考虑动态客运量的地铁车辆部件预防性维修策略

doi:10.3785/j.issn.1006-754X.2026.04.157

工程设计学报

2026, Vol. 33

Issue (1): 86-94 DOI: 10.3785/j.issn.1006-754X.2026.04.157

优化设计

考虑动态客运量的地铁车辆部件预防性维修策略

高纪宁(

),王红(

),何勇,张启真,权海锐

兰州交通大学机电工程学院，甘肃兰州 730070

Preventive maintenance strategy for metro vehicle component considering dynamic passenger capacity

Jining GAO(

),Hong WANG(

),Yong HE,Qizhen ZHANG,Hairui QUAN

School of Mechanical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China

全文: PDF(1031 KB) HTML

摘要：

城市内人口流动频繁、出行需求繁多，导致地铁客运量分布不均。为探究客运量分布的随机性和不均衡性对地铁车辆维修策略经济性及可用性的复杂影响，提出了考虑动态客运量的部件维修策略多目标优化方法。首先，引入加速失效模型构建随机客运量与基础客运量间的部件等效役龄转换方法，建立了动态客运量影响下的部件故障率模型。然后，选用初级维修和高级维修两种维修方式，构建了地铁车辆部件经历不同等级非完美维修的可靠度演化模型。最后，考虑到客运量分布不均衡所导致的差异化列车停机惩罚成本，以部件维修周期、维修方式为维修策略的决策变量，建立了以维修成本和维修时间为优化目标的维修模型，并使用遗传算法求解出最优维修计划。算例分析表明，所提出的预防性维修策略可实现列车停机时刻与客流分布的相协调，避免了维修任务落入高客流区间所导致的高额停机惩罚成本，相较于不考虑客运量影响的维修策略，可节省9.1%的维修成本，缩短4.1%的维修时间。研究结果可为相关因素影响下地铁车辆部件维修策略的改进提供一定参考。

关键词： 城市轨道交通; 预防性维修; 遗传算法; 地铁车辆部件; 多目标优化

Abstract:

Due to the frequent population movement and diverse travel demands within the urban, the metro passenger capacity is unevenly distributed. To explore the complex impacts of the randomness and imbalance of passenger capacity distribution on the economy and the availability of metro vehicle maintenance strategies, a multi-objective optimization method for component maintenance strategies considering dynamic passenger capacity is proposed. Firstly, an accelerated failure model was introduced to develop a component equivalent service life conversion method between random passenger capacity and baseline passenger capacity, leading to the construction of a component failure rate model under the influence of dynamic passenger capacity. Secondly, two maintenance approaches of primary maintenance and advanced maintenance were selected to construct a reliability evolution model for metro vehicle components under different levels of imperfect maintenance. Finally, considering the differentiated train downtime penalty costs caused by uneven passenger capacity distribution and using component maintenance cycles and types as decision variables for maintenance strategies, a maintenance model was established with maintenance cost and maintenance time as optimization objectives, and the optimal maintenance plan was solved using the genetic algorithm. Case study analysis showed that the proposed preventive maintenance strategy could coordinate the train downtime with passenger flow distribution, avoiding high downtime penalty costs caused by the maintenance tasks falling into high passenger flow intervals. Compared with the maintenance strategy that did not consider passenger capacity impact, it could reduce maintenance costs by 9.1% and shorten maintenance time by 4.1%. The research results can provide certain references for improving metro vehicle component maintenance strategies under the influence of relevant factors.

Key words: urban rail transit preventive maintenance genetic algorithm metro vehicle component multi-objective optimization

收稿日期: 2024-07-15 出版日期: 2026-03-01

CLC:

U 279.3

基金资助: 国家自然科学基金资助项目(72061022);甘肃省青年科技基金资助项目(22JR5RA373)

通讯作者: 王红 E-mail: gjnlzjtu@163.com;wh@mail.lzjtu.cn

作者简介: 高纪宁（2000—），男，硕士生，从事轨道车辆设备预防性维修策略研究，E-mail: gjnlzjtu@163.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	高纪宁
	王红
	何勇
	张启真
	权海锐

引用本文:

高纪宁,王红,何勇,张启真,权海锐. 考虑动态客运量的地铁车辆部件预防性维修策略[J]. 工程设计学报, 2026, 33(1): 86-94.

Jining GAO,Hong WANG,Yong HE,Qizhen ZHANG,Hairui QUAN. Preventive maintenance strategy for metro vehicle component considering dynamic passenger capacity[J]. Chinese Journal of Engineering Design, 2026, 33(1): 86-94.

