基于FMECA、FTA的故障诊断和故障预报

系统工程与电子技术 第 !" 卷 第 ## 期
文章编号： （&""&） !""! #"$% !! "!&’ "( ! ! !
$%&’()& *+,-+((.-+, /+0 *1(2’.3+-2&
4315!"， 635## !77!
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
现代设备的飞速发展使得装备的保障费用急剧增加， 经 过统计， 现在装备的研制、 采购、 后勤保障的费用的比例基本 上是 # W ! W : 的关系， 维持高可靠性的维修费用已达到惊人的 地步， 以至于出现研制得起但买不起， 买得起又用不起的局 面。现代装备的更新速度的加快， 使得所研究的维修保障设 备跟不上装备发展的速度， 往往在装备的维修保障设备没有 出来之前， 装备已经需要进一步更新。现代装备故障诊断和 预报存在以下几个问题： （#） 过分依赖装备的历史故障信息； （!） 装备故障信息需要长时间的积累； （ X） 装备的设计、 生产 等信息利用不充分。然而要使装备的保障跟上装备的发展， 单纯依靠装备使用期间去搜集装备的故障信息和其它保障 信息是不够的， 而要把装备的设计、 生产和使用信息综合运 用， 特别对于新装备， 利用这些设计的可靠性信息是非常重
过对故障的各种因素 （包括硬件、 软件、 环境、 人为因素等） 进 行分析， 画出逻辑图， 从而确定装备故障原因的各种可能组 合方式及其发生概率， 以计算装备故障概率， 采取相应措施， 提高装备可靠性。 !"#$% 和 !&% 作为故障分析的 有 效 方 法， 主要用于装备的设计和研制阶段。起初主要是改进装备 的设计， 提高装备的可靠性。近年来， 已越来越多地应用到 装备的故障诊断之中。 !(* 对故障原因根据危害 # 根据 !"#$% 寻找故障 原 因， 度、 发生概率进行排序； 不成立， 则排除该 ( 以排序最高的故障原因作为故障， 原因， 转#； 成立， 则继续； ’ 更改故障专家诊断知识库； ) 结束。 故障预报 （’）无任何故障先兆的预报 对于无任何故障先兆的装备， 进行故障预报， 就需要根 据装备设计的基本可靠性以及装备以往出现故障的情况计 算装备极有可能出现的故障。对预测应有正确的认识。对 未来的估计， 预测结果只能近似， 而不能完全吻合。所以核 心问题是预测精度， 不能以精度不高而否认预测本身， 只从 预测方法的改进入手去提高预测精度。总之预测精度高比 精度低好， 预测比不预测好。下面是利用 !"#$%、 !&% 进行 故障预报的基本算法。 以出产日期为基准， 根据其元器件的寿 ! 对于新装备， 命分布， 当可靠性低于某一个数值时， 认为是有故障， 计算期 间的时间， 作为初始预测寿命值； 如果某个部件的某个器件出 " 在装备的使用过程中， 现了故障， 则保留该故障的寿命值， 根据已有的故障寿命和 预期的故障寿命作平均， 来预测下一步的故障时间。对于出 现 ! 次故障的预报，也采取求平均值的方式进行。在统计 过程中， 要统计故障发生的次数和每次发生时的寿命值， 以 作下一步的分析。 该思路说明故障预测是一个不断完善、 不断学习的过 程， 需要在装备的使用过程中不断地更新。 （(）有故障先兆的预报 对于有故障先兆的预报， 它的根据是以往诊断的结果， 所以它需要状态监测作为分析的依据。分析过程如下。 可能会有哪些分系统会出现故障； ! 由故障先兆分析， 作为系统 " 在分系统中找出对系统影响最大的因素， 可能出现故障的模式； 如 $ 判断该故障模式是否与现场监测的状态有关系， 有， 将它作为一个故障候选； % 找出 ! 个故障模式作为预报的对象，! 可以根据具 体情况给定。 !(! 故障预报与诊断的关系 故障预报可以作为故障诊断的信息应用， 同时故障诊断 的结果可以作为故障预报的根据。当系统出现故障时： （’）利用故障预报 （’） 的知识， 根据系统出现故障的时 如果这 ! 个元器件中 间搜索最接近该时段的 ! 个元器件， 有故障， 则诊断结束， 如没有， 则根据故障诊断流程来分析。 （(）利用故障预报 （(） 中的知识， 找出设备故障时最有 可能出现的 ! 个故障侯选， 同样按照!中的方法分析。
%6+/5’7/：@3 &31N( ’C( O.3I1()& (P-&’-+, -+ ’C( ’./0-’-3+/1 F/D1’ 0-/,+3&-& /+0 O.3,+3&-&，’C-& O/O(. OD’& F3.Q/.0 / )(’C30 3F （ F/D1’ )30(，(FF(2’ /+0 2.-’-2/1-’% /+/1%&-&）/+0 <@? （ F/D1’ ’.(( /+/1%&-&） <=*>? EI/&(0 F/D1’ 0-/,+3&-& /+0 O.3,+3&-&，/+0 ,-N(& ’C( /1,3.-’C) )30(1&R <=*>? /+0 <@? /.