基于T-S模型的液壓缸模糊故障樹(shù)分析方法研究

熊志宏，劉 君，范 彬，陳 昶，殷 赳

基于T-S模型的液壓缸模糊故障樹(shù)分析方法研究

熊志宏，劉 君，范 彬，陳 昶，殷 赳

(湖南城市學(xué)院機(jī)械與電氣工程學(xué)院，湖南 益陽(yáng) 413000)

針對(duì)液壓油缸故障樹(shù)分析時(shí)存在的故障數(shù)據(jù)獲取不足以及傳統(tǒng)分析方法的限制，提出了基于T-S模型的液壓油缸模糊故障樹(shù)分析方法，對(duì)已建立的液壓油缸T-S模糊故障樹(shù)進(jìn)行分析﹒分析過(guò)程中，采取將底事件的模糊失效率替代為其故障概率的方法，同時(shí)將其故障程度用模糊數(shù)來(lái)表示﹒對(duì)液壓油缸T-S模糊故障子樹(shù)進(jìn)行實(shí)例分析，計(jì)算并分析所建立的液壓油缸模糊故障子樹(shù)的各故障分析數(shù)據(jù)﹒

模糊故障樹(shù)分析；故障數(shù)據(jù)；T-S模型；故障子樹(shù)

故障樹(shù)分析(英文簡(jiǎn)稱FTA)是安全系統(tǒng)工程中最重要的分析方法，尤其在復(fù)雜的系統(tǒng)分析診斷過(guò)程中普遍使用[1]﹒在對(duì)液壓油缸進(jìn)行傳統(tǒng)的故障樹(shù)分析過(guò)程中，如液壓油缸內(nèi)泄漏等故障存在程度不一，造成內(nèi)泄漏的各故障底事件的概率統(tǒng)計(jì)收集也不完整、零散，甚至幾乎沒(méi)有﹒且各故障的原因和表現(xiàn)之間的聯(lián)系并不能完全確定﹒這些都是在使用傳統(tǒng)故障樹(shù)分析方法時(shí)存在的限制和弊端[2]﹒因此傳統(tǒng)故障樹(shù)分析方法在液壓油缸故障的分析中，發(fā)展應(yīng)用緩慢﹒

本文在對(duì)液壓油缸進(jìn)行故障樹(shù)分析時(shí)，采取將模糊失效率替代為部件的故障概率的方法﹒同時(shí)將底事件的故障程度用模糊數(shù)來(lái)表示，引入T-S模型，對(duì)液壓油缸故障子樹(shù)進(jìn)行實(shí)例分析，然后計(jì)算并分析所建立的液壓油缸故障子樹(shù)的各故障分析數(shù)據(jù)﹒基于T-S模型的液壓油缸模糊故障樹(shù)分析方法，突破了傳統(tǒng)故障樹(shù)分析方法的限制，規(guī)避了其部分弊端，使其在液壓油缸故障分析中能夠較為方便地應(yīng)用[3]﹒

1 T-S模糊故障樹(shù)分析基本理論

1.1 T-S模型及算法

T-S模型是一種模糊推理模型，能用較少的IF-THEN模糊規(guī)則組成較復(fù)雜的非線性函數(shù)[4]﹒一般用其來(lái)表述各事件間的相互影響關(guān)系，即如圖1所示的T-S模糊門(mén)﹒

圖1中3為頂事件，12為中間事件，底事件為1、2、3、4、5；1、2、3即T-S模糊門(mén)﹒下一級(jí)的故障數(shù)據(jù)通過(guò)T-S門(mén)規(guī)則計(jì)算后可得到上一級(jí)事件的故障數(shù)據(jù)[5]﹒

圖1 T-S模糊門(mén)

