摘要：城市轨道交通的运营安全和服务水平离不开城轨设备的安全可靠运行,合理的维修维护方法有助于提高城轨设备的可靠性,基于此,提出一种基于环境影响的预防性维修方法。首先,考虑外部环境因素对城轨设备可靠性的影响,以威布尔分布和比例故障率模型为基础,构建基于环境影响的威布尔比例故障率模型,使用极大似然法和粒子群算法进行模型参数优化估计;其次,引入役龄回退因子和故障率递增因子对设备退化过程进行建模,基于设备最低可靠度阈值确定设备预防性维修周期,并建立剩余寿命函数预测设备剩余寿命;最后,以地铁屏蔽门设备实际故障数据为例,选取温度变量为协变量表征外部环境因素对设备状态的影响。实验表明,基于环境影响的威布尔比例故障率模型的MAPE误差约为0.093 3,误差相较于传统威布尔分布模型降低约43%;使用基于环境影响的预防性维修方法得到屏蔽门设备的故障率、预防性维修周期、剩余寿命等数据并对计算结果进行了详细分析。基于环境影响的预防性维修方法可动态调整设备维修周期,能使设备维修维护更加科学合理,对城轨设备维修决策具有一定参考意义。

摘要：针对城轨设备欠维修和过维修等问题,提出考虑环境影响的城轨多设备维修策略。考虑到外部环境因素对城轨设备运行状态的影响,构建一种考虑环境影响的可靠性评估模型;以单个城轨设备为对象,以设备维修成本最小化为目标构建城轨单设备维修模型;以多个同类型城轨设备为研究对象,引入机会维修以考虑各设备之间的维修时间相关性,以设备平均维修成本最小化为目标构建城轨多设备维修模型;以某地铁换乘车站4台自动检票机实际故障数据为例,研究结果表明,多设备维修策略能有效降低设备维修成本,在730d内可以为每台自动检票机在单设备维修策略的基础上进一步节约维修成本约3921元,维修成本减少约10.74%。考虑环境影响的城轨多设备维修策略能够使设备维修维护更加合理,为城轨设备维修决策提供理论依据。

摘要：目前城轨设备维修周期的制定过于依赖设备维修指导手册、行业维修经验等,主观性较强,基于此,提出一种基于可靠性的城轨设备定期维修方法。构建一种考虑外部环境影响的可靠性评估模型以准确描述城轨设备的可靠性变化趋势;为优化城轨设备的定期维修周期大小,构建基于维修成本最小化的定期维修模型。以某地铁自动扶梯设备实际故障数据进行实例分析,结果表明,考虑外部环境影响的可靠性评估模型具有更小的残差平方和误差,其能准确表征外部温度、湿度对该自动扶梯运行状态的影响,且所提出的定期维修模型可使该自动扶梯在730天内节约维修成本约4220元,维修成本减少约11.72%。相关研究结果为城轨设备维修维护提供一定参考依据。

摘要：目的:地铁站点短时客流预测是地铁车站运营管理的重要组成部分之一,精准的客流预测结果可为地铁车站的运营计划提供数据支撑,需对地铁站点短时客流的预测方法进行系统、深入的研究。方法:以地铁南京南站(四线换乘站)为例,分析了该站点短时客流的变化规律,发现其在一周内存在3种日客流发展模式。基于此,使用STL(时间序列分解)算法和EMD(经验模态分解)算法对该站的原始进站客流进行双层分解,结合BiLSTM(双向长短期记忆网络)构建了该站的客流预测组合模型。将该组合模型的客流预测流程细分为3个阶段,选取合适的参数值,对输出的预测结果进行对比分析。最后对不同时间粒度的客流统计间隔进行试验,以验证客流统计间隔和模型预测效果的关系。结果及结论:STL-EMD-BiLSTM组合模型在3类日客流发展模式下的平均绝对百分比误差分别为5.0%、6.3%、6.3%。与其余5种预测模型相比,STL-EMD-BiLSTM组合模型的均方根误差、平均绝对误差和平均绝对百分比误差均为最优,这说明该组合模型的有效性和准确性。客流统计间隔增加,模型的预测效果随之提升。

摘要：在城市轨道交通网络化运营大背景下,设备智能运维需求愈加迫切。提出基于云-边-端架构的城市轨道交通设备智能运维系统,采用云边协同技术,将云中心的部分功能下沉至边缘侧,充分发挥云计算技术与边缘计算技术的各自优点,实现对终端数据的快速响应和有效利用。该系统集设备监测平台、设备健康管理平台、设备智能分析平台、应急指挥平台、专家系统为一体,具备设备状态在线监测、设备健康度评估、故障智能诊断、故障预测、智能分析、应急指挥调度等功能,可以降低设备故障率,提高设备运维效率,保障轨道交通线网的安全运营,对提升设备智能运维水平具有参考意义。

摘要：考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。