故障树分析法在系统故障诊断中的应用

在故障诊断的故障树定量分析方法基础上,对最小割集重要度的概念进行了重新定义,引入了故障系数的概念,进一步完善了故障树最小割集用于故障诊断的定量分析方法,并基于结构重要度的概念给出了一种故障树最小割集用于故障诊断的定性分析思路.最后结合实例给出了故障源搜寻的具体可行的测试步骤.     

基于多源信息融合故障树与模糊Petri网的复杂系统故障诊断方法

针对复杂系统故障树模型构建困难且模型冗余节点多、计算复杂的问题,提出一种基于多源信息融合故障树与模糊Petri网的故障诊断方法。该方法先将多源信息进行标准化处理,从处理后的信息中提取维修元数据,同时利用数据挖掘方法得到故障关联项集。通过维修元数据、故障关联项集和系统结构关系的映射、融合,更加全面、准确地构建复杂系统故障树模型。采用模糊Petri网对多源信息融合故障树模型进行简化和改进,并利用基于模糊Petri网的动态故障推理方法和基于关联矩阵的最小割集求解方法建立复杂系统故障诊断方法,提高了故障的诊断速度与推理效率。以汽车发动机故障诊断过程为例,证明了所提方法的合理性和有效性。     

混凝土泵车液压系统故障诊断

针对泵车液压系统结构复杂、故障不易发现的特点,提出了一种基于故障树最小割集的故障诊断方法。以泵送主油路无压力这一典型故障为顶事件,建立故障树模型,再通过最小割集的求解和重要度分析对其进行定性和定量的分析,并以此为依据从大到小排序,确定故障诊断的最优程序。     

飞机自动驾驶仪故障诊断专家系统设计

设计了一种基于故障树的专家系统结构,建立了自动驾驶仪系统的故障树模型和专家诊断知识库,提出了一种基于故障树专家系统的自动驾驶仪系统故障诊断方法,开发了基于该方法的故障诊断实验平台。该方法通过对自动驾驶仪系统故障树模型进行分析,提取故障树最小割集及最小割集重要度,将专家系统作为框架、故障树作为诊断规则,并存入专家系统知识库,运用基于故障树最小割集重要度的推理机,实现故障树与专家系统的交互操作,最后完成诊断并输出结果。     

航空发动机滑油系统LRU级故障树建模与分析

滑油系统是航空发动机的关键系统之一,一旦发生故障,严重影响飞行安全。滑油系统结构复杂,排故难度较大。对滑油系统进行LRU级故障树建模和分析,能够为快速定位LRU级故障源提供指导性建议。根据滑油系统工作原理、组成与运行特点,构建了以LRU级故障为底事件故障树模型,运用下行法求解故障树最小割集,采用不交化的最小割集表达式,计算滑油系统顶事件故障发生概率,以及滑油压力异常、油液污染、滑油消耗量大、滑油系统部件损坏等典型故障发生概率;在不交化最小割集矩阵中,与求顶事件概率相对应,分析LRU级故障树底事件概率重要度和相对概率重要度;通过概率重要度分析明确航空发动机滑油系统的易损部件,为日常维护与管理提供参考。     

汽轮机故障树诊断方法研究及应用

采用故障树分析诊断汽轮机这个复杂系统的故障,利用模块连接法将复杂故障树转换为二元决策图(BDD),通过BDD进行故障树定性分析,解决复杂故障树定性分析时遇到的NP问题,以及常规故障树转换方式中的基本事件排序问题。通过对系统故障树的定性分析,求出所有最小割集;对系统故障树定量分析;结合汽轮机监测系统监测的故障信号与组成单元的状态进行匹配,从而确定故障诊断的顺序,从一定程度上避免发生概率小的最小割集优先诊断的情况,提高了系统诊断准确度,有助于精确诊断故障原因,节省诊断成本和优化系统诊断过程。针对某汽轮机打闸或跳闸时,主汽门关闭时间延长问题,应用故障树诊断方法成功的进行了故障诊断,为该方法今后的研究探索奠定基础。     

基于Petri网的机动车故障诊断专家系统设计

鉴于传统机动车故障诊断过程的复杂性、低效率和对维修人员素质的高要求,设计了一种基于Petri网的机动车故障诊断专家系统。该系统融合了多渠道故障特征的信息库和专家诊断知识库系统,在对机动车故障诊断过程中,系统先进行故障树分析(FTA),再利用Petri网的关联矩阵求出所有最小割集,并把它们作为诊断规则存入专家知识库;再结合最小割集重要度优先级来推理,实现机动车故障的快速定位并给出故障维修方案。最后用实例验证了该系统的实用性。     

基于Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。     

FTA方法在汽车转毂试验台故障诊断中的应用

分析了FTA最小割集求解方法和顶事件概率求解方法,并在此基础上将其用在汽车转毂试验台制动失灵故障诊断中。建立故障树模型,进一步求解其最小割集及顶事件发生概率并仿真,对转毂制动故障的原因进行分析,为汽车转毂试验台故障诊断提供了一种有效可行的方法。     

基于改进模糊故障Petri网的复杂系统故障诊断与状态评价EI北大核心CSCD

为提高复杂系统的可靠性,在综合模糊Petri网和故障Petri网优点的基础上,提出了改进模糊故障Petri网的建模及推理方法。该模型定义了库所、托肯及变迁的着色规则,并结合模糊产生式理论,应用于复杂系统的故障推理,从而更加直观、明确地描述故障状态及信息。该模型的正向推理反映了故障传播的固有特性,采用基于智能点火判断矩阵的正向演绎算法,实现了故障状态快速、准确的智能评价。该模型的逆向推理为故障诊断过程,引入智能的逆向推理矩阵,并结合基于Petri网关联矩阵的最小割集诊断法,实现了模型中任意库所故障的逆向自动诊断,同时根据故障易发率得出最小割集优先顺序,提高故障诊断的效率。以数控机床进给系统的故障分析为例,验证了所提模型和方法的正确性与高效性。