轮子的关键部件是一列火车,和轮缘的形状应该维护,以确保列车的安全运营。作为一个方法来保持形状为代价的直径大小,重新安排对火车的生命周期有很大的影响。轮模型是建立在本文分析的基础上从太原机车车轮磨损特性和数据集。与决策变量<我nline-formula>
近年来,中国铁路建设已经进入了一个快速发展的新阶段。根据部门的年度统计公报,2017年铁路运营里程达到127000公里。23000多公里的新铁路线将构造的第十三个五年计划期间,和总投资将超过2.8万亿元。然而,随着火车的连续操作,重新安排的成本占很大比例的维护成本,例如,每年约80亿元。因此,需要维护铁路系统优化技术在轨道交通的快速发展。
车轮的关键部件是一列火车,和他们的健康状况密切相关,安全,舒适,和平滑度的培训业务。小轮子的变化可能会导致列车事故。轮重新安排的目的是处理穿轮子的几何尺寸标准轮廓。如果这样穿轮子继续被使用,会有脱轨的危险增加。
工程师开发的大部分轮维修策略通过经验。提高灵活性,增加兴趣的面积近几十年来优化维修策略。火灾R H和Dfivial C G建立了一个基于多体动力学预测模型,得出的结论是,轮子磨损模型法律力量成正比是最好的(
这些论文确实讨论了轮维修策略的优化问题,但是有两个主要缺点。一方面,大多数现有的策略依赖于车辆动力学和各种现代算法尚未应用于这一领域。另一方面,大量的数据包含丰富的信息没有被充分利用。一些研究已经服役多年的维修频率轮一起考虑。
多目标进化算法(MOEAs)广泛应用于多目标优化问题。当前主流的多目标进化算法主要包括NSGA-II (nondominated排序遗传算法(二)(
尽管许多MOEAs已经提出,大多数研究人员认为,这些方法被采纳作为参考。与此同时,NSGA-II范式在强大的聚集操作符的MOEA研究界。NSGA-II [
克服上述限制对车轮维修策略,本文以下贡献:
定义和模型:实际轮重新安排问题是作为一个数学问题,制定和磨损模型,建立了多目标优化模型。
改善NSGA-II: NSGA-II扩展精英个体选择策略和遗传算子,以更好地符合提出的多目标模型。
本文的组织结构如下的提示。节
法兰的高度,法兰厚度、凸缘梯度,车轮直径,QR价值都是参数,描述一个轮子。法兰厚度和车轮直径的两个最重要的测量轮子。因此,这项工作考虑这两个变量的关键组件。
重新安排的主要方法是在一个轮子的生命周期维护。如图
重新安排的过程。
正如上面提到的,一个轮子应该尽快重新评估时,法兰厚度小于最小允许值。因此,在火车的日常操作,重新安排的问题是减少车轮直径和法兰厚度的增加。此外,车轮必须更换一次直径小于1150毫米的阈值。
为了更好的划定问题,法兰厚度<我nline-formula>
它是假定<我nline-formula>
由于这项工作的对象是一个机车ss4型- 0997法兰厚度始于34毫米,最小阈值28毫米。与此同时,<我nline-formula>
因此,重新安排问题抽象成发现<我nline-formula>
与轮重新安排的定义问题,磨损模型和多目标模型。
数据集从太原北ss4 - 0997火车机车仓库是用来研究磨损规律。我们消除了脏数据根据FSFDP亚历克斯在2014年提出的(
相关系数。
| - - - - - - | 车轮直径(<我nline-formula>
|
法兰厚度(<我nline-formula>
|
|---|---|---|
|
|
−0.1225 | −0.0422 |
|
|
0.0504 | −0.2041 |
车轮直径和法兰厚度都是分成段0.1毫米的平均值<我nline-formula>
拟合曲线:(a)轮直径的磨损率;(b)法兰厚度的磨损率。
图
实际数据之间的误差,数据计算增加这项工作的准确性。如图
错误点磨损率的图表:(一)轮直径;(b)法兰厚度。
车轮直径和法兰厚度的磨损功能
再加上这些功能,我们可以假设车轮磨损过程从最初的法兰厚度34毫米结束28毫米基于磨损率的函数<我nline-formula>
重新安排问题的定义,服务多年的每个单元<我nline-formula>
此外,重新安排数字被认为是足够小轮子直径的损失降到最低。一个轮子的整个生命周期<我nline-formula>
在模型中有一些限制条件。首先,车轮直径的范围应该在<我nline-formula>
