【铁路系统动车组维护与管理PHM方案设计分析案例11000字】

24铁路系统动车组维护与管理PHM方案设计分析案例目录TOC\o"1-3"\h\u12928铁路系统动车组维护与管理PHM方案设计分析案例 120512第一章动车组检修PHM方案设计 1211921.1.动车组PHM技术应用现状和存在的问题 1139251.1.1.动车组PHM技术应用现状 136541.1.2.动车组目前存在的问题 2282021.2.动车组PHM系统设计方案应用 222621.2.1.动车组PHM系统的关键技术 2304561.2.2.动车组PHM系统结构组成及作用 4272871.3.动车组运用检修PHM总体方案应用 9113501.3.1.动车组运用检修的影响分析 9197591.3.2.动车组PHM运用检修流程 10175581.4.动车组转向架检修PHM方案应用 1527647第二章动车组PHM检修应用的类比评价 17149982.1.基于PHM技术的动车组优化分析 17305422.1.1.动车组PHM检修改进后的优点之处 1789272.1.2.动车组PHM检修方案可行性分析 17106102.2.基于PSO-HSMM的动车组状态识别 19119292.3.现有动车组PHM技术应用对比 21303242.4.动车组PHM技术应用存在的问题 21动车组检修PHM方案设计动车组PHM技术应用现状和存在的问题动车组PHM技术应用现状现状目前已经开始投入运营的CRH1、CRH2、CRH3和CRH5型系列动车组，都是在其上安装有传感器来采集动车组中关键零部件的运行状态信息，并且还配备有远程数据传输系统，通过3G互联网网络把动车组正常运行中的状态信息和事故诊断信息等进行传输至地面，对地方进行数据解析系统，这样就能够让在地方运用的维修人员能够可以及时掌握动车组在运转状态与故障情况[16]。但是只能实现对部分关键设备故障的短期预测和按时进行一定处理，不能从长远对其进行剩余寿命预测和健康诊断。动车组目前存在的问题1.由于安装故障传感器所需的相关设备和部件数量相对较少，且类型和功能不完，所以自动故障诊断的应用范围较小。然而，为了有效实现重要应用部件的早期故障预测，除了在重要应用部件中安装温度传感器外，还需要根据其实际使用的需要安装具有加速度运动的传感器，从而实现早期重要故障的检测和及时的故障预测。同时由于受到了设计、安装空间等诸多因素影响，安装的传感器数量、品种有限，所得到的信息不够全面，导致对各个关键零部件的故障定位精度和准确性都比较低。2.由于动车组运行环境恶劣，传感器的工作可靠性相对较差，导致动车组正常运行过程中传感器检测错误或报警的概率相对较高。在局部高温、外力振动等影响温度的主要因素综合作用下，温度传感器的正常工作性能和稳定性变差，工作出错时及时报警。3.故障预测主要基于阈值预测和特征预测。目前的故障预测主要是指远程监测数据系统将检测到的数接入或发送到地面。在设定阈值后，给出了预警模型。如果没有相应的预警模型，无法实现趋势预警、突变预警等特殊功能。除此之外，动车组的运行环境条件并没有充分考虑在内，因此其故障预测的水平程度不够高。4.当前，我国动车组PHM技术的应用被限制在了故障诊断和故障检测，一些重要部件可以实现一定服自动故障预测，但还没能实现其健康状态的管理。除此之外，动车组的检修主要以预防性检修为主，排除故障为辅，这样容易导致对部分设备的维修过度和维修不足的弊端。动车组PHM系统设计方案应用动车组PHM系统的关键技术本文在研究和进行我国动车组PHM系统的相关软件设计、开发及其应用的过程中，需要以下几种关键技术的基础和支撑，主要包括数据采集与分析、预警与预测、健康状况评估及视情况维护等决策。