论文部分内容阅读
【摘要】本论文从故障树分析法的概述出发，系统阐述了故障树分析系统可靠性，接着研究了内燃机可靠性的模糊故障树分析。
【关键词】模糊故障树分析法，内燃机可靠性，应用
中图分类号：TK4文献标识码： A
一、前言
随着科技水平的不断提高，人们对内燃机可靠性的要求也越来越高。因此，我们要加强模糊故障树分析法的学习与应用，不断进行模糊故障树分析法在内燃机可靠性中的应用的探讨，使内燃机系统更加适用、安全、可靠与经济。
二、故障树分析法的概述
在系统设计过程中通过对可能造成系统失效的各种因素（包括硬件、软件、环境、人为因素）进行分析，画出逻辑框图（失效树），从而确定系统失效原因的各种可能组合方式或其发生概率，已计算系统失效概率，采取相应的纠正措施，以提高系统可靠性的一种设计分析方法。故障树分析方法是一种安全可靠的分析技术，也是目前故障诊断中应用较多的方法之一，它建立在对系统的故障经验库基础上，采用逆向推理，将系统级的故障现象(顶事件)与最基本的故障原因(底事件)之间的内在关系表示成树形的网络图，各层事件之间通过“与”、“或”“非”、“异或”等逻辑关系相关联。它通常把系统的故障状态称为顶事件，然后找出系统故障和导致系统故障的诸原因之间的逻辑关系。并将这些逻辑关系用逻辑符号表示出来，由上而下逐层分解，直到不能分解为止，推导出各故障和各单元故障之间的逻辑关系，利用这种逻辑关系从观测到的顶层事件故障出发，逐渐向下演绎，最终找出对应的底层故障原因。故障经验库描述了系统的动态参量与各个故障之间的逻辑关系，并将这种逻辑关系储存于计算机中，通过对此关系树的启发式搜索查找到系统的故障原因。
任何复杂的工程车辆都是一个集机、电、液于一体的复杂系统，该系统包括:发动机子系统、液压子系统、电气子系统、冷却子系统、机械子系统、附属子系统等。由于系统复杂，因此对其故障的定位准确度要求很高。一个系统部件的不正常可能引起多个检测参数的异常响应，而一个系统参数的不正常或系统的失效可能由多个系统部件的损坏造成。故障树分析方法是一种安全可靠的分析技术。它通常把系统的故障状态称为顶事件，然后找出系统故障和导致系统故障的诸原因之间的逻辑关系，并将这些逻辑关系用逻辑符号表示出来，由上而下逐层分解，直到不能分解为止。由于工程车辆系统的故障是建立在实验和人的经验的基础上的，因此这里用人工演绎法来建立故障树。
选择和确定顶事件，顶事件是系统最不希望发生的事件，或是指定进行逻辑分析的故障事件。分析顶事件，寻找引起顶事件发生的直接的必要和充分的原因。将顶事件作为输出事件，将所有直接原因作为输入事件，并根据这些事件实际的逻辑关系用适当的逻辑门相联系。分析每一个与顶事件直接相联系的输入事件。如果该事件还能进一步分解，则将其作用下一级的输出事件，如同步骤中对顶事件那样进行处理。重复上述步骤，逐级向下分解，直到所有的输入事件不能再分解或不必要再分解为止，即建成了一棵倒置的故障树。
由于工作环境恶劣且负荷很大以及使用保养的不当，发动机系统经常会发生故障，从而降低生产率，并带来不必要的损失。因此，将发动机子系统作为影响该机正常工作可靠性的重要环节进行故障分析，探讨提高其可靠性的途径是很有意义的。
三、故障树分析系统可靠性
1、常规的基于布尔代数和概率论的系统
故障树分析的理论研究已取得了较大成功，工程应用也取得了一定成果。但是，现有的理论和方法需要将故障树顶事件和底事件发生的概率视为一精确值，在实际情况中，这样做是很困难的。其原因是：一是系统组成单元失效的原因不仅仅是由客观不确定因素造成的，而且还有一些是人为的主观原因，如人为失误、设计经验等模糊不确定性因素所造成的；二是精确的概率量化需要大量的数据供统计之用，而在一些高可靠性系统中，故障发生频率很低，无法获取大量的数据；三是在复杂的人—机系统中，由于人的因素、相关失效、共因失效等造成系统建模的不精确性，纯概率方法难以奏效。
此外，由于系统受外界环境的影响，上述概率值通常也会发生变化。因此，在对大型复杂系统进行故障树分析时，某些情况下，各底事件发生的故障概率本身带有一定的不确定性，即模糊性，这时，传统的故障树分析难以处理此类问题，而必须应用模糊数学中的相关理论和方法来解决。通过大量文献的查阅发现，国内外在模糊!研究中，大部分都是局限于算法本身的研究，应用方法的研究都带有试探性，没有形成完整的理论体系。
2、对于故障树基本事件
隶属函数的确定、模糊算子的选取、基本事件不相互独立情形、模糊重要度指标函数确定等尚没有突破性进展，同时分析结果缺乏工程验证和可比较性。
