基于DFTA的电牵引采煤机调高液压系统可靠性分析

MG950/1915型电牵引采煤机调高液压系统具有动态失效行为,用传统静态故障树法无法分析其可靠性.该文提出基于动态故障树的采煤机调高液压系统分析法,建立了油缸运动阻力大的动态故障树模型.首先求解动态故障树中不同子树的顶事件在不同时刻的发生概率,能得到整体动态故障树顶事件在不同时刻的发生概率.其次通过寻找顶事件发生概率最大的子树及子树中概率重要度最大的底事件,得到精过滤器和粗过滤器是采煤机调高液压系统的薄弱环节,为采煤机的优化设计提供了理论依据.     

T-S动态故障树分析方法

DUGAN动态故障树由静态子树和动态子树组成,静态子树为传统故障树并用与、或门等传统逻辑门描述静态失效行为,动态子树用优先与门、功能相关门、顺序相关门、备件门等动态逻辑门描述动态失效行为。相对于传统故障树,T-S故障树可以刻画任意形式的组合、多态等静态失效行为,但仍不能刻画系统的动态失效行为。为进一步增强故障树描述静、动态失效逻辑的能力,提出了T-S动态故障树分析方法,首先定义并提出了描述静、动态逻辑关系的T-S动态门及描述T-S动态门的时间状态规则和事件发生规则构建方法,进而提出了基于T-S动态门输入、输出规则算法的T-S动态故障树分析求解计算方法。T-S动态故障树的T-S动态门规则可无限逼近现实系统的失效行为,不仅可以描述DUGAN动态门所刻画的动态失效行为,还可以描述DUGAN动态门不能刻画的静、动态失效行为。最后,将T-S动态故障树分析方法分别与离散时间贝叶斯网络、Markov链和顺序二元决策图求解DUGAN动态故障树的方法进行对比,验证了所提方法的可行性和计算的简便性。     

基于综合加权BDD技术的某船用汽轮机超速保护系统故障分析

为高效准确实现汽轮机超速保护系统故障分析,首先,给出故障树的规范化数据结构形式,基于ite算法将故障树转化为递归形式的二元决策图(BDD),并验证该算法在故障树定性和定量分析的有效性;然后,进行故障树基本事件的排序方式对BDD结构影响分析,并综合考虑基本事件深度、重复次数、子树的基本事件数目,提出一种综合加权排序法缩减BDD结构规模,增强BDD可读性,提高分析效率和精度;最后,基于综合加权BDD方法成功实现了汽轮机超速保护系统故障树分析,准确求得了故障树的最小割集,并实现了结构重要度、概率重要度和临界重要度等的定量分析,由此诊断出汽轮机超速保护系统故障原因,并给出了系统设计和运行的有益建议。     

一种新型动态贝叶斯网络分析方法

为充分发挥T-S动态故障树和动态贝叶斯网络分别在分析建模与推理计算方面的优势,提出了一种新型动态贝叶斯网络分析方法--基于T-S动态故障树的动态贝叶斯网络分析方法。将T-S动态故障树转化为动态贝叶斯网络有向无环图,再将T-S动态门及其描述规则转化为动态贝叶斯网络条件概率表,进而提出了正向推理叶节点失效概率、反向推理根节点后验概率和求解根节点概率重要度、关键重要度、风险业绩值、风险降低值、微分重要度与灵敏度的新型动态贝叶斯网络算法。通过与基于Dugan动态故障树的动态贝叶斯网络分析方法和静态贝叶斯网络分析方法对比,验证了所提方法的可行性。最后,用所提方法对液压缸同步系统进行可靠性分析,计算得到系统失效概率、根节点后验概率、重要度与灵敏度,为提高系统可靠性和进行故障诊断提供依据。     

基于ANSYS的斜齿轮接触应力有限元分析

某重卡变速箱中一对输出齿轮副中的主动轮在啮合过程中出现寿命不足现象,故应用大型有限元分析软件ANSYS对其进行静态啮合力分析,获得了齿轮副的静态接触应力云图;基于ANSYS/LS-DYNA进行有限元动态分析,与静态分析相对比,应力水平增加显著.综合静态和动态接触分析发现啮入时主动轮齿端齿根处弯曲强度最弱,易出现折断.     