数据采集与处理技术获得有利于表征系统和零配件健康运行状态的参数资料信息是我们开展与PHM系统相关的工作开展的前提和依据，状态资料的质量和多少会直接影响到PHM系统的实际应用成功。对动车组PHM系统的大数据采集与处理技术的深入研究主要目的在于为了解决两个重要技术方面的难点:一个就是我们需要能够借助于车地远程传输和通信技术，实现对动车组系统及其关键零部件的车载运行状态监控参数稳定而实时地将其传输到当地的大数据服务中心，确保所有列车运行状态信息的全面和完整；二是因为我们需要自行定义统一的大型数据处理格式和规范，便于对各类信息处理，诸如振动参数、电量参数以及工艺性参数等信息的结构化、变换和融合，这些信息和数据主要包括了车辆运行状态信息、环境信息、制造数据、检查和维护信息、维护数据、履行信息、资料和服务信息。（2）预警预测技术预警预测技术既是PHM技术的关键、又是区别其他技术的明显特点，它们都是其中的核心与难点。故障预警分析预测方法就是从各种零部件的故障失效模型、失效特点和故障失效原因机理角度出发，采用系统统计的可靠性、数据驱动、机理分析研究等手段，预测各种零部件故障的发生、健康指标的劣化倾向、剩余使用寿命，并对其进行征兆性识别、故障定位及事件的故障分析隔离。合理制定误报警的阈值范围，在充分保证了预警结果的准确度同时，又能够严格管理误报警概率指标。（3）健康状态评估设备或零配件的健康运转状态主要是指设备在规定的条件下和所规定的使用时间内，能够具有一定的可靠性与维修能力水平，并且稳定、连续地完成设计中所预定的功能。对于动车组系统及其零部件所需要进行的健康状态评估主要涉及两个重点方面的内容:一是建立起比较完善的健康状态评估指标体系，采用定性或者是定量的手段来确定健康状态的具体细分层次，将列车健康状态区分为"健康"、"良好"、"亚健康"、"及格"及"故障"等5个层次，并向各级动车组交通运用监督管理机构推送故障排查，选择车辆使用，整治后维修，制订相应的措施。同时，研究者们通过对动车组系统和零配件长期健康状况的数据变化趋势进行了分析和评判，可以为动车组来源头的质量整治、维护周期的优化等工作提供大量的数据支撑。通过实时、长期的健康状况评价，可以为我国动车组中的全车和零部件长期服务性能和其演化规律研究工作者提供有益的基本依据和信息，实现对各种零部件、系统和车型的全面而精准的评估和分析。（4）视情维修决策视情况进行维修就是指人员通过对部件当前的状态进行预测其的劣化倾向，并以此为基础决定其维修的时机、方式进行预见性的维修。在PHM系统中，用户可以依据建议管理层和执行实施管理层的"提出建议"与"健康管理"两个基础性功能模块的相互协同作用并紧密地结合被监控对象的状况，从而为用户提出最优的应急处置决策建议和措施，包括最佳维护时机、保养措施、检查和考核评价机制等。视情维护的正常开展对于解决目前我国各种动车组旅客列车现阶段普遍存在的维护服务不足、太多维修、造价浪费等诸多弊端进行深入探索，对现有的修程维护制度起到了有益的改进和补充，对于大大提高了动车组的运用效率、节省了动车组的维护成本和提升了动车组的安全可靠性都具有着积极的意义。当前，针对各种动车组进行的视情况维修技术研究，主要根据自身情况需要解决3个重点方面的问题:一个就是通过不断地改进和完善对关键零部件的状态参数监测的范围，选择有效的性质参数以便表征各个零部件的性能状况；二是重点分析各种零件的特征参数演变规律，揭示各种零件性能的优缺点和趋势。