則T-S模糊模型規(guī)則如下：

1.2 T-S故障樹(shù)重要度相關(guān)定義[5-7]

1.2.1 T-S概率重要度

1.2.2 T-S關(guān)鍵重要度

1.3 模糊數(shù)及事件的描述

在進(jìn)行故障樹(shù)分析時(shí)，全面獲取各底事件的故障概率非常困難和繁瑣，得到的數(shù)據(jù)信息也具有模糊性，所以將模糊數(shù)表示為模糊信息數(shù)據(jù)的故障概率﹒因梯形模糊數(shù)為線性隸屬函數(shù)且非常直觀，故本文選取的梯形模糊數(shù)隸屬度函數(shù)如圖2所示﹒

圖2 模糊數(shù)的隸屬度函數(shù)

2 液壓油缸T-S模糊故障樹(shù)分析

2.1 T-S模糊故障樹(shù)分析方法

2.1.1 液壓油缸速度未達(dá)規(guī)定值T-S模糊故障樹(shù)

本文以汽車(chē)起重機(jī)液壓油缸為分析對(duì)象，結(jié)合某公司提供的某型號(hào)160 t汽車(chē)起重機(jī)液壓油缸故障統(tǒng)計(jì)資料，選取液壓油缸速度達(dá)不到規(guī)定值為頂事件，在大量調(diào)研和資料整理的基礎(chǔ)上，分析并建立液壓油缸速度達(dá)不到規(guī)定值的T-S模糊故障樹(shù)，如圖3所示﹒

圖3 液壓油缸速度未達(dá)規(guī)定值T-S模糊故障樹(shù)

圖3中各字母表示如下：

(1)頂事件：液壓油缸速度達(dá)不到規(guī)定值﹒

(2)中間事件：1內(nèi)泄漏；2外載荷過(guò)大；M液壓油缸內(nèi)部別勁﹒

(3)底事件：1液壓油缸局部脹大；2緩沖間隙過(guò)大；3蓄能器充氣壓力不夠；4活塞桿彎曲；5油液被污染；6缸筒內(nèi)壁拉傷與磨損；7密封件失效；8配合零件同軸度差；9活塞圓度差；10活塞存在生產(chǎn)缺陷；11液壓油缸活塞徑向斷裂；12活塞拉傷或磨損；13活塞與活塞桿密封失效；14液壓油粘度過(guò)低；15液壓油油溫過(guò)高；16設(shè)計(jì)壓力過(guò)低；17外載比預(yù)定值大；18缸體和活塞的配合間隙過(guò)小；19缸筒圓度差﹒

為方便和節(jié)省篇幅且不失為一般性，本文僅給出液壓油缸故障樹(shù)中的一個(gè)子樹(shù)來(lái)進(jìn)行示例分析，用此相同的方法，可以推廣應(yīng)用到整個(gè)故障樹(shù)中﹒這里選取T-S模糊故障樹(shù)3子樹(shù)做一個(gè)分析方法示例﹒

表1 T-S模糊門(mén)4規(guī)則

其中，表1中第一行代表的規(guī)則為：當(dāng)8為0，18為0，19為0時(shí)，3為0可能性為1，為0.5和1的可能性為0；其他規(guī)則以此類(lèi)推﹒

底事件的相關(guān)故障數(shù)據(jù)通過(guò)式(2)~式(3)，結(jié)合表1所表示的T-S模糊門(mén)規(guī)則，可計(jì)算出頂事件的模糊可能性和故障程度的模糊可能性﹒

2.1.2MT-S故障樹(shù)子樹(shù)分析

以某公司提供的某型160t汽車(chē)起重機(jī)液壓油缸故障底事件概率數(shù)據(jù)為基礎(chǔ)，經(jīng)過(guò)模糊化處理后得到中間事件3的各底事件模糊失效率和其梯形模糊數(shù)如表2所示﹒

