神朔鐵路鋼軌折斷風(fēng)險評估模型研究

張晚秋,劉仍奎,李云芳,王福田

(1.北京交通大學(xué)軌道交通控制與安全國家重點實驗室,北京 100044； 2.中國神華神朔鐵路分公司,陜西榆林 719316)

引言

鋼軌是軌道最重要的組成部分之一，直接承受列車荷載且引導(dǎo)車輪的運行方向，它的健康狀態(tài)，直接關(guān)系到列車運行安全[1]。就神朔鐵路而言，由于其具有運量大、軸重大、列車運行密度高等特點，導(dǎo)致軌道動態(tài)受力大，鋼軌傷損出現(xiàn)概率較大，鋼軌故障類型呈多元化發(fā)展，嚴(yán)重影響列車的運行安全[2]。因此有必要圍繞神朔鐵路鋼軌折斷風(fēng)險事件進行風(fēng)險評估，定量分析鋼軌折斷發(fā)生的可能性。

國內(nèi)外有許多專家學(xué)者對鋼軌折斷風(fēng)險事件開展過研究，Palese和Zarembski[3-4]利用統(tǒng)計方法分析了由鋼軌折斷造成的脫軌與鋼軌傷損檢出率之間的關(guān)系；Sourget和Riollet[5]構(gòu)建了基于logistic回歸方法的鋼軌折斷預(yù)測模型，用于預(yù)測特定位置發(fā)生鋼軌折斷的概率；Darwin[6]利用統(tǒng)計回歸和人工神經(jīng)網(wǎng)絡(luò)兩種技術(shù)開發(fā)了鋼軌折斷預(yù)測工具；Veskovic等[7]利用fuzzy logic模型對特定區(qū)段特定類型鋼軌的斷軌頻率進行預(yù)測。馮寶銳、王元清等[8]分析了鋼軌折斷的關(guān)鍵致災(zāi)因素；楊凱、瞿福林等[9]利用故障樹分析方法從鋼軌折斷機理角度研究了鋼軌折斷的主要原因；吳慶記[10]運用機理分析方法來研究鋼軌折斷原因。

本文參考國內(nèi)外鋼軌折斷風(fēng)險評估相關(guān)研究，在既有研究成果的基礎(chǔ)上，基于模糊推理方法構(gòu)建鋼軌折斷風(fēng)險事件可能性計算模型，計算每日每200 m鋼軌折斷風(fēng)險發(fā)生的可能性，輔助管理者實現(xiàn)鋼軌折斷風(fēng)險精細化管理。

1 鋼軌折斷風(fēng)險評估模型構(gòu)建

1.1 致災(zāi)因子劃分

依據(jù)國標(biāo)《生產(chǎn)過程危險和有害因素分類與代碼》[11]以及原鐵道部文件《工務(wù)系統(tǒng)安全風(fēng)險管理實施意見》[12]，結(jié)合神朔鐵路實際情況，將鋼軌折斷風(fēng)險事件致災(zāi)因子劃分為人的因素、設(shè)備因素、環(huán)境因素和管理因素四大類，用Bj(j=1，2，3，4)表示；共10個致災(zāi)因子，用Ai(i=1，2，…，10)表示，詳見表1。

表1 神朔鐵路鋼軌折斷風(fēng)險事件致災(zāi)因子劃分

1.2 致災(zāi)因子狀態(tài)量化評定模型

鋼軌折斷風(fēng)險事件可能性評估的時間單位為“日”，用“d”表示；空間單位為“200 m鋼軌單元區(qū)段”，設(shè)神朔鐵路線路共劃分成G個200 m單元區(qū)段(g=1，2，…，G，g表示單個區(qū)段的序號)，現(xiàn)以某一日某單元區(qū)段g為例來說明本文提出的致災(zāi)因子Ai的量化評定模型，令xi表示日期d區(qū)段g內(nèi)致災(zāi)因子Ai的狀態(tài)量化評定結(jié)果，xi計算模型如下

(1)人的因素B1類

A1：采用離日期d最近一次參與區(qū)段g鋼軌探傷作業(yè)人員的業(yè)務(wù)考試成績作為評定致災(zāi)因子A1的關(guān)鍵因素，令s表示業(yè)務(wù)考試成績，本文提出A1的量化評定模型如下

(1)

A2：若區(qū)段g內(nèi)存在焊縫，則采用離日期d最近一次參與區(qū)段g鋼軌焊接作業(yè)人員的業(yè)務(wù)考試成績，作為評定致災(zāi)因子A2的關(guān)鍵因素，A2量化評定模型與式(1)類似。若區(qū)段g內(nèi)不存在焊縫，A2的量化評定結(jié)果為0。