动车组PHM系统结构组成及作用动车组维修管理单位更迫切需要进一步提高安全监测事故的预警管理能力，提高安全事故检测装置诊断结果的准确性，提高检测装置维修设备的健康安全管理水平，为有效解决我国铁路多单位在铁路运营列车维护管理中日益突出的安全管理问题和技术要求，根据我国动车组健康健康管理体系卫生系统管理框架的主要研究和监测内容及测试结果，以动车组列车健康为主要技术研究和监测对象，结合我国动车组健康健康管理体系的几种与健康相关的应用技术，提出并初步建立了动车组健康应用管理和班组运维安全决策管理系统。动车组的PHM列车系统按照其总体功能结构框架的基本功能特点分别进行了系统总体设计，在其总体功能结构框架上被具体划分分成为5个主要的功能层次，即信息感知、获取执行层、分析、建议层和任务实施层。各类动车数据经过国家规定的动车信息处理技术软件接口或网络协议，采集和整理汇总后即可放入保存到中国动车组织PHM动车系统管理平台的动车数据库，并同时可以实现对各类动车数据的采集归纳、处理和数据整合。动车组列车PHM再依据其列车可靠性、健康管理评估等指标分析相关指标和结合用户实际需要，借由各种统计算法和数据模型对用户指定的列车零配件、系统数据进行综合分析并直接形成列车故障检测诊断分析结果及各种列车可靠性、健康管理评估等相关指标分析数据，最后将用户分析的数据结果通过系统智能化地直接推送至各种列车运维辅助业务以及应用开发模块，为其运维辅助服务应用提供各种运维辅助技术支撑。如图4-1所示，在感知层级，通过设备或传感器感知系统性能的变量变化和物理参数的改变，从而将其反馈到获取层。该层级主要通过运行环境检测、车载设备检测和地面检测来感知各个数据变化。在获取层级，主要分为数据的采集以及数据的处理操作，同时数据操作分为数据处理、数据储存、数据管理和数据通信四大类别。数据采集主要通过感知层级的智能系统获取个所需数据，进而过物理线路和以太网传输到车载PHM系统。该层级主要功能为数据传输，通过车载传输网络、车地传输网络和地面传输通信网络将采集的数据实时反馈给地面PHM大数据服务中心。图4-1动车组PHM体系结构在分析层级，主要分为状态检测、健康评估和预测评估三大类别。状态监测主要对采集设备进行正常工作诊断，对故障进行隔离和对运行安全进行确认。健康评估对当前设备或部件进行剩余寿命预测，通过多元分析处理对结果进行评级，从而反馈出当前设备或部件的健康状态。该层级集成了数据融合和集成、数据储存与管理、数据处理与挖掘、元数据模型和数据互操作模块。该层级主要在地面大数据服务中心进行操作和处理。在建议层级，主要对分析层所处理的结果进行相应的决策判断，将状态数据信息以可视化的方式进行展示并预测出可能的故障形式，最终做出决策判断。在实施层级，将所做出的决策判断通过反馈方式传输到应用层，并通过健康管理系统的不同评级对设备或部件进行故障避免、恢复和缓解。建议层和实施层主要进行数据的应用，通过状态评估、故障预测、维修决策和故障大数据分析的模块将动车作PHM系统的优势充分发挥出来。如图4-2，4-3及4-4所示，为动车组PHM系统的三大子系统运用图。分别说明了数据的多元化处理以及车载PHM系统与地面PHM系统的联系与交互。动车组PHM系统中全部融合了各类模型和算法，并能够根据自动检测诊断的结果实时地发送应对情况等，进而将动车组的运用途中的效能化达到最高。图4-2动车组PHM故障诊断系统图图4-3动车组PHM健康诊断系统图图4-4动车组PHM剩余寿命系统图动车组运用检修PHM总体方案应用动车组运用检修的影响分析对于动车组来讲，不同的检修工作标准是根据检修工作开展的范围和检修内容进行界定的。