链接本文:

https://www.zjujournals.com/gcsjxb/CN/10.3785/j.issn.1006-754X.2026.04.157 或 https://www.zjujournals.com/gcsjxb/CN/Y2026/V33/I1/86

图1 不同客运区间分布及预防性维修周期示意

图2 两级非完美维修下部件故障率演化规律

图3 多目标遗传算法流程

参数	取值	参数	取值
c_j/元	320	t_j/h	0.5
c_h/元	680	t_h/h	1.2
c_r/元	1 620	t_r/h	3.0
c_d/元	1 200	$φ s$ /万人	6 390
c_g/元	1 800	$γ$ /(元/人)	5

表1 车门装置维修参数

图4 客运量及客运量调整因子变化曲线

图5 不同迭代次数下的最优解集对比

优化倾向	维修周期/d	维修时机对应客运区间的 $α k$	维修方式	维修时间 $t a l t$ /h	维修成本 $C$ /元
维修成本 $C$	68	0.87-0.98-1.13-0.97-0.70	0-0-0-0-1	35.01	22 852
维修时间 $t a l t$	48	0.98-0.76-0.98-1.13-1.16-0.97-0.70	0-1-1-1-1-1-1	32.25	24 497

表2 不同优化倾向下的维修计划对比

优化倾向	维修成本 $C$ /元	维修时间 $t a l t$ /h
维修成本 $C$	23 033	35.83
维修时间 $t a l t$	24 664	32.92

表3 基于多目标粒子群算法的优化结果

方案	维修周期/d	维修时机对应不同客运区间的 $α k$	维修计划	$t a l t$ /h	$C r$ /元	$C p$ /元	$C d$ /元	$C s$ /元	$C$ /元
1	68	0.87-0.98-1.13-0.97-0.70	0-0-0-0-1	35.01	16 200	1 960	4 692	—	22 852
2	46	0.98-0.76-0.98-1.13-1.16-0.97-0.91	0-0-0-0-0-0-1	36.51	13 093	2 600	8 268	1 179	25 140

表4 2种维修方案对比

$c d$ / （元/人）	方案	$C d$ /元	$C$ /元	C的变化率^①/%
800	1	3 128	21 570	-8.4
800	2	5 512	23 547	-8.4
1 000	1	3 910	22 250	-9.0
1 000	2	6 890	24 460	-9.0
1 200	1	4 692	22 852	-9.1
1 200	2	8 268	25 140	-9.1
1 400	1	5 474	23 424	-8.7
1 400	2	9 646	25 646	-8.7
1 600	1	6 256	23 959	-8.0
1 600	2	11 024	26 046	-8.0

表5 不同cd下方案1与方案2的维修成本对比

$c r$ /元	$t r$ /h	方案	维修时间 $t a l t$ /h	$t a l t$ 变化率^①/%	维修成本 $C$ /元	$C$ 变化率^①/%
972	1.8	1	23.92	-3.0	15 510	-9.3
972	1.8	2	24.65	-3.0	17 091	-9.3
1 296	2.4	1	29.40	-8.7	19 281	-7.4
1 296	2.4	2	32.20	-8.7	21 169	-7.4
1 620	3.0	1	35.01	-4.1	22 852	-9.1
1 620	3.0	2	36.51	-4.1	25 140	-9.1
1 944	3.6	1	39.96	-2.4	26 289	-8.2
1 944	3.6	2	40.93	-2.4	28 629	-8.2
2 268	4.2	1	44.29	-3.3	29 510	-7.2
2 268	4.2	2	45.78	-3.3	31 791	-7.2

表6 不同cr和tr下方案1与方案2的维修时间和维修成本对比

方案	优化目标	维修时间 $t a l t$ /h	维修成本 $C$ /元
3	$C$	35.82	22 852
4	$t a l t$	32.25	25 462