表2 M3底事件模糊概率

根據(jù)給出的T-S模糊門(mén)4的規(guī)則和表2中的故障概率數(shù)據(jù)，可得中間事件3故障程度為0.5和1的概率分別為：

可知3的故障程度為0.5和1時(shí)的概率仍為一個(gè)與底事件故障概率在同一數(shù)量級(jí)的梯形模糊數(shù)﹒3出現(xiàn)嚴(yán)重故障程度的概率要比出現(xiàn)輕微故障的概率大，且兩個(gè)故障程度的概率之和與直接用梯形模糊數(shù)運(yùn)算法則算得的結(jié)果基本一致﹒

2.1.33故障子樹(shù)故障程度分析

假設(shè)已知中間事件3的各底事件的故障狀態(tài)為：8=0.1，18=0.2，19=0.3﹒由式(3)及表2，可計(jì)算得到3故障子樹(shù)種各部件的故障程度隸屬度，如表3所示﹒

表3 M3故障樹(shù)隸屬度

從中可知，當(dāng)中間事件19的3個(gè)底事件均出現(xiàn)輕微故障時(shí)，3出現(xiàn)嚴(yán)重故障概率也較小﹒同理可得3出現(xiàn)不同故障程度的模糊可能性﹒

以此類(lèi)推，可以得出頂事件出現(xiàn)不同故障程度的模糊可能性﹒同時(shí)，此法可以類(lèi)比應(yīng)用于整個(gè)液壓油缸故障樹(shù)中，具有較大的應(yīng)用價(jià)值﹒

2.2 T-S模糊故障樹(shù)重要度分析

(1)則可計(jì)算出頂事件3出現(xiàn)輕微、嚴(yán)重故障程度的模糊可能性分別為：

(2)假設(shè)已知3的各底事件的故障狀態(tài)為8=0.1，18=0.2，19=0.3﹒由此計(jì)算頂事件出現(xiàn)各種故障程度的模糊可能性分別已在前文給出﹒

2.2.1 T-S概率重要度

由式(4)得到底事件8故障程度為0.5對(duì)3故障程度為0.5的T-S概率重要度為：

表4 各底事件故障程度的T-S概率重要度

利用式(5)，綜合底事件8故障程度為0.5和1的T-S概率重要度，得到底事件8對(duì)3為0.5的T-S概率重要度為：

同理得各底事件的T-S概率重要度見(jiàn)表5﹒

表5 各底事件的T-S概率重要度

由表5可知，當(dāng)3出現(xiàn)輕微故障時(shí)8的T-S概率重要度最大；當(dāng)出現(xiàn)嚴(yán)重故障時(shí)，這3個(gè)底事件的T-S概率重要度相同﹒

2.2.2 T-S關(guān)鍵重要度

利用式(6)，結(jié)合所給出的頂事件3的模糊可能性，得8故障程度輕微時(shí)對(duì)3故障程度也為輕微時(shí)的關(guān)鍵重要度為：

同理可得18、19故障程度為輕微和嚴(yán)重時(shí)的T-S關(guān)鍵重要度，如表6所示﹒

表6 各底事件故障程度的T-S關(guān)鍵重要度

利用式(7)，綜合底事件8故障程度為0.5和1的T-S關(guān)鍵重要度，得到底事件8對(duì)3為0.5的T-S關(guān)鍵重要度為：

同理得各底事件的T-S關(guān)鍵重要度見(jiàn)表7﹒

表7 各底事件的T-S關(guān)鍵重要度

由表7可知，當(dāng)系統(tǒng)處于輕微故障和嚴(yán)重故障時(shí)，8的T-S關(guān)鍵重要度都最大，則改善活塞、活塞桿與缸蓋之間的同軸度對(duì)系統(tǒng)可靠性的提升效果最為明顯，并且可按8>18=19的順序進(jìn)行故障排查﹒

上述分析方法可以類(lèi)比應(yīng)用于整個(gè)液壓油缸的故障樹(shù)中，為其設(shè)計(jì)維修和故障排除提供依據(jù)和方法﹒

3 結(jié)論

(1)將T-S模糊模型和模糊數(shù)與液壓油缸故障樹(shù)分析相結(jié)合，以故障子樹(shù)3為例分析了得到了故障程度和多個(gè)故障同時(shí)出現(xiàn)對(duì)系統(tǒng)的影響，很好地處理了故障概率的不確定性﹒

