基于证据理论的改进贝叶斯网络液压系统可靠性分析（英文）

可靠性分析是判断液压系统和元件可靠性的一种关键技术。贝叶斯网络是液压系统可靠性分析的常用方法。然而,在实际工程中,液压系统的不确定性和多态性使得传统贝叶斯网络可靠性分析的性能下降。基于此,提出了一种基于证据理论的改进贝叶斯网络液压系统可靠性分析方法。首先,利用证据理论的似然概率和信任概率描述根节点的失效可能性区间,有效处理了液压系统的不确定信息,准确地提取了根节点的故障概率;然后,基于贝叶斯推理获取叶节点的故障概率和根节点的灵敏度区间,有效描述了液压系统的多态性。液压系统可靠性分析实例表明:该方法具有很强的不确定信息处理能力和多态性分析能力。实例分析结果验证了所提方法的有效性。     

基于DTBN的液压调高系统动态故障树分析

针对液压调高系统存在动态失效特性问题,采用基于离散时间贝叶斯网络(DTBN)的动态故障树分析方法进行分析。研究一种基于DTBN的动态故障树分析方法,给出动态故障树向DTBN转化以及用DTBN求解各时间段和任务时间内顶事件的发生概率、基本事件的后验概率和概率重要度的方法。利用基于DTBN的动态故障树分析方法构建液压调高系统动态故障树,并将其转化为DTBN。利用贝叶斯网络双向推理计算各时间段和任务时间内液压调高系统的失效概率和各元件的后验概率与概率重要度,为发现液压调高系统薄弱环节、提高系统可靠性提供依据。     

基于T-S模型的锚杆钻车液压系统故障树分析

介绍基于T-S模型的模糊故障树理论,并应用于锚杆钻车液压系统。构建锚杆钻车液压系统T-S故障树,分别在已知底事件故障模糊概率和已知底事件故障程度两种情况下计算锚杆钻车液压系统模糊故障概率。结果表明：锚杆钻车各系统故障模糊概率存在联系;日常使用中做好液压泵的保养可提高整体系统可靠性;计算需选取合适隶属度函数,可通过试验或维修数据完善,提高故障诊断分析准确率。     

基于动态贝叶斯网络的液压系统可靠性研究

液压系统组成结构复杂且维修难度高,因此进行液压系统的可靠性评估对企业生产安全有着重要作用。结合故障树和动态贝叶斯网络建立评估模型对液压系统进行可靠性分析。利用动态贝叶斯网络的推理功能得出液压系统可靠度和可用度随时间推移的变化规律,并实现液压系统故障诊断,识别关键故障因素源。液压系统的可靠度会随时间推移而逐渐降低,但定期的维修可以使液压系统的可用度在较长一段时间内维持在很高水平。实验结果为液压系统的日常维护和修理策略提供了借鉴。     

大型压机液压同步平衡系统可靠性分析

根据液压可靠性的基本理论,对大型压机的液压同步平衡系统进行了可靠性分析,建立了系统的可靠性逻辑图和数学模型。基于该系统的模型,利用MATLAB软件,进行了仿真计算,绘制出了可靠度仿真曲线。指出了提高系统可靠性的方法。     

基于FTA-AHP的数控磨床主轴系统可靠性分析

为了提高数控磨床主轴系统可靠性,需探明主轴系统的故障模式及原因,找出主轴系统的薄弱环节。文章以电主轴失效为顶事件展开故障树分析(FTA),并结合层次分析法(AHP)建立了故障递阶层次模型,求解出各故障因素的发生概率权值,进而确定了影响主轴系统的关键故障因素,最后通过改善措施,提高了主轴系统可靠性。该方法利用实例验证了可行性,能够在可靠性数据缺失,且难以定量评估的条件下,准确得到可靠性因素的优先级,为今后的可靠性设计及故障诊断提供参考依据。     

基于动态贝叶斯网络的多状态系统可靠性分析

为避免离散T-S模糊故障树计算误差,清晰表达系统可靠度随时间变化趋势,将基于冲激函数约束的连续时间T-S动态故障树与动态贝叶斯网络相结合,既可体现连续时间T-S模糊动态故障树的动静态描述能力,又能发挥贝叶斯网络双向推理建模与可描述动态的优势;然后在GeNIe2.0软件中搭建贝叶斯网络模型,导出后验概率,再计算合成动静态模块的重要度;最后以动车组空气供给系统为例,进行了可靠性分析,并于软件中仿真系统可靠度随时间的变化曲线,验证了模糊动态贝叶斯网络方法的正确性与合理性。研究结果表明：安全阀与单向阀为系统的薄弱环节,应加大检查检修频次,其余部件可参考图示结果合理安排设备维护频次。     

