大型养路机械捣固作业维修决策模型研究

2016-03-01 06:01徐伟昌
铁道科学与工程学报 2016年1期
关键词:预测模型



大型养路机械捣固作业维修决策模型研究

徐伟昌

(上海铁路局 工务处,上海 200071)

随着铁路运输速度的提高和轴重的增加,有砟轨道由于其结构的组合性以及道床的散体性,在重复性和随机性的列车动荷载作用下,冲击、振动破坏作用加剧[1-4],线路养修工作量增加[5-6]。行车密度增加,可供养护维修作业的天窗时间则越来越少,由此出现了运输和养护维修之间的矛盾[7-9]。借助于铁路养路机械化程度的不断提高,采用大型养路机械(以下简称大机)对有砟轨道进行以捣固为主的综合维修作业是解决运输与养护维修之间矛盾的有效手段[10-12]。大型养路机械捣固作业轨道质量评价指数(Track Quality Index to Large Machinery Tamping Work,TQITW)是左高低、右高低、水平和三角坑4项轨道几何状态参数偏差的标准差之和,其作为设备状态变化规律与作业手段两者相结合的评价指标,能更科学地反映线路设备状态变化规律[13]。但如何应用该指数确定维修时机,从而指导大机作业维修决策值得进一步研究。本文研究对象为上海铁路局管内沪昆线浙赣段:上下行全长516.8 km,设计最高时速200 km;最小曲线半径2 200 m,曲线占32.2%;路基占79.6%,桥梁占13.2%,隧道占7.2%;采用P60钢轨、CZ2516型提速道岔、跨区间无缝线路、Ⅰ级道砟、3B型轨枕和潘德罗扣件。

1大型养路机械捣固作业轨道质量评价指数(TQITW)的初步分析

对大型养路机械捣固作业轨道质量评价指数(TQITW)相关数据进行初步分析,其中2009-10~2011-04沪昆上行线TQI均值及TQITW均值对比图如图1所示。

图1 2009-10~2011-04沪昆上行线TQI均值及TQITW均值对比图Fig.1 Comparison of TQI mean value and TQITWmean value of Shanghai-Kunming upline during the period from 2009 October to 2011 April

由图1可知:TQITW和TQI随时间发展的整体变化趋势一致,由于未计入左右轨向及轨距的标准差,TQITW均值比TQI均值整体小一个较为恒定的数值;2010年3-5月间TQITW均值出现下降,经调查该时段全线进行了一次全面的大机捣固,大机维修作业能改善线路质量,轨道平顺性变好;在一个维修周期内,累积荷载作用使线路质量恶化,TQITW均值增加,轨道平顺性变差。TQITW均值随时间的变化规律能很好地反映大机维修作业对线路质量的改善作用以及累积荷载作用对线路质量的破坏作用这一对对立因素。在一个年度内基于一张基本运行图条件下,累积荷载作用与时间发展一致[14],为方便表述与计算,在下述分析计算时用时间来代替累积荷载作用。

2大型养路机械捣固作业轨道质量评价指数(TQITW)的变化趋势

2.1均值与方差变化趋势

由于维修作用的存在,TQITW随时间累积的变化规律在全面维修后终止,选取一个维修周期内(2010-05~2011-04)的数据进行分析,得到TQITW均值和方差随时间变化如图2和图3所示。

图2 沪昆线下行2010-05~2011-04TQITW均值变化趋势Fig.2 Tendency of TQITWmean value of Shanghai-Kunming downline during the period from 2010 May to 2011 April

由图2可知:在一个维修周期内,线路质量随时间发展(即累积荷载作用)呈恶化趋势,表现为TQITW均值随时间逐渐变大。

由图3可知:TQITW方差呈现先下降后上升的趋势,表明大机维修作业完成后初期,线路质量的离散程度变小,均匀性变好,在后期线路质量离散程度变大,均匀性变差。原因在于维修作业完成后初期,道床在列车荷载的动态作用下会有个自密实、自稳定的过程,TQITW方差变小,而在后期随着时间发展(即累积荷载作用),线路质量呈差异化发展,TQITW方差变大。上述初期稳定阶段时长与线路基础条件、运输强度有关,如基础结构、行车速度和运量等因素,因此不同线路间存在一定差异。图3中表明沪昆下行线的初期稳定阶段时长约为100 d。文献[13]研究表明,大型养路机械捣固作业轨道质量评价指数TQITW服从γ分布,因此结合TQITW均值和TQITW方差随时间的变化规律可知,在一个维修周期内TQITW随时间推移的变化趋势如图4所示。

图3 沪昆线下行2010-05~2011-04TQITW方差变化趋势Fig.3 Tendency of TQITWvariance of Shanghai-Kunming downline during the period from 2010 May to 2011 April