NSGA-II的基础上,提出了一种新的方法解决多目标问题。全球密度是首次引入克服经典NSGA-II拥挤距离的限制。此外,新的遗传算子提出了更好地应用多目标提出了部分
在传统NSGA-II,啼叫两侧是两个点的平均距离的这一点每一个目标。如图
密度计算图。(一)拥挤NSGA-II的距离。(b)密度的点。
自从密度计算的古典NSGA-II仅限于单个层,距离计算不能精确测量的密度<我nline-formula>
庞大的人口规模,离散距离很容易彼此冲突。获得连续的值,高斯内核方程(
方程(
截止距离<我nline-formula>
全球拥挤距离的计算和快速nondominated NSGA-II的排序方法,每个人会有两个属性如下:
Nondominated NSGA-II排名:<我nline-formula>
密度值:<我nline-formula>
人口排名基于nondomination NSGA-II排序程序,标记为属性1(个人第一个前达到最小的排名)。密度值(2)属性成员之间在整个人口然后使用高斯计算内核。排名较低的解决方案将首先被选中,和个人与一个更小的<我nline-formula>
本节讨论改进相应的遗传算子的经典NSGA-II解决问题中提到的部分
二进制锦标赛选择,这是一个随机方法在父母选择个人,用于NSGA-II。然而,在我们的工作,第二个健身价值预计将足够小,以降低重新安排成本,而使用年预计将更大。因此,我们选择的个体主要集中在底部。准确区分个人,<我t一个lic> k我t一个lic>——分类算法首先在选择操作。
图
数据集的分类。
图
人口选择过程。
交叉算子用于探索新的解决方案空间和不同人口从一代到另一个。在方程(SBX交叉算子
一种新的交叉算子方程(
突变是遗传算子用来从一代保持遗传多样性的人口。然而,传统的变异概率NSGA-II是固定的。一种自适应变异算子方程的因素(
第一步:生成一个随机的亲本种群的大小<我nline-formula>
步骤2:创建一个新的人口与拟议的选择方法。
步骤3:把父母和孩子在一起,计算目标的价值观。
第四步:找到帕累托方面使用nondomination排序。
第五步:计算全球拥挤距离的人。
第六步:生成一个新的父与nondomination排序和全球人口拥挤距离。
第七步:如果大于阈值迭代,去8;否则,去2。
第八步:找到帕累托方面使用nondomination排序。
考虑到前面介绍的方法,提出改进的主循环NSGA-II(算法
算法的流程图。
本文中的数据集来自ss - 0997火车在太原在中国北方机车。移除脏数据和异常值进行了讨论
本节将给出固定的结果重新安排策略和随机生成的重新安排策略没有优化轮重新安排策略。
固定的重新安排策略(28岁,34),用于当前轮重新安排,本文第一次模拟,结果如图所示
磨损过程的策略(28日,34)。
然后分为法兰厚度0.5毫米段来模拟不同的固定策略。图
固定的结果重新安排策略:(a)策略;(b)重新安排数量;(c)使用。
寿命和重新安排78个不同的数字所示数据重新安排策略
几个最好的解决方案的细节。
|
|
年服务 | 重新安排数量 | 增加的比例 |
|---|---|---|---|
| (28.0,34.0) | 4.6438 | 3 | - - - - - - |
| (29.0,34.0) | 5.1664 | 4 | 11.21% |
| (30.0,34.0) | 5.7123 | 5 | 23.0% |
| (29.5,32.5) | 6.2192 | 6 | 33.2% |
| (29.0,31.5) | 5.3151 | 7 | 14.5% |
| (30.5,32.5) | 6.7397 | 8 | 45.1% |
| (29.0,31.0) | 5.3425 | 9 | 15.4% |
在表
此外,随机生成的重新安排策略被认为是在这里。每次这种策略会产生不同的重新安排策略,详细的结果如图
随机生成的策略。
重新安排策略(28.7,33.1),(30.7,32.1),(29.2,29.6),(28.5,33.1)和(28.8,33.1)被认为是最好的解决方案在所有的解决方案,与服务5年5.8326和维修频率。与固定的结果重新安排方法相比,我们发现的生命周期随机策略是一种进步。尤其是,最优解是1.8<我nline-formula>