(2)設(shè)備因素B2類

A3：采用鋼軌傷損扣分?jǐn)?shù)作為評定致災(zāi)因子A3的關(guān)鍵因素。依據(jù)神朔鐵路鋼軌傷損等級評分管理規(guī)定，本文確定“鋼軌傷損等級為輕傷扣分1分，輕傷發(fā)展扣分2分，重傷扣分5分”的扣分原則，依據(jù)《修規(guī)》[13]設(shè)置鋼軌傷損扣分閾值為10分，令n1表示日期d區(qū)段g中等級為輕傷的傷損數(shù)，n2表示日期d區(qū)段g中等級為輕傷發(fā)展的傷損數(shù)，n3表示日期d區(qū)段g中等級為重傷的傷損數(shù)，令n123=n1+n2+n3，本文提出A3的量化評定模型如下

(2)

A4：致災(zāi)因子A4的量化評定模型同A3。

A5：神朔鐵路歷史上發(fā)生的鋼軌折斷較大比例發(fā)生在小半徑曲線上[14]，本文將半徑≤1 000 m的曲線定義為小半徑曲線區(qū)段，令R表示區(qū)段g曲線半徑，提出A5的量化評定模型如下

(3)

A6：列車在坡度區(qū)段制動頻繁，易導(dǎo)致鋼軌傷損發(fā)展。設(shè)坡度閾值為神朔鐵路最大坡度12‰，令h表示區(qū)段g坡度值，本文提出A6的狀態(tài)量化評定模型如下

(4)

(3)環(huán)境因素B3類

A7：采用晝夜溫差作為評定致災(zāi)因子A7的關(guān)鍵因素，利用距區(qū)段g最近的監(jiān)測點離日期d最近的監(jiān)測數(shù)據(jù)來確定日期d最高氣溫t1及最低氣溫t2，設(shè)閾值T為區(qū)段g歷史最大溫差值，提出A7的狀態(tài)量化評定模型如下

(5)

A8：特殊地質(zhì)地段是指風(fēng)沙、風(fēng)蝕地段和特殊巖土分布地段，根據(jù)神朔鐵路實際情況對處于此地段的鋼軌狀態(tài)量化評定結(jié)果統(tǒng)一定為0.1，如下

(6)

A9：特殊路段是指橋梁、橋梁過渡段，隧道、隧道過渡段、道岔區(qū)段，列車通過特殊地段時沖擊力較大，鋼軌傷損發(fā)展較快，易導(dǎo)致鋼軌折斷。若區(qū)段g處于特殊路段則其量化評定模型如下

(7)

(4)管理因素B4類

A10：采用鋼軌超期服役數(shù)作為評定致災(zāi)因子A10的關(guān)鍵因素，利用行車數(shù)據(jù)和調(diào)度指揮系統(tǒng)的確報數(shù)據(jù)來確定區(qū)段g的實際累計通過總重m，依據(jù)《修規(guī)》確定規(guī)定的鋼軌大修通過總重M，提出A10量化評定模型如下

(8)

1.3 鋼軌折斷風(fēng)險事件可能性評定模型

鋼軌折斷風(fēng)險事件是一個復(fù)雜事件，致災(zāi)因子Ai的狀態(tài)與鋼軌折斷風(fēng)險事件發(fā)生可能性之間的關(guān)系難以建立精確的數(shù)學(xué)模型。模糊推理方法可以基于模糊推理規(guī)則模擬人的智能行為，有效擬合各類致災(zāi)因子與鋼軌折斷風(fēng)險事件可能性之間的非線性關(guān)系[15]。本文所建立的鋼軌折斷風(fēng)險事件可能性評定模型由6個模塊組成，輸入變量致災(zāi)因子狀態(tài)值經(jīng)過模糊化、模糊規(guī)則庫建立、模糊推理、去模糊化等操作之后得到鋼軌折斷風(fēng)險可能性，具體模型結(jié)構(gòu)如圖1所示。

圖1 鋼軌折斷風(fēng)險事件可能性評定模型結(jié)構(gòu)

1.3.1 模糊化

模糊化方法又稱模糊集合論方法，指把待考察的對象及反映它們的模糊概念看成一種模糊集合，建立適當(dāng)?shù)碾`屬度函數(shù)，通過對模糊集合的有關(guān)運算和變換，對所考察對象進行定量分析。