对于一级检修工作来讲，其检修工作的范围主要包括了针对列车的车顶、车下以及车内与驾驶室几个主要区域的检修，检修工作的要求在于，要保证针对这几个区域的检修工作都细致准确的按照相应的检修流程开展检修工作，并且确保相应的检修工作质量，从动车组运用的角度来讲，当动车组连续运用时间达到了48小时或者已经达到一级修理的里程上限时，需要按照规定执行一级修理流程。在总体的检修用时方面，不得超过4小时，在检修期间，备用的动车组的运行累计时间不得超过48小时，对于检修完毕的动车组，也需要在经过了一级检修的前提下才能投入应用。关于实施一级检修的条件，需要结合具体的动车组类型以及动车里程上限确定是否开展一级检修。从检修工作对于运用的影响的角度分析，可知可能对动车组运用产生影响的检修级别包括了运用检修和高级检修两种类型。下文主要从运用检修入手，探讨检修工作对于动车组运用的影响。动车运用的调度和协调，由动车运用所来完成。因此，运用所自身的分布状态会对动车组的交路衔接状态形成约束作用。关于运用检修的约束效果，主要是对于动车组的单位时间内行程距离产生影响。当影响发生时，同步对动车组的列车交路公里数提出了约束条件，这种情况下，动车组的一级检修时间会从常规的48小时调整到运用48小时，这种调整和优化，尤其对于动车组运行与检修工作会产生非常积极的促进作用。在这里要强调的是，当动车组运用所出现夜间检修能力不足的情况时，应当及时调整检修计划，将检修的核心工作时间调整至日间。但这也会随之带来对日间检修工作的影响。比较典型的表现是，压缩了日间动车组的运用可行时间，使得动车组的总体运用效率有所下降。动车组PHM运用检修流程动车组PHM技术运用检修是在动车组现有检修流程的基础上进行改进和调整，主要是针对现有动车组检修流程存在过度检修和欠维修的弊端。而要进行改进和调整就必须有相应的应对策略。关于这方面的应对策略主要包括三个方面，第一，通过增加运用所的方式，将部分的检修和调度的协调压力进行缓解。第二，结合实际情况调配好车底的套用方式，从而促进整体的动车组检修工作量的压缩，减轻检修工作人员的工作负荷，从另一方面来讲，这也是避免检修工作出现误差和问题的一个有效方法。第三，针对日间检修工作的能力和技术水平进行提升。由于检修的工作会对动车组的运行带来比较显著的影响，因此，在检修工作开展的过程中，技术人员和管理人员需要对检修工作的开展从技术角度进行水平提升，在检修效率和检修质量上做到同步保障。要做到以上三个方面的应用，PHM的引入将极大提高动车组检修的效率和能力。在动车组进库之后，在原有检修人员与机械师进行故障交互的基础上，将引入人机维修接口，检修人员插入信息卡等操作访问地面PHM系统服务中心，将运行过程中通过该系统反馈的维修决策进行记录和清单打印，从而根据反馈的维修决策进行定点定位维修维。在现有基本运用检修流程上进行工作缩减，提高人员的时间效率并减少资源的利用率。在必要的流程基础上，如测试各种仪器、部件的性能运作等，可根据反馈的决策减轻检修人员的工作压力。除上面所述之外，也在整个运用线路上添加了各种传感设备，并组建了综合分析室包括监控中心、数据分析组、作业视频分析组和履职分析组来处理运用检修产生的数据。动车运用所产生的数据采集可分为八类，如图4-5所示。图4-5动车组数据采集分类图（1）动车组运行故障动态图像检测系统：由铺设在轨边的图像采集设备提供，利用专业相机将通过的动车组走行部状态信息，以图片形式实时反馈至终端设备，通过自动比对和人工分析相结合的方式，判断走行部部件状态，进而反馈给地面PHM系统进行处理。（2）轮对故障动态检测系统：设备安装在动车组出入库咽喉处，采用光截图像测量技术和电磁超声探伤技术，自动检测轮对外形尺寸和踏面缺陷，具备限度报警功能，将对轮对所产生的健康问题进行有效反馈并处理。