CN106991240A - 基于故障树的仓储搬运设备故障诊断方法 - Google Patents
基于故障树的仓储搬运设备故障诊断方法 Download PDFInfo
- Publication number
- CN106991240A CN106991240A CN201710233143.0A CN201710233143A CN106991240A CN 106991240 A CN106991240 A CN 106991240A CN 201710233143 A CN201710233143 A CN 201710233143A CN 106991240 A CN106991240 A CN 106991240A
- Authority
- CN
- China
- Prior art keywords
- event
- failure
- cut set
- tree
- fault tree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开一种基于故障树的仓储搬运设备故障诊断方法,包括以下步骤:Stp1:在数学软件中编写故障树分析程序;Stp2:选择顶事件;Stp3:建立故障树;Stp4:将故障树输入程序,对故障进行定性分析;Stp5:建立底事件发生概率矩阵并输入程序,对故障进行定量分析;Stp6:得到故障诊断顺序,给出诊断决策树;Stp7:将所述诊断决策树转化成诊断流程图的形式给出。本发明基于故障树下行法的分析思想编写故障树分析程序,能够对故障树进行定性、定量分析,依据仓储搬运设备的工作原理以及电路结构图,针对设备生产过程中出现的常见故障建立故障树,将故障树输入程序后,自动给出合理有效的诊断步骤,帮助用户快速准确的找到设备故障。
Description
技术领域
本发明涉及故障诊断领域,具体涉及一种基于故障树的仓储搬运设备故障诊断方法。
背景技术
随着工业技术的迅速发展,越来越多的自动化设备应用在了日常生产过程当中,仓储搬运设备作为物料搬运工具中的主力军,在物流系统中扮演着极为重要的角色。仓储搬运设备在使用过程中不可避免地会发生各种类型的故障,现阶段生产过程中设备出现故障后,一般还是采用传统的维修方法。即故障较为简单时,由用户自行在厂家指导下进行一些基础性的维修工作;故障较为复杂时,由厂家派出专业的维修人员前往现场对设备进行故障排除检查以及维修工作。这种人工排除故障的手段,故障点不容易定位,耗时耗力。如果为了故障诊断而布置大量的状态信息采集点显然是不实用的,其不仅会增加诊断的成本,而且在相对封闭的系统中,检测各部件的状态量很难实现。
鉴于上述缺陷,本发明创作者经过长时间的研究和实践终于获得了本发明基于故障树的仓储搬运设备故障诊断方法。
发明内容
为解决上述技术缺陷,本发明采用的技术方案在于,提供一种基于故障树的仓储搬运设备故障诊断方法,包括以下步骤:
Stp1:在数学软件中编写故障树分析程序,该程序包括定性分析模块和定量分析模块;
Stp2:选择顶事件,针对仓储搬运设备使用过程中出现的常见故障选择故障顶事件及其代码;
Stp3:建立故障树,根据仓储搬运设备的工作原理以及电路结构图确认基本事件、底事件及其代码,所述基本事件为可能引起所述顶事件的故障,所述底事件为可能引起所述基本事件的故障,针对每个顶事件逐级分析并按逻辑关系建立规范化故障树;
Stp4:将故障树输入程序,所述定性分析模块用下行法求取顶事件对应故障树的所有割集,将割集简化为最小割集;
Stp5:建立底事件发生概率矩阵并输入程序,所述定量分析模块对最小割集进行不交化处理后计算顶事件发生概率,并计算最小割集和基本事件重要度;
Stp6:故障树分析程序计算得到故障诊断顺序,给出诊断决策树;
Stp7:将所述诊断决策树转化成诊断流程图的形式给出。
较佳的,所述数学软件为MATLAB程序。
较佳的,所述定性分析模块进行定性分析时包括如下步骤:
Stp401:输入规范化故障树结构,输出割集矩阵,该矩阵的行数为割集的个数,每行元素都是该割集内底事件对应的代码;
Stp402:用排序函数将割集矩阵中每一行的底事件都按照代码从小到大的顺序进行排序;
Stp403:利用等幂定律对割集矩阵的每行进行简化,比较每行相邻元素,若重复则将后面的元素赋予0值;
Stp404:将割集矩阵中的零元素除去,然后将所有割集按照所包含元素的个数从小到大的顺序进行排序;
Stp405:基于吸收律,对割集矩阵的行之间是否存在包含与被包含关系进行判断,将被包含的行除去;
Stp406:将最小割集以规范化矩阵的形式输出,输出矩阵的行数表示最小割集的个数,列数表示基本事件的个数,若某一行所代表的割集包含该列所对应的基本事件,则这一行对应的列标为1,否则为0。