连续时间多维T-S动态故障树分析方法

复杂系统的可靠性往往受工作时间、应力冲击、工作温度等多因素影响,仅考虑工作时间单一因素的故障树分析方法存在局限性,提出考虑工作时间、应力冲击、工作温度等多因素影响的连续时间多维T-S动态故障树分析(Continuous-time multi-dimensional T-S dynamic fault tree analysis,CM-TSdFTA)方法.构造多因素影响下的下级事件故障概率密度函数,基于下级事件的顺序规则及上级事件的输出规则提出T-S动态门及其事件顺序描述规则构建方法,给出基于规则执行可能性、上级事件发生可能性的上级事件故障概率分布函数计算方法.CM-TSdFTA不仅可以描述事件间静、动态失效行为,还能对多因素影响下的系统可靠性进行分析.通过与空间故障树、Dugan动态故障树、离散时间T-S动态故障树分析方法进行对比,验证了所提CM-TSdFTA的可行性.最后,给出了所提方法的工程分析案例.     

基于Petri网的复杂制造系统故障树分析

针对动态复杂制造系统故障诊断问题,提出了一种融合Petri网与故障树的系统故障建模方法.基于对偶和再吸收原则来简化Petri网模型,应用库所矩阵法对处理后的简单模型求其最小割集;基于Petri网优化建模的结果,运用OpenFTA故障树分析软件对其进行定量分析,求得各最小割集概率重要度,顶事件发生概率以及各底事件概率重要度.该模型在不锈钢方坯连铸机结晶器故障应用结果表明,与通常的故障树求解方法相比,对于复杂的故障树,用该集成模型可有效地进行故障树的定性、定量分析,节省计算时间成本,提高分析效率,并提高了故障诊断的正确性.     

一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多.在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题.滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化.最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性.     

核电厂用860 t阻尼器试验台架性能设计分析与仿真

核电厂用860t阻尼器综合试验台架主要为核电站主设备(蒸汽发生器、稳压器和主泵)用大型阻尼器实施动态和静态试验.通过对位置伺服系统和力伺服系统的特性进行分析,并对力伺服系统进行AMESim仿真,验证伺服系统设计能够满足试验台架的性能要求.     

基于飞机环控系统的安全性分析方法研究

安全性评估(MC3)是适航符合性验证的基本方法。运用故障树、动态故障树和马尔科夫方法分别对飞机座舱环控系统进行建模分析,比对3种方法的优缺点,得出对于具有动态时序性的复杂系统,运用动态故障树和马尔科夫方法分析时更严谨客观,动态故障树克服了马尔科夫方法在大型系统分析时计算复杂、对系统描述不直观等特点,在实际运用中更具可行性。     

基于模糊动态故障树的动车制动系统可靠性分析

针对动车制动系统实际工作环境中的故障发生率具有模糊不确定性以及故障的发生具有动态性的特点,把模糊数学和马尔可夫（Markov）模型与故障树模型相结合提出一种基于模糊Markov模型的动态故障树分析方法,通过三角模糊数和扩展原理来表示底事件故障率和Markov模型中不同状态转移率的模糊性。利用动态故障树模型分析获得了系统故障树顶事件模糊故障率的隶属函数。解决了不确定条件下的动态系统可靠性分析问题,对兰新高速铁路上运行的动车组的制动系统进行分析,获得了制动系统可靠度预测曲线,为该路线上运行的动车的制动系统针对故障特点制定相应的检修和维护方案提供了理论依据。     

直升机复合材料动部件可靠性分析

对直升机复合材料动部件的疲劳强度可靠性进行分析，先讨论直升要复合材料动部件的损伤及失效形式，并给出其失效树；然后，依失效树建立复合材料结构的安全寿命，安全寿命绫损伤容主可修复结构可靠性分析模型。     