（3）受电弓及车顶状态动态检测系统：设备安装在动车组出入库咽喉处，采用高速、高分辨率图像分析测量、压力传感器技术，实现受电弓关键参数自动检测，具备限度报警功能，将对受电弓和车顶状态所产生的健康问题进行有效反馈并处理。（4）车载无线传输系统：根据动车组列车网络控制系统工作原理，主要状态与报警信息在列车WTB/MVB网络上进行传输。车载主机接入MVB网络获取有关牵引、制动、轴温、空调、门等子系统状态的实时运行数据，通过GPS功能模块获取列车位置信息，通过GPRS发送实时数据。利用车载远程传输装置进行数据的传输，将列车状况实时反馈给地面PHM系统服务中心。（5）IC卡、CCU、TCU等：通过专用传输媒介进行车载数据下载，主要包括列车各主要系统参数、运行状态及诊断信息等。（6）作业视频影像资料：通过摄像手电、执法记录仪等视频记录设备采集音频资料，主要包括随车机械师作业过程、一、二级修作业过程、供断电作业过程、故障处理作业过程、质检员盯控过程等。（7）动车组检修数据：重要检修项目的数据记录，主要包括升级改造数据、探伤数据、轮对镟修数据、磨耗件更换数据等。该数据主要根据运用检修人员的记录和设备探测的感知所储存并传输的。（8）管理人员履职数据：通过视频、图片、文字形式的记录管理人员履职行为的数据。检修人员通过运用检修时的操作和处理对动车组进行更加有效的的防止误操作。从图4-6中可以得到故障预测的整体过程的流程，其中将PHM技术中几个关键技术融合其中。其采用多重传感器进行数据采集，在中央处理单元进行预处理，在通过无线及有线网络进行传输。在地面PHM服务中心进行后续的故障预测及健康诊断等多元化处理，最后反馈一定的维修决策。图4-6预测故障与诊断故障的流程图示如图4-7所示，为动车组PHM运用系统流程图的结构框架。通过传感器对速度、温度、电压、电流、牵引力等参数的采集，将其传入动车组基础组成系统进行预处理。然后根据系统诊断单元对其进行检测诊断，预报警及状态控制等操作，将数据传输到各个PHM子系统管理器。该系统主要有健康诊断、故障预测以及剩余寿命推理器组成。将实时数据通过不同的处理器进行处理，反馈给地面数据库。在地面PHM组成系统中，其地面PHM管理系统为核心部分，其主要包括了以下5大应用：列车健康评估、视情维修应用、应急辅助决策、故障预警预测以及列车状态检测。该系统实时与云端网络连接，将数据反馈给铁路局PHM系统数据中心和国铁集团PHM数据管理中心。同时，与维修决策系统相连接，将处理的数据在维修决策系统中以维修方案的形式呈现。维修人员通过连接地面维修来访问该系统，以获取检修计划和安排。同时，在检修的层次方面也有着一定的PHM处理系统。如在轨道两侧铺设一定的传感器，其中包括动态图像、振动信号、接触压力以及尺寸参数等采集数据。传感器通过检测动车组重要的部件，如轴箱轴承、轮对、受电弓以及空压机等各类传感数据，将其导入PHM管理系统。经过一定的处理，将监测的数据传入地面PHM系统，再根据反馈的维修决策进行健康或故障处理。同理，检修人员在库内进行检修时，也将与地面PHM系统进行数据交互和处理。图4-7动车组PHM运用系统流程图整个动车组PHM运用系统为闭环反馈系统，其借用了航空领域发展较为成熟的体系。在不同子系统的数据交互中，一旦发现错误和问题，将其反馈给动车组PHM设计系统。再通过专家人员的介入，将其存在的漏洞和错误进行人机修复，再通过数据传输等将其进行改进和更新，并在不断测试中得到更多完善的方案和处理手段。动车组转向架检修PHM方案应用用WiFi网络覆盖在一定的车间区域，建立一个局域网来存储大量的数据，通过路由器与主服务器相连，实现无线通信。员工通过智能手机的日常操作捕捉故障并上传至公司员工专用保护整改软件。