自动化立体仓库系统结构复杂，层次性、模块性强，系统的诊断信息繁多，同时引起系统不能正常运行的各原因事件故障发生的概率又具有不同层次的模糊性、不确定性。笔者将运用模糊数学这一数学手段，将模糊集理论引入故障树分析，将基本事件发生的概率描述为一模糊数，然后通过模糊数的运算规则，对立体仓库各个环节发生故障时所遇到的各种模糊信息进行科学的、定量的处理，从而估算出整个系统的模糊故障率。
3、故障树的逻辑结构
可以帮助确定在哪些基本事件或部位进行检测。例如，若故障树中一个不期望的事件是一个或门的输出，则该或门的每一个输入都应被穷举检测，才能避免不期望事件的发生；可是，如果故障树中一个不期望的事件是一个与门的输出，则对其中一个输入的保护就可避免不期望事件的发生。在故障树的低层，检测可以用来避免可以导致系统失效的中间事件的发生，在故障树中接近顶层的检测效率比较高，该方法在一些故障危害性不是很高的系统中应用，可以付出较小的代价达到系统的可靠性要求。
四、内燃机可靠性的模糊故障树分析
内燃机作为一个复杂的系统，其系统可靠性取决于各子系统的可靠性及各子系统之间的相互联结关系，各子系统的可靠性又由组成它们的所有零部件的可靠性所决定，下面以某一柴油机涡轮增压系统为例进行模糊故障树方法的可靠性分析。以该柴油机的增压器出现异常噪声或异常振动为顶事件建造故障树，根据有关试验数据和工程技术人员的经验构造出的故障树，其基本事件列于表1中，表1中还列有这些基本事件故障率的均值m和置信上、下限T、U。
由上行法(Semanderes法)，可得到该故障树的9个最小割集，即{A}，{B}，{C}，{D}，{E}，{F}，{G}，{H}，{M，E}，这9个最小割集即为造成该故障树顶事件的最薄弱环节。
假设各基本事件相互独立，则顶事件W的真值函数为：
T=J+K+LP=I+TS=G+H
N=E+F+SR=M×E
W=A+B+N+P+R+C+D(12)
由式(10)～式(12)，可得到相应的顶事件发生概
率的模糊函数为：
F~T=1-(1-F~J)(1-F~K)(1-F~L)
F~P=1-(1-F~I)(1-F~T)
F~S=1-(1-F~G)(1-F~H)
F~N=1-(1-F~E)(1-F~F)(1-F~S)
F~R=F~M×F~E
F~W=1-(1-F~A)(1-F~B)(1-F~N)·
(1-F~P)(1-F~R)(1-F~C)(1-F~D)
由式(5)，對基本事件A到M作λ截集可得到下
列区间数:
F~λA=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λB=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λL=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λM=(0.003224+0.006776λ，0.016776-0.006776λ)(14)
由式(13)和式(14)，取3位有效数字，则可得该增压器出现异常噪声或异常振动的概率F~W的λ截集为F~λW=[0.051+0.07λ，0.203-0.076λ，F~λW为一区间数，对λ取不同的值，则可得到不同的F~W的置信区间。表2中列出了λ从0到1取值，间隔为0.1时，F~W对应的不同的置信区间值。F~W作为一个三角模糊数，它的隶属函数如图5所示。
当λ=1.0时，F~W=0.127，即在不考虑各基本事件发生概率的模糊性时，该增压器出现异常噪声或异常振动的概率为12.7%。当λ取值为0时，该增压器出现异常噪声或异常振动的概率在[5.1%，20.3%]之间，表明在充分考虑了该增压器发生故障的随机不确定性因素和模糊不确定性因素时，其出现异常噪声或异常振动的概率在5.1%和20.3%之间变化。该结果比较接近于该增压器的实际状况，同时该结果作为。
五、结束语
通过对新时期下，模糊故障树分析法的探讨，进一步明确了模糊故障树分析法在内燃机可靠性中的应用方向，为内燃机可靠性的优化完善奠定了坚实基础，有助于内燃机的不断完善。
参考文献
[1]袁名伟，谭积明，蒋丽1宏程序在数控加工中的应用[J]1机械制造与自动化，2005
[2]张军，基于宏程序的非圆曲线的数控精密加工[J]机电元件，2004
[3]魏士杰；潘宏侠；郭彦青；模糊故障树分析法在深孔镀铬控制系统中的应用[J]；化工自动化及仪表；2010