图4 TQITW分布随时间推移变化趋势Fig.4 Tendency of TQITWdistribution over time

图4反映了从时刻ta到时刻tb再到时刻tc(ta

2.2上下行线路质量相关性

为研究同一条线路同一个维修周期内上下行线路TQITW均值和TQITW方差的相关性,即是否能用同一种模型对上下行线路TQITW均值或方差进行表述,利用式(1)做相关性分析:

(1)

经计算发现,上下行线路TQITW均值间的相关系数高达0.971, TQITW方差间的相关系数可达0.793,均为强相关性。这一方面说明上下行线路由于线路条件、运量及环境影响等因素一致,线路质量随时间变化规律一致。另一方面也进一步说明用同一种预测模型描述上下行TQITW均值或TQITW方差是可行的。

3预测及维修决策模型

3.1预测模型

3.1.1大型养路机械捣固作业轨道质量评价指数(TQITW)均值预测

由前述分析可知,TQITW均值与时间之间成线性正相关关系,因此,采用线性模型来对TQITW均值进行预测,预测方程如下:

TQITW·n=TQITW·0+k(tn-t0)+β

(2)

3.1.2大型养路机械捣固作业轨道质量评价指数(TQITW)方差预测

由于TQITW方差在不同阶段表现出不同的变化趋势,因此采用分段线性模型来对TQITW方差进行预测,预测方程如下:

(3)

3.2维修时机决策模型

对式(2)进行求解,得到:

(4)

假定t0起始时刻的时间为零起点,式(4)可以简化为:

(5)

tn即为TQITW管理目标值m所对应的时间,即线路需在tn时刻前安排维修。

3.3线路维修服务水平

具体每一条线路及每一个区间TQITW管理目标值m由线路允许速度和运输条件等因素确定。对于时速200-250 km的线路,现有的轨道质量指数(TQI)管理值[15]如表1所示,扣除左右轨向及轨距3项的数值,在波长1.5~42 m范围内,大型养路机械捣固作业轨道质量评价指数(TQITW)的管理目标值为4.9 mm。

表1 轨道质量指数(TQI)管理值

将TQITW大于管理目标值m的区段长度与所有区段长度之比定义为超限比例p,如图5所示。超限比例p一方面反映了线路实际质量状态,另一方面也反映了线路维修工作量大小。

图5 维修决策时机示意图Fig.5 Timing decision of maintenance

近年来,为实现工务设备维护管理的科学合理,在铁路工务维修管理中推行线路等级管理,以期实现合理的投入产出率。现提出线路维修服务水平S(m,p)的概念用以指导养护维修作业,线路维修水平S(m,p)由线路允许速度、运输条件等因素确定的管理目标值m和大于管理目标值m的超限比例p决定。在管理目标值m确定及大型养路机械捣固作业轨道质量评价指数(TQITW)服从γ分布已知的情况下,按照有p%的区段TQITW大于管理目标值m时即组织养护维修作业将线路维修水平S(m,p)划分成下述5个等级,见表2。

表2 线路维修服务水平等级划分

注:mi由线路允许速度和运输条件等按规范确定。

在相同的线路维修服务水平等级下,由于允许速度和运输条件等因素确定的目标管理值m的不同,养护维修作业的工作量亦不同。此外,较高级别(如Ⅰ级)的维修服务水平会造成资源与养护维修成本的增加,较低级别(如Ⅴ级)的维修服务水平又因线路质量状态较差存在一定安全隐患。因此不推荐太高与太低级别的维修服务水平。因此为确定有砟轨道大机维修作业时机,首先可由预测模型求出任意时刻tn的TQITW均值和方差,其次结合线路运行速度和运输条件等因素确定大型养路机械捣固作业轨道质量评价指数(TQITW)的管理目标值m,最后结合具体的人力、物力和财力确定线路维修服务水平S的等级。在大型养路机械捣固作业轨道质量评价指数(TQITW)服从γ分布已知的前提下,养护维修决策时机的问题便转化为γ分布的概率计算问题。

4实例计算

以沪昆下行线2010-05-15~2011-04-20综合检测数据为例,分别计算TQITW的均值和方差,并确定其维修时机。

4.1TQITW均值预测计算结果

1)相关系数为0.831,拟合优度判定系数R2=0.851,表明TQITW均值与时间呈强线性关系。

2)斜率k=0.003,表明大型养路机械捣固作业轨道质量评价指数(TQITW)均值的恶化速率为0.003/d。

3)修正系数β=-0.005,表明TQITW均值预测值与实测值的差值极小,可以忽略不计。

4.2TQITW方差预测计算结果

1)2个阶段的相关系数分别为0.953和0.932,拟合优度判定系数R2=0.978,表明在分成初期稳定和后期恶化2个阶段后TQITW方差与时间呈强线性关系。

2)2个阶段的斜率分别为k1=-0.000 9,k2=0.001 3。表明初期稳定阶段大型养路机械捣固作业轨道质量评价指数(TQITW)方差的稳定速率为0.000 9/d,后期恶化阶段TQITW方差的恶化速率为0.001 3/d。

