10.19713/j.cnki.43-1423/u.T20200761
基于GA-BP神经网络的列车关键部件预防性维修优化模型及应用
针对现有列车检修模式存在欠维修或过维修的不足,综合考虑列车运行安全性、经济性和高效性,提出一种基于GA-BP神经网络的列车关键部件不完全维修模型.首先,引入役龄回退因子,采用故障小修、预防性维修和更换维修相结合的维修策略;然后,以单位时间维修费用最小为目标函数,列车运行可靠度和周期内预防性维修次数为决策变量;最后,以某市地铁1号线列车车门部件为验证对象,结合GA-BP神经网络,对未来可靠度进行预测并验证准确性,预测结果作为模型决策变量寻优约束条件,获得最佳维修时间间隔.仿真结果表明:相比于现有检修模式,基于GA-BP神经网络的不完全预防性维修模型日均维修费用可节约24.07%,可靠度提高约3.4%,维修次数减少50%.研究结果可为地铁列车检修模式优化提供理论和实践参考.
列车、GA-BP神经网络、威布尔分布、不完全维修、可靠度
18
U279.4(车辆工程)
国家自然科学基金;广西自然科学基金重点项目;广西壮族自治区研究生教育创新计划
2021-08-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
1382-1391