基于貝葉斯網(wǎng)絡(luò)和仿真分析的礦山機(jī)電系統(tǒng)可靠性評(píng)估

摘要：為增加礦山機(jī)電系統(tǒng)的可靠性，及時(shí)發(fā)現(xiàn)并預(yù)防潛在故障，提高礦山生產(chǎn)效率、確保工人安全及設(shè)備正常運(yùn)行，建立了故障信息數(shù)據(jù)診斷系統(tǒng)，收集礦山機(jī)電系統(tǒng)故障數(shù)據(jù)，同時(shí)構(gòu)建了貝葉斯故障網(wǎng)絡(luò)，并利用ITE結(jié)構(gòu)將其轉(zhuǎn)化為二元決策圖，對(duì)機(jī)電系統(tǒng)故障進(jìn)行定性和定量分析。結(jié)果顯示，在不同挖掘軟件上，研究構(gòu)建模型對(duì)機(jī)電系統(tǒng)故障的診斷準(zhǔn)確率均達(dá)98 %以上。在對(duì)某礦山機(jī)電系統(tǒng)實(shí)際評(píng)估中，測(cè)得絕緣老化或損壞、過(guò)載或過(guò)熱、電子元件故障、內(nèi)部短路對(duì)系統(tǒng)故障影響重要度最大，約為0.972。該故障分析系統(tǒng)有效提高了機(jī)電系統(tǒng)故障診斷的準(zhǔn)確性和效率，對(duì)底層故障節(jié)點(diǎn)進(jìn)行了有效評(píng)估，可為同類型機(jī)電系統(tǒng)的故障診斷和可靠性評(píng)估提供參考。

關(guān)鍵詞：貝葉斯網(wǎng)絡(luò)；礦山機(jī)電系統(tǒng)；二元決策圖；故障診斷；仿真分析；可靠性評(píng)估

中圖分類號(hào)：TD40 文章編號(hào)：1001-1277（2024）09-0031-05

文獻(xiàn)標(biāo)志碼：Adoi：10.11792/hj20240907

引 言

礦山機(jī)電系統(tǒng)是礦山生產(chǎn)的核心組成部分，其可靠性直接影響礦山生產(chǎn)效率和安全水平［1］。隨著礦山開(kāi)采規(guī)模的不斷擴(kuò)大和機(jī)械化程度的提高，礦山機(jī)電系統(tǒng)的故障率也隨之增加［2］。因此，對(duì)礦山機(jī)電系統(tǒng)進(jìn)行可靠性評(píng)估，及時(shí)發(fā)現(xiàn)并預(yù)防潛在故障，對(duì)于保障礦山安全生產(chǎn)和提高經(jīng)濟(jì)效益具有重要意義［3］。傳統(tǒng)的礦山機(jī)電系統(tǒng)可靠性評(píng)估方法主要依賴于經(jīng)驗(yàn)判斷，這種方法受人為因素影響較大，存在極大的主觀性和片面性［4］。針對(duì)這一問(wèn)題，符楊等［5］基于貝葉斯網(wǎng)絡(luò)構(gòu)建了一種融合故障樹(shù)，用于對(duì)風(fēng)電機(jī)組動(dòng)態(tài)的可靠性進(jìn)行評(píng)估，結(jié)果表明，該方法可以利用風(fēng)電機(jī)組的實(shí)時(shí)狀態(tài)信息進(jìn)行定量的動(dòng)態(tài)可靠度計(jì)算。韓哲鵬等［6］利用貝葉斯網(wǎng)絡(luò)構(gòu)建了考慮多狀態(tài)設(shè)備策略的船舶電力推進(jìn)系統(tǒng)可靠性評(píng)估模型，有效保證了船舶電力推進(jìn)系統(tǒng)的安全性。但是，僅用貝葉斯網(wǎng)絡(luò)表示變量之間的因果關(guān)系和概率分布，推理和計(jì)算過(guò)程將會(huì)非常繁瑣，而二元決策圖則可以有效簡(jiǎn)化推理過(guò)程，降低計(jì)算的復(fù)雜性［7］。鑒于此，本次研究創(chuàng)新性地將貝葉斯網(wǎng)絡(luò)轉(zhuǎn)化為二元決策圖進(jìn)行可靠性分析，有效降低了計(jì)算復(fù)雜度，以期可以高效分析礦山機(jī)電系統(tǒng)的可靠性，及時(shí)發(fā)現(xiàn)潛在故障，為故障預(yù)防和維護(hù)提供有力支持。