(1)輸入輸出變量確定

由于神朔鐵路鋼軌折斷風(fēng)險事件的致災(zāi)因子較多，若直接用致災(zāi)因子的模糊值推理鋼軌折斷風(fēng)險事件發(fā)生可能性的模糊值，則會產(chǎn)生較多模糊規(guī)則，不便于現(xiàn)場實際操作。本文鋼軌折斷風(fēng)險評估模型將基于致災(zāi)因子大類Bj建立，即將B1、B2、B3、B4這四大類致災(zāi)因子的狀態(tài)作為模型輸入變量，輸出變量為鋼軌折斷風(fēng)險發(fā)生的可能性。

令yj(j=1，2，3，4)表示Bj的狀態(tài)評定結(jié)果，即yj是由屬于Bj的致災(zāi)因子Ai的狀態(tài)xi所決定的，即存在一種映射關(guān)系yj=f(xi)，一般可通過統(tǒng)計建模來尋找yj與xi之間的規(guī)律，采用平均數(shù)方法來計算yj

(9)

(2)輸入輸出變量模糊集合劃分

(3)隸屬度函數(shù)選取

隸屬度函數(shù)有多種不同形式，但在解決和處理模糊信息問題上具有殊途同歸的效果[17]。選取常用的高斯型隸屬度函數(shù)進行致災(zāi)因子模糊化，詳見式(10)。

(10)

本文輸出變量鋼軌折斷風(fēng)險可能性選取三角形隸屬度函數(shù)，函數(shù)形式

μCl(z)=trimf(z;al，bl，cl)

(11)

式中，z表示輸出模糊向量；μCl(z)表示z對模糊集合Cl的隸屬度；trimf表示三角形隸屬度函數(shù)；al、bl、cl為鋼軌折斷風(fēng)險可能性隸屬度函數(shù)參數(shù)，確定方法同上，其中(a低，b低，c低)=(0，e-6，e-5)。

1.3.2 模糊規(guī)則庫建立

模糊規(guī)則庫是模糊推理過程的核心部分，由若干模糊推理規(guī)則組成，是將致災(zāi)因子量化結(jié)果的模糊向量對應(yīng)到鋼軌折斷風(fēng)險發(fā)生可能性模糊向量的過程[17]。

模糊推理規(guī)則形式為

(12)

作者通過調(diào)研神朔鐵路管理現(xiàn)狀，建立了鋼軌折斷風(fēng)險事件模糊推理規(guī)則，此規(guī)則可隨著模型應(yīng)用時間不斷調(diào)整完善。本模型所建立的鋼軌折斷風(fēng)險事件發(fā)生可能性規(guī)則如圖2所示。

1.3.3 模糊推理與去模糊化

模糊推理是在模糊邏輯原則的基礎(chǔ)上，利用模糊規(guī)則決定如何將輸入論域U上的模糊集合與輸出論域V上的模糊集合對應(yīng)起來。采用應(yīng)用廣泛的Mamdani算法，推理鋼軌折斷風(fēng)險事件發(fā)生可能性的模糊值，Mamdani型模糊推理可以通過事先確定的一組推理規(guī)則實現(xiàn)從輸入到輸出的推理計算，從而建立準(zhǔn)確的模糊推理機制[17]。

令z*表示鋼軌折斷風(fēng)險事件發(fā)生可能性精確值，采用重心解模糊器(式(13))去模糊化。

(13)

1.4 鋼軌折斷風(fēng)險事件可能性等級評定

本文依據(jù)ALARP[18]準(zhǔn)則，參照國標(biāo)GB/T 27921—2011《風(fēng)險管理風(fēng)險評估技術(shù)》[19]，將神朔鐵路鋼軌折斷風(fēng)險事件可能性劃分為5個等級，Ⅰ(經(jīng)常)、Ⅱ(可能)、Ⅲ(偶爾)、Ⅳ(很少)和Ⅴ(幾乎不可能)，并將可能性等級從高到低分別用紅色、橙色、黃色、藍色和綠色表示。依據(jù)《軌道交通安全風(fēng)險管理》[20]確定風(fēng)險可能性劃分閾值，詳見表2。將式(13)計算出的z*與表2對照可以確定區(qū)段g在日期d的鋼軌折斷風(fēng)險可能性等級情況。