上传后，将故障放入相应的主站模块，由主站相应人员进行处理。计算机终端与管理单位的专用软件功能密切配合，对在线故障进行检测，以便及时判断、处理和反馈故障，并将这些故障的处理结果存储在数据库中以供参考。针对日常故障处理的典型案例，由专业技术人员对信息系统进行详细的编辑和处理。编辑内容主要包括编号、型号、故障定位、编码、现象、处理方案等领域。通过故障信息的收集和数字化，可以完全覆盖车间故障信息。通过对大量数据的综合分析，我们发现我们所知道的各种问题对生产过程的持续时间有显著的影响，为实施控制工作奠定了坚实的基础。同时，我们还可以确定不同类型缺陷的数量，找出主要缺陷，促进生产标准的有效有针对性的提高，增加或缩短相应的工作流程，从而缩短或减少维修周期。另外，转向架的维修流程也需要从转向架部件的分解、转向架的存放清洗和干燥、转向架部件分解后的检查、性能测试和维修等方面进行改进。转向架是动车组的重要组成部分，因此需要维修的项目很多。动车组各转向架的维修技术和过程往往直接影响到整个动车组的维修工作。转向架在进行维修时，无论进行何种程度的维修，都有必要具体分析其所需要的维修技术和工艺。但转向架的检修主要在高级修中，因为在三、四级修中，转向架现如今存在较好的维修方案，因此PHM技术重点在于转向架在运用途中的应用。通过直接读取和分析采集到的动车组IC卡数据、CCU数据等进行了多个不同程度的读取和分析，检索动车组在故障期间发生的网压、运转加速度、牵引能力、制动力的变化等相关数据，判断动车组故障的原因，着重进行检查、消除。建立实时更新的动车组故障历史数据库，记录故障现象、故障位置、故障应急处理方法，计算故障频率，确定关键维护位置，总结同一系统不同位置的故障应急处理规则，为后续的故障应急处理工作提供解决方案，同时也为质量事故和安全问题的源头及早发现提供依据。其中设备检测与故障诊断流程如图4-8所示。图4-8设备状态检测与故障诊断的内容和流程

动车组PHM检修应用的类比评价基于PHM技术的动车组优化分析动车组PHM检修改进后的优点之处动车组PHM监测系统中自动监测、预警、数据分析等主要功能模块的应用，使列车运行过程中可能出现的救急指挥和应急响应系统得到了较大程度的完善。动车组运用紧急处理模式已逐渐从传统的故障现场发生后等待随车机械师通过专线电话在线求助的被动模式转变，并逐步变为主动应急干预为基础的实时信息自动预警系统。与此同时，应急指挥决策技术管理的实践过程逐渐由依靠专业人士不断学习实践经验的传统决策管理模式向系统应急与智能化应急有机结合的现代决策管理模式转变。基于状态的维修决策模块的主要功能是综合利用各个功能模块收集到的各种性能信息分析数据，如性能数据收集、状态检测、预警预测等手段。通过深层次地研究各种监控系统性能和维修应用，评判各种功能组件的整体性能优劣和性能规律，及时分析并发现组件的性能问题，并做出相应的解决方案。维护措施不仅可以更加灵活和准确的通过日常运作和人员活动实现，还大大减少了故障率等措施，节约了各种维护措施的成本，缩小了各种维护措施的范围，减少了维修人员的日常工作量，增加了各种维修措施和设备的技术可用性，还可以使每个检修人员的工作行为由被动变为主动，从而更具有自主化、智能化的技术优势。动车组PHM检修方案可行性分析该动车组PHM检修方案是在原有动车组检修体系上进行改进的，并且运用了从航空领域已经发展较为成熟的PHM技术，在理论上存在一定可行性。其次，该方案融合了大量数据分析，通过当前建立大数据库的处理更能有效地运用这个检修流程。