1 基于貝葉斯網(wǎng)絡(luò)的礦山機(jī)電系統(tǒng)可靠性分析

1.1 礦山機(jī)電系統(tǒng)故障信息診斷系統(tǒng)設(shè)計(jì)

對(duì)礦山機(jī)電系統(tǒng)的可靠性評(píng)估主要是依據(jù)礦山機(jī)電系統(tǒng)故障診斷進(jìn)行。因此，研究利用通用分組無(wú)線服務(wù)技術(shù)和互聯(lián)網(wǎng)技術(shù)構(gòu)建專門針對(duì)礦山機(jī)電系統(tǒng)的故障信息數(shù)據(jù)采集、整理、分析和應(yīng)用的系統(tǒng)，即礦山機(jī)電系統(tǒng)故障信息數(shù)據(jù)診斷系統(tǒng)，見(jiàn)圖1。

由圖1可知：該系統(tǒng)主要分為感知層、云端服務(wù)層及應(yīng)用層。其中，感知層是該系統(tǒng)的核心，主要任務(wù)是利用礦用傳感器收集礦山機(jī)電系統(tǒng)故障信息數(shù)據(jù)，并將數(shù)據(jù)信息發(fā)送到ZigBee終端節(jié)點(diǎn)，ZigBee終端節(jié)點(diǎn)將數(shù)據(jù)傳輸至ZigBee協(xié)調(diào)器，最終傳輸至現(xiàn)場(chǎng)服務(wù)器。該服務(wù)器利用無(wú)線傳感網(wǎng)絡(luò)技術(shù)對(duì)收集到的礦山機(jī)電系統(tǒng)工況進(jìn)行顯示并儲(chǔ)存。云端服務(wù)層除了能對(duì)礦山機(jī)電系統(tǒng)工況進(jìn)行顯示并存儲(chǔ)，還使用通用分組無(wú)線業(yè)務(wù)（General Packet Radio Service，GPRS）網(wǎng)絡(luò)將礦山機(jī)電系統(tǒng)工況數(shù)據(jù)傳輸至應(yīng)用層。應(yīng)用層中對(duì)礦山機(jī)電系統(tǒng)工況的遠(yuǎn)程監(jiān)控網(wǎng)頁(yè)在筆記本電腦、手機(jī)及平板上均可顯示。

1.2 礦山機(jī)電系統(tǒng)可靠性評(píng)估方法

基于上述故障信息數(shù)據(jù)診斷系統(tǒng)收集整理的機(jī)電系統(tǒng)數(shù)據(jù)信息，結(jié)合貝葉斯網(wǎng)絡(luò)和二元決策圖，實(shí)現(xiàn)礦山機(jī)電系統(tǒng)的可靠性評(píng)估。首先構(gòu)建貝葉斯故障診斷網(wǎng)絡(luò)，設(shè)A和B為2個(gè)基礎(chǔ)事件，B在A發(fā)生情況下發(fā)生的概率PB/A［8］見(jiàn)式（1）。