表2 鋼軌折斷風(fēng)險可能性等級判定規(guī)則

2 模型驗證

2.1 數(shù)據(jù)準(zhǔn)備

選取神朔鐵路神木北至黃羊城區(qū)間上行K30+000～K40+000共50個 200 m鋼軌單元區(qū)段g為研究對象，收集其2014年3月23日～2015年3月23日的鋼軌病害數(shù)據(jù)和鋼軌折斷致災(zāi)因子數(shù)據(jù)，基于1.3節(jié)建立的鋼軌折斷風(fēng)險評估模型，計算2015年3月24日50個200 m單元區(qū)段鋼軌折斷風(fēng)險事件發(fā)生的可能性。

2.2 模型計算過程

2.2.1 致災(zāi)因子量化評定結(jié)果

基于式(1)～式(9)，結(jié)合區(qū)間K30+000～K40+000的致災(zāi)因子數(shù)據(jù)，可得到所選區(qū)段2015年3月24鋼軌折斷風(fēng)險事件致災(zāi)因子狀態(tài)評定結(jié)果xi以及各大類致災(zāi)因子狀態(tài)評定結(jié)果yj，具體如表3和表4所示。

表3 區(qū)段g致災(zāi)因子狀態(tài)評定結(jié)果xi(部分)

表4 區(qū)段g致災(zāi)因子大類狀態(tài)評定結(jié)果yj(部分)

2.2.2 鋼軌折斷風(fēng)險事件可能性計算

基于鋼軌折斷致災(zāi)因子狀態(tài)量化結(jié)果及建立的鋼軌折斷風(fēng)險事件可能性評定模型，利用Matlab軟件進行計算，可得到神朔鐵路K30+000～K40+000上行共50個200 m區(qū)段在 2015年3月24日的鋼軌折斷風(fēng)險可能性，得出這50個區(qū)段g在2015年 3月24日鋼軌折斷風(fēng)險事件可能性隨空間位置變化的趨勢，如圖2所示。

圖2 2015年3 月24日神朔鐵路K30+000～K40+000區(qū)間鋼軌折斷風(fēng)險可能性變化趨勢

2.3 模型結(jié)果分析

根據(jù)2.2節(jié)的計算結(jié)果，神朔鐵路區(qū)間K30+000～K40+000內(nèi)共有3個單元區(qū)段屬于鋼軌折斷高風(fēng)險單元，47個低風(fēng)險單元。詳見表5。

表5 鋼軌折斷風(fēng)險可能性等級判定結(jié)果

為了驗證模型的有效性，收集了該50個單元區(qū)段2015年3月24日～4月24日的實際鋼軌病害數(shù)據(jù)，表6為其中7個單元區(qū)段的預(yù)測結(jié)果與實際數(shù)據(jù)的對比，包括3個Ⅲ級高風(fēng)險單元區(qū)段、2個Ⅳ級風(fēng)險單元區(qū)段及2個Ⅴ級風(fēng)險單元區(qū)段。這7個單元區(qū)段的實際鋼軌病害情況與模型計算出的風(fēng)險程度較為一致，這說明了模型的有效性，對鋼軌折斷風(fēng)險管理具有指導(dǎo)意義。

表6 模型計算數(shù)據(jù)與實際鋼軌病害數(shù)據(jù)對比

3 結(jié)論

(1)以200 m為單元區(qū)段，建立基于模糊推理方法的鋼軌折斷風(fēng)險可能性評估模型，計算鋼軌折斷風(fēng)險發(fā)生可能性大小，有效評估風(fēng)險可能性的等級，精確確定鋼軌折斷高風(fēng)險發(fā)生的位置，有助于實現(xiàn)鋼軌折斷風(fēng)險事件的精細化管理。

(2)鋼軌折斷風(fēng)險具有動態(tài)性，區(qū)段內(nèi)鋼軌折斷風(fēng)險發(fā)生可能性隨著致災(zāi)因子狀態(tài)不斷變化，不同時間空間位置上的致災(zāi)因子狀態(tài)不同，構(gòu)建的鋼軌折斷風(fēng)險評估模型可以計算出每日每200 m區(qū)段內(nèi)鋼軌折斷風(fēng)險事件發(fā)生的可能性，實現(xiàn)鋼軌折斷風(fēng)險的動態(tài)管理。

本文計算過程需要處理大量致災(zāi)因子數(shù)據(jù)和鋼軌傷損數(shù)據(jù)，為實現(xiàn)神朔鐵路鋼軌折斷風(fēng)險智能化和信息化管理，接下來，筆者將主要研究如何利用信息技術(shù)將本文的鋼軌折斷風(fēng)險評估方法轉(zhuǎn)化為現(xiàn)場可利用的工具。