考虑多种故障状态的机械系统可靠性评估方法研究

为解决传统可靠性分析方法在多状态且难以获得精确故障率的机械系统可靠性评估中的不足,以及T-S故障树存在计算复杂、不能逆向推理等问题,提出一种将T-S故障树和区间模糊多态贝叶斯网络相结合的系统可靠性评估方法.将T-S故障树映射成贝叶斯网络,在模糊贝叶斯网络可靠性分析方法中引入区间理论,对模糊子集边界值进行模糊化处理,构建...     

基于T-S故障树和贝叶斯网络的模糊可靠性评估方法

针对贝叶斯网络方法存在的贝叶斯网络模型和节点条件概率表难以构造、根节点故障率和故障概率数据难以精确获取等不足,以及T-S故障树分析方法存在的计算复杂、不能进行反向推理等不足,提出基于T-S故障树和贝叶斯网络的模糊可靠性评估方法:利用T-S故障树构造贝叶斯网络模型、T-S门规则构造节点条件概率表;用模糊数描述节点的多种故障状态,模糊子集描述节点各故障状态下的故障率、故障概率;结合贝叶斯网络推理给出在仅知根节点故障状态条件下,叶节点各故障状态的发生概率、根节点状态重要度;以及已知根节点各故障状态的故障率、故障概率模糊子集条件下,叶节点各故障状态的故障率、故障概率模糊子集,以及根节点模糊重要度、后验概率。通过与文献[5]的T-S故障树分析方法、文献[10]的贝叶斯网络方法对比,验证所提方法的可行性。对巷道运输车液压系统进行模糊可靠性评估,计算根节点状态重要度等可靠性指标,为提高系统可靠性和进行故障诊断提供依据。     

基于模糊贝叶斯网络的多态系统可靠性分析及在液压系统中的应用

为使贝叶斯网络能够对模糊信息和不确定信息进行处理,提出一种新的基于模糊贝叶斯网络的多态系统可靠性分析方法。该方法将模糊集合理论引入到贝叶斯网络可靠性分析中,考虑部件故障状态、部件故障率的模糊性以及部件间故障逻辑关系的不确定性,使贝叶斯网络具有处理模糊信息的能力。该方法采用模糊数描述系统和部件的故障状态,利用模糊子集描述部件的故障率,运用贝叶斯网络的条件概率表描述部件间的不确定联系。该方法应用到载重车液压悬架系统的可靠性分析实例中,分析结果表明该方法在进行系统可靠性分析时能够充分利用系统的模糊信息和不确定信息,从而提高系统可靠性分析的效率。     

应用贝叶斯理论评估水下采油树可靠性

水下采油树作为水下油气开采的重要设备,长期处于深海中,其可靠性直接影响整个水下生产系统的安全稳定运行。因此,为研究水下采油树系统的工作可靠性问题,提出一种基于贝叶斯理论的可靠性评估方法,该方法在融合模糊理论的基础上,并考虑到部件失效概率的动态性问题,并以构造的动态模糊子集来表述各根节点的失效概率。该方法有效改善了传统贝叶斯网络在处理故障信息存在模糊性及动态性等方面的问题,提高了系统可靠性分析结果的准确性。通过利用贝叶斯网络对水下采油树系统进行可靠性分析,以期为水下采油树的故障诊断与维修提供了理论依据和数据支撑。     

基于云模型与变权灰色模糊综合评判的真空断路器状态评估

对状态评估中常权重的不足,结合评估的模糊性与灰色性,提出基于变权灰色模糊综合评判的真空断路器状态评估方法。分析真空断路器故障,确定相关特征状态指标并进行层次性划分。指标的灰色权重采用组合权重法确定常权重,使用变权公式对常权重进行优化得到模部,灰部通过专家打分确定。灰色模糊状态矩阵采用云模型确定隶属度,通过灰色模糊综合评判法对真空断路器状态进行评估。以ZN63A-12型某真空断路器为例进行分析,结果与实际状况相符,证明该方法能够评估真空断路器真实运行状态。     

基于模糊聚类的油田往复压缩机气阀故障诊断研究

往复压缩机气阀是整个机体中故障率最高的部件,针对其故障模式复杂、难以辨识的特点,选取与气阀运行状态密切相关的6个振动参数作为特征参数,采用模糊聚类方法对气阀故障和运行状态进行评判.用现场实际采集的20个样本进行模糊聚类分析,求出故障特征,并与频谱分析和现场实际情况进行比较,聚类结果与实际情况相吻合,证明此方法应用于运行状态评判和挖掘故障特征是有效的.     

动车组受电弓系统失效风险分析

针对系统失效风险分析过程中数据缺失、多源异构和认知不确定的实际情况,提出了利用模糊故障树构建多态模糊贝叶斯网络来对系统失效风险进行分析,根据各根节点模糊故障率计算出中间节点和叶节点不同故障状态的模糊可能性,同时对各根节点灵敏度进行分析,并对其实际意义进行了说明,最后根据所提方法对动车组受电弓系统进行了失效风险分析。分析结果表明,网压互感器破损、疲劳性裂纹、控制阀板风管破损为高风险事件,与实际情况一致,同时该方法也扩展了贝叶斯网络在实际工程中的应用。     

多特征信息融合的贝叶斯网络故障诊断方法研究

针对轴向柱塞泵故障特征的模糊性和不完备性特点,提出一种多特征信息融合与贝叶斯网络相结合的故障诊断方法。该方法从柱塞泵采集的振动信号中提取出频域和幅域的多个故障特征,并将这些特征当作来自多个不同传感器的多源信息。利用贝叶斯参数估计算法进行多特征信息融合。通过构造贝叶斯网络并建立贝叶斯分类器来简化融合后的结果,通过最大后验概率估计值的计算进行故障识别。经过轴向柱塞泵多故障模式的诊断实验,验证了该方法能够有效地实现柱塞泵柱塞松靴和脱靴故障的诊断。     

基于贝叶斯网络的复杂系统多态可靠性分析

为了评估多态复杂系统的可靠性,识别系统中的薄弱环节,提出了一种基于贝叶斯网络的多态系统可靠性评估方法。在运用故障树进行分析的基础上进一步将故障树映射为贝叶斯网络。考虑到部件故障状态以及部件间故障逻辑关系的不确定性,该方法运用贝叶斯网络的条件概率描述部件间的不确定联系,采用三状态节点来描述系统和部件不同的故障状态,融合各验前信息计算各底事件和顶事件的发生概率,分析各个底事件对系统整体可靠性的影响,并计算各事件的重要度指标,通过分析查找系统的薄弱环节,以应用实例对提出方法的可靠性进行了验证。     

基于EMD分解的聚类树状图轴承故障诊断

针对滚动轴承故障振动信号的非平稳特征和故障征兆模糊性,提出了基于EMD和动态模糊聚类图的轴承故障诊断方法.运用EMD方法提取待诊断的轴承运行状态样本的能量特征指标,应用模糊聚类分析方法对特征参数进行聚类,并作出聚类树状图.结果表明,该方法不需要大量的样本进行学习,且能更直观、准确识别滚动轴承的运行状态.