PB/A=PABPA （1）

式中：PAB為事件A和B均發(fā)生的概率；PA為事件A發(fā)生的概率。

若將存在影響事件A的所有條件因子設(shè)為B1，B2，…，Bn;Bi和Bj為任意2個(gè)條件因子，且Bi∩Bj=（i≠j），則可得到式（2）：

PA=∑ni=1PBiPA/Bi（2）

式中：PBi為先驗(yàn)概率；PA/Bi為后驗(yàn)概率。

根據(jù)式（1）和式（2）可得出貝葉斯公式為：

PBi/A=PA/BiPBi∑nj=1PBiPA/Bi （3）

貝葉斯概率分布公式［9］見(jiàn)式（4）。

PX=∏ni=1PXiXi－1，…，X2，X1（4）

式中：Xi為貝葉斯網(wǎng)絡(luò)中的節(jié)點(diǎn)。

根據(jù)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，結(jié)合礦山機(jī)電系統(tǒng)故障檢測(cè)的實(shí)際問(wèn)題，研究將礦山機(jī)電系統(tǒng)故障原因和結(jié)果均用網(wǎng)絡(luò)節(jié)點(diǎn)表示，再用有向線將機(jī)電系統(tǒng)故障原因與對(duì)應(yīng)的結(jié)果連接，最后按照機(jī)電系統(tǒng)故障原因與結(jié)果的關(guān)聯(lián)程度計(jì)算每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的概率。設(shè)貝葉斯網(wǎng)絡(luò)的父節(jié)點(diǎn)為cj，子節(jié)點(diǎn)為{x1，x2，…，xn}，則根據(jù)式（4）可得網(wǎng)絡(luò)節(jié)點(diǎn)的概率計(jì)算方法，見(jiàn)式（5）。

Pci/x1，x2，…，xn=αPci∏ni=0Pxi/cj（5）

式中：α為參數(shù)；P（ci）和P（cj）分別為ci、cj發(fā)生的概率。

式（5）中cj的先驗(yàn)概率見(jiàn)式（6）。Pxi/cj為cj條件下xi的概率，見(jiàn)式（7）。

Pcj=NcjN（6）

式中：Ncj為原始庫(kù)中cj類變量集的事件總數(shù)；N為原始事件總數(shù)［10］。

Pxi/cj=NxicjN Nxicj≠01NNcj+NxiNNxicj=0 （7）

式中：Nxicj為原始庫(kù)中cj類變量集，且為屬性值Xi=xi的事件總數(shù)。

利用ITE（If—Then—Else）結(jié)構(gòu)將貝葉斯礦山機(jī)電系統(tǒng)故障網(wǎng)絡(luò)轉(zhuǎn)化為二元決策圖，即可實(shí)現(xiàn)對(duì)礦山機(jī)電系統(tǒng)的定量評(píng)估［11］。具體方法是，先利用ITE結(jié)構(gòu)表示貝葉斯礦山機(jī)電系統(tǒng)故障網(wǎng)絡(luò)的底層邏輯門事件，然后再依次對(duì)底層邏輯門的上一層邏輯門進(jìn)行表示，直到貝葉斯網(wǎng)絡(luò)所有邏輯門均用ITE結(jié)構(gòu)的底事件進(jìn)行表示。定義底事件為A1，A2，…，An，兩個(gè)隨機(jī)底事件Ax和Ay滿足條件Ax，Ay∈A1，A2，…，An。貝葉斯礦山機(jī)電系統(tǒng)故障網(wǎng)絡(luò)轉(zhuǎn)化為二元決策圖的定義式M和N見(jiàn)式（8）。

M=iteAx，Q1，Q2N=iteAy，P1，P2 （8）

式（8）中，若x<y時(shí)，則M［op］N=ite（Ax，Q1［op］N，Q2［op］N）；若x>y時(shí)，則M［op］N=ite（Ay，Q1［op］NP1，Q2［op］NP2），其中，［op］為邏輯門的布爾運(yùn)算符號(hào)，代表的含義為“和”或“或”。以故障節(jié)點(diǎn)S1，S2，S3為例進(jìn)行說(shuō)明，利用ITE結(jié)構(gòu)將貝葉斯故障網(wǎng)絡(luò)S轉(zhuǎn)化為H=ite{S1，1，ite［S2，2，ite（S3，1，0）］}，最終得到故障節(jié)點(diǎn)二元決策圖（見(jiàn)圖2）。