较佳的,所述定量分析模块进行定性分析时包括如下步骤:
Stp501:将最小割集进行不交化处理,得到不交化矩阵;
Stp502:遍历不交化矩阵求出顶事件的不交化表达式,根据公式计算顶事件发生概率;
Stp503:遍历不交化矩阵计算每个最小割集发生的概率,再代入公式计算每个最小割集的诊断重要度;
Stp504:对顶事件求各基本事件的偏导得到边缘重要度,代入公式求得各基本事件的诊断重要度。
较佳的,所述Stp502中顶事件发生概率的计算公式为:
其中,P(T)为顶事件发生概率,m为最小割集总数,Mi为第i个最小割集,为Mi的补集。
较佳的,述Stp503中计算最小割集重要度的计算公式为:
其中,P(T)为顶事件发生概率,P(Mi)为第i个最小割集发生概率。
较佳的,所述Stp504中计算基本事件重要度的计算公式为:
其中,P(Xi)为第i个基本事件发生概率,P(T)为顶事件发生概率,为Xi的补集。
较佳的,所述顶事件包括高踏板故障、预充电故障、过流、控制器过热、主回路断电、电流采样故障、电池管理系统故障、电池组欠压、电池组过压、电机过热、加速故障、喇叭故障、设备无法前进、设备只能慢速行进、搬运臂上升无法上升、搬运臂上升高度错误和搬运臂下降故障。
与现有技术比较本发明的有益效果在于:
本发明基于故障树下行法的分析思想编写故障树分析程序,能够对故障树进行定性、定量分析,依据仓储搬运设备的工作原理以及电路结构图,针对设备生产过程中出现的常见故障建立故障树,将故障树输入程序后,自动给出合理有效的诊断步骤,帮助用户快速准确的找到设备故障。
本方法运用编写好的程序对实际出现的设备故障进行分析,从而快速合理地给出可能发生故障部件的诊断顺序,并为用户提供直观的诊断流程图,实现了对现代仓储搬运设备常见复杂故障的有效诊断,解决了传统设备维修过程中存在的维修成本高、及时性差的问题。
附图说明
为了更清楚地说明本发明各实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本发明基于故障树的仓储搬运设备故障诊断方法的流程图;
图2是本发明定性分析模块实现定性分析的流程图;
图3是本发明定量分析模块实现定量分析的流程图;
图4是本发明实施例4中仓储搬运设备只能慢速行进的故障树示意图;
图5是本发明实施例4中设备只能慢速行进的诊断决策树;
图6是本发明实施例5中仓储搬运设备无法行进的故障树示意图;
图7是本发明实施例5中仓储搬运设备无法行进的诊断决策树;
图8是本发明实施例5中仓储搬运设备无法行进的诊断流程图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
实施例1
如图1所示,一种基于故障树的仓储搬运设备故障诊断方法,包括以下步骤:
Stp1:在MATLAB软件中编写故障树分析程序,该程序包括定性分析模块和定量分析模块。
Stp2:选择顶事件,针对仓储搬运设备使用过程中出现的常见故障选择故障顶事件及其代码,顶事件包括高踏板故障、预充电故障、过流、控制器过热、主回路断电、电流采样故障、电池管理系统故障、电池组欠压、电池组过压、电机过热、加速故障、喇叭故障、设备无法前进、设备只能慢速行进、搬运臂上升无法上升、搬运臂上升高度错误和搬运臂下降故障。
Stp3:建立故障树,根据仓储搬运设备的工作原理以及电路结构图确认基本事件、底事件及其代码,所述基本事件为可能引起所述顶事件的故障,所述底事件为可能引起所述基本事件的故障,针对每个顶事件逐级分析并按逻辑关系建立规范化故障树。
Stp4:将故障树输入程序,所述定性分析模块用下行法求取顶事件对应故障树的所有割集,将割集简化为最小割集。
Stp5:建立底事件发生概率矩阵并输入程序,所述定量分析模块对最小割集进行不交化处理后计算顶事件发生概率,并计算最小割集和基本事件重要度。
Stp6:故障树分析程序计算得到故障诊断顺序,给出诊断决策树,诊断决策树对系统各组成部件实施诊断的顺序用树状图形来表示。该图形由节点和有向弧组成,如果有向弧指向的是右侧节点,则意味着父节点所代表的组成元件被判定发生故障,指向的节点是那些父节点所在集合中的其他底事件;反之,则意味着其父节点所代表的组成元件未发生故障,则父节点所在的最小割集中的其他底事件都不需要再进行诊断,故而指向的节点是那些与父节点不在同一集合的其它底事件,具体指向哪一个底事件由剩余最小割集的诊断重要度决定。
Stp7:将所述诊断决策树转化成诊断流程图的形式给出。
该算法运用故障树分析法对设备检测到的故障进行分析,并给出对可能发生故障部件的诊断顺序,实现了对现代仓储搬运设备常见复杂故障的有效诊断,解决了传统设备维修过程中存在的及时性差和故障难以定位的问题。