[4]杨培林；赵柱；许艾明；陈琨；基于模糊故障树的主轴箱可靠性分析[J]；现代制造工程；2011年
【关键词】模糊故障树分析法，内燃机可靠性，应用
中图分类号：TK4文献标识码： A
一、前言
随着科技水平的不断提高，人们对内燃机可靠性的要求也越来越高。因此，我们要加强模糊故障树分析法的学习与应用，不断进行模糊故障树分析法在内燃机可靠性中的应用的探讨，使内燃机系统更加适用、安全、可靠与经济。
二、故障树分析法的概述
在系统设计过程中通过对可能造成系统失效的各种因素（包括硬件、软件、环境、人为因素）进行分析，画出逻辑框图（失效树），从而确定系统失效原因的各种可能组合方式或其发生概率，已计算系统失效概率，采取相应的纠正措施，以提高系统可靠性的一种设计分析方法。故障树分析方法是一种安全可靠的分析技术，也是目前故障诊断中应用较多的方法之一，它建立在对系统的故障经验库基础上，采用逆向推理，将系统级的故障现象(顶事件)与最基本的故障原因(底事件)之间的内在关系表示成树形的网络图，各层事件之间通过“与”、“或”“非”、“异或”等逻辑关系相关联。它通常把系统的故障状态称为顶事件，然后找出系统故障和导致系统故障的诸原因之间的逻辑关系。并将这些逻辑关系用逻辑符号表示出来，由上而下逐层分解，直到不能分解为止，推导出各故障和各单元故障之间的逻辑关系，利用这种逻辑关系从观测到的顶层事件故障出发，逐渐向下演绎，最终找出对应的底层故障原因。故障经验库描述了系统的动态参量与各个故障之间的逻辑关系，并将这种逻辑关系储存于计算机中，通过对此关系树的启发式搜索查找到系统的故障原因。
任何复杂的工程车辆都是一个集机、电、液于一体的复杂系统，该系统包括:发动机子系统、液压子系统、电气子系统、冷却子系统、机械子系统、附属子系统等。由于系统复杂，因此对其故障的定位准确度要求很高。一个系统部件的不正常可能引起多个检测参数的异常响应，而一个系统参数的不正常或系统的失效可能由多个系统部件的损坏造成。故障树分析方法是一种安全可靠的分析技术。它通常把系统的故障状态称为顶事件，然后找出系统故障和导致系统故障的诸原因之间的逻辑关系，并将这些逻辑关系用逻辑符号表示出来，由上而下逐层分解，直到不能分解为止。由于工程车辆系统的故障是建立在实验和人的经验的基础上的，因此这里用人工演绎法来建立故障树。
选择和确定顶事件，顶事件是系统最不希望发生的事件，或是指定进行逻辑分析的故障事件。分析顶事件，寻找引起顶事件发生的直接的必要和充分的原因。将顶事件作为输出事件，将所有直接原因作为输入事件，并根据这些事件实际的逻辑关系用适当的逻辑门相联系。分析每一个与顶事件直接相联系的输入事件。如果该事件还能进一步分解，则将其作用下一级的输出事件，如同步骤中对顶事件那样进行处理。重复上述步骤，逐级向下分解，直到所有的输入事件不能再分解或不必要再分解为止，即建成了一棵倒置的故障树。
由于工作环境恶劣且负荷很大以及使用保养的不当，发动机系统经常会发生故障，从而降低生产率，并带来不必要的损失。因此，将发动机子系统作为影响该机正常工作可靠性的重要环节进行故障分析，探讨提高其可靠性的途径是很有意义的。
三、故障树分析系统可靠性
1、常规的基于布尔代数和概率论的系统
故障树分析的理论研究已取得了较大成功，工程应用也取得了一定成果。但是，现有的理论和方法需要将故障树顶事件和底事件发生的概率视为一精确值，在实际情况中，这样做是很困难的。其原因是：一是系统组成单元失效的原因不仅仅是由客观不确定因素造成的，而且还有一些是人为的主观原因，如人为失误、设计经验等模糊不确定性因素所造成的；二是精确的概率量化需要大量的数据供统计之用，而在一些高可靠性系统中，故障发生频率很低，无法获取大量的数据；三是在复杂的人—机系统中，由于人的因素、相关失效、共因失效等造成系统建模的不精确性，纯概率方法难以奏效。
此外，由于系统受外界环境的影响，上述概率值通常也会发生变化。因此，在对大型复杂系统进行故障树分析时，某些情况下，各底事件发生的故障概率本身带有一定的不确定性，即模糊性，这时，传统的故障树分析难以处理此类问题，而必须应用模糊数学中的相关理论和方法来解决。通过大量文献的查阅发现，国内外在模糊!研究中，大部分都是局限于算法本身的研究，应用方法的研究都带有试探性，没有形成完整的理论体系。
2、对于故障树基本事件
隶属函数的确定、模糊算子的选取、基本事件不相互独立情形、模糊重要度指标函数确定等尚没有突破性进展，同时分析结果缺乏工程验证和可比较性。