太阳翼驱动机构的模糊动态故障树分析

作为航天器重要的组成部分之一的太阳翼驱动机构,故障频发,它的可靠性研究凸显出重要的价值。根据太阳翼驱动机构的组成和工作原理,建立了相应的动态故障树。考虑到现实中太阳翼驱动机构的故障现象、故障状态与故障原因等存在着大量的不确定性,将模糊集理论引入动态故障树分析中,采用三角模糊数表示太阳翼驱动机构故障树的各个底事件的失效参数,将 截集理论与区间运算相结合,对太阳翼驱动机构进行模糊动态故障树分析,从而得到系统的顶事件模糊发生概率与各个底事件的模糊概率重要度,并对模糊概率重要度进行分析,得出太阳翼驱动机构中的关键部件为系统中的轴承及谐波减速器,找到了系统的薄弱环节。     

鱼雷动力系统可靠性分析的模糊故障树方法

通过对鱼雷典型动力系统的功能结构和故障判据进行分析，建立了鱼雷动力系统故障树，在故障率为模糊数的模糊故障树可靠性分析方法的基础上，应用模糊数学理论对其进行了模糊故障分析，并应用模糊重要度分析的中值法对重要度进行了计算，取得了很好的效果，为鱼雷系统可靠性分析提供了新的途径。     

Characterizing wafer stage transmission errors via binary decision diagram and dynamic fault tree

The wafer stage, as a key subsystem of the dual-stage lithographic tool, possesses the characteristic of high moving accuracy. The fault tree analysis (FTA), which plays an important role in the design stage of the wafer stage, is performed to distinguish the critical events leading to the overall transmission error. However, in view of the complexity of the wafer stage’s structure and operation mechanism, the binary decision diagrams and dynamic fault tree analysis methods are implemented in this paper to obtain a simplified calculation process and a supplement with the dynamic characteristic respectively. This is not achieved by the traditional FTA method. The event “wafer stage’s repetitive error along X axis exceeds 5 nm” is viewed as the top event of the fault tree. In this paper, we identify the critical factors affecting the kinematic accuracy of the wafer stage.     

“数据流”在电控发动机故障分析中的运用

随着电控燃油喷射技术的发展和汽车维修水平的不断提高,使用故障诊断仪检测发动机电控单元(ECU)是判明故障可能发生原因和部位的有效方法。阐述使用故障诊断仪进行数据流的检测,通过研究发动机静态或动态数据状况,找出发动机实时数据流与实际参数的差异,确定故障所在,提出有效解决方案。     

A KPI-based process monitoring and fault detection framework for large-scale processes

Large-scale processes, consisting of multiple interconnected subprocesses, are commonly encountered in industrial systems, whose performance needs to be determined. A common approach to this problem is to use a key performance indicator (KPI)-based approach. However, the different KPI-based approaches are not developed with a coherent and consistent framework. Thus, this paper proposes a framework for KPI-based process monitoring and fault detection (PM-FD) for large-scale industrial processes, which considers the static and dynamic relationships between process and KPI variables. For the static case, a least squares-based approach is developed that provides an explicit link with least-squares regression, which gives better performance than partial least squares. For the dynamic case, using the kernel representation of each subprocess, an instrument variable is used to reduce the dynamic case to the static case. This framework is applied to the TE benchmark process and the hot strip mill rolling process. The results show that the proposed method can detect faults better than previous methods.     

基于变量分块的 KDLV-DWSVDD 间歇过程故障检测算法研究

非线性动态间歇过程中,测量变量存在不同的序列相关性,且变量间的交叉相关性会体现在不同的采样时刻上,然而传统检测方法没有考虑这种变量间的相关性,通常将所有变量视为独立或相关关系进行特征提取,不能充分提取到故障信息的特征,造成监测效果不佳。因此,提出一种基于变量分块的核动态潜变量-动态加权支持向量数据描述(KDLV-DWSVDD)间歇过程故障检测算法。首先,通过求取变量间的互信息值(MI)将变量分为相关与独立两个变量子块;然后,通过KDLV算法将相关变量子块分为动态部分和静态部分,对动态部分建立向量自回归模型进行监测,对静态部分采用邻域保持嵌入(NPE)算法进行监测;独立变量子块中自变量的动态信息可通过DWSVDD算法进行提取;最后,通过KDLV-DWSVDD算法建立监控统计量进行故障检测。所提算法在青霉素发酵仿真过程中平均故障检测率可达90.38%,相较对比算法提高了近15%,半导体实际工业过程也证明了所提算法对于间歇过程故障检测的可行性和优越性。