(2)通過(guò)對(duì)故障子樹(shù)進(jìn)行T-S模糊故障樹(shù)重要度分析，得出了各底事件的重要度和重要度排序，給出了故障排查意見(jiàn)﹒

(3)在本文運(yùn)用的T-S故障樹(shù)分析方法和T-S重要度分析方法，可類(lèi)比應(yīng)用于整個(gè)液壓油缸故障樹(shù)中，具有較大的應(yīng)用價(jià)值﹒

[1]孫利娜, 黃寧, 仵偉強(qiáng), 等. 基于T-S模糊故障樹(shù)的多態(tài)系統(tǒng)性能可靠性[J]. 機(jī)械工程學(xué)報(bào), 2016, 52(10): 191-198.

[2]SONG H, ZHANG H Y, CHAN C W. Fuzzy fault tree analysis based on T-S model with application to INS/GPS navigation system[J]. Soft Comput, 2009, 13(1): 31-40.

[3]姚成玉, 呂軍, 陳東寧, 等. 凸模型T-S故障樹(shù)及重要度分析方法[J]. 機(jī)械工程學(xué)報(bào), 2015, 51(24): 184-192.

[4]杜智鋒. 基于T-S模糊模型的球磨機(jī)料位測(cè)量研究[D]. 太原:太原理工大學(xué), 2014.

[5]葛玉敏. 基于T-S模糊故障樹(shù)診斷專家系統(tǒng)的防爆電氣設(shè)備智能管理系統(tǒng)研究[D]. 天津: 河北工業(yè)大學(xué), 2015.

[6]姚成玉, 張熒驛, 王旭峰, 等. T-S模糊故障樹(shù)重要度分析方法[J]. 中國(guó)機(jī)械工程, 2011, 22(11): 1261-1268.

[7]陳東寧, 姚成玉, 黨振. 基于T-S模糊故障樹(shù)和貝葉斯網(wǎng)絡(luò)的多態(tài)液壓系統(tǒng)可靠性分析[J]. 中國(guó)機(jī)械工程, 2013, 24(7): 899-905.

[8]唐宏賓. 混凝土泵車(chē)泵送液壓系統(tǒng)故障診斷關(guān)鍵技術(shù)研究[D].長(zhǎng)沙: 中南大學(xué), 2012.

(責(zé)任編校：龔倫峰)

Research on Fuzzy Fault Tree Analysis Method for Hydraulic Cylinder Based on T-S Model

XIONG Zhihong, LIU Jun, FAN Bin, CHEN Chang, YIN Jiu

(School of Mechanical and Electrical Engineering, Hunan City University, Yiyang, Hunan 413000, China)

According to the lack of fault data acquisition and the limitation of traditional analysis methods in the analysis of hydraulic cylinder fault tree, a fuzzy fault tree analysis method for hydraulic cylinder based on T-S model is proposed, and the established hydraulic cylinder T-S fuzzy fault tree is analyzed. In the process of analysis, the fuzzy failure rate of the bottom event is replaced by the failure probability, and the fault degree is expressed by fuzzy number. Example of fault tree analysis of hydraulic cylinder fault sub-tree is given for illustration, and the fault analysis data of the hydraulic cylinder fault sub-tree is calculated and analyzed.

fuzzy fault tree analysis; fault data; T-S model; fault sub-tree

TH137.51

A

10.3969/j.issn.1672-7304.2017.04.0010

1672–7304(2017)04–0047–05

2017-05-23

湖南省教育廳科研項(xiàng)目(17C0298)

熊志宏(1989- )，男，湖南益陽(yáng)人，助教，碩士，主要從事機(jī)械工程方面的研究．E-mail: 466495627@qq.com