实施例2
如图2所示,本实施例在上述实施例的基础上,所述定性分析模块运行包括如下步骤:
Stp401:输入规范化故障树结构,程序使用下行法求取故障树的所有割集,从顶事件开始,自上而下进行查找替换,碰到AND门就增加集合内部所包含的元素数量,碰到OR门就增加割集的数量,输出割集矩阵,该矩阵的行数为割集的个数,每行元素都是该割集内底事件对应的代码。
Stp402:用排序函数将割集矩阵中每一行的底事件都按照代码从小到大的顺序进行排序。
Stp403:利用等幂定律Xi∩Xi=Xi对割集矩阵的每行进行简化,比较每行相邻元素,若重复则将后面的元素赋值为0。
Stp404:将割集矩阵中的零元素除去,然后将所有割集按照所包含元素的个数从小到大的顺序进行排序。
Stp405:基于吸收律Xi+Xi·Xj=Xi,对割集矩阵的行之间是否存在包含与被包含关系进行判断,将被包含的行除去。
Stp406:将最小割集以规范化矩阵的形式输出,输出矩阵的行数表示最小割集的个数,列数表示基本事件的个数,若某一行所代表的割集包含该列所对应的基本事件,则这一行对应的列标为1,否则为0。
定性分析模块进行定性分析后能够得到发生故障的所有可能原因的组合,操作者根据定性分析结果可以直观了解可能引起该故障的原因。
实施例3
如图3所示,本实施例在上述实施例的基础上,所述定量分析模块运行包括如下步骤:
Stp501:将最小割集进行不交化处理,得到不交化矩阵。当故障树中最小割集数目和最小割集中重复的基本事件较多时,直接采用容斥定理进行计算会大大增加运算量,所以为了防止组合爆炸情况的出现,需要先对最小割集完成相应的不交化处理操作后再进行计算,可以有效提高计算效率。
Stp502:遍历不交化矩阵求出顶事件的不交化表达式,根据公式计算顶事件发生概率,顶事件发生概率的计算公式为:
其中,P(T)为顶事件发生概率,m为最小割集总数,Mi为第i个最小割集,为Mi的补集。
Stp503:遍历不交化矩阵计算每个最小割集发生的概率,再代入公式计算每个最小割集的诊断重要度,最小割集重要度的计算公式为:
其中,P(T)为顶事件发生概率,P(Mi)为第i个最小割集发生概率。
Stp504:对顶事件求各基本事件的偏导得到边缘重要度,代入公式求得各基本事件的诊断重要度,基本事件重要度的计算公式为:
其中,P(Xi)为第i个基本事件发生概率,P(T)为顶事件发生概率,为Xi的补集。
程序在完成定性分析的基础上利用底事件发生的概率进一步进行定量分析,通过计算得到顶事件发生的概率、最小割集的重要度以及各基本事件的重要度,并根据重要度分析的结果得到系统故障诊断的顺序,从而使操作人员能够根据故障诊断顺序进行故障排查,有效提高维修效率。
实施例4
一种仓储搬运设备发生只能慢速行进故障时的故障诊断方法,包括如下步骤:
Stp1:在MATLAB编写故障树分析程序,该程序包括定性分析模块和定量分析模块;
Stp2:选择顶事件为仓储搬运设备只能慢速行进;
Stp3:根据仓储搬运设备的工作原理以及电路结构图确认仓储搬运设备只能慢速行进的基本事件、底事件及其代码。
如下表所示,为仓储搬运设备只能慢速行进故障树的底事件定义及概率表:
针对顶事件逐级分析并按逻辑关系建立规范化故障树,如图4所示,其为仓储搬运设备只能慢速行进的故障树。
Stp4:将故障树输入程序,定性分析模块用下行法求取顶事件对应故障树的所有割集,将割集简化为最小割集。
得到的结果供包含4个最小割集,分别为{(M1)},{(M2)},{(M3)}和{(M4,M5,M6)}。
Stp5:将底事件发生概率矩阵输入程序,所述定量分析模块对最小割集进行分析,得到顶事件发生概率、最小割集重要度和基本事件重要度,其分析结果如下表所示:
Stp6:根据定量分析的结果得到故障诊断顺序,根据最小割集重要度从高到低的顺序诊断故障,并给出如图5所示的诊断决策树,操作者能够从诊断决策树中简明清楚的判断诊断顺序。
实施例5
一种仓储搬运设备发生无法前进故障的故障诊断方法,包括如下步骤:
Stp1:在MATLAB编写故障树分析程序,该程序包括定性分析模块和定量分析模块;
Stp2:选择顶事件为仓储搬运设备无法前进;
Stp3:建立故障树,根据仓储搬运设备的工作原理以及电路结构图确认基本事件、底事件及其代码。
如下表所示,为仓储搬运设备无法行进故障树的底事件定义及概率表:
针对顶事件仓储搬运设备无法行进逐级分析并按逻辑关系建立如图6所示规范化故障树。
Stp4:将故障树输入程序,所述定性分析模块用下行法求取顶事件对应故障树的所有割集,设备无法行进故障树共有28个最小割集。
Stp5:将底事件发生概率矩阵并输入程序,所述定量分析模块对最小割集进行不交化处理后计算顶事件发生概率,并计算最小割集和基本事件重要度,分析结果如下表所示:
根据上表所示,设备无法行进故障树共有28个最小割集,按照诊断步骤进行分析后,这些集合可被分为19个最小割集子集,分别为:{(X4)},{(X3)},{(X10)},{(X2)},{(X1)},{(X5)},{(X6)},{(X7)},{(X11)},{(X12)},{(X15,X16),(X15,X17)},{(X13,X14)},{(X8,X9)},{(X20,X18,X16),(X20,X18,X17)},{(X23,X19,X16),(X23,X19,X17)},{(X22,X18,X16),(X22,X19,X16),(X22,X18,X17),(X22,X19,X17)},{(X25,X19,X16),(X25,X19,X17)},{(X21,X18,X16),(X21,X18,X17)},{(X24,X19,X16),(X24,X19,X17)}。
Stp6:根据定量分析的结果得到故障诊断顺序,给出如图7所示的诊断决策树。
Stp7:将所述诊断决策树转化成诊断流程图的形式给出,如图8所示,为用户提供更直观的维修的意见。用户可以根据该诊断流程图依次检查相关设备,快速定位故障点。
根据本实施例程序运行的结果,可以明显看出,当故障所包含的基本事件和逻辑门较多时,此时的故障分析是相对复杂的,事件之间存在着严重的耦合问题,人工计算分析诊断顺序的工作量非常大,容易出现计数错误。而使用本方法进行诊断,软件计算能够快速得到诊断结果,更加可靠方便,同时程序能够自动给出故障诊断的顺序,并画出诊断决策树和诊断流程图,为用户提供更直观的维修的意见。
以上所述仅为本发明的较佳实施例,对本发明而言仅仅是说明性的,而非限制性的。本专业技术人员理解,在本发明权利要求所限定的精神和范围内可对其进行许多改变,修改,甚至等效,但都将落入本发明的保护范围内。
Claims (8)
1.一种基于故障树的仓储搬运设备故障诊断方法,其特征在于,包括以下步骤:
Stp1:在数学软件中编写故障树分析程序,该程序包括定性分析模块和定量分析模块;
Stp2:选择顶事件,针对仓储搬运设备使用过程中出现的常见故障选择故障顶事件及其代码;
Stp3:建立故障树,根据仓储搬运设备的工作原理以及电路结构图确认基本事件、底事件及其代码,所述基本事件为可能引起所述顶事件的故障,所述底事件为可能引起所述基本事件的故障,针对每个顶事件逐级分析并按逻辑关系建立规范化故障树;
Stp4:将故障树输入程序,所述定性分析模块用下行法求取顶事件对应故障树的所有割集,将割集简化为最小割集;
Stp5:建立底事件发生概率矩阵并输入程序,所述定量分析模块对最小割集进行不交化处理后计算顶事件发生概率,并计算最小割集和基本事件重要度;
Stp6:故障树分析程序计算得到故障诊断顺序,给出诊断决策树;
Stp7:将所述诊断决策树转化成诊断流程图的形式给出。
2.如权利要求1所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述数学软件为MATLAB程序。
3.如权利要求2所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述定性分析模块进行定性分析时包括如下步骤:
Stp401:输入规范化故障树结构,输出割集矩阵,该矩阵的行数为割集的个数,每行元素都是该割集内底事件对应的代码;
Stp402:用排序函数将割集矩阵中每一行的底事件都按照代码从小到大的顺序进行排序;
Stp403:利用等幂定律对割集矩阵的每行进行简化,比较每行相邻元素,若重复则将后面的元素赋予0值;
Stp404:将割集矩阵中的零元素除去,然后将所有割集按照所包含元素的个数从小到大的顺序进行排序;
Stp405:基于吸收律,对割集矩阵的行之间是否存在包含与被包含关系进行判断,将被包含的行除去;
Stp406:将最小割集以规范化矩阵的形式输出,输出矩阵的行数表示最小割集的个数,列数表示基本事件的个数,若某一行所代表的割集包含该列所对应的基本事件,则这一行对应的列标为1,否则为0。
4.如权利要求3所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述定量分析模块进行定性分析时包括如下步骤:
Stp501:将最小割集进行不交化处理,得到不交化矩阵;
Stp502:遍历不交化矩阵求出顶事件的不交化表达式,根据公式计算顶事件发生概率;
Stp503:遍历不交化矩阵计算每个最小割集发生的概率,再代入公式计算每个最小割集的诊断重要度;
Stp504:对顶事件求各基本事件的偏导得到边缘重要度,代入公式求得各基本事件的诊断重要度。
