[发明专利]一种复杂装备的事后维修故障分析方法

说明书

技术领域

本发明属于设备故障诊断与维修领域，具体涉及一种针对复杂装备事后维修场合的故障分析方法，它可以组织复杂的故障知识，进行故障的原因分析，为现场维修提供决策。

背景技术

重大复杂装备展现了日益重要的作用，其故障停机将严重影响企业的生产效率，给企业带来巨大损失。因此，状态监测、故障诊断、可靠性分析、寿命预测、预防性维修等相关技术已成为复杂装备的研究热点。然而，由于高采集精度的要求与恶劣的工作环境、密集的数据集成要求与低信息化程度、高成本与低见效等诸多矛盾，这些基于实时传感器数据的智能诊断与预测方法在实际应用中鲜有成效，这导致了装备不可避免的突发故障，而目前现场的故障诊断几乎是通过人工经验判断，设备停机时间长、诊断效果差。因此，构建故障维护信息平台发展设备的事后维修故障分析方法是实时监控诊断技术实现前的必然过渡。

事后维修场合的故障诊断技术少有人研究，故障树分析(FTA)和失效模式与影响分析(FEMA)是其中经典的分析方法，然而重大装备一般是集机、电、液于一体的高度复杂设备，其故障受本身设计、装配、环境和操作等多方面的影响，故障间的关系错综复杂，FTA或FMEA方式已无法将其故障知识完全表达，而在故障分析方面，FMEA侧重故障模式及其危害度等的描述难以用于诊断推理，而FTA侧重薄弱环节研究且用于诊断时受故障树准确性的影响较大。

发明内容

本发明的目的在于提供一种针对复杂装备事后维修场合的故障分析方法，可以为重大装备的事后诊断提供解决方案。

实现本发明的目的所采用的具体技术方案如下：

一种复杂装备事后维修的故障分析方法，具体包括如下步骤：

(1)根据对象或可视程度对故障的进行分类，将故障分为不同的类别；

(2)构建知识库，包括构建规则库和历史库，具体为：

(2.1)构建规则库：

首先，定义“规则体”为一个故障与对应的原因故障及其CF_i值构成的向量空间，CF_i值表示故障由该原因引起的概率，i＝(1，2，...，n)，n为规则体的原因数，

其次，通过规则体的映射就可以表达复杂装备故障之间的多对多关联关系，即形成规则库；

(2.2)构建历史库：历史库保存复杂装备的故障维修历史记录，一条历史记录称为一个案例，具体为：

案例＝(案例号，故障时刻，现象集，原因集，维修集)

(3)根据故障现象进行分析方法的配置

(3.1)根据多故障现象的特点划分“诊断对象”；

(3.2)根据上述诊断对象的故障现象之间的子集关系确定配置树的父子节点，一个诊断对象对应一个配置树节点，依次插入树中，形成“配置树”；

(4)生成“故障链”和“故障图”

(4.1)生成故障链：根据知识库中的规则体，找出每个故障现象对应的原因故障，接着找这些原因故障对应的子原因故障，用节点表示原因故障，用有向边表示原因故障之间的规则体映射关系，有向边的权重为规则体的各原因概率值，如此循环，最终形成了每个故障现象的“故障链”；

(4.2)故障链“累积概率”计算

故障链上各节点的“累积概率”表示故障现象由该节点代表的原因故障引起的概率值，征兆故障的累积概率设为1。从征兆故障出发沿着故障链逐个计算各原因故障的累积概率，假设一原因故障的累积概率为CF_i，且该原因故障的规则体关联到原因故障j的概率为CF_ij，则原因故障j的累积概率CF_j计算公式如下，

接着，沿着故障链方向，根据CF_j可计算出原因故障j的子原因故障的累积概率。

(4.3)根据诊断对象构建“故障图”，对任一诊断对象，将其对应的故障链的重合原因故障合并，累积概率相加，即构成该诊断对象的“故障图”；

(5)根据划分的诊断对象，利用多个故障分析算法分别进行故障分析；

(6)多种故障分析算法的原因融合

(6.1)：根据所述配置树，对每个节点即诊断对象进行融合；

(6.2)：配置树逐级向上，将相同父节点的兄弟节点结果进行融合；

(6.3)：将步骤(6.2)的子节点融合结果与其父节点相融合；

(6.4)：逐级向上融合至配置树的根节点，获得融合后的各原因故障概率，得到故障分析结果，完成装备的故障分析。