地铁族 » 轨道知识 » 电力机车寿命周期维修费用的混合模型

Levi 发表于 2008-6-17 12:59

电力机车寿命周期维修费用的混合模型

1 引言

n~6Xw9z"ZNf(\?6w
/M rH"l)Xt?ej 寿命周期费用（Llife Cycle Cost，LCC）理论发展至今已有60余年的历史，并在军事、石油、电力等领域得到应用。电力机车车辆寿命周期费用是全面反映机车车辆系统财政资源的一套综合参数，指在整个车辆寿命周期内的研发、设置、生产、使用、维护保障及报废处理等所有相关费用的总和。随着人类文明的进步和生活水平的提高，人们对机车车辆的安全性、可靠性、可维护性以及使用维护成本等诸多性能提出较高要求，期望机车车辆整个寿命周期费用低、且在寿命期内运营安全、维修方便。为满足要求和拓宽市场，需要结合机车车辆的实际情况、对机车车辆整个寿命周期内各个阶段的费用进行分析研究[1]，以实现它们之间的优化配置，达到提高产品性能和降低寿命周期成本的目的。在电力机车LCC分析中，LCC模型建立的好与坏直接关系到LCC分析是否准确有效。因此，有必要对LCC模型进行研究。%r~#Mx;b5f)m'ZH
Fn5^pSD$g
系统建模方法通常有三类：基于系统运行机理的建模方法（该方法有时候又称为工程建模方法）、基于系统输入输出数据的辨识建模方法和混合建模方法[2]。机理建模方法往往是基于系统过程机理的分析（如基于系统描述的微分方程、经验公式等），依据现场采集的数据拟合出输出与操作条件（输入）之间的关系；该法在建模过程中由于对实际系统认识的局限性，通常伴有许多假设，也难以包含随机因素，因此导致它的精度较低。辨识建模方法是基于系统过程分析选出相关输入量，再用辨识方法（如统计分析、神经网络、模糊推理、支持向量机、灰色理论等）拟合输出与输入量间的关系；该法通常仅用外部可测变量来建立模型，难以反映各变量的实际物理意义，因而模型的规律性相对难于把握，模型适应性差。本文采用机理建模与辨识建模相结合的混合建模方法，建立电力机车车辆LCC维修费用模型，估算电力机车LCC维修费用，即通过机理模型把握电力机车LCC维修费用输入输出间的变化规律、用辨识模型预测电力机车LCC维修费用输出随输入变化而变化的关系以及机理模型与辨识模型通过模糊关联结合。
fi
C] ArQ1B t3P]%]'S|o
2 常见LCC估算方法
TW\P!jmrk|W9`
Rk:k\F!nr h 目前常见的LCC估算方法主要有工程估算法、类比估算法、参数模型估算法和专家判断估算法。~%~a+@ h7ii
d
4U~#Bge{
（1）工程估算法
x%|v5]c Y3qt @8}h Py djtq|a;F
这是一种传统的费用估算方法，其特点是详尽、具体、繁锁、费时、但精度较高，可达90%。它是依据费用分解结构，对系统每一个部件或分系统在研制、生产和使用保障等不同阶段的各个环节和过程中需支出的费用（包括管理费、一般行政开支和合同承包费）加以测算，逐项叠加，得出整个系统各阶段的总费用，最后集成为寿命周期费用。
oX_a;F"C
GL[ MDc;C （2）类比估算法
*U9M!LGH8e
Ak$\r!ec 这种方法一般用于新研制车辆与现有车辆具有类似的功能，而且其结构和性能待征与现有车辆又是可比的情况。将新研制车辆与现有车辆（已有准确费用数据和技术资料）在技术、使用与保障方面进行比较，分析两者的异同点及其对费用的影响，利用经验判断求出新研制车辆相对于现有车辆的费用修正方法，再计算出新研制车辆的费用估计值。
+nH[P0w !]kS&^.C
该方法适用于研制的早期阶段，在不能采用参数估算法和工程估算法时使用，也经常用于验证参数估算法的估算结果。利用该方法可以估算寿命周期费用或某项主要费用单元费用，或者某一个主要分系统或设备的费用[3]。
h3[V+f_ f"k !t,[w)f|
只要对现有系统的各有关费用加以有针对性地修正（即考虑到配置上的差异），即可得到新系统所需费用。当然，这种修正主要凭借经验，不是偏高就是偏低，很不容易修正适当，故误差较大，所以此法很少独立使用。
s![/D%gY+G&P-`Q0M
,rMj5DUoC pq!_ （3）参数模型估算法
T*[b5\ nd` CXr9?]AVG
这种方法是利用同类系统的历史统计数据导出的数学关系来估算新车辆系统费用的方法。即利用汇集起来的具有类似用途的硬件与软件的现有大量数据库，仅用系统的少量的设计参数或特征量（如重量、尺寸等）来表达费用的参数方程，然后把一系列费用估算关系方程有机地编排和组合，构成费用模型，通过计算机处理，即可得出相应的费用。费用估算关系式可能是简单的，也可能很复杂，既可反映车辆研制，生产和使用保障费用，又能反映这些费用的个别部分或几个组合。因此系统级或分系统级均可采用此法来估算费用。s {dt2e| K6h-R}u:q_a

