数据信息可以对转辙机各部件关键度进行对比分析，并统计获得的关键度排序表，从而估计各模块的故障概率以及出现故障后带来的影响损失和设备的维护周期。根据上述相关信息可以完成设备各个部件的重要度排序，为转辙机关键设备智能监测工作提供优先级排序方案，这对智能监测设备的开发、规划和布署均具有非常重要的意义。

4 结语

本文借助轨道交通行业内部RAMS参数和聚类分析思想的层次结构分析模型对信号转辙机设备各部件进行关键度评估，从而优化转辙机设备维护模式，并为转辙机智能监控提供数据参考，更为信号智能监测技术的开发提供了大量的数据和算法支撑。鉴于轨道交通信号系统复杂且易受其他系统干扰，设备故障情况复杂多变且难以预测，因此构建有效的维修周期模型，优化设备智能监测系统非常有必要。然而，现在的智能监测设备技术不成熟且不完善，更需要进行深入的研究开发。通过本文的研究，能在最优的情况下找到转辙机智能监测的关键设备，并将其作为监测重点进一步开发，从而完善监测过程，优化数据结果，降低设备维修成本，提高监测结果的可靠性，促进转辙机智能监测技术的应用和开发。