一種基於故障樹信息的設備狀態預測方法
2023-06-08 03:56:31 1
專利名稱：一種基於故障樹信息的設備狀態預測方法
技術領域：
本發明屬於設備維護保障領域，具體涉及一種設備的狀態預測方法。
背景技術：
隨著設備設計技術、設備製造技術和信息技術的迅猛發展，傳統設備逐漸走向集 成化、智能化，內部結構和關聯性日趨龐大，致使設備系統在其部件的狀態分布、部件間的 關聯關係等方面呈現出極大的複雜性。維修人員難以預測設備的真實狀態，經常發生維修 不足或維修過剩的情況，給設備維護保障工作帶來了巨大的挑戰。設備故障預測是一門涉 及機械、電子、材料、控制、通信以及計算機技術和人工智慧等多學科綜合技術。它以當前設 備的使用狀態為起點，結合已知預測對象的結構特性、參數、環境條件及運行歷史記錄，對 設備未來任務段內可能出現的故障進行預報、分析和判斷，確定故障性質、類別、程度、原因 及部位，指出故障發展趨勢及後果，向用戶提出警告，以便在任務之前消除故障，保證任務 的順利完成。公開號為CN1533948A的中國專利公開了一種發明名稱為「對飛機故障的預測報 警方法及飛機故障預測報警系統」，該方法包括以下步驟1.在飛機可能發生故障的部位設置相應的傳感器，利用計算機對進行數據採集分 析，並將分析結果與正常標準數據模型進行比較，若異常，啟動報警；2.在報警的同時將採集的數據和比較的結果通過通信網傳輸到地面飛行指揮中 心3.實現上述方法的飛機故障預測報警系統；4.設置在地面飛行指揮中的數據接收監控設備。該方法主要通過傳感器採集數據信息，及時將採集的數據通過網絡傳輸到地面的 指揮中心，建立了良好的故障報警系統硬體環境。但未對故障預測報警系統的核心問題，即 故障預測方法進行分析。而且實際設備結構龐大、影響因素複雜，要想獲得準確的預測結 果，必須針對實際設備構建符合故障發生規律的預測模型，建立完整有效的故障預測方法。公開號為CN1553328A的中國專利公開了一種發明名稱為「基於故障樹分析的系 統故障定位方法及裝置」，該方法包括以下步驟1.通過故障模式影響分析形成故障描述；2.將故障描述與故障歷史資料庫結合形成故障模式庫，至少包括故障表現和故障 原因；3.在故障模式庫的基礎上進行故障樹分析，補充導致系統故障的多點故障原因；4.將故障樹轉換成故障定位樹，通過該故障定位樹定位系統故障。該方法提供了一種根據故障模式影響分析和故障歷史資料庫建立故障樹，然後轉 換成故障定位樹並用於故障推理的技術。但是，故障定位樹不能處理多個故障原因共同發 生時的故障推理任務，也不能同時利用多種檢測現象一起預測實際設備狀態。
發明內容
為了克服現有技術不能有效進行故障預測的不足，本發明提供一種基於故障樹信 息的設備狀態預測方法，能夠快速準確的計算出設備的實時運行狀態及可靠性，用於指導 設備維修計劃的制定已經維修備件的儲備。本發明解決其技術問題所採用的技術方案是綜合利用故障樹信息和外部檢測現 象建立故障預測模型，用於預測設備的實時運行狀態。首先，利用現有故障樹信息識別出故 障模式變量、故障原因變量及各變量間的結構關係；其次，根據變量間結構關係識別出各變 量的先驗概率分布及條件概率分布；然後，利用檢測現象識別出檢測變量及其條件概率分 布；最終，基於建立的故障預測模型，以檢測信息為驅動，利用概率論公式預測設備的實際 運行狀態。具體步驟如下1、確定需要預測的一個設備故障模式，並在故障樹中搜索以該故障模式為頂事件 的故障樹模型F，F中所有事件集合為T = IT1, T2, ...，Ti, ...，TJ，其中Ti表示第i個事 件，η表示故障樹事件總數；故障樹具體搜索方式如下針對設備故障模式，首先在故障樹信息中找到與該模式對應的故障樹事件T1，然 後以該事件為頂事件向下搜索那些與頂事件通過邏輯門關聯的故障樹中間事件，不斷向下 搜索與中間事件通過邏輯門關聯的其它故障樹中間事件，直到搜索到故障樹底事件為止。 其中，底事件是指沒有其它故障樹事件通過邏輯門與其關聯的事件。2、將集合T中的頂事件用故障預測模型中的故障模式變量M表示，當事件不發生 時，對應變量的取值為0，當事件發生時，對應變量的取值為1，且整個模型中只有一個故障 模式變量，如式(1)所示；將集合T中的其它中間事件用故障預測模型中的故障傳遞變量集 合D= {D1;D2，...，Dj，...，Dm}表示，如式(2)所示，其中Dj表示第j個中間事件對應的故 障傳遞變量，m表示故障傳遞變量總數；將集合T中的底事件用故障預測模型中的故障原因 變量集合C= (CijC2,... ,Ck,... ,C1I表示，如式(3)所示，其中Ck表示第k個底事件對應 的故障原因變量，1表示故障原因變量總數，且1+m+l = η ；