目前，我国动车组随着车载信息网络传输、列车地面远程通信技术和发达的动车组故障诊断预测等先进手段的推进，我国已经具备了动车组部分重要部件的PHM运用能力，还有动车组检修管理体系也基本满足了运用动车组PHM技术系统的要求。此外，列车运行中的状态信息网络也得到了改进，在一定程度上促进了PHM技术在各动车组中的应用。随着我国动车组数字化、智能化、集成化和列车控制网络的发展，状态监测系统的建立和完善，动车组关键部件的车载自检和远程数据传输功能为具体实施动车组运行状态预警提供了可靠的技术依据。在动车组中应用PHM方法后，统一了车载信息标准，实现了列车与地面的实时信息交互，充分集成了国铁集团、铁路局、动车运用所、动车段和动车组的各种数据信息，从而保证数据信息在实时和非实时模式下的安全性。动车组PHM系统基于状态监测检测技术、关键部件故障预测和健康管理算法、无线通信技术和互联网大数据技术，调用海量数据实现PHM算法，并通过故障代码、图表和报告等多种方式给出故障评估和分析结果。通过深入研究动车组故障解决方案，我们希望在未来，我们可以让维护人员掌握实时系统的安全与健康，并能提供一个高效的平台系统进行诊断和分析故障状态。图5-1表达了动车组PHM系统的整个生命周期变化，其中对应了系统中故障预测和健康管理中的一部分关键时刻。系统从t0开始进入健康诊断过程，在t0到tE过程中始终在健康范围之内，此阶段并没有进入PHM处理阶段，未对寿命进行预测。在tE到tD阶段，PHM系统整体激活，开始进行剩余寿命预测。但开始时由于数据的缺少，预测结果不准确，随着数据的累积，结果逐渐趋于准确值。一直到tp时刻得到了能够较准确的剩余寿命预测的区间范围，此时与实际最后结果基本一样，开始进行下一步的操作。从tp到tF区间段，检测部件逐渐从预测结果向实际结果逐渐变化，最终到达实际失效时刻。直到此时，PHM系统完成了重要的故障诊断和寿命预测的整体工作。图5-1动车组PHM系统生命周期示意图其中，预测距离为寿命预测精度达到误差范围的时刻至系统失效的总时长；t0为制动系统首次开机或运行开始时间；tE为部件或子系统表现失常的时刻；tD为设计的PHM系统检测到故障发生的时刻；tp为PHM系统寿命估计满足允许误差范围的时刻；tR为PHM系统响应时间；tF为子系统实际失效时刻。基于PSO-HSMM的动车组状态识别由于动车组的传统计划修正在向状态修模式进行过渡，现需通过对部件或设备的健康状态进行趋势分析及未来变化预测。本文运用了一种基于PSO-HSMM模型（粒子群算法-隐半马尔科夫模型）的健康管理方法。1.数据预处理当建立部件数据信息的退化模型时，需对数据进行过滤。选择数据类型主要为列车速度和加速度、部件承受压力、温度等数据。为实现过滤目的，主要通过以下方法实现:（1）删除非完整数据；（2）修正数据。同时，考虑到数据间具有不同的量纲，会增加数据计算难度，影响最终分析结果[43]。为此本文对过滤后数据进行了归一化处理，如式（5-1）所示。x∗2.动车组系统状态评估动车组健康管理的重要一点就是对其进行健康评估。通过对动车组各系统的结构特点考虑，需要对不同系统的状态分类，然后建立各自的退化模型，并对每个阶段进行数据处理，从而建立各状态下的HSMM模型。HSMM模型参数初始化：选用多类状态的左右型Markov链，初始状态为健康状态，状态初始概率矢量为:π0=初始状态矩阵A初始化如式（5-3）所示:A0=0.5初始化混淆矩阵B，重估值如式（5-4）所示:bj(k)=P状态驻留函数概率分布为:Pj(d)=N(d/PSO-HSMM模型的建立需要设置粒子群不同参数，然后将各状态的不同测量数据作为样本进行测试，并统计测试结果。3.动车组系统剩余寿命预测当识别出部件所处健康状态，其各状态持续的时间可由式（5-