3)修正系数β1= -0.000 2,β2= -0.002,表明TQITW方差预测值与实测值的差值极小,也可忽略不计。

4.3维修时机的确定

根据预测的TQITW均值及方差,以及TQITW服从γ分布的统计特征,计算相应时间下概率分布,如表3所示。

表3 累积概率值表

表3给出了沪昆下行线自2010-05-15维修作业完成之后,TQITW均值、方差的预测值以及超过管理目标值4.9 mm以上的比例。将表3中TQITW值大于4.9 mm的比例随时间变化作图,如图6所示。

图6 TQITW值大于管理目标值4.9 mm比例变化图Fig.6 Percentage of TQITWover management value 4.9 mm

考虑一定的安全储备量和大机作业时间,并结合具体的天窗条件、气候条件和大机作业能力等因素,对于沪昆线浙赣段笔者认为Ⅲ级维修服务水平较为合理,即m=4.9 mm时,p取40%~50%。依据图6中的变化趋势,得到沪昆下行线维修间隔时间为480~540 d左右,即应在16~18个月间组织大机维修作业。

5结论

1)大型养路机械捣固作业轨道质量评价指数TQITW和TQI随时间发展的整体变化趋势一致,其随时间的变化情况很好地反映了大机维修作业对线路质量的改善作用以及累积荷载作用对线路质量的破坏作用这对对立因素。

2)对TQITW均值和方差随时间变化的关系进行了研究,发现在一个维修周期内,TQITW均值与时间成线性正相关关系,TQITW方差在初期与时间成线性负相关关系,在后期与时间成线性正相关关系。

3)提出了TQITW均值和方差的预测模型和维修时机决策模型,并结合TQITW管理目标值已知及其服从γ分布的统计规律,将预测问题转化为γ分布概率计算问题,给出了“线路维修服务水平”的概念,提出了铁路管理部门结合资源情况确定线路维修服务水平进而确定大机维修作业周期的方法。

4)以沪昆下行线2010-05-15~2011-04-20综合检测数据为例进行计算,建议其维修间隔时间为16~18个月。

参考文献:

[1] 刘扬.轨道不平顺与车轨动力响应之间的关系分析[J].石家庄铁道学院学报,2009,22(1):33-37.

LIU Yang. Analysis of the relationship between track irregularity and vehicle-track dynamic response[J]. Journal of Shijiazhuang Railway Institute,2009,22(1):33-37.

[2] 黄俊飞,练松良,宗德明,等.轨道随机不平顺与车辆动力响应的相干分析[J].同济大学学报(自然科学版),2003,31(1):16-20.

HUANG Junfei, LIAN Songliang, ZONG Deming, et al. Analysis of coherence between track random irregularity and vehicle dynamic response[J]. Journal of Tongji University(Natural Science),2003,31(1):16-20.

[3] Sadeghi J, Askarinejad H. An investigation into the effects of track structural conditions on railway track geometry deviations[J]. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit, 2009, 223(4): 415-425.

[4] Guler H, Jovanovic S, Evren G. Modelling railway track geometry deterioration[J]. Proceedings of the ICE-Transport, 2011, 164(2): 65-75.

[5] 王效堂.有砟客运专线工务设备养修模式探索[J].铁道建筑, 2010(2):121-123.

WANG Xiaotang. Exploring on maintenance mode for equipments of engineering department on ballast track of passenger-dedicated railway[J].Railway Engineering, 2010(2):121-123.

[6] Budai G, Huisman D, Dekker R. Scheduling preventive railway maintenance activities[J]. Journal of the Operational Research Society, 2006, 57(9):1035-1044.

[7] Meier-Hirmer C, Riboulet G, Sourget F, et al. Maintenance optimization for a system with a gamma deterioration process and intervention delay: application to track maintenance[J]. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 2009, 223(3): 189-198.

[8] Andrade A R, Teixeira P F. Biobjective optimization model for maintenance and renewal decisions related to rail track geometry[J]. Transportation Research Record: Journal of the Transportation Research Board, 2011, 2261(1): 163-170.

[9] 韩伯领,田长海,王钰滨,等.客运专线综合维修天窗形式比较[J].中国铁道科学,2009,30(5):95-99.