oK:I"j@x|v 参数法特别适用于车辆研制计划的早期阶段。此法要求输入的参数少，估算快，花钱也少，因此这种方法有助于分析车辆系统计划或设计方案变化时的费用[4]。它的估算精度取决于基本费用数据的质量和预期的外推精度。
'qBjj"~.X b{:j2v1L j
（4）专家判断估算法Q.\3ULJ1Tjp

zJ#d4R|!y 该方法是由专家根据经验判断估算出车辆寿命周期费用的估计值。由多个专家分别独立估算，然后加以综合，以提高估算的精度。一般在数据不足或没有足够的统计样本以及难以确定参数费用关系式时使用，或用于辅助其它估算方法。9xf AIK9o6g

)J2EV0ZEz&VUX 3 电力机车LCC维修费用模型Z)iC_MZ6`$b b5`

S@/uH!e7{'D!Y:_U 电力机车车辆的全寿命周期费用，一般可分为设置费用、运行费用、维修费用、运营支持费用和报废费用五部分，计算时各部分可以单独计算。对电力机车来讲，维修在何时进行、进行何种程度的维修很难掌握，但又必须掌握[5,6]。如果维修间隔过长，则车辆出问题的可能性增大，导致总LCC可能增大；如果维修间隔过短，则维修成本增大、总LCC也增大。如果维修合适，不但可以降低机车的维修费用、降低整个机车车辆的总LCC，还能使机车发挥最大的经济效益。因此，在电力机车车辆LCC五个组成部分中，维修费用的研究十分重要。5|N_4He4Ea,b
|/fM8DY5i3rD
3.1 电力机车LCC维修费用工程模型/@@'U-]:hFCvB
U-Jf

*v)n/O z7~$m{u 电力机车LCC维修费用工程建模方法是根据具体实际情况，将各部分费用按一定规则进行累加，对于难以量化的费用，一般采用折算为多少工时，再按每工时多少工费的方式进行计算。通常，电力机车车辆维修费用工程模型可分为临修费用模型、中修费用模型、大修费用模型和汇总费用模型四部分。l0sO1y2GLOD^R
E!b'E$I:v0\a$i-JF
（1）临修费用模型
6g0rJx9bKF7p 1gbU/ka$o3m.x
                                           （1） e-q(i]n?6z

{2Sl6k~s 其中：N－机车每年的走行公里。
gfJ$Ro
U)OV4HQ       n－机车的使用寿命。woN ?Va1V W
%T8R KDz(`8pZ
（2）中修费用模型
x"p K6P6M #PI J.z2?6cp
                                              （2）1c {z&g0S0tK;F+W

*iQU0~}w"al5H 其中：N－机车每年的走行公里。
'R4m!Z3~L&Z u
f/NUN&e,~i
（3）大修费用模型O9r0u3qq%eg

&f&r.U$a#A;V:T                                               （3）$bf&Q*F?OST0n

Rge m|2W;K 其中：N－机车每年的走行公里。&?b\+Jz)\ q#p.nZ
@7r,O,Q7|'vDX'o*w
（4）维修费用汇总;\%A2\1c3Hkt{^

"M/\[.s;H n%a#~                                                    （4）c D#Q:R
x

K
x j7r
C`8n] 其中： ---这里考虑了在维修过程中由于遇到意想不到的困难而请的专家费用以及一些不可预估的费用，故称 为调整系数。
/MNm,eEs9dT
FK,lZtG0h.P]e)~ 3.2 辨识模型!V4@.pHL0Y"y
a$k$h(r*Z ih,[
就辨识建模来说，根据实际情况一般可以分为三种情况：①可采集或可检测的数据样本很多，但可利用的物理变量不是很多；②可利用的物理量很多，但可采集和可检测的数据样本很少；③可利用的物理量不多，可采集和可检测的样本数据也很少，而且可利用的样本数据信息或可利用的物理量信息残缺或不全[7]。针对以上三种情况，可以利用三类建模方法进行辨识建模：对于情况①，可采用神经网络（neural network，NN）方法来建模；对于情况②，可采用支持向量机（support vector machine，SVM）方法建模；对于情况③，可采用灰色理论（grey method，GM）方法来建模。