5.如权利要求4所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述Stp502中顶事件发生概率的计算公式为:
其中,P(T)为顶事件发生概率,m为最小割集总数,Mi为第i个最小割集,为Mi的补集。
6.如权利要求4所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述Stp503中计算最小割集重要度的计算公式为:
其中,P(T)为顶事件发生概率,P(Mi)为第i个最小割集发生概率。
7.如权利要求4所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述Stp504中计算基本事件重要度的计算公式为:
其中,P(Xi)为第i个基本事件发生概率,P(T)为顶事件发生概率,为Xi的补集。
8.如权利要求1-7任一所述的基于故障树的仓储搬运设备故障诊断方法,其特征在于,所述顶事件包括高踏板故障、预充电故障、过流、控制器过热、主回路断电、电流采样故障、电池管理系统故障、电池组欠压、电池组过压、电机过热、加速故障、喇叭故障、设备无法前进、设备只能慢速行进、搬运臂上升无法上升、搬运臂上升高度错误和搬运臂下降故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710233143.0A CN106991240B (zh) | 2017-04-11 | 2017-04-11 | 基于故障树的仓储搬运设备故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710233143.0A CN106991240B (zh) | 2017-04-11 | 2017-04-11 | 基于故障树的仓储搬运设备故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106991240A true CN106991240A (zh) | 2017-07-28 |
CN106991240B CN106991240B (zh) | 2021-06-25 |
Family
ID=59416478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710233143.0A Active CN106991240B (zh) | 2017-04-11 | 2017-04-11 | 基于故障树的仓储搬运设备故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106991240B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197419A (zh) * | 2017-11-23 | 2018-06-22 | 合肥国轩高科动力能源有限公司 | 一种基于故障树分析锂电池材料性能异常的方法 |
CN109117539A (zh) * | 2018-08-02 | 2019-01-01 | 上海电机学院 | 一种分析电力变压器的故障及可靠性的方法 |
CN110728013A (zh) * | 2018-06-29 | 2020-01-24 | 比亚迪股份有限公司 | V2x通信模组的故障检测建模方法、装置及存储介质 |
CN111046940A (zh) * | 2019-12-06 | 2020-04-21 | 中车长春轨道客车股份有限公司 | 一种基于决策树与神经网络的车门故障诊断方法 |
CN113194190A (zh) * | 2021-04-28 | 2021-07-30 | 青岛科技大学 | 一种基于云计算的废旧手机拆解故障智能分类处理方法 |
CN113627624A (zh) * | 2021-06-22 | 2021-11-09 | 中国空间技术研究院 | 基于故障树分析的卫星故障预案设计方法 |
CN113723744A (zh) * | 2021-07-12 | 2021-11-30 | 浙江德马科技股份有限公司 | 仓储设备的管理系统、方法、计算机存储介质及服务器 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
US11347919B2 (en) * | 2018-12-18 | 2022-05-31 | Siemens Industry Software Nv | Computer-implemented method for generating a mixed-layer fault tree of a multi-component system combining different layers of abstraction |
