基于多态故障树的伺服刀架可靠性分析

为了描述工程实际中某些故障现象的退化过程,定义了两状态事件、多状态事件和多态表决门单元,并提出多态故障树的建造方法.首先从系统故障顶事件逐级细分出可能出现的各种故障模式,根据实际工况将故障模式分为功能失效模式和状态恶化模式两大类,分别视为两状态事件和多状态事件;然后判断出各故障模式对应的所有故障部位,视为多状态事件.不同状态事件间的逻辑关系通过多态表决门来表征.采用最小路集法建立基于多态故障树的可靠性定量分析模型,求解系统可靠度及事件概率重要度.将该方法应用在伺服刀架可靠性分析中,结果表明,所建立的多态故障树能描述实际工况,据此来判别影响系统可靠性的薄弱环节具有指导意义.     

基于故障树分析武警运输安全人为因素

将故障树分析法应用到武警运输安全人的因素分析中,建立了武警运输安全事故树,进行了简化、定性和定量分析,计算了基本事件的重要度,并给出了一般计算公式。     

塔式起重机液压顶升系统的故障树分析

应用故障树分析法对塔机的液压顶升系统的典型故障做了定性和定量分析,找出了系统的薄弱环节。     

基于故障树的智能故障诊断方法

针对传统故障诊断方法的不足,提出了一种基于故障树的故障诊断方法.该方法在对系统故障现象进行分析判断的基础上,按照任务和功能关系,建立包含各功能单元的故障树模型,求得系统的最小割集,并计算出单元关键重要度.在综合考虑平均故障检测时间因素的同时,提出了故障判明效时比的概念,并以此为依据,从大到小排序,确定故障诊断的最优程序.     

基于扩展故障树的某滑油系统专家诊断知识获取

针对基于规则的专家诊断系统中知识获取的“瓶颈”问题,提出一种基于扩展故障树的专家诊断知识获取方法,并用于获取某滑油系统的专家诊断知识.在建立某滑油系统传统故障树的基础上,通过附加故障现象、故障检测方法、诊断建议等信息,形成某滑油系统的扩展故障树,并与基于规则的专家诊断系统结合,试图从扩展故障树中构建滑油系统的专家诊断知识.     

基于静态故障树的矿井提升机系统故障诊断研究

矿井提升机是煤矿井下三大设备之一,其安全性能至关重要。为了实现对矿井提升机的故障诊断,建立了矿井提升机制动系统的静态故障树。通过静态故障树分析法,找出影响矿井提升机制动系统发生障故时的各种因素,逐层分析,建立起故障树树形图;通过研究该故障树的最小割集,对影响故障发生时的各种因素进行定性分析及定量计算,得出故障发生时,各因素引起故障发生的概率,根据概率值的大小,找出故障发生时影响最大的因素以及影响最小的因素,对维修人员提供了技术支持,维修时有的放矢,缩短了诊断时间,提高了劳动效率。该方法在实际煤矿中得以应用,实践证明该方法是切实可行的,为后续的智能诊断奠定了基础。     

基于灰色关联的隧道衬砌裂缝致灾通道分析

统计分析了109条含有衬砌裂缝的隧道,获得了衬砌裂缝分布的特征规律和可能导致衬砌裂缝的底事件及其统计概率,建立了衬砌裂缝故障树模型.运用灰色关联分析法,确定了造成衬砌裂缝的主要致灾通道.为了获得可靠的底事件概率,提出了将统计概率与专家调查所得概率相结合的方法.结果表明:偏压、背后空洞、渗漏水、松弛地压和不均匀沉降等为衬砌裂缝的主要致灾通道.     

基于动态故障树的导弹驾驶仪系统可靠性分析

导弹驾驶仪系统的可靠性是影响整个导弹任务成功的重要因素。由于该系统构成复杂且部件故障具有动态特性,传统的故障树分析方法很难描述系统失效的动态机制。为此,首先建立了某驾驶仪系统的动态故障树;然后根据部件测试和维修过程中的不确定状态按照一定的概率转化为可维修和不可维修的部件,从而对系统进行可靠性分析。在求解过程中,为了避免马尔科夫链应用中存在的组合爆炸问题,将蒙特卡洛方法应用于动态子树的求解中。仿真结果表明,上述方法可以对复杂、动态系统进行可靠性分析。     

基于故障树分析法的抓头可靠性仿真分析

首先采用故障树法对送料系统中的抓头部件进行结构功能分析,建立可靠性框图,并以"抓料失效"为顶事件,建立故障树并得到了抓头的最小割集和最小径集;经过重要度分析,找出了关键零部件并分析了故障原因,然后结合计算机辅助故障树分析软件(CAFTA)对其进行仿真模拟,计算得到抓头的可靠度直方图,并确立抓头的失效服从指数分布.针对抓头最小割集中的关键部件提出了抓头护板表面改性和结构设计改进措施,实验表明原故障基本消除,系统的可靠性得到较大提高.     

基于FTA与BAM神经网络融合的飞机故障诊断方法

飞机由大量彼此关联的组件组合而成,其大规模特性使得基于故障树(FTA)和基于神经网络的故障诊断方法在应用于其故障诊断时分别存在空间爆炸问题和训练样本整理困难问题.本文融合故障树和BAM神经网络,由故障树归纳出系统所有的故障模式,整理出BAM神经网络所需的具有规范性、独立性、正交性的训练样本,然后用BAM神经网络实现飞机故障的快速和准确诊断.实验评估结果表明,融合方法有良好的可扩展性,而且故障判别率提升了20%.