w*G;h|3e
T U,^(Y@hTy 3.3 电力机车LCC维修费用混合模型&c ~@J)n(G.\

}
QO$agS 在电力机车车辆LCC维修费用建模中，比较实用的方法是：同时利用工程模型和辨识模型计算的结果，根据具体情况给于两者不同的影响因子，然后将两者的结果和影响因子相乘得出混合模型的计算结果 。
+|%swD$xb%b
.g [7n'` Sj 辨识模型的计算结果和工程模型的计算结果经过加权累加后，得到混合模型的输出结果。至于辨识模型计算结果的累加系数α和工程模型计算结果的累加系数β为多少，可以由多种途径确定，不过它们相加之和应为1。例如，可以用神经网络来学习得到，也可以把它们当作两个隶属度进而利用模糊关联的方式得到。一般来说，如果实际中，建模对象的特征和物理意义比较清晰时，工程模型的计算结果所占比重大为好，此时β接近1而α接近0为好，即此时工程模型在整个模型中起主要作用，而辨识模型起提高混合模型精度的微调作用。如果实际中的建模对象的特征和物理意义不清晰，人们对建模对象不了解时，则辨识模型的计算结果所占比重大为好，此时α接近1而β接近0为好，即此时辨识模型在整个模型中起主要作用，而工程模型起提高混合模型精度的微调作用。m0p1g C;ZO2U'M@
&Py)|$X|'q7t
4 韶山9型电力机车LCC维修费用模型算例:i"h7r [.U

,TL'^&Q4a{q!yxo8@ 4.1 研究背景简介/G7\XU^5v7n

8a@!AVG}.n(C(x'A 韶山9型干线客运电力机车，代号SS9，以成熟的韶山型系列电力机车技术为基础，采用了许多国际客运机车先进技术，是我国干线铁路牵引旅客列车功率最大的机车。机车主电路采用三段不等分半控桥整流电路，三台电机并联，无级磁场削弱及加馈电阻制动，实现了机车全过程的无级调速。机车内装有8668kVA大容量主变压器，实现了六轴电力机车主变压器与平波电抗器及滤波电抗器的一体化。SS9电力机车是我国自行研发生产的新型准高速客运六轴干线客运电力机车，2004年1月至今，已出厂该种机车近200台，目前主要应用于我国5个大型铁路局。
:T3vviA(z,c*JX
3X}0D~1| F-x D-| 4.2 韶山9型电力机车维修费用神经网络模型算例
;q A$BH*cU9T/H%D4sTk
dvT(~"?u6v&zZ 神经网络（neural network, NN）模拟人的大脑活动，具有极强的非线性逼近、大规模并行处理、自训练学习、自组织和容错能力等优点。神经网络除在模式识别、非线性动态处理及自动控制等领域显示出极强的生命力外，还在系统建模等方面取得了很好的应用效果。由于具有一定数量神经元节点的前馈神经网络可以以任意精度逼近任一连续函数，因此成为目前最为常用的LCC建模方法之一[8]。本文应用前向神经网络建立韶山9型电力机车维修费用辨识模型。 ~:zU p;FyT1Cu

OL5T N6\VKo $A1T$mr.ee]D
|x_S5@ }^w
--------------------------------------------------------------------------------
'xNnsy]F
5wC;@ c4tW/Q （1）实际算例1
8jb'W"S/{O
$Jn4fHBf 假设有一部SS9机车规定的维修情况如下：小辅修里程为4万km；大修里程为220万km； 总里程为650万km。?sku Q
a%~
I4B'`r4hh$F;Y|
将这些数据输入上面训练好的神经网络，可以得出该机车在整个寿命周期中，其总的维修费用约为2957万元人民币。:H~,Q'Z8{RL
-Bnzr-h[7`x
（2）实际算例2K'u8Fp{

_}cd0y,k
s } 假设有一部SS9机车规定的维修情况如下：小辅修里程为3.3万km；大修里程为200万km； 总里程为800万km。
\tEB$by1vA
} Q'qh6BSqN
将这些数据输入上面训练好的神经网络，可以得出在整个寿命周期中，该机车车辆总的维修费用约为3965.4万元人民币。
R-uB t/n1I
x6v_Ai%Vs 4.3 韶山9型电力机车维修费用工程模型算例
8Z*S*i;np(X n7gP3X'd*^-o OyT
根据该电力机车的实际情况和资料数据，其维修费用工程模型算例为：
@)h:M"P_"qc8Pu#s4H 7vU5wlfZ j
其中：
XcTRDP K*L
-eF~;IvQS(Q ——第1次中修费用9qHQ_}@K%v)I

6l5~dnv1pc t'`L ——第2次中修费用
-R'?L;G.?7],O kI6o}n/DB ^
——轻大修费用
N!_DR$pN,pp-s j)lSHui:H+c0m"V
——小辅修费用:Tt&IV$c8c+c0l(q