基于灰色聚类方法的加工中心进给系统可靠性评价

应用MTALAB软件对加工中心进给系统的故障数据进行分析,得到平均首次故障时间(MTTFF)和平均故障间隔时间(MTBF)的点估计值和区间估计值。采用灰色聚类方法划分可靠性指标可拓区间灰数等级,并通过建立白化权函数得到等级区间权重矩阵。再结合构建比较判断矩阵确定的两种可靠性指标权重,最终建立了灰色聚类综合评价模型,对该加工中心进给系统可靠性水平进行评价。     

基于FARX和RBFNN模型的压铸机液压系统故障诊断

提出了一种基于FARX和RBFNN的压铸机液压系统故障诊断新方法。模糊化之后的ARX模型不仅保留了其自回归系数对故障状态变化规律反映非常敏感的特性,而且能够实现对非线性故障特征更准确的描述。故障诊断中首先对目标系统的故障状态建立FARX模型,提取其故障特征作为RBF网络训练样本,根据RBF网络的输出结果确定故障类型。仿真实例验证了此方法的准确性和有效性。     

悬挂液压系统中新型管路防爆阀的可靠性设计

分析了悬挂液压系统管路中传统防爆阀的工作原理,针对此阀不能完全满足高速铁路建设工程中运梁车悬挂液压系统可靠性要求的实际情况,基于可靠性原理设计了双管路防爆阀,解决了载重9 000kN运梁车悬挂液压系统潜在的软管爆裂故障,并在整车出厂试验中验证了这种新型防爆阀的可靠性.     

基于液压系统仿真数据的贝叶斯网络结构优化

液压系统是一个典型的高度非线性系统,系统各回路之间相互干涉,使其失效形式、故障机制复杂多样;系统内部动力传递封闭,参数可测性差,故障信息难以提取,导致液压系统故障诊断困难。尤其在缺少系统模型、专家知识、先验概率的一些实际应用中,传统的故障树-贝叶斯网络诊断方法无法有效应用。针对这种应用场景,提出基于仿真数据挖掘的贝叶斯网络学习,通过BNFinder软件对仿真数据进行处理及运算,优化贝叶斯网络结构,提高故障诊断的效率。     

基于动态贝叶斯网络的海底管道点蚀疲劳损伤失效模型研究

目的研究海底管道在点腐蚀和腐蚀疲劳双重影响下的整个破坏过程,基于动态贝叶斯网络构建系统失效模型,对海底管道系统不同疲劳寿命下的失效概率进行预测。方法将点蚀疲劳损伤过程分为腐蚀点成核、腐蚀坑增长、短裂纹扩展和长裂纹扩展四个阶段,采用蒙特卡洛模拟方法对腐蚀点形成到短裂纹发生前的管道破坏过程进行分析,结合疲劳裂纹扩展的动态贝叶斯网络结构图,在充分考虑相关影响因素不确定性的基础上,为海底点蚀管道系统提出一种创新性的概率分析方法,对点蚀管道疲劳寿命的失效概率进行科学预测。结果结合实例分析,通过蒙特卡洛模拟方法,求解得出腐蚀坑增长转变为短裂纹扩展状态的临界裂纹尺寸为0.8mm。采用动态贝叶斯网络分析方法,对未经受维修保养的点蚀管道进行疲劳寿命预测,当管道运行到第35年时将会面临失效风险。结论所构建的模型可以对海底点蚀管道腐蚀疲劳寿命失效概率进行合理预测,通过观测相关影响参数的变化,及时更新预测结果,有助于为海底管道系统制定有效的维修策略。     

基于小波包与概率神经网络的液压泵故障模式识别

小波包具有良好的去噪效果和高频分析能力,而概率神经网络具有很好的分类效果。采用小波包分解重构液压泵故障特征信号,并提取第三层各频率段的节点能量作为特征向量,将特征向量概率神经网络模型的输入向量对液压泵故障模式进行识别。通过采用LabVIEW和MATLAB混合编写的识别软件系统对液压泵故障识别,证明了将该方法用在液压泵故障模式识别上,能取得良好的效果。     