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226659A (zh) * | 2013-04-18 | 2013-07-31 | 河海大学常州校区 | 基于故障树分析法的绞吸式挖泥船故障分析方法 |
US20140324871A1 (en) * | 2013-04-30 | 2014-10-30 | Wal-Mart Stores, Inc. | Decision-tree based quantitative and qualitative record classification |
US20150095003A1 (en) * | 2013-09-30 | 2015-04-02 | Ypf Tecnología S.A. | Device and method for detection and/or diagnosis of faults in a processes, equipment and sensors |
CN106184312A (zh) * | 2016-08-31 | 2016-12-07 | 宁波如意股份有限公司 | 一种转向机构及具有该机构的搬运车 |
-
2017
- 2017-04-11 CN CN201710233143.0A patent/CN106991240B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226659A (zh) * | 2013-04-18 | 2013-07-31 | 河海大学常州校区 | 基于故障树分析法的绞吸式挖泥船故障分析方法 |
US20140324871A1 (en) * | 2013-04-30 | 2014-10-30 | Wal-Mart Stores, Inc. | Decision-tree based quantitative and qualitative record classification |
US20150095003A1 (en) * | 2013-09-30 | 2015-04-02 | Ypf Tecnología S.A. | Device and method for detection and/or diagnosis of faults in a processes, equipment and sensors |
CN106184312A (zh) * | 2016-08-31 | 2016-12-07 | 宁波如意股份有限公司 | 一种转向机构及具有该机构的搬运车 |
Non-Patent Citations (5)
Title |
---|
丁岩: "某武器系统可靠性研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(月刊)》 * |
付超: "立体仓储高位拣选车辆的可靠性与路径优化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
张育益 等: "《汽车起重、搬运机械故障基本理论》", 31 August 1998, 机械工业出版社 * |
朱爱红 等: "基于故障树分析法的ATS可靠性仿真及应用", 《铁道标准设计》 * |
王宝和: "火箭发动机故障诊断排查方法", 《导弹与航天运载技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197419A (zh) * | 2017-11-23 | 2018-06-22 | 合肥国轩高科动力能源有限公司 | 一种基于故障树分析锂电池材料性能异常的方法 |
CN110728013B (zh) * | 2018-06-29 | 2022-04-15 | 比亚迪股份有限公司 | V2x通信模组的故障检测建模方法、装置及存储介质 |
CN110728013A (zh) * | 2018-06-29 | 2020-01-24 | 比亚迪股份有限公司 | V2x通信模组的故障检测建模方法、装置及存储介质 |
CN109117539A (zh) * | 2018-08-02 | 2019-01-01 | 上海电机学院 | 一种分析电力变压器的故障及可靠性的方法 |