Gprv7VB ——一次大修周期的费用bR?+T6DBq
a$xnr3W+f'Ql Y.`DmA
——维修费总费用}7@{:eY-Pf

;BK"\PTWD3O
K 由以上工程模型的计算结果可知，该机车车辆在整个寿命周期内总的维修费用约为3200万元人民币。O[[$~j{9],r:T

I-|0Vq#G| A.^IR7m 4.4 韶山9型电力机车维修费用混合模型算例 Z g;p*^X`V
0D TE~8U
mU:b;J u+n_
在前面该电力机车的辨识模型和工程模型的计算中，神经网络辨识模型得出的维修费用约为3965.4万元，工程模型得出的费用约为3200万元。
7C;f7L&EbH!f|
:TM0Sk.\Z 由于该机车的维修模式是由我国铁道部规定的，很多变量和参数具有相对比较明确的规定。因此，用混合模型时，工程模型结果应该在混合模型结果中占主导地位，应给予较高的影响因子，根据经验，在这里令影响因子 。而辨识模型结果应该在混合模型结果中占次要地位，令神经网络辨识模型结果的影响因子 。因此，该电力机车车辆LCC维修费用混合模型算例为：5V `WU
N J{9c[W|Cx
*hdq$J y7o1y%}yG
                                             
sB/h ZfA$ji 0c a.B%yJ
~
其中：(a8?9ktE,a%_t,C

4qRU7i{'m(H ——混合模型维修费用估算结果（万元）q6BQlK5Vjh1I
kwnNG1N&G
——工程模型维修费用估算结果（万元） _$[ p|,@
a6XKCG-}
OU(g7J;A+D
——神经网络辨识模型维修费用估算结果（万元）
#KP3r6e-h(g
g}5Z.q[ ? 由以上混合模型的计算结果可以知道，该电力机车在整个寿命周期内总的维修费用为3353万元人民币左右。B;mDo6C v/n(J3h?A
([hF"oC/HgZLYu-h
5 结束语-RUS*p"L!q%}6Vmo7]h3Z

+`L"}1x x^/Zr 电力机车LCC维修费用建模，工程模型在实际应用时，虽然计算结果有时与实际情况误差较大，但不会出现违背常理的结论。辨识建模，如BP神经网络和RBF神经网络，具有任意逼近任意非线性函数的能力，并广泛应用于复杂过程的建模。但是辨识建模必须基于系统数据，样本数据是否有效对建模非常重要。而样本数据的选取受许多实际条件所限，一般不能覆盖整个变化范围，因此辨识模型的预测效果难于理想，有时甚至与实际变化相矛盾。本文把辨识建模和工程建模两者结合起来组成混合模型，集成辨识模型和工程模型的优点，使电力机车车辆LCC维修费用模型具有比较高的预测精度、预测的结果也具有相对比较明确的物理意义。另外，本文提出的建模方法也可推广应用于电力机车LCC其他费用的建模。
U z(j
z8K&]lai y8?)`wR2y

*U"^l@#R$v;k_ !IWBM,]#iJ
参考文献+k2_\j9}B
S

;c9| Y-y9YYf$C"v 1．叶岚. 机车全寿命周期费用(LCC)分析探讨[J]. 铁道机车车辆, 2005, 25(Sup): 106-108
0\$s1_8r.}G OQ&[ROO
2. 俞金寿，刘爱伦，张克进. 软测量技术及其在石油化工中的应用[M].　北京: 化学工业出版社, 2000
u'OwK$dpNL%h;d n W`)C%@Pj
3. 陈英武，廖良才. 武器装备的费用估算方法[J]. 国防科技参考, 1998, 19(3): 33-39
!V:P g
l4I2s ^1r 2mu;~$}nI:`
4. 梁庆卫, 宋保维, 潘光 等. 鱼雷武器系统寿命周期费用分析方法[J]. 系统仿真学报, 2004, 16(3) 393-396:/]n%g?F!{)_
%B n%d6vY;h.h\
5. 张振淼.  城市轨道交通车辆[M].   北京：中国铁道出版社, 1990
0A3y2z ]!?;HJ 0R+]6U!YJ*Jkz
6. 连级三.  电传动机车概论[M].     北京：中国铁道出版社, 2001}b.xB.qZPU

7Qk6{aRe'k 7. 陈国初. 微粒群优化算法及其在软测量建模中的应用[D]. 上海：华东理工大学博士学位论文, 2006
zt j\5K&IHA#` t6T K{E2l'K6S
8．赵磊, 程明坤. 神经网络在武器装备全寿命费用分析中的应用[J]. 装备指挥技术学院学报, 2002, 13(2): 33-35n%oJ'O;Q0\"b
Q wOk9\(P%?9rJ` X

sc)c |Viw2V{ 6n.LPM&n*A@
作者：中国南车集团株洲电力机车有限公司 肖高华 桑林刚 冯立平 黄宇

查看完整版本: 电力机车寿命周期维修费用的混合模型