丨0,當頂事件$不發生時 =| 1,當頂事件T1發生時u)
Γ ^ fo,當對應的中間事件不發生時廿+叫〗，當對應的中間事件發生時,其中屍1，··』⑵
「 ^ ^ fo,當對應的底事件不發生時甘+, 1 1 /q、c^1,當對應的底事件發生日寸，其中k=U ⑶3、將故障樹模型F中表示的邏輯門集合L = {L0, L1, L2,...，Lj,...，Lj用故障預 測模型中變量的結構關係集合J = {Jo, J1, J2，. . .，Jj,. . .，Jj表示，其中L。表示頂事件對 應的邏輯門，Lj表示第j個中間事件對應的邏輯門，故障樹中共有1+m個邏輯門Jtl表示故
障模式變量M對應的結構關係，1表示第j個傳遞變量對應的結構關係；在…中， JI (Dj)表示影響第j個中間事件狀態的故障樹事件相對應的變量，(O表示與第j個邏輯 門中邏輯關係相對應的關聯關係；根據邏輯門建立變量結構關係的具體方式如下故障樹模型中的邏輯門主要分為以下四種。其中，與門表示僅當所有子事件都發生時，父事件才發生的情形；或門表示只要有任何一個子事件發生，父事件就會發生；非門 表示子事件不發生時，父事件反而發生的邏輯關係；表決門表示表示在r個子事件中需要 至少有q個同時發生時，父事件才會發生。
權利要求
一種基於故障樹信息的設備狀態預測方法，其特徵在於包括下述步驟1)確定需要預測的一個設備故障模式，並在故障樹中搜索以該故障模式為頂事件的故障樹模型F，F中所有事件集合為T＝{T1，T2，...，Ti，...，Tn}，其中Ti表示第i個事件，n表示故障樹事件總數；故障樹具體搜索方式如下針對設備故障模式，首先在故障樹信息中找到與該模式對應的故障樹事件T1，然後以該事件為頂事件向下搜索與頂事件通過邏輯門關聯的故障樹中間事件，不斷向下搜索與中間事件通過邏輯門關聯的其它故障樹中間事件，直到搜索到故障樹底事件為止；其中，底事件是指沒有其它故障樹事件通過邏輯門與其關聯的事件；2)將集合T中的頂事件用故障預測模型中的故障模式變量M表示，當頂事件不發生時，對應變量的取值為0，當頂事件發生時，對應變量的取值為1，且整個模型中只有一個故障模式變量；將集合T中的其它中間事件用故障預測模型中的故障傳遞變量集合D＝{D1，D2，...，Dj，...，Dm}表示，其中Dj表示第j個中間事件對應的故障傳遞變量，j＝1，...，m，m表示故障傳遞變量總數；將集合T中的底事件用故障預測模型中的故障原因變量集合C＝{C1，C2，...，Ck，...，Cl}表示，其中Ck表示第k個底事件對應的故障原因變量，k＝1，...，l，l表示故障原因變量總數，且1+m+l＝n；3)將故障樹模型F中表示的邏輯門集合L＝{L0，L1，L2，...，Lj，...，Lm}用故障預測模型中變量的結構關係集合J＝{J0，J1，J2，...，Jj，...，Jm}表示，其中L0表示頂事件對應的邏輯門，Lj表示第j個中間事件對應的邏輯門，故障樹中共有1+m個邏輯門；J0表示故障模式變量M對應的結構關係，Jj表示第j個傳遞變量對應的結構關係；在中，π(Dj)表示影響第j個中間事件狀態的故障樹事件相對應的變量，(·)表示與第j個邏輯門中邏輯關係相對應的關聯關係；根據邏輯門建立變量結構關係的具體方式如下其中j＝0，...，m其中，表示π(Dj)中的變量為並聯結構關係；表示π(Dj)中的變量為串聯結構關係；用表示π(Dj)中變量與Dj的結構關係，命名為反聯結構；用表示π(Dj)中變量與Dj的結構關係，命名為多連結構，且在r個影響Dj狀態的變量中需要至少有q個同時故障時，Dj才會發生故障；4)根據故障樹模型包含的各底事件可靠性函數集合R＝{R1，R2，...，Rk，...，Rl}計算故障預測模型中故障原因變量先驗概率分布集合P＝{P(C1＝0)，P(C2＝0)，...，P(Ck＝0)，...，P(Cl＝0)}，P(Ck＝0)＝Rk，其中k＝1，...