US11347919B2 (en) * | 2018-12-18 | 2022-05-31 | Siemens Industry Software Nv | Computer-implemented method for generating a mixed-layer fault tree of a multi-component system combining different layers of abstraction |
CN111046940A (zh) * | 2019-12-06 | 2020-04-21 | 中车长春轨道客车股份有限公司 | 一种基于决策树与神经网络的车门故障诊断方法 |
CN113194190A (zh) * | 2021-04-28 | 2021-07-30 | 青岛科技大学 | 一种基于云计算的废旧手机拆解故障智能分类处理方法 |
CN113627624A (zh) * | 2021-06-22 | 2021-11-09 | 中国空间技术研究院 | 基于故障树分析的卫星故障预案设计方法 |
CN113723744A (zh) * | 2021-07-12 | 2021-11-30 | 浙江德马科技股份有限公司 | 仓储设备的管理系统、方法、计算机存储介质及服务器 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
CN114296435B (zh) * | 2021-12-30 | 2023-12-01 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及系统 |
CN115511136B (zh) * | 2022-11-01 | 2023-06-30 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106991240B (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106991240A (zh) | 基于故障树的仓储搬运设备故障诊断方法 | |
CN102460529B (zh) | 装置异常监视方法以及系统 | |
CN106354118A (zh) | 一种基于故障树的列车故障诊断系统及方法 | |
CN101833324B (zh) | 胎面挤出过程智能故障诊断系统及其诊断方法 | |
CN112803592B (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
CN108664010A (zh) | 发电机组故障数据预测方法、装置和计算机设备 | |
CN106155035B (zh) | 基于维修类数据的故障诊断方法及故障诊断系统 | |
CN101196743A (zh) | 基于因果网络模型的机电系统安全分析装置及方法 | |
CN104021248B (zh) | 一种航空机载机械类产品fmeca分析方法 | |
CN107632590B (zh) | 一种基于优先级的底事件排序方法 | |
CN102662831B (zh) | 一种容错系统诊断策略优化方法 | |
CN107609325A (zh) | 基于sat的故障树求解最小割集的方法 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN113887606A (zh) | 基于故障树建立的电子设备控制系统故障诊断方法 | |
CN107463146A (zh) | 一种通过mhcims诊断起重机故障的方法 | |
JP2011209847A (ja) | プラント異常診断システム | |
CN116743079A (zh) | 光伏组串故障处理方法、装置、光伏管理系统及介质 | |
CN110489852A (zh) | 提高风电系统数据质量的方法及装置 | |
JP2020173575A (ja) | 設備診断システム | |
CN109683040B (zh) | 柔性直流输电换流阀的可靠性检测方法、装置及设备 | |
Ciani et al. | Condition-based maintenance for Oil&Gas system basing on failure modes and effects analysis | |
JPH0877211A (ja) | プラントの保全支援装置 | |
CN106875015B (zh) | 一种飞机故障诊断方法及系统 | |
Kusiak et al. | Risk assessment of process models | |
CN107526851A (zh) | 两状态系统的go法中可靠度计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |