冯奕陆，谭庆龙，龙志强

（国防科学技术大学 磁悬浮技术工程研究中心，长沙 410073）

0 引 言

作为一种新型的城市轨道交通工具，磁浮列车设备趋于向高参数、复杂化、信息化发展，这使得磁浮列车运营对设备管理的重视程度越来越高，设备维修的投入也越来越大［1］。目前，磁浮车辆仍主要沿用定期维修方式，由于磁浮列车设备的故障率曲线并不完全符合 “浴盆曲线”，使得传统的定期维修方式缺乏一定的理论依据；同时，对于磁浮列车这类的大型复杂设备而言，定期维修很容易出现维修过度或维修不足现象，造成不必要的损失。为了实现磁浮列车科学的维修决策，应该采用基于状态的维修 （Condition based maintenance－CBM）方式。这种维修方式主要是根据获取的设备状态信息，运用数据分析和决策技术预测设备 （或部件）的剩余寿命 （或故障率），以一定的优化准则为目标，从而对设备做出维修决策［2］。

CBM的关键就是需要将系统运行过程参数与系统本身完好程度建立起较为精确的联系［3］。比例风 险 模 型 （Proportional Hazards Models－PHM）的优点是能够将被检测设备的故障率与其使用年限和相对应的状态变量联系起来。本文通过威布尔比例风险模型构建了磁浮列车制动风缸状态监测特征量与故障率的关系模型，并通过建立的基于最大可用度维修决策模型确定了磁浮设备的CBM维修时机决策，最后对基于CBM的决策支持系统进行了说明。

1 比例风险回归模型

1．1 威布尔比例风险模型

比例风险模型是较为成熟的协变量模型，其在故障分布的基础上纳入了故障的物理属性、运行环境或条件变量，因此更适用设备运行和维修阶段。……