[發明專利]一種城軌列車關鍵部件的可靠度預測優化方法

有效

• 申請號: 202110597052.1
• 申請日: 2021-05-28
• 公開（公告）號: CN113312722B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 賀德強;周念玟;劉晨宇;靳震震;陳彥君;顏競人;王一博;李先旺
• 申請（專利權）人: 廣西大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/15;G06F30/27;G06F119/02;G06F111/04
• 代理公司: 南寧智卓專利代理事務所(普通合伙) 45129
• 代理人: 譚月萍;鄧世江

1.一種城軌列車關鍵部件的可靠度預測優化方法，其特征在于：所述可靠度預測優化方法包括以下步驟：

步驟1：收集獲取城軌列車故障維修信息，并篩選出關鍵部件故障維修信息作為故障樣本信息，將獲取的樣本信息用于建立城軌列車關鍵部件故障維修信息的數據集；

步驟2：分別對不同關鍵部件的故障維修信息進行數據整合模糊處理，以減少故障維修信息中過于集中的數據量；

步驟3：基于改進的HHO算法進行構建城軌列車關鍵部件可靠度預測優化模型，用以優化關鍵部件的各項參數值，并在可靠度預測優化模型中利用圖參數估計法實現對可靠度的參數估計；

步驟4：利用循環檢驗過程優化參數值，判斷參數值是否陷入局部優化，將檢驗過的參數值帶入可靠度預測優化模型中，對列車關鍵部件可靠度預測；其中，利用循環檢驗過程對HHO算法驗算參數最優值，判斷實際差值是否超過臨界差值，其表達式為：

D_n＜D_n,α；

D_n＝sup{|R₀(t_i)-R_n(t_i)|},i＝1,2,...,n；

式中，D_n為實際差值；D_n,α為臨界差值；R₀(t_i)為通過HHO算法計算得出的每個故障數據的可靠度函數，R_n(t_i)為樣本容量為n的經驗分布的可靠度函數；若實際差值超過臨界差值，則重新進入HHO算法運算，若實際差值未超過臨界差值，則輸出計算參數值；

所述步驟3中，基于改進的HHO算法進行構建城軌列車關鍵部件可靠度預測優化模型的過程由探索階段和開發階段組成，從探索階段到開發階段的過渡，基于獵物的逃逸能量在不同開發行為之間的改變規則進行確定：

首先初始化種群中每只鷹的位置，更新獵物的初始能量E₀和跳躍強度J，獵物的能量因為逃逸行為而顯著降低，獵物的動態能量隨逃逸變化模型滿足其表達式為：

式中，E為獵物兔子的逃逸能量，T為最大迭代次數，t為當前迭代次數；E₀為能量的初始態；每次迭代時，E₀在(-1,1)內隨機變化，逃逸能量E在迭代過程中呈下降趨勢；

其次，當逃逸能量|E|≥1時，進入探索階段，老鷹搜索不同的區域來探索獵物的位置，并更新其獵物位置；

最后，當|E|＜1時進入開發階段，根據老鷹的追逐和獵物的逃逸行為，進入開發階段時提出四種策略模擬攻擊階段；

進入探索階段，老鷹搜索不同的區域來探索獵物的位置，探索階段時老鷹作為最優候選解，每一步的最優候選解或鄰近最優解，被認為是預期的獵物，直到到達獵物的位置時停止突襲，并更新獵物位置的表達式為：

式中，X(t+1)為下一次迭代中鷹的位置；X_rabbit(t)為獵物的位置；X(t)為鷹的當前位置向量；r₁,r₂,r₃,r₄,q為(0,1)內的隨機數，在每一次迭代中更新，UB為變量的上界；LB為變量的下界；X_rand(t)為從當前種群中隨機挑選的一只鷹；X_m(t)為目前鷹派人口的平均位置；

開發階段時提出四種策略模擬攻擊階段：

假設r是獵物在突襲前逃脫的機率，其中，當r＜0.5時表示獵物可以成功逃脫，r≥0.5時獵物未能成功逃脫，并以E作為參數評判圍困的標準，其具體評判如下：

第一種策略：當r≥0.5且|E|≥0.5時，采用軟圍困策略，更新獵物位置的表達式為：

X(t+1)＝ΔX(t)-E|JX_rabbit(t)-X(t)|；

式中，ΔX(t)為迭代t中獵物的位置向量與當前位置之間的差；J為獵物在整個逃逸過程中的隨機跳躍強度；

第二種策略：當r≥0.5且|E|＜0.5時，采用硬圍困策略，更新位置的表達式為：

X(t+1)＝X_rabbit(t)-E|ΔX(t)|；

第三種策略：當|E|≥0.5且r＜0.5時，采用軟圍困下漸進式快速俯沖策略，更新位置的表達式為：

式中，Y為初步位置；Z為游走位置；F(Y)為初步位置結果值；F(Z)為游走位置結果值；D為問題的維度；S為大小為1×D的隨機向量；LF為萊維飛行函數，表示隨機游走的方式；

第四種策略：當|E|＜0.5且r＜0.5時，采用硬圍困下漸進式快速俯沖策略，更新位置的表達式為：