由圖2可知：將貝葉斯故障網(wǎng)絡(luò)轉(zhuǎn)化為故障節(jié)點(diǎn)二元決策圖，既能直觀地展現(xiàn)系統(tǒng)結(jié)構(gòu)和故障關(guān)系，又能進(jìn)行定量分析，為礦山機(jī)電系統(tǒng)的運(yùn)行和維護(hù)提供了更全面的決策依據(jù)［12］。

1.3 礦山機(jī)電系統(tǒng)可靠性評(píng)估仿真設(shè)計(jì)

依據(jù)上述對(duì)礦山機(jī)電系統(tǒng)可靠性評(píng)估的方法，研究以某礦山機(jī)電系統(tǒng)的提升及傳輸設(shè)備、電氣設(shè)備為可靠性評(píng)估試驗(yàn)對(duì)象進(jìn)行仿真設(shè)計(jì)，這兩類設(shè)備中任意一個(gè)設(shè)備出現(xiàn)故障，則整個(gè)礦山機(jī)電系統(tǒng)均無(wú)法正常工作，所以將礦山機(jī)電系統(tǒng)故障作為頂事件，其他兩種設(shè)備故障事件作為貝葉斯網(wǎng)絡(luò)的下一層事件。提升及傳輸設(shè)備包括提升機(jī)、升降機(jī)、斗式提升機(jī)等，用于將礦石、礦渣等物料從地下或井下運(yùn)送到地面或地下不同層次的設(shè)備，該類設(shè)備的故障主要包括電動(dòng)機(jī)系統(tǒng)故障、傳動(dòng)系統(tǒng)故障、制動(dòng)系統(tǒng)故障、液壓系統(tǒng)故障等。同樣將提升及傳輸機(jī)械設(shè)備故障作為頂事件，造成該設(shè)備故障的原因作為貝葉斯網(wǎng)絡(luò)的下一層事件。電氣設(shè)備故障的貝葉斯網(wǎng)絡(luò)均按照該方法進(jìn)行構(gòu)建，則礦山機(jī)電系統(tǒng)貝葉斯故障網(wǎng)絡(luò)見(jiàn)圖3。

由圖3可知：A、B1、B2可以構(gòu)成一個(gè)子模塊，該模塊中B1、B2為底事件；B1、C1、C2、C3、C4構(gòu)成一個(gè)子模塊，該模塊中C1、C2、C3、C4為底事件；B2、C5、C6、C7構(gòu)成一個(gè)子模塊，該模塊中C5、C6、C7為底事件。從整體來(lái)看，C1、C2、C3、C4、C5、C6、C7是貝葉斯網(wǎng)絡(luò)的最小模塊子樹(shù)。將礦山機(jī)電系統(tǒng)貝葉斯故障網(wǎng)絡(luò)轉(zhuǎn)化為故障節(jié)點(diǎn)二元決策圖，先對(duì)故障節(jié)點(diǎn)二元決策圖進(jìn)行定性評(píng)估分析，標(biāo)號(hào)為“1”的路徑表示該故障事件會(huì)發(fā)生，標(biāo)號(hào)為“0”的路徑則表示該故障事件不會(huì)發(fā)生，在故障節(jié)點(diǎn)二元決策圖中進(jìn)行路徑搜索，可得A的割集為D1～D22。再對(duì)故障節(jié)點(diǎn)二元決策圖進(jìn)行定量評(píng)估分析，定量評(píng)估時(shí)需要確定所有為“1”的路徑并標(biāo)號(hào)，見(jiàn)式（9）。

Ri=∏nij=1ii∈Di，i （9）

式中：Ri為路徑為“1”的編號(hào)；Di為中間某故障節(jié)點(diǎn)發(fā)生；i為中間某故障節(jié)點(diǎn)不發(fā)生。

中間故障節(jié)點(diǎn)的發(fā)生概率PBottom計(jì)算公式見(jiàn)式（10）。

PBottom=∑mi=1∏nij=1i（10）

根據(jù)式（10）即可計(jì)算頂事件（礦山機(jī)電系統(tǒng)故障）的發(fā)生概率P（Top），從而完成對(duì)礦山機(jī)電系統(tǒng)的定量評(píng)估。