航空发动机燃油系统部件寿命建模研究

为解决燃油系统部件可靠性难以估计的问题,收集了燃油系统重要部件燃油泵组件、液压机械装置、燃油流量传感器、燃油喷嘴的工作时间数据,针对不同部件的工作时间分别绘制Weibull概率图,用三参数相关系数优化法对Weibull分布模型进行参数估计,并依据参数估计值得到不同部件的可靠度函数、失效率函数及故障概率密度函数,最后对燃油系统部件进行可靠性评估与分析。结果表明：航空发动机燃油系统部件作为一种复杂的机械电子系统,Weibull分布模型可有效评估其使用寿命,可用于对航空发动机燃油系统部件进行可靠性分析。     

工业机器人末端执行器配套风管故障风险评估研究

工业机器人末端执行器通常由风管控制开闭,信号经程序驱动电磁阀动作,为研究其末端执行器配套用风管失效风险,介绍了故障树分析法,进行风险识别,找出影响风管动作的最关键因子,建立风管失效风险评价体系,利用模糊理论评估末端执行器风管失效风险概率值,并且利用贝叶斯网络预测因风管失效致工业机器人故障的风险概率值,并对各根节点实施敏感性分析。结果表明:工业机器人末端执行器配套风管有失效风险,该风险主要由外腐蚀、疲劳、自然力、误操作和第三方破坏五大因素造成,为预防因风管故障致末端执行器开闭故障引发的严重生产事故,需加强风险节点的控制与管理。     

基于模糊FMECA的两栖装甲车液压系统可靠性分析

分析两栖装甲车液压系统的可靠性时,采用传统的FMECA方法会因为评价因素多、故障数据缺乏且故障模式关联性大,很难进行有效的定量分析。将模糊理论中的模糊综合评判引入到传统FMECA方法中,形成模糊FMECA方法,用于两栖装甲车液压系统的可靠性分析,可以得出液压系统部件各故障模式的危害等级,从而找出液压系统的维修和可靠性改进重点。根据分析结果得出,模糊FMECA方法能帮助找出液压系统的故障诊断重点并提出改进措施,进而提高其可靠性。     

基于卷积神经网络的液压缸内泄漏检测

由密封损坏引起的液压缸内泄漏会导致液压系统工作的不稳定。本文作者提出一种基于卷积神经网络的检测方法,先经过仿真得到在无泄漏、小泄漏、中等泄漏和大泄漏4种工况下的液压缸一个腔的压力信号,通过卷积神经网络的学习与训练,使其在不确定工况下通过输入压力信号自动地检测液压缸的泄漏程度。相比于传统的建模方法,文中方法克服了在非线性液压系统中建模难点,只需要采集压力信号,且简单可行,具有很高的可靠性;将该方法与传统的BP神经网络作对比,证明该神经网络的优越性     

基于BP神经网络和D-S证据理论的刀具磨损监测方法

将BP神经网络和D-S证据理论相结合的方法运用于刀具磨损监测中,采用小波包分解法对刀具磨损过程中产生的声发射信号进行特征提取,构建特征向量,利用BP神经网络识别判断刀具磨损状态;通过BP神经网络的输出结果和训练误差计算D-S证据理论的基本概率赋值,并用D-S证据理论对BP神经网络的识别结果进行决策级融合。实验结果表明:该方法避免了神经网络识别时的误诊,提高了整个刀具磨损监测系统识别的准确性和可靠性。     

随机载荷下滚动轴承系统疲劳可靠性分析

传统的轴承疲劳寿命可靠性研究主要是在稳定载荷条件下对单个轴承寿命可靠度的研究。基于概率Miner累积损伤理论,推导随机载荷下滚动轴承的疲劳寿命及可靠性计算公式,并针对滚动轴承系统阐述随机载荷下各轴承的失效相关机理。根据载荷离散化思想,运用随机事件的全概率公式,推导随机载荷下滚动轴承系统的疲劳可靠度计算公式。该公式考虑了系统各轴承的失效相关性,可更客观地描述系统寿命与各设计参数的内在关系。算例以并联行星齿轮轴承系统为分析对象,运用随机载荷下滚动轴承系统的疲劳可靠度公式得到合理结果。新模型与方法可为滚动轴承系统寿命评估与可靠性分析提供理论依据。