Research on Train Wheel Re-Profiling Strategy Based on Multi-Objective Optimization
In the daily operation of trains, maintenance of the train wheels is crucial. As trains operate, the thickness of the wheel flange gradually decreases due to wear and tear, necessitating wheel re-profiling to restore the flange thickness. Re-profiling effectively slows down the rate of wheel radius wear and tear, thus increasing the wheel lifespan and ensuring operational safety. This paper establishes a multi-objective optimization model with the objectives of maximizing the wheel lifespan and minimizing the average monthly cost. The NSGA-II algorithm is employed to solve the model, yielding the optimal solution of re-profiling the wheels 6 times. Compared to the traditional fixed maintenance schedule, the wheel lifespan is increased by 33.5% while the operational cost is reduced by 25.1%. Finally, the results obtained by the NSGA-II algorithm are compared and analyzed against those obtained by the Monte Carlo simulation method and the GDE algorithm, demonstrating the superior performance of the NSGA-II algorithm.
Wheel Re-Profiling
在铁路运输中,列车的轮对承载着车辆自身重量以及乘客和货物的重要责任,对于确保列车的安全运行至关重要。按照铁路规定,一旦轮缘厚度达到下限或者车轮损坏,就需要进行镟修以确保轮对的安全性和稳定性
车轮镟修一般分为落轮镟修和不落轮镟修,其中落轮车轮镟修的流程一般为,牵引动车组入库,车轮对位,测量与计算,镟修车轮,检查车轮表面,牵引出库。车轮镟修的原理如图所示,通过磨削轮径的方式来恢复轮缘厚度,如
其中,蓝色的线代表车轮镟修之前的轮廓,橙色的线代表车轮镟修之后的轮廓, 为车轮半径的
某型车轮的轮对布置如
我们对每个车轮的数据建立磨耗曲线,经过初步比较,不难发现1号车轮磨损速度最快。原因是1号车轮为导向轮,当列车通过曲线轨道时,导向轮会受到侧向力的作用,车轮与轨道之间的摩擦力增加,使得导向轮的磨损程度相较于中间轮和三位轮更大,同时,列车的制动操作也会导致导向轮磨损更大。
列车车轮的参数包括轮缘厚度,轮缘高度,车轮直径等,在本文中,选择轮缘厚度Sd和车轮直径D作为研究对象。因为随着列车运行,这两个参数直接关系到车轮的使用寿命。为了保持列车安全运行,在列车运行以及车轮镟修过程中,列车车轮的参数需要在可接受的范围内。某型车轮的可接受范围规范如下:
某型车轮的初始镟修方案为到达轮缘厚度下限26 mm后,将轮缘厚度恢复至轮缘厚度上限34 mm,此种方案的镟修结果为:镟修3次,寿命4.52年。然而这种镟修方案虽然返厂次数少,但存在很多弊端,例如:轮缘厚度数值较小时,车轮磨损过快,且车辆转弯时可靠性降低等。所以,制定更好的车轮镟修策略是亟待解决的问题。
在进行数据拟合之前,我们需要对数据进行预处理,数据的预处理一般为处理异常值和缺失值进行处理。在数据预处理后,为了准确地得到轮对的磨耗速率,本节对轮缘厚度和轮径的变化速率做出如下定义:
(2)
其中,i和i + 1表示车轮检测的次数,
,
表示检测的天数,
,
表示当天检测的车轮直径的数值,
,
表示当天检测的轮缘厚度的数值。该型车轮的检测时间为8~10天,所以本文选取9天为检测的时间间隔。
和
表示轮径和轮缘厚度每间隔0.1毫米的轮径和轮缘厚度变化速率的平均值。轮径磨耗速率图和轮缘磨损速率图如
通过上述步骤最终得到轮径变化率、轮缘厚度变化率和轮径、轮缘厚度之间的关系,求得的磨耗函数如下:
车轮的寿命和轮缘厚度变化如
多目标约束目标函数问题在数学上可以定义为:
其中 表示第i个目标函数, , 是第p个约束条件, ,x满足D内的约束条件。
基于多目标优化的原理以及轮缘厚度变化的特点,下面先进行目标函数的选择和计算:
第一个目标函数选择为车轮的总寿命,车轮总寿命为:车轮轮缘厚度磨损的量除以轮缘厚度磨损速率。
(5)
第二个目标函数为单个车轮服役期间平均每年的成本,根据该型车辆得知,该车的车轮制造成本为8000元,考虑到本次研究的镟修为整车返厂的C4大修,根据进行单轮每次镟修平均成本为200元,基于此,每年的平均成本应为车轮制造成本加镟修成本之和除以车轮寿命。
(6)
考虑到最终输出的结果包括每次镟修前后的数值,下面附加约束条件:
1) 镟修前的轮缘厚度小于镟修后的轮缘厚度,以及每次镟修量的上限。经过测试,由于算法的寻优较为广泛,会找到一些不符合条件的镟修结果,应该对其进行排除,例如每次镟修恢复的轮缘厚度之间差距过大,例如第一次镟修恢复1 mm,第二次镟修恢复6 mm,这在实际中是不被允许的。于是,我们根据蒙特卡洛循环的结果,对每次的镟修值的上限进行了约束。
(7)
2) 由于车轮运行会导致轮缘厚度磨损,所以第n次镟修后的轮缘厚度应该大于n + 1次镟修前的轮缘厚度:
(8)
3) 轮径累积磨耗的数值,累积磨耗为车轮磨损量与镟修量的数值之和,其数值应小于轮径上下限的差值,
(9)
(10)
将以上目标函数和约束输入MATLAB (R2022a, Math Works Inc., USA)的工具箱PlatEMO 4.0
镟修次数 |
车轮寿命(年) |
车轮镟修方案(毫米) |
每年成本 |
4 |
5.95 |
(28, 0, 32.6) (28.5, 33.1) (28.1, 32.8) (28.8, 33.4) |
1478 |
5 |
6.18 |
(29.7, 33.4) (30.0, 33.7) (29.4, 33.0) (29.2, 32.9) (27.1, 30.8) |
1456 |
6 |
6.45 |
(29.1, 32.3) (29.0, 32.0) (29.4, 32.3) (28.5, 31.3) (30.3, 33.0) (28.6, 31.5) |
1426 |
7 |
6.49 |
(28.9, 31.3) (29.8, 32.3) (28.5, 31.1) (28.7, 31.6) (30.8, 33.5) (29.3, 31.8) (30.0, 32.4) |
1448 |
8 |
6.54 |
(29.3, 31.6) (29.2, 31.3) (30.6, 32.7) (29.2, 31.6) (30.5, 32.7) (30.9, 33.0) (30.3, 32.8) (30.5, 32.6) |
1467 |
从
NSGA-II (Non-dominated Sorting Genetic Algorithm II)即非支配排序遗传算法-II,由Deb
评价指标 |
HV |
IGD |
CPF |
Spread |
GD |
Spacing |
DeltaP |
Fr |
NSGA-II |
0.94 |
900 |
0.8 |
1.18 |
98 |
0.8 |
420 |
1.00 |
GDE |
0.92 |
720 |
0.6 |
0.98 |
130 |
1.0 |
740 |
1.00 |
当可行率到1.00时,NSGA-II算法的迭代次数为3000次,GDE需要14,000次。由
传统镟修方案缺陷在于,蒙特卡洛循环求解镟修策略缺陷在于随着轮径变化,轮缘厚度的磨耗速率也在发生变化,仅使用固定的镟修轮缘厚度修是不可取的,有优化的必要性。
镟修方案 |
镟修次数 |
车轮镟修方案(毫米) |
每年成本 |
车轮寿命(年) |
传统方案 |
3 |
(26.0, 34, 0) (26.0, 34.0) (26, 34) |
1903 |
4.83 |
蒙特卡洛 |
6 |
(28.5, 31.5) (28.5, 31.5) (28.5, 31.5) (28.5, 31.5) (28.5, 31.5) (28.5, 31.5) |
1648 |
5.58 |
GDE |
7 |
(29.4, 32.0) (28.2, 30.7) (28.9, 31.3) (29.0, 31.8) (31.2, 33.7) (30.4, 33.1) (27.8, 30.4) |
1480 |
6.35 |
NSGA-II |
6 |
(29.1, 32.3) (29.0, 32.0) (29.4, 32.3) (28.5, 31.3) (30.3, 33.0) (28.6, 31.5) |
1426 |
6.45 |
从
本文基于大量车轮运行的原始数据,对轮缘和轮径的磨耗速率进行拟合得到磨耗的二次函数,进而以车轮寿命和单轮平均每年的成本为目标函数建立多目标优化模型,并使用NSGA-II算法进行求解。本模型提高了车轮寿命降低运营成本的同时,该建模过程和研究方法同样适用于其他类型的列车车轮,同时也为后续整车车轮镟修提供参考。
同时我们得出以下结论:
1) 在使用进化类算法求解约束较多的多目标优化问题时,NSGA-II算法具有良好的效果。
2) 车轮的使用寿命会随着镟修次数呈现先增后减的趋势,原因是镟修次数增加导致镟修损耗较多车轮直径。
辽宁省教育厅科学研究项目(LJKZ0493);大连市科技创新基金应用基础研究项目(2022JJ12GX029)。