( D&(0 ’3 /+/1%S( ’C( )30( /+0 (FF(2’ 3F ’C( F/D1’ /+0 ’3 -)O.3N( ’C( 0(&-,+ 3F (TD-O)(+’ -+ ’C( &’/,( 3F ’C( (TD-O)(+’ 0(&-,+R U% ’/V-+, FD11 /0N/+’/,(& 3F <=*>? /+0 <@? F3. F/D1’ 0-/,+3&-&，’C( 1/2V 3F F/D1’ -+F3.)/’-3+ -+ ’./0-E ’-3+/1 )(’C30& 2/+ I( /N3-0(0 /+0 ’CD& ’C( (FF-2-(+2% 3F F/D1’ 0-/,+3&-& /+0 O.3,+3&-& 2/+ I( ./-&(0R =3.(N(.，’C( <=*>? /+0 <@? 2/+ I( FD.’C(. 0(N(13O(0R L’ C/& I((+ O.3N(0 ’C/’ ’C(&( )30(1& /.( F(/&-I1( /+0 C/N( I((+ Q(11 D&(0 -+ .(/1 /OO1-2/’-3+R 8,9:35)+：<@?；</D1’ 0-/,+3&-&；</D1’ O.3,+3&-&
; 引
言
要的。基于这些思想， 我们通过装备设计数据， 包括可靠性 数据、 故障模式、 影响及危害度分析 （<=*>?） 数据、 故障树分 析 （<@?） 数据等， 作为故障诊断和预报的自动生成知识库， 以专家知识和事后分析得到的结果作为专家诊断知识库， 两 者相互结合， 通过对监测数据的分析 （有无故障、 是否正常） 来进行故障预报和故障诊断， 得出的结果再对专家知识库进 行更新， 作为再次分析的依据。
!"#$% ’() !&% *’+,) !’-./ 01’2(3+1+ ’() !’-./ 4532(3+1+
B?6 >CD/+EFD，>?G H3+,EI-+,，HJ?6B KD+ECD/，>?L M-+E%/+
（ $%&’(’)* +’,-’**%-’, ./00*,* ，12-3-(425(’, !"!!!# amp;% 的故障诊断和故障预报
甘传付，曹宏炳，黄允华，蔡金燕
（石家庄军械工程学院，河北 石家庄 !"!!!# ）
摘 要：根据当前装备故障诊断和预报中存在的问题， 提出了用装备的故障模式、 影响及危害度分析 （<=*>?）
和故障树分析 （<@?） 信息进行故障的诊断和预报工作， 并且给出了算法模型。 <=*>? 和 <@? 是装备设计阶段用于 一方面可以避免传统专 分析其故障模式和影响、 改进产品设计的方法。充分利用 <=*>? 和 <@? 的信息进行诊断， 家诊断和预报中故障信息缺乏的问题， 从而提高故障诊断和预报的效率； 另一方面， 也可以进一步促进对 <=*>? 和 <@? 研究的认识， 从而进一步发展 <=*>? 和 <@? 方法。这些模型经过专家论证证明确实可行， 并在所研究的课 题中得到了较好的应用。 关键词：故障树分析；故障诊断；故障预报 中图分类号： 69"A5#; 文献标识码： ?
第 ’’ 期
基于 !"#$%、 !&% 的故障诊断和故障预报
! 利用 "#$%& 和 "’& 进行故障 诊断和预报
!() 故障诊断 以大型系统为例， 利用 !"#$%、 !&% 进行分析之前还需 要作一些预备性工作， 将分析的内容更加具体化、 可操作化， 从而提高诊断效率。 （’）将系统进行层次化分解。对于大型系统不能利用 那样计算量太大， 容易造成组合爆 !&%、 !"#$% 作全局搜索， 炸， 而且准确度低， 所以当装备出现故障时要先定位到分系 统， 再逐级搜索。新装备中大多都有机内检测设备， 所以故 障定位到分系统的过程， 可以由机内检测来确定。这一点可 以通过建立机内监测数据与分系统故障的对应关系来实现， 在一些文献中， 这种关系可以利用神经网络来实现。 （(）利用 !"#$% 和 !&% 的结果作为诊断知识库的内 容。首先需要选择分析过程中有用的信息， 并且通过调研和 查阅资料的方式进行， 从目前掌握的资料来看， !"#$% 中有 用的信息包括： 故障征兆、 故障原因、 故障元器件、 故障模式 及其危害度和发生概率、 检测方法等内容。 !&% 信息包括关 键重要度、 概率重要度、 结构重要度、 最小割集等。 （)）要实时地统计 装 备 的 故 障 率。我 们 的 !"#$% 和 与具体使用情况有 !&% 只是作为设计中的理想数据来运用， 一定的差别， 所以在装备的实际使用过程中， 要实时地统计 装备的故障率， 更新原来知识库中故障率。要实现这一功 能， 需要建立备份数据库， 将 !"#$% 和 !&% 的全部数据进行 备份， 以方便多用户的调用。 （*）在前述知识的基础上进行推理， 算法如下。 （ +,&#） 结果将故障定位到分系统 ! 根据机内测试设备 或部件； " 寻找对应的分系统或部件作为顶事件或中间事件的 故障树， 故障树存在， 寻找对应该事件的底事件； 不存在， 则 转#； 概率重要度和结构重要 $ 根据底事件的关键重要度、 度进行排序； 选择排序最高的底事件作为故 % 根据$中排序结果， 障， 利用专家知识验证该故障事件； 则判断底事件层次满不满足 & 如果该故障事件确定， 要求， 不满足， 转"， 满足， 转 ’； 如果该故障事件不成立， 则