动车组受电弓系统失效风险分析

动车组受电弓系统失效风险分析

吴春合

中国铁路北京局集团有限公司北京动车段乘务车间102600

摘要：受电弓系统是动车组非常重要的组成部分，它的主要功能是在接触网与车体之间建立起高效且稳定的连接。这篇文章主要研究的就是对受电弓系统可能存在的失效风险如何进行分析的问题。

关键词：受电弓系统；故障树；贝叶斯网络

引言

受电弓系统的稳定运行是确保列车获取动力的前提条件，一旦该系统出现了问题，就会严重影响动车组的正常运行。而且由于受流体需要安装在列车的外部，并且与接触网相连，因此在列车高速运行的状态下，受流体很容易受到冲击，故障发生的频率比较高。从这个层面上来看，想要提高动车组运行的稳定性以及服务质量就要对受电弓系统的失灵问题进行科学的分析，寻找到引发失灵问题的主要诱因，提高总体质量。

一、受电弓结构特点

与动车组上的其他设备相比，受流体结构有着很多与众不同之处。第一，受流体能够活动的部位质量很小，经过实验证明，该部分的质量语调，受流体接触线的高度变化也就越好，受流体与接触网的接触就会更为紧密。第二，受流体装置具有很好的静压力特性，活动部分在整个受流体的工作范围内其静压力值保持十分稳定的状态，静压力值无论是出现了上升或者下降都会影响受流体与接触网的连接效果。第三，受流体设备的互动部分在运行中处于水平状态，在作业高度出现变化的时候，要保持活动部分基本水平，避免由于前后接触不均匀而造成离线或者接触不良等问题[1]。第四，受流体设备具有很高的机械强度，在列车行进的过程中，受流体设备始终处于摇晃以及震动的状态中，加之其内部可以活动的关节非常多，因此想要保证其完整性就必须要保证每个部件均具有很高的强度。

二、故障树分析方式介绍

当前针对动车组受电弓系统的故障分析还没有形成一套完整的体系，从宏观上来说该工作还处于探索初期，就目前的情况来说，主流的分析方式是利用故障树分析法对可能引起受流体设备故障的因素进行分析[2]。故障树分析法在很早的时候就已出现，经过不断的发展已经成了一种比较成熟的故障分析技术，被广泛应用于各个领域。其主要的工作原理是对故障进行分析，选择出一个能够造成最为严重的后果，或者最需要避免的故障，将其划定为顶事件。之后寻找可以直接引起该故障的一些问题，并将其划定为中间事件，以各个中间事件作为基础进行分析，筛选出引起中间事件的因素，这些因素就是底事件，至此一套完成的故障树就被设计出来了。通过分析各个底事件之间的逻辑关系来划分最小割集。之后的工作就是进行实地考察，对于各个故障事件进行分析，然后计算出其发生故障的概率值，将数值带入相应的公式中，计算出每个最小割集可能引发顶事件的概率，进而对故障风险进行全面分析。

三、运用故障树分析受电弓失效风险

（一）T-S模糊故障树

在分析动车组受电弓系统故障风险的时候，我们可以采用T-S模糊故障树，该方法是故障树分析法与T-S模糊理论相结合的一种产物。在对故障风险进行研究的时候，使用模糊理论可以对动车组发生的各个故障事件进行描述，通过这种方式来解决多源异构而产生的数据不完整问题。在实际的分析过程中，先要以T-S模糊理论建立起严谨的门规则，即T门与S门，通过这两个门环境对于各种事件之间的关系进行准确表述，借此来克服动车组受流体设备故障原因不明确的问题。这里需要注意的是，在使用了T-S模糊故障树分析法之后，虽然可以对多源异构以及数据缺失状态下的故障问题进行合理的分析，但是这种分析工作还是会存在一些问题。一方面是计算量非常的庞大，很多的故障事假其发生的概率上限与下限之间的差距过大，需要大量的计算才能得出其加权平均值。另一方面由于在逻辑推理上存在一定的模糊性，因此无法进行反向的推理。

（二）贝叶斯网络

在对动车组受电弓系统所发生的故障进行分析的时候，一些故障的产生机理并不清晰，比如说自动过分向失效、受电弓无法上升以及支撑绝缘子破损等问题。为了让计算工作变得更加方面，可以与贝叶斯网络进行组合使用[3]。贝叶斯网络是一种有向的无环图，以有向边以及代表变量的节点构成。在贝叶斯网络中，每一个节点都代表着一个变量，众多的变量通过有向边进行连接，清晰地表明不同变量之间的逻辑关系，通过这种清晰的表述来对多态系统进行高效的表达工作，方便梳理底事件之间的逻辑关系，让最小割集的划分工作变得更加方便。在最小割集划分结束之后就可以将互相存在关联的最小割集并为一类，通过这样的合并最终得到几组相互独立的最小割集群，这些最小割集群就是引起顶事件的基本模型。

（三）故障树具体构建方式

首先，将T-S模糊故障树中的各种事件进行有序排列，然后转化为贝叶斯网络，这里需要注意的时候故障树中的各个事件要与贝叶斯网络中的各个节点进行对应，顶事件与叶节点对应、中间事件与中节点对应，底事件与根节点对应。其次，将故障树中的模糊门，也就是T门以及S门转化为贝叶斯故障条件概率表，因为模糊门的规则符合概率表独立性的要求，所以这两种数据可以直接进行转变。最后，将动车组受流体设备故障中的根节点设为X，将中间节点设为Y，并最终推导出叶节点T，以此来厘清受流体设备发生故障的根本原因以及故障类型[4]。比如说我们将“升弓继电器触头粘连”以及“终端RXCB板故障”分别设为X1、X2，由这两个故障推导出中间节点Y1，即自动过分相失效故障，由Y1引发叶节点T，也就是“受电弓失效”，这样三层逻辑的推理让故障的成因变得十分清晰，工作人员就可以通过解决根节点故障来降低中间节点故障发生的概率，并最终对受电弓失效风险进行有效控制。

四、结束语

使用T-S模糊故障树分析法以及贝叶斯网络模式可以对动车组受电弓失效问题进行全面的分析以及处理，通过对于底事件的详细分类来划定产生受电弓失效问题的故障类型，让维修以及升级工作变得更具针对性，为动车组的稳定运行提供有力的支持。

参考文献

[1]王宇,师蔚.基于故障树-贝叶斯网络的受电弓系统可靠性评估[J].测控技术,2017,36(9):131-134.

[2]李兴运,齐金平.基于T-S模糊故障树的受电弓系统可靠性分析[J].安全与环境学报,2018,18(1):33-38.

[3]董建明.受电弓与接触网系统电接触特性初探[J].工程建设与设计,2018(2):111-112.

[4]肖晓斌.受电弓——接触网系统电接触特性研究[J].环球市场,2017(9):124-124.