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
【摘要】 针对现有列车检修模式存在欠维修或过维修的不足，综合考虑列车运行安全性、经济性和高效性，提出一种基于GA-BP神经网络的列车关键部件不完全维修模型。首先，引入役龄回退因子，采用故障小修、预防性维修和更换维修相结合的维修策略;然后，以单位时间维修费用最小为目标函数，列车运行可靠度和周期内预防性维修次数为决策变量;最后，以某市地铁1号线列车车门部件为验证对象，结合GA-BP神经网络，对未来可靠度进行预测并验证准确性，预测结果作为模型决策变量寻优约束条件，获得最佳维修时间间隔。仿真结果表明:相比于现有检修模式，基于GA-BP神经网络的不完全预防性维修模型日均维修费用可节约24.07%，可靠度提高约3.4%，维修次数减少50%。研究结果可为地铁列车检修模式优化提供理论和实践参考。