表7 基于单目标优化的维修时间与维修成本

[1]	HU J W， JIANG Z H， LIAO H T. Preventive maintenance of a single machine system working under piecewise constant operating condition［J］. Reliability Engineering & System Safety， 2017， 168： 105-115.
[2]	安友军，陈晓慧，胡家文，等. 基于多阶段-多阈值的设备退化建模与维护决策优化［J］. 系统工程理论与实践， 2024， 44（8）： 2700-2717. AN Y J， CHEN X H， HU J W， et al. Equipment degradation modeling and maintenance decision optimization based on multi-phase and multi-threshold［J］. Systems Engineering： Theory & Practice， 2024， 44（8）： 2700-2717.
[3]	王红，杨国军，何勇，等. 考虑客流分布的动车组部件预防性维护决策［J］. 计算机集成制造系统， 2022， 28（2）： 409-416. WANG H， YANG G J， HE Y， et al. Preventive maintenance decision for EMU component considering passenger flow distribution［J］. Computer Integrated Manufacturing Systems， 2022， 28（2）： 409-416.
[4]	付建军，张星臣，王志美. 可变编组动车组运维一体化帕累托前沿分析［J］. 交通运输系统工程与信息， 2019， 19（6）： 148-155. FU J J， ZHANG X C， WANG Z M. Integrated model method for multiple-unit EMU operation and maintenance based on Pareto frontier analysis［J］. Journal of Transportation Systems Engineering and Information Technology， 2019， 19（6）： 148-155.
[5]	冉昕晨，陈绍宽，陈磊，等. 考虑客流空间分布的地铁列车节能时刻表优化方法［J］. 交通运输系统工程与信息， 2020， 20（3）： 103-110. RAN X C， CHEN S K， CHEN L， et al. An energy-efficient timetable optimization method for metro operation considering spatial distribution of passenger flow［J］. Journal of Transportation Systems Engineering and Information Technology， 2020， 20（3）： 103-110.
[6]	张矢宇，杨云超，杨宇昊. 考虑客流时变特性的列车时刻表优化方法［J］. 运筹与管理， 2023， 32（8）： 44-50. ZHANG S Y， YANG Y C， YANG Y H. A train schedule optimization method considering the time-varying characteristics of passenger flow［J］. Operations Research and Management Science， 2023， 32（8）： 44-50.
[7]	WANG Y， DENG Q R. Optimization of maintenance scheme for offshore wind turbines considering time windows based on hybrid ant colony algorithm［J］. Ocean Engineering， 2022， 263： 112357.
[8]	JIN H B， SONG X H， XIA H. Optimal maintenance strategy for large-scale production systems under maintenance time uncertainty［J］. Reliability Engineering & System Safety， 2023， 240： 109594.
[9]	汤润之，班利明，钱乐，等. 资源受限条件下车辆维修工序调度优化［J］. 兵工学报， 2021， 42（9）： 2032-2039. TANG R Z， BAN L M， QIAN L， et al. Optimization of vehicle maintenance process scheduling under limited resources［J］. Acta Armamentarii， 2021， 42（9）： 2032-2039.
[10]	齐彦昆，王红，何勇，等. 考虑维修场所的动车组多部件双目标成组维修研究［J］. 工程设计学报， 2022， 29（2）： 168-175. QI Y K， WANG H， HE Y， et al. Research on multi-component dual-objective group maintenance for electric multiple unit considering maintenance site［J］. Chinese Journal of Engineering Design， 2022， 29（2）： 168-175.
[11]	ZHOU X J， LU Z Q， XI L F， et al. Opportunistic preventive maintenance optimization for multi-unit series systems with combing multi-preventive maintenance techniques［J］. Journal of Shanghai Jiaotong University （Science）， 2010， 15（5）： 513-518.
[12]	SUN H M， HE D Q， ZHONG J C， et al. Preventive maintenance optimization for key components of subway train bogie with consideration of failure risk［J］. Engineering Failure Analysis， 2023， 154： 107634.
[13]	黄航飞. 城市轨道交通列车运行图优化模型与算法研究［D］. 北京：北京交通大学， 2018. HUANG H F. Models and algorithms for urban rail transit train timetable optimization［D］. Beijing： Beijing Jiaotong University， 2018.
[14]	中华人民共和国交通运输部. 城市轨道交通客运服务规范：［S］. 北京：中国标准出版社， 2022. Ministry of Transport of the People’s Republic of China. Service specification for urban rail passenger transport：［S］. Beijing： Standards Press of China， 2022.
[15]	陈长骏，王凌，钱霖泽，等. 基于特征适应度分析的剩余寿命预测方法及应用［J］. 控制工程， 2021， 28（7）： 1483-1489. CHEN C J， WANG L， QIAN L Z， et al. Remaining useful life prediction method based on feature fitness analysis and its application［J］. Control Engineering of China， 2021， 28（7）： 1483-1489.
[16]	孟坤. 地铁车辆关键系统可靠性分析与检修策略优化［D］. 南京：南京理工大学， 2022. MENG K. Reliability analysis and maintenance strategy optimization of metro vehicle critical system［D］. Nanjing： Nanjing University of Science and Technology， 2022.
[17]	周志恒，贺德强，陈彦君，等. 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［J］. 铁道科学与工程学报， 2021， 18（6）： 1382-1391. ZHOU Z H， HE D Q， CHEN Y J， et al. Optimization model and application of preventive maintenance of key components of train based on GA-BP neural network［J］. Journal of Railway Science and Engineering， 2021， 18（6）： 1382-1391.
[18]	陈绍宽，王丹阳，刘致远，等. 灵活检修工艺下地铁车辆架大修作业调度优化方法［J］. 交通运输系统工程与信息， 2022， 22（6）： 234-243， 299. CHEN S K， WANG D Y， LIU Z Y， et al. Flexible process-based optimum unwheeling and overhaul repair scheduling for metro vehicles［J］. Journal of Transportation Systems Engineering and Information Technology， 2022， 22（6）： 234-243， 299.
[19]	中国城市轨道交通协会. 城市轨道交通2022年度统计和分析报告［EB/OL］. （2023-03-31）［2024-05-15］. . China Association of Metros. Urban rail transit 2022 annual statistic and analysis report［EB/OL］. （2023-03-31）［2024-05-15］. .
[20]	池瑞，郝芃斐，陈进，等. 高铁接触网系统可靠性评估与维修计划决策［J］. 铁道工程学报， 2024， 41（1）： 81-87， 98. CHI R， HAO P F， CHEN J， et al. Reliability evaluation and maintenance planning decision of catenary system of high-speed railway［J］. Journal of Railway Engineering Society， 2024， 41（1）： 81-87， 98.