為確定底層故障對(duì)頂事件故障發(fā)生的重要程度，對(duì)底層故障概率的重要程度ApDi進(jìn)行計(jì)算，見(jiàn)式（11）。

ApDi=ηPBottomηPTop（11）

根據(jù)式（11）計(jì)算底層故障概率的重要程度，即可判斷機(jī)電系統(tǒng)的高頻故障，從而制定相關(guān)的方案進(jìn)行改善。

2 模型有效性及機(jī)電系統(tǒng)可靠性評(píng)估結(jié)果分析

2.1 貝葉斯故障網(wǎng)絡(luò)轉(zhuǎn)化二元決策圖有效性分析

硬件仿真運(yùn)行環(huán)境參數(shù)設(shè)置見(jiàn)表1。

在所構(gòu)建的運(yùn)行環(huán)境中，研究采用AgenaRisk和PrecisionTree兩款數(shù)據(jù)挖掘軟件對(duì)研究構(gòu)建的方法進(jìn)行仿真測(cè)試。并用樸素貝葉斯故障診斷模型、基于麻雀算法優(yōu)化寬度學(xué)習(xí)故障診斷模型、遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)故障診斷模型與研究構(gòu)建的模型進(jìn)行對(duì)比［13-14］。隨機(jī)從云端數(shù)據(jù)庫(kù)里采集500條傳感器故障數(shù)據(jù)信息，將其中400條故障數(shù)據(jù)作為數(shù)據(jù)挖掘軟件的學(xué)習(xí)樣本，其余100條故障數(shù)據(jù)作為故障診斷模型的驗(yàn)證樣本。采用4種模型測(cè)定故障發(fā)生的準(zhǔn)確率，結(jié)果見(jiàn)圖4。

由圖4-a）可知：在AgenaRisk數(shù)據(jù)挖掘軟件上進(jìn)行測(cè)試，樸素貝葉斯故障診斷模型迭代66次后趨于穩(wěn)定，準(zhǔn)確率約為83.4 %，而研究構(gòu)建模型僅迭代21次后便趨于穩(wěn)定，準(zhǔn)確率約為98.4 %，證明了研究引入二元決策圖計(jì)算故障準(zhǔn)確率這一改進(jìn)方法的有效性。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)故障診斷模型和基于麻雀算法優(yōu)化寬度學(xué)習(xí)故障診斷模型分別迭代42次和47次后趨于穩(wěn)定，準(zhǔn)確率分別約為91.5 %和89.4 %，迭代速度和診斷精度均小于研究構(gòu)建的模型，證明了研究構(gòu)建模型在同類檢測(cè)故障模型中的優(yōu)越性。由圖4-b）可知：在PrecisionTree數(shù)據(jù)挖掘軟件上的結(jié)果與在AgenaRisk數(shù)據(jù)挖掘軟件上的測(cè)試結(jié)果相差不大，仍然是研究構(gòu)建模型迭代次數(shù)最少，且準(zhǔn)確率最高，約為99.1 %，再次證明了研究構(gòu)建模型的有效性，并且具有良好的性能延展性。

2.2 機(jī)電系統(tǒng)可靠性評(píng)估結(jié)果分析

采用研究構(gòu)建模型計(jì)算某礦山機(jī)電系統(tǒng)底層故障事件發(fā)生概率，結(jié)果見(jiàn)表2。

礦山機(jī)電系統(tǒng)的各個(gè)部分均有可能出現(xiàn)故障，但不同部位的發(fā)生概率有較大差異。由表2可知：該礦山機(jī)電系統(tǒng)中容易發(fā)生過(guò)載和過(guò)熱故障，故障發(fā)生概率為0.361 2×10-3/h，因此在使用該機(jī)電系統(tǒng)時(shí)，應(yīng)注意各設(shè)備運(yùn)行電壓的合理分配，同時(shí)增加制冷系統(tǒng)對(duì)機(jī)電系統(tǒng)進(jìn)行降溫處理。液壓油溫過(guò)高故障的發(fā)生概率也比較高，為0.356 8×103/h，所以需要定期檢測(cè)液壓油質(zhì)量和液壓系統(tǒng)的密封性，并減少系統(tǒng)負(fù)載。此外，電子元件故障的發(fā)生概率為0.459 8×103/h，因此購(gòu)買時(shí)需嚴(yán)格對(duì)電子元件進(jìn)行檢查。

底層故障事件概率重要度計(jì)算結(jié)果見(jiàn)圖5。

由圖5可知：事件D1、D3、D15、D16、D19的重要程度較高，約為0.972；事件D8、D9的重要程度為次重要，重要度約為0.970。所以在對(duì)該礦山機(jī)電系統(tǒng)進(jìn)行可靠性評(píng)估時(shí)，需重點(diǎn)關(guān)注這幾個(gè)故障點(diǎn)。針對(duì)事件D1，可以采用耐高溫、耐磨損的絕緣材料，提高其耐用性和可靠性；針對(duì)事件D3，可以設(shè)定合理的工作負(fù)荷范圍并增加制冷系統(tǒng)；針對(duì)事件D16，定期對(duì)電子元件進(jìn)行檢測(cè)和維護(hù)，及時(shí)更換老化或損壞的元件；針對(duì)事件D19，采用合適的保護(hù)裝置，如熔斷器等，防止內(nèi)部短路引發(fā)系統(tǒng)故障；針對(duì)事件D8，定期檢查皮帶的磨損情況，及時(shí)更換磨損嚴(yán)重的皮帶；針對(duì)事件D9，定期檢查齒輪的磨損和損壞情況，使用高強(qiáng)度、耐磨損的齒輪材料。

3 結(jié) 論

對(duì)礦山機(jī)電系統(tǒng)的可靠性進(jìn)行評(píng)估是維持礦山作業(yè)正常運(yùn)行的重要環(huán)節(jié)。研究將貝葉斯故障網(wǎng)絡(luò)轉(zhuǎn)化為二元決策圖，對(duì)某礦山機(jī)電系統(tǒng)可靠性進(jìn)行定性和定量分析。該轉(zhuǎn)化方法對(duì)機(jī)電系統(tǒng)設(shè)備診斷的有效性進(jìn)行評(píng)估，發(fā)現(xiàn)研究所構(gòu)建模型在不同的挖掘軟件上對(duì)機(jī)電系統(tǒng)故障的診斷準(zhǔn)確率達(dá)98 %以上。以該礦山機(jī)電系統(tǒng)故障作為頂端事件，得出底層故障事件中D1、D3、D16的發(fā)生概率較高；同時(shí)，計(jì)算出底層故障事件對(duì)該機(jī)電系統(tǒng)故障影響的重要程度，發(fā)現(xiàn)事件D1、D3、D15、D16、D19的重要程度較高，約為0.972；事件D8、D9為次重要，重要度約為0.970。說(shuō)明研究構(gòu)建模型可以實(shí)現(xiàn)對(duì)礦山機(jī)電系統(tǒng)的可靠性評(píng)估，為機(jī)電系統(tǒng)設(shè)備的選配和維修提供針對(duì)性意見(jiàn)。

［參 考 文 獻(xiàn)］

［1］ 闞延鵬，陳玉，劉永明，等.基于BP神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)雜機(jī)電系統(tǒng)可靠性的評(píng)估［J］.安徽工程大學(xué)學(xué)報(bào)，2021，36（2）：34-40.

［2］ 許在新，杜玉潔，常可可，等.基于LabVIEW的高精度閉式微小型循環(huán)泵性能測(cè)試系統(tǒng)［J］.機(jī)電工程，2023，40（7）：1 039-1 046.

［3］ 胡啟國(guó)，杜春超，曹歷杰，等.考慮多種故障狀態(tài)的機(jī)械系統(tǒng)可靠性評(píng)估方法研究［J］.機(jī)械強(qiáng)度，2022，44（2）：356-361.

［4］ 朱必勇，費(fèi)漢強(qiáng)，史鍵波.地下金屬礦山通風(fēng)系統(tǒng)可靠性評(píng)價(jià)模型研究［J］.礦業(yè)研究與開(kāi)發(fā)，2023，43（11）：122-128.

［5］ 符楊，苗育植，黃玲玲，等.基于改進(jìn)貝葉斯網(wǎng)絡(luò)的風(fēng)電機(jī)組動(dòng)態(tài)可靠性評(píng)估［J］.電力自動(dòng)化設(shè)備，2022，42（11）：32-39.

［6］ 韓哲鵬，張笛.基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的船舶電力推進(jìn)系統(tǒng)可靠性評(píng)估［J］.船舶工程，2021，43（11）：118-124.

［7］ 卞瑞兵，張揚(yáng)，潘正強(qiáng)，等.基于二元決策圖的護(hù)航編隊(duì)多階段任務(wù)體系可靠性分析［J］.兵工學(xué)報(bào)，2020，41（5）：1 016-1 024.

［8］ 熊歐.貝葉斯統(tǒng)計(jì)模型在艦船機(jī)電自動(dòng)控制系統(tǒng)中的應(yīng)用［J］.艦船科學(xué)技術(shù)，2023，45（19）：151-154.

［9］ 齊金平，周亞輝，李少雄，等.基于超橢球貝葉斯網(wǎng)絡(luò)的制動(dòng)系統(tǒng)可靠性研究［J］.重慶交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，40（12）：124-129.

［10］ 陳釗，袁航，黃鵬宇，等.基于改進(jìn)條件概率的貝葉斯網(wǎng)絡(luò)隧道坍塌安全風(fēng)險(xiǎn)評(píng)價(jià)［J］.中南大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，54（1）：327-340.

［11］ 王春麗，陳秉乾，劉沁，等.考慮多參數(shù)耦合的電力施工承載力分析系統(tǒng)［J］.能源與環(huán)保，2022，44（11）：226-232.

［12］ 李岳峰，劉丹.基于貝葉斯網(wǎng)絡(luò)的攻擊事件智能發(fā)掘模型［J］.太赫茲科學(xué)與電子信息學(xué)報(bào)，2023，21（11）：1 370-1 380.

［13］ 陳光林，于麗婭，張成龍，等.基于麻雀算法優(yōu)化寬度學(xué)習(xí)系統(tǒng)的軸承故障診斷［J］.工業(yè)工程，2023，26（3）：151-158.

［14］ 王運(yùn)森，鄭建明，孫豁然.過(guò)程自動(dòng)控制及遺傳算法在新城金礦自動(dòng)控制系統(tǒng)中的應(yīng)用研究［J］.黃金，2003，24（6）：29-31.

Reliability assessment of mine mechanical and electrical systems

based on Bayesian networks and simulation analysis

Shi Baogang

（Shaanxi Institute of Technology）

Abstract：To enhance the reliability of mine mechanical and electrical systems，promptly detect and prevent potential failures，improve mining production efficiency，ensure worker safety，and maintain normal equipment operation，a fault information data diagnostic system was established to collect fault data from mine mechanical and electrical systems.A Bayesian fault network was constructed and converted into a binary decision diagram using the ITE structure for qualitative and quantitative analysis of system faults.The results show that the constructed model achieved a diagnostic accuracy rate of over 98 % across different mining software platforms.In an actual evaluation of a mine mechanical and electrical system，insulation aging or damage，overload or overheating，electronic component failures，and internal short circuits were found to have the highest impact on fault，approximately 0.972.This significantly improved the accuracy and efficiency of fault diagnosis in mechanical and electrical systems and provided an effective assessment of underlying fault nodes.The findings can serve as a reference for fault diagnosis and reliability assessment in similar mechanical and electrical systems.

Keywords：Bayesian network;mine mechanical and electrical system;binary decision diagram;fault diagnosis;simulation analysis;reliability assessment