多目标优化算法,应用NSGA-II和改善NSGA-II解决重新安排问题在这一节中。
图
NSGA-II的结果。
NSGA-II策略。
轮的生命周期将会增加到7(增加50.7%),重新安排号码是9。与当前使用的策略在第一行,NSGA-II找到一个更好的策略,保证了轮竞选5.2055年(增加12.1%)只有一个重新调整。
图的解释
改进NSGA-II提出了部分
NSGA-II改善的结果。
随机生成的策略。
图的解释
实验结果将从四个方面进行分析:质量评价,收敛效果,应用范围。
为了比较古典NSGA-II和改进的NSGA-II算法的性能,我们选择了ZDT一系列问题[
IGD ZDT一系列问题的价值。
| 测试问题 | 古典NSGA-II | 改善NSGA-II |
|---|---|---|
| ZDT1 | 2.391929<我t一个lic> e我t一个lic>−03 |
|
| ZDT2 | 2.710113<我t一个lic> e我t一个lic>−03 |
|
| ZDT3 |
|
1.506779<我t一个lic> e我t一个lic>−02 |
| ZDT4 | 5.646924<我t一个lic> e我t一个lic>−02 |
|
| ZDT6 | 4.589117<我t一个lic> e我t一个lic>−02 |
|
从表中可以看出,改进的IGD价值NSGA-II算法比经典的价值低NSGA-II算法在大多数ZDT问题,除了ZDT3问题。的整体性能改进NSGA-II算法求解二维多目标问题是高于经典NSGA-II算法。
比较经典的收敛性能和改善NSGA-II算法,所有策略的平均使用年少于10修复乘以在每个迭代中绘制,如图
算法的收敛。(一)古典NSGA-II。(b) NSGA-II改善。
图的横坐标
同时,改进的结果NSGA-II是更好的与古典的由于遗传算子。首先,收敛值,古典NSGA-II达到5.4年,而改善NSGA-II达到6.4年。第二,在相同数量的重新安排下,改善NSGA-II比古典NSGA-II更长的寿命。此外,尽管帕累托前沿解决方案的两个算法都是17,改进后的算法具有搜索41.18%可行的解决方案,这比经典算法高13.40%。
因此,改善NSGA-II不仅优于经典NSGA-II收敛方面而且在搜索深度和广度。
图
使用寿命。
在分析所有的策略,当包含修复策略<我nline-formula>
与所有的策略,改进算法的使用寿命增加从4.64年到5.232年(14.66%)3重新安排(与当前相同)。综合考虑修复和轮替换成本,(29.9,33.1),(20.8,32.9),(29.3,30.4),(29.1,32.1),(29.3,32.9),发现该算法被认为是最好的策略本文5重新安排时间和6.73服务生命年,大约是45.04%高于当前的策略。
从算法的实际应用,一方面,该算法适用于生产的重新安排时间表轮0997年ss4机车。另一方面,在理想的机车操作环境,不需要考虑车轮直径不同,该算法可用于制造汽车维修计划。
在这部作品中,磨损模型和多目标模型的重新安排。一种改进NSGA-II拥挤距离计算的变化和遗传算子提出了更好地符合提出的多目标模型。数据集从太原北部的ss - 097列车机车用于说明该方法的有效性。结果表明,改进的NSGA-II执行比NSGA-II和NSGA-II执行比仿真方法。最好重新安排策略(29.9,33.1),(31.8,31.9),(29.3,29.4),(29.1,30.1),和6.5342(29.3,29.9),服务5年,维修频率比目前使用的策略(28.0,34.0)(4.6438年和维修服务的频率3)。因此,策略可以显著增加现有的重新安排策略在中国太原机车的仓库。这里给出的模型和方法可能不适合其他的轮子。然而,本文研究为解决重新安排问题提供了新的见解。
对进一步的研究有几种建议:关注重新安排策略与16轮马车的轮子,考虑到重新安排增益,并开发一个系统来分析基于该模型的每个轮子。
使用的数据来支持本研究的发现可以从相应的作者。
作者宣称没有利益冲突。
这项工作是支持由中国国家自然科学基金资助(批准号61571226)。