自动化立体仓库系统结构复杂，层次性、模块性强，系统的诊断信息繁多，同时引起系统不能正常运行的各原因事件故障发生的概率又具有不同层次的模糊性、不确定性。笔者将运用模糊数学这一数学手段，将模糊集理论引入故障树分析，将基本事件发生的概率描述为一模糊数，然后通过模糊数的运算规则，对立体仓库各个环节发生故障时所遇到的各种模糊信息进行科学的、定量的处理，从而估算出整个系统的模糊故障率。
3、故障树的逻辑结构
可以帮助确定在哪些基本事件或部位进行检测。例如，若故障树中一个不期望的事件是一个或门的输出，则该或门的每一个输入都应被穷举检测，才能避免不期望事件的发生；可是，如果故障树中一个不期望的事件是一个与门的输出，则对其中一个输入的保护就可避免不期望事件的发生。在故障树的低层，检测可以用来避免可以导致系统失效的中间事件的发生，在故障树中接近顶层的检测效率比较高，该方法在一些故障危害性不是很高的系统中应用，可以付出较小的代价达到系统的可靠性要求。
四、内燃机可靠性的模糊故障树分析
内燃机作为一个复杂的系统，其系统可靠性取决于各子系统的可靠性及各子系统之间的相互联结关系，各子系统的可靠性又由组成它们的所有零部件的可靠性所决定，下面以某一柴油机涡轮增压系统为例进行模糊故障树方法的可靠性分析。以该柴油机的增压器出现异常噪声或异常振动为顶事件建造故障树，根据有关试验数据和工程技术人员的经验构造出的故障树，其基本事件列于表1中，表1中还列有这些基本事件故障率的均值m和置信上、下限T、U。
由上行法(Semanderes法)，可得到该故障树的9个最小割集，即{A}，{B}，{C}，{D}，{E}，{F}，{G}，{H}，{M，E}，这9个最小割集即为造成该故障树顶事件的最薄弱环节。
假设各基本事件相互独立，则顶事件W的真值函数为：
T=J+K+LP=I+TS=G+H
N=E+F+SR=M×E
W=A+B+N+P+R+C+D(12)
由式(10)～式(12)，可得到相应的顶事件发生概
率的模糊函数为：
F~T=1-(1-F~J)(1-F~K)(1-F~L)
F~P=1-(1-F~I)(1-F~T)
F~S=1-(1-F~G)(1-F~H)
F~N=1-(1-F~E)(1-F~F)(1-F~S)
F~R=F~M×F~E
F~W=1-(1-F~A)(1-F~B)(1-F~N)·
(1-F~P)(1-F~R)(1-F~C)(1-F~D)
由式(5)，對基本事件A到M作λ截集可得到下
列区间数:
F~λA=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λB=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λL=(0.003224+0.006776λ，0.016776-0.006776λ)
F~λM=(0.003224+0.006776λ，0.016776-0.006776λ)(14)
由式(13)和式(14)，取3位有效数字，则可得该增压器出现异常噪声或异常振动的概率F~W的λ截集为F~λW=[0.051+0.07λ，0.203-0.076λ，F~λW为一区间数，对λ取不同的值，则可得到不同的F~W的置信区间。表2中列出了λ从0到1取值，间隔为0.1时，F~W对应的不同的置信区间值。F~W作为一个三角模糊数，它的隶属函数如图5所示。
当λ=1.0时，F~W=0.127，即在不考虑各基本事件发生概率的模糊性时，该增压器出现异常噪声或异常振动的概率为12.7%。当λ取值为0时，该增压器出现异常噪声或异常振动的概率在[5.1%，20.3%]之间，表明在充分考虑了该增压器发生故障的随机不确定性因素和模糊不确定性因素时，其出现异常噪声或异常振动的概率在5.1%和20.3%之间变化。该结果比较接近于该增压器的实际状况，同时该结果作为。
五、结束语
通过对新时期下，模糊故障树分析法的探讨，进一步明确了模糊故障树分析法在内燃机可靠性中的应用方向，为内燃机可靠性的优化完善奠定了坚实基础，有助于内燃机的不断完善。
参考文献
[1]袁名伟，谭积明，蒋丽1宏程序在数控加工中的应用[J]1机械制造与自动化，2005
[2]张军，基于宏程序的非圆曲线的数控精密加工[J]机电元件，2004
[3]魏士杰；潘宏侠；郭彦青；模糊故障树分析法在深孔镀铬控制系统中的应用[J]；化工自动化及仪表；2010
[4]杨培林；赵柱；许艾明；陈琨；基于模糊故障树的主轴箱可靠性分析[J]；现代制造工程；2011年