论文部分内容阅读
随着“一带一路”战略实施和多式联运的迅速发展,铁路货运运输的市场份额将会越来越大。集装箱作为铁路运输重要载体,需保证其能够始终处于良好状态。然而传统的“事后维修”和“计划维修”方法,无法保证集装箱得到及时有效的维修,并造成不必要的损失。未来设备维护保障的发展方向将会是以“视情维修”和“预防性维修”作为未来的发展方向。本文基于集装箱的历史维修数据和运货数据,在集装箱健康预测与维修决策优化方面开展研究,主要内容如下:(1)针对集装箱维修时无法对破损的部位进行快速有效的定位,本文引入健康指数概念用来表征关键零部件的健康状态,并建立健康指数计算模型。首先从集装箱历史维修数据和运货数据中筛选出与集装箱关键零部件健康指数相关的指标数据;然后通过健康指数计算模型获得关键零部件的健康指数。利用XGBOOST预测算法泛化能力强,运算速度快的特点对关键零部件的健康指数进行预测,接着针对XGBOOST预测算法存在的参数多难调优的问题,用模拟退火算法寻找XGBOOST预测算法的较优参数,完成对关键零部件的健康指数预测。(2)针对集装箱目前采用的“事后维修”方法效率低,且集装箱健康状态评估精细程度不够高的问题,本文引入健康指数概念来表征集装箱整体的健康状态,并建立健康指数计算模型。利用前文获得的关键零部件的健康指数及其预测值和各个关键零部件的健康权重占比得到集装箱整体的健康指数及其预测值,并根据集装箱整体的健康指数预测值判断出集装箱待维修的最佳时间点,进行主动维修。(3)针对集装箱维修成本高,维修效果不够显著的问题,本文建立集装箱多目标维修决策优化模型,以降低维修成本和提高维修效果为主要目标函数,用NSGA-II算法对在最佳维修时间点的健康状态为危险的关键零部件求解最佳维修方式组合,从而实现对集装箱维修决策的优化,降低维修成本和提高维修效果。(4)针对关键零部件健康指数计算、健康预测过程和集装箱整体的健康指数计算、健康预测过程以及多目标决策模型求解过程运算时间长的问题,本文利用Spark大数据技术对这些过程进行优化,减少其运行时间。通过这些研究内容,提前预知集装箱将要发生故障的时间和位置,预测其剩余寿命,提高了集装箱使用率和使用安全性,增强了集装箱维修效果和维修效率。