[1]	刘广奥,陈英龙,罗畅敏,闫博,高飞. 燃气调节阀低扭矩优化设计及试验研究[J]. 工程设计学报, 2026, 33(1): 117-129.
[2]	刘鑫,吴青锋,杨文广. 基于自适应Kriging代理模型的工程机械结构优化设计方法[J]. 工程设计学报, 2025, 32(6): 735-744.
[3]	车健波,唐东林,何媛媛,胡远遥,卢炳盛,张俊辉. 动态融合蚁群算法与遗传算法的路径规划方法研究[J]. 工程设计学报, 2025, 32(6): 789-802.
[4]	刘东,胡国良,张佳伟,喻理梵. 变刚度变阻尼磁流变阻尼器的优化设计及性能分析[J]. 工程设计学报, 2025, 32(5): 686-695.
[5]	吴田,吴滨帆,邱中华,彭勇,朱祥. 基于改进MOMVO算法的大荷载绝缘拉棒端头多目标优化[J]. 工程设计学报, 2025, 32(5): 696-707.
[6]	李胤贤,蒋友宝,刘艳,高鹏翔. 考虑自支撑临界角的3D打印混凝土球壳结构拆分方法与成形实验[J]. 工程设计学报, 2025, 32(2): 151-158.
[7]	方冰,胡国良,梅鑫,喻理梵. 全通道内置阀式磁流变阻尼器的设计及性能分析[J]. 工程设计学报, 2024, 31(5): 623-633.
[8]	崔衡,马宗方,宋琳,刘超,韩怡萱. 基于连续顶点分区的混凝土3D打印路径规划算法[J]. 工程设计学报, 2024, 31(3): 271-279.
[9]	余晓波,陈素姣,章勇华,马彬隽. 基于遗传算法的集中式传动系统齿轮修形及模态优化研究[J]. 工程设计学报, 2024, 31(3): 340-347.
[10]	冀炳晖,茅健,钱波. 基于遗传算法-模糊PID的双喷头FDM型3D打印机温度控制方法[J]. 工程设计学报, 2024, 31(2): 151-159.
[11]	谢海波,洪昊岑,王柏村,姜伟,杨华勇. 基于多目标遗传算法的斜盘式轴向柱塞泵低脉动结构优化设计[J]. 工程设计学报, 2024, 31(2): 160-167.
[12]	曹望城,韩佳轩,姚廷强. 基于参数化多体动力学模型的内齿式回转支承动态优化设计[J]. 工程设计学报, 2024, 31(2): 168-177.
[13]	田雅琴,胡梦辉,刘文涛,侯寅智. 基于跳点搜索-遗传算法的自主移动机器人路径规划[J]. 工程设计学报, 2023, 30(6): 697-706.
[14]	赵迪,陈果,陈小利,王熊锦. 轮式搜救机器人地形自适应机构设计及越障性能分析[J]. 工程设计学报, 2023, 30(5): 579-589.
[15]	窦方健,邱清盈,管成,邵锦杰,吴海峰. 大转动惯量缠绕机加减速曲线优化设计[J]. 工程设计学报, 2023, 30(4): 503-511.

Viewed

Full text

Abstract

Cited

Shared

Discussed