HAN Boling, TIAN Changhai, WANG Yubin, et al. Comparative study on the forms of comprehensive maintenance "window" for passenger dedicated lines[J]. China Railway Science,2009,30(5):95-99.

[10] 龚佩毅,高静华,叶一鸣,等.繁忙干线大型养路机械夜间线路大修综合施工轨道质量控制和容许速度的研究[J].铁道标准设计,2002(7):20-22.

GONG Peiyi, GAO Jinghua, YE Yiming, et al. A study on track quality control and permissible speed during major repair of busy trunk lines at night with heavy-duty maintenance machinery[J]. Railway Standard Design, 2002(7):20-22.

[11] 张振强.铁路线路大型养路机械的发展及展望[J].科技传播,2013(7):50-51.

ZHANG Zhenqiang. Developments and prospects of large-scale railway machinery[J]. Public Communication of Science & Technology,2013(7):50-51.

[12] 资林勇.铁路线路改造及维修施工技术与安全风险管理研究[D].成都:西南交通大学,2013.

ZI Linyong. Research of speed repair construction technology and security risk management of existing railway line[D]. Chengdu: Southwest Jiaotong University,2013.

[13] 徐伟昌.大型养路机械捣固作业轨道质量评价指数研究[J].铁道建筑,2014(7):139-142.

XU Weichang. Study on track quality evaluation index for tamping operation of large-type maintenance machine[J]. Railway Engineering, 2014(7):139-142.

[14] 徐伟昌.利用轨道质量指数(TQI)预测轨道不平顺发展的探讨[J].上海铁道科技,2011(2):5-7.

XU Weichang. Discussion on predicting the developing trend of railway track irregularity according to TQI[J]. Shanghai Railway Science & Technology, 2011(2):5-7.

[15] 铁运[2007]44号,既有线提速200-250 km/h线桥设备维修规则[S].

Rail Transportation[2007]No.44, Maintenance rules of track and bridge equipment for speed of 200 to 250 km/h existing lines[S].

(编辑蒋学东)

摘要:为解决运输需求与养护维修之间的矛盾,以捣固为主的大型养路机械作业已成为有砟轨道维修的有效手段。利用沪昆线浙赣段综合检测数据,分析大型养路机械捣固作业轨道质量评价指数(TQITW)均值和方差随时间的变化规律,发现TQITW均值与时间成线性正相关关系,TQITW方差在初期与时间成线性负相关关系,在后期与时间成线性正相关关系。由此建立TQITW预测模型和维修时机决策模型,给出了“线路维修服务水平”的概念,提出铁路管理部门结合资源情况制定线路维修服务水平,确定大机维修作业周期的方法。并以沪昆下行线检测数据为例进行计算,建议其维修间隔时间为16~18个月之间。

关键词:有砟轨道;大机作业;轨道质量指数;预测模型;养修决策

Maintenance decision model based on large machinery tamping workXU Weichang

(Shanghai Railway Administration Works Department,Shanghai 200071,China)

Abstract:For the purpose of solving the contradiction between transportation needs and maintenance works, large machines have been used as an effective way in ballast track, especially the use of tamping machine. Based on comprehensive detection data of Shanghai-Kunming Line in Zhejiang-Jiangxi section, this paper discussed the change rules of the mean value and variance value of Track Quality Index based on large machinery tamping work (TQITW). It has been found that the mean value is linear positive correlation with time while the variance value shows linear negative correlation with time at first and then increases in linear positive way. Therefore the prediction model on maintenance decision making was put forward. And the conception of railway maintenance service level was proposed, on this basis, in consideration of the resource condition, railway administrative department can determine the maintenance interval of large machinery tamping work. The detection data from Shanghai-Kunming downlink was taken as an example for calculating. A suggestion that maintenance interval is between 16 and 18 months was proposed.

Key words:ballast track; large machinery tamping work; track quality index; prediction model; maintenance decision

中图分类号:U216

文献标志码:A

文章编号:1672-7029(2016)01-0152-06

通讯作者:徐伟昌(1978-),男,浙江金华人,高级工程师,从事工务管理工作;E-mail:xwc000001@163.com

基金项目:国家科技支撑计划项目(2013BAG20B01)

收稿日期:*2015-03-05

猜你喜欢
预测模型
基于矩阵理论下的高校教师人员流动趋势预测
基于支持向量回归的台湾旅游短期客流量预测模型研究
基于神经网络的北京市房价预测研究
中国石化J分公司油气开发投资分析与预测模型研究
基于IOWHA法的物流需求组合改善与预测模型构建
基于小波神经网络的GDP预测
区域环境质量全局评价预测模型及运用
组合预测法在汽车预测中的应用
基于预测模型加扰动控制的最大功率点跟踪研究
我国上市公司财务困境预测研究