，l，其中Rk表示第k個底事件的可靠性函數，P(Ck＝0)表示第k個故障原因變量的狀態概率分布；5)根據結構關係集合J＝{J0，J1，J2，...，Jj，...，Jm}中所包含的關聯關係，計算故障預測模型中故障模式變量的條件概率分布P(M|π(M))和故障傳遞變量的條件概率分布CPD＝{P(D1|π(D1))，P(D2|π(D2))，...，P(Dj|π(Dj))，..，P(Dm|π(Dm))}，其中P(Dj|π(Dj))表示第j個故障傳遞變量的條件概率分布，傳遞變量條件概率分布的總數也是l個；根據結構關係建立變量條件概率分布的具體方式如下當π(Dj)中變量為並聯結構關係，當π(Dj)中變量為串聯結構關係，當π(Dj)中變量與Dj為反聯結構關係，當π(Dj)中變量為多聯結構關係，6)將設備實際故障檢測現象用故障預測模型中對應的故障檢測變量E＝{E1，E2，...，Ex，...，Ep}表示，其中Ex表示第x個故障檢測現象對應的故障檢測變量，x＝1，...，p，p表示故障檢測變量總數；按其中x＝1，...，p的方式建立故障檢測變量的結構關係集合G＝{G1，G2，...，Gx，...，Gp}，其中Gx表示第x個故障檢測變量所包含的結構關係，結構關係的總數也為p個；在中，π(Ex)表示影響第x個故障檢測現象狀態的故障原因相對應的變量，(·)表示第x個故障檢測現象及其對應故障原因間的關聯關係；表示π(Ex)中的變量為並聯結構關係；表示π(Ex)中的變量為串聯結構關係。7)根據故障檢測變量結構關係集合G中表述的關聯關係，分別按π(Dj)中變量為並聯結構關係和串聯結構關係的方式計算故障預測模型中故障檢測變量的條件概率分布CPE＝{P(E1|π(E1))，P(E2|π(E2))，...，P(Ex|π(Ex))，...，P(Ep|π(Ep))}，其中P(Ex|π(Ex))表示第x個故障檢測變量的條件概率分布；8)根據現場採集到的故障檢測現象實時信息e＝{e1，e2，...，ex，...，ep}，其中ex表示第x個故障檢測現象的實際狀態信息，利用故障預測模型推理能力和條件概率分布，基於貝葉斯定理，計算設備故障模式後驗概率狀態分布P(M＝0|E＝e)＝P(M＝0|π(E))×P(π(E)|E＝e)。FSA00000262447500011.tif,FSA00000262447500012.tif,FSA00000262447500013.tif,FSA00000262447500021.tif,FSA00000262447500022.tif,FSA00000262447500023.tif,FSA00000262447500024.tif,FSA00000262447500025.tif,FSA00000262447500026.tif,FSA00000262447500027.tif,FSA00000262447500028.tif,FSA00000262447500029.tif,FSA00000262447500031.tif,FSA00000262447500032.tif,FSA00000262447500033.tif,FSA00000262447500034.tif,FSA00000262447500035.tif
全文摘要
本發明公開了一種基於故障樹信息的設備狀態預測方法，首先搜索故障樹模型，將模型中的各事件用不同變量表示，將模型中的邏輯門用變量的結構關係集合表示，依次計算故障預測模型中故障原因變量先驗概率分布集合，計算故障預測模型中故障模式變量的條件概率分布和故障傳遞變量的條件概率分布，將設備實際故障檢測現象用故障預測模型中對應的故障檢測變量表示，根據故障檢測變量結構關係集合中表述的關聯關係計算故障預測模型中故障檢測變量的條件概率分布，根據現場採集到的故障檢測現象實時信息計算設備故障模式後驗概率狀態分布。本發明能夠快速準確的預測設備實時狀態、指導對設備的監控及維修，有效提高維修效率、降低維修成本。
文檔編號G06F19/00GK101950327SQ20101027790
公開日2011年1月19日 申請日期2010年9月9日 優先權日2010年9月9日
發明者兌紅炎, 司書賓, 孫樹棟, 張莉莉, 李淑敏, 王寧, 蔡志強 申請人:西北工業大學