CN107918358A

CN107918358A - 数控装备故障分析方法和装置

Info

Publication number: CN107918358A
Application number: CN201711145737.2A
Authority: CN
Inventors: 孙曙光; 孙朝阳; 申桂香; 张英芝
Original assignee: Shandong Normal University
Current assignee: Shandong Normal University
Priority date: 2017-11-17
Filing date: 2017-11-17
Publication date: 2018-04-17
Anticipated expiration: 2037-11-17
Also published as: CN107918358B

Abstract

本发明公开了一种数控装备故障分析方法和装置，所述方法包括：步骤1：根据故障统计相关数据确定构成数控装备的故障相关子系统集合，采用DEMATEL/ISM法计算故障子系统间的整体影响矩阵；步骤2：根据所述整体影响矩阵确定可达矩阵，并基于改进的ISM法对可达矩阵进行层级划分，得到各故障子系统的层级；步骤3：将可达矩阵转化为ANP网络模型，计算各故障子系统的权重；步骤4：基于所述故障子系统的层级、故障相关关系和权重进行可视化。本发明实现了故障因素间的相互影响方向与影响强度、因素的层级特性以及相对重要程度的整合，有助于技术人员对数控装备故障因素进行辨识与分析。

Description

数控装备故障分析方法和装置

技术领域

本发明属于故障分析领域，尤其涉及一种数控装备故障分析方法和装置。

背景技术

随着科学技术的进步，用户对数控机床等数控装备产品性能个性化需求的增长，数控装备功能越来越完善，故障隐患和不可靠因素也日益增多，如此使得数控装备可靠性基础技术的研究越来越受到国内外学者的重视。准确确定数控装备关键子系统，找出可靠性薄弱环节，进而增强其可靠性水平成为提升我国数控装备产品市场竞争力的重要手段。

当前，对故障分析的研究主要从以下几个方面展开：研究产品故障产生机理，探究故障原因，采用故障模式、影响及危害性分析(Failuremode effects and criticalityanalysis，FMECA)技术探索系统薄弱环节；依照产品故障发生原因与传递关系，将GO法分析、故障树分析(Fault tree analysis,FTA)等分析技术运用于故障分析；借助产品各子部件与整机可靠性参数的函数关系，分析子部件故障对整机故障的影响度等。这些研究多基于产品本体在运行中暴露的故障数据，从不同视角对于故障发生时间、故障部位、故障原因或者故障模式等开展研究，均为单因素分析法，无法准确评估同一层次或者不同层次之间故障相关关系以及相互的影响程度。

事实是，在数控装备正常使用过程中，每一数控装备子系统出现故障都或许会引起整机故障，且由于故障相关关系的存在，某单元或子系统故障，可能会致使系统其他部分故障，并最终形成故障序列与故障雪崩。因此，寻求描述、分析故障传播对其系统影响的有效方法以尽量阻止多米诺效应发生并减轻其影响后果非常必要，并使得考虑故障相关关系进行系统可靠性研究变得越来越迫切。就当前对故障相关性的研究来看，单向相关故障的研究集中于依据可靠性模型的串联相关故障分析、负相关故障分析以及共因失效分析等。双向故障相关性研究集中于对影响要素间的相关度分析。有研究利用copula函数求解关联系数值，但该方法不能明确子系统之间的相互作用关系和作用方向。另有文献运用打分法构建自相关矩阵，该法仅考虑到因素之间的直接关系却没有考虑多个层次故障传递链条中要素之间的间接关系。于是出现采用DEMATEL/ISM的方法进行组合机床故障分析的研究，该研究尽管能得到故障影响关系的顺序、方向及层级，但是无法获得故障优先权重，仍然不能形成完整的相关影响关系。故从整体来看，这些研究缺乏从系统角度来研究数控装备故障，没有实现故障层级特性和相互影响大小以及相对重要性的综合考虑，并且现有的分析方法无法为技术人员提供直观可视化且全面的影响分析结果。

因此，如何从系统的角度准确得到故障间的相关关系并进行量化，获悉故障层级特性与相对重要程度，是本领域技术人员目前需要迫切解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种数控装备故障分析方法和装置，以加工中心为例，借助故障机理分析，从系统角度出发，识别数控装备故障因素，确定DEMATEL(Decision making and trial evaluation laboratory，决策实验室)/ISM(Interpretative structure modeling，解释结构模型)/ANP(Network analytichierarchy process，网络层次分析)系统分析法，获悉数控装备故障因素的层级结构和权重，与此同时采用复杂网络可视化软件GEPHI获取数控装备故障因素递阶层次网络关系模型，为识别可靠性薄弱环节，解析故障因素影响机理，实现可靠性的提升提供基础。

为实现上述目的，本发明采用如下技术方案：

一种数控装备故障分析方法，包括以下步骤：

步骤1：根据故障统计相关数据确定构成数控装备的故障相关子系统集合，采用DEMATEL/ISM法计算故障子系统间的整体影响矩阵；

步骤2：根据所述整体影响矩阵确定可达矩阵，并基于改进的ISM法对可达矩阵进行层级划分，得到各故障子系统的层级；

步骤3：将可达矩阵转化为ANP网络模型，计算各故障子系统的权重；

步骤4：基于所述故障子系统的层级，故障相关关系和权重进行可视化。

进一步地，所述步骤1包括：

步骤1.1：根据故障统计相关数据，确定构成数控装备的故障相关子系统集合；

步骤1.2：构造故障子系统间的直接影响矩阵；

步骤1.3：根据所述直接影响矩阵综合影响矩阵；

步骤1.4：考虑故障子系统对自身的影响，基于综合影响矩阵计算整体影响矩阵。

进一步地，根据所述影响矩阵确定可达矩阵包括：设整体影响矩阵为H，可达矩阵为M，令

M＝[m_ij]_n×n,i,j＝1,2,…n

进一步地，所述步骤2基于改进的ISM法对可达矩阵进行层级划分包括：记可达矩阵中行元素之和为驱动力，列元素之和为依赖度，根据因素驱动力与依赖度进行因素层级划分。

进一步地，根据所述驱动力与依赖度，将各故障子系统分为驱动因素、链接因素、依赖因素和独立因素四个层级。

进一步地，所述步骤3包括：

步骤3.1：采用Super Decision软件构造模型构造ANP网络模型；

步骤3.2：确定无加权超级矩阵；

步骤3.3：构造加权超级矩阵；

步骤3.4：求取极限矩阵，得到各故障子系统权重矩阵；

步骤3.5：根据整体影响矩阵和权重矩阵计算混合权重矩阵。

进一步地，所述步骤4可视化包括：基于复杂网络分析软件将数控装备故障子系统层级、相关关系及权重进行图像化。

根据本发明的第二目的，本发明还提供了一种数控装备故障分析装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的数控装备故障分析方法。

根据本发明的第三目的，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行所述的数控装备故障分析方法。

本发明的有益效果

本发明通过集成DEMATEL/ISM/ANP三种系统分析法，提供了一种新的数控装备故障分析方法。该法实现了故障因素间的相互影响方向与影响强度、因素的层级特性以及相对重要程度的整合，构造了数控装备故障因素的多级递阶层次结构，将故障因素分为驱动，依赖和独立因素，并利用环/环结构和因果反馈的可视化图形使得识别和分析结构的因果关系图得以清晰展示。该方法有助于可靠性技术人员使用系统思考的方法对数控装备故障因素进行辨识与分析。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明故障分析方法的流程图；

图2依照驱动力与依赖度的故障因素分类；

图3加工中心故障因素的ANP网络模型；

图4加工中心故障因素网络结构模型。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例一

本实施例公开了一种数控装备故障分析方法，如图1所示，包括以下步骤：

步骤1.1：确定数控装备故障因素

以某系列数控装备产品——加工中心为研究对象，通过对采集到的某系列加工中心故障数据进行分析整理，确定主要故障子系统，即数控装备故障因素，如表1所示。该表中故障子系统的故障间有着复杂的相互影响关系，可构成一个多层次的复杂网络结构，故能够基于系统化方法进行研究。

表1加工中心故障子系统

序号	加工中心子系统	代码	序号	加工中心子系统	代码
						1	刀库系统	S1	6	气动系统	S6
2	电气系统	S2	7	润滑系统	S7
						3	进给系统	S3	8	数控系统	S8
4	冷却系统	S4	9	主轴系统	S9
						5	排屑系统	S5

根据故障统计相关数据，确定构成数控装备的故障相关子系统集合S＝{S_i},i＝1,2,…,n，S_i代表第i个与其他子系统有相关故障存在的子系统，n代表有相关故障存在的故障子系统数目；

步骤1.2：构造故障子系统间的直接影响矩阵Y

Y＝(y_ij)_n×n (1)

其中y_ij为子系统S_i影响子系统S_j的影响次数，i＝j时，y_ii＝0，n表示存在相关故障的故障子系统数目；

步骤1.3：计算综合影响矩阵

对所有故障子系统间的直接影响矩阵Y标准化，得到标准化矩阵X

式中：y_ij为子系统S_i影响子系统S_j的影响次数，n表示存在相关故障的故障子系统数目；

计算综合影响矩阵T

式中：I为单位矩阵，X为标准化矩阵，X^k表示子系统S_i对子系统S_j的k阶段间接影响，其中S_i表示第i个与其他子系统存在相关故障的子系统，S_j表示第j个与其他子系统存在相关故障的子系统，i＝1,2,…,n，j＝1,2,…,n，k＝1,2,…,n；

步骤1.4：计算整体影响矩阵

综合影响矩阵T仅能对不同故障子系统之间的相互影响关系及程度大小清楚反映，并未考虑故障子系统对自身的影响，因此需要计算反映故障子系统的整体影响关系；

计算整体影响矩阵H，其计算公式为：

H＝T+I＝[h_ij]_n×n (4)

式中：I为单位矩阵，h_ij表示考虑故障子系统对自身影响后，子系统S_i对子系统S_j的直接与间接影响程度大小，n表示存在相关故障的故障子系统数目；

步骤2.1：确定可达矩阵

通过整体影响矩阵H，即可确定可达矩阵M，令

M＝[m_ij]_n×n,i,j＝1,2,…n (5)

m_ij按照下式取值

其中λ为给定阈值，λ的大小直接影响可达矩阵构成及后续的层次结构划分；对于n值较小的系统，无需简化，设置λ＝0；

m_ij表示在给定阈值λ下，子系统S_i对子系统S_j是否存在影响，若h_ij＞λ，表示存在影响，m_ij值为1；若h_ij≤λ，表示不存在影响，m_ij为0；

设置门槛值λ＝0，获得加工中心故障子系统的可达矩阵M

步骤2.2：解释结构模型构建

伴随因素的增多，采用传统ISM法针对可达矩阵实施层级划分时，有计算量大，不容易操作等缺陷，本研究根据因素驱动力与依赖度进行因素层级的分析，可达矩阵M中行元素之和为驱动力Q_i，表示所对应因素对其他因素的影响程度；列元素之和为依赖度D_i，表示所对应因素被其他因素的影响程度。

式中：Q_i表示影响度；D_i表示被影响度；t_ij表示子系统S_i对子系统S_j的直接与间接影响程度大小，t_ij≠0，说明子系统S_i与子系统S_j是有故障相互影响关系的，否则无关；n表示存在相关故障的故障子系统数目；

依照每个因素的驱动力与依赖度，将故障子系统分为为四个因素组。其中，驱动因素兼有高驱动力和低依赖度；链接因素兼有高驱动力和高依赖度；依赖因素兼有低驱动力和高依赖度；独立因素兼有低驱动力及低依赖度。如图2所示。

步骤3.1：构造ANP网络模型

将可达矩阵M转化为ANP网络结构，采用Super Decision软件构造模型，构造时，需接收用户输入的权重，如图3所示。网络层包括9个影响数控装备可靠性的故障因素，其中环形箭头表明因素内具有相互影响关系。

步骤3.2：确定无加权超级矩阵

设p₁,p₂,…p_m为ANP模型的控制层元素，E₁,E₂,…E_n为网络层元素，其中E_i中有元素e_i1,e_i2,…e_in,i＝1,2,…,n.分别以控制层元素p_s(s＝1,2,…,n)及网络层元素E_j中元素e_jk(k＝1,2,…,n_j)为准则，依照元素组E_i中元素对e_jk影响程度实现该元素组中元素的比较，从而获取判断矩阵。依据特征根法获取权重向量对于k＝1,2,…n_i重复上述步骤，得到式(9)所示矩阵W_ij.

这里矩阵W_ij的列向量就是E_i中元素对E_j中元素的影响程度排序向量。如果E_i对E_j中的元素无影响，那么W_ij＝0.对i＝1,2,…,n；j＝1,2,…,n重复以上步骤，得到准则p_s下的超矩阵W_s.

根据ANP网络关系模型，采用1-9标度法，设计ANP问卷，并由一组可靠性人员填写，问卷回收后，将结果录入Super Decision软件中，根据式(10)获取无权重超矩阵W_s

步骤3.3：构造加权超级矩阵

以p_s为主准则，E_i为次准则，对两个元素组进行两两比较，建立判断矩阵G_j，归一化G_j，获取归一化的特征向量(g_1j,g_2j,g_3j,…,g_nj)^T.采用同样方法获取p_s下反映元素间关系的权重矩阵G_s。权重超矩阵便由G_s与无权重超矩阵W_s相乘求积得到

W_s ^w＝G_sW_s (12)

由于在该研究中可以视为仅有一组元素组：加工中心，故G_s＝I，经计算得到加权超级矩阵。

步骤3.4：求取极限矩阵，得到故障因素权重值

为更清楚揭示元素间的相关关系，要稳定化处理加权超矩阵即计算加权超矩阵第j列便是网络层中各元素对元素j的极限相对排序，即为各元素相对于决策目标的权重。

基于本研究仅有1个准则，各元素相对于目标的权重，即加工中心各个故障因素的权重为所得稳定极限超矩阵的每一列的数值

W＝[0 0.2125 0 0.1875 0 0 0 0.6 0]^T (14)

步骤3.5：获取混合权重矩阵

采取Tamura给出的混合重要程度计算方法，依据式(15)获取混合权重矩阵Z，其中H为由步骤1.4得到的整体影响矩阵，W为各故障因素权重矩阵，矩阵Z中各元素z_ij代表混合影响度，即混合权重，如表2所示。

Z＝W+HW (15)

z＝[0 0.5116 0 0.375 0 0 0 1.2 0]^T (16)

表2加工中心故障因素权重及排序

子系统	代号	权重	排序	子系统	代号	权重	排序
								刀库系统	S1	0.0000	4	气动系统	S6	0.0000	4
电气系统	S2	0.2452	2	润滑系统	S7	0.0000	4
								进给系统	S3	0.0000	4	数控系统	S8	0.5751	1
冷却系统	S4	0.1797	3	主轴系统	S9	0.0000	4
								排屑系统	S5	0.0000	4

步骤4：基于所述故障子系统的层级，故障相关关系和权重进行可视化；

采用复杂网络分析软件Gephi画出数控装备故障因素相关关系与权重的关系网络图，分别输入网络关系结构和节点属性，并依据关系强度与因素权重分别设定，进行图像化，如图4所示。

实施例二

本实施例的目的是提供一种计算装置。

一种数控装备故障分析装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤，包括：

实施例三

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行以下步骤：

步骤1：根据故障统计相关数据确定构成数控装备的故障相关子系统集合，采用DEMATEL/ISM法计算故障子系统间的影响矩阵；

以上实施例二和三的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims

1.一种数控装备故障分析方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种数控装备故障分析方法，其特征在于，所述步骤1包括：

步骤1.2：构造故障子系统间的直接影响矩阵；

步骤1.3：根据所述直接影响矩阵综合影响矩阵；

3.如权利要求2所述的一种数控装备故障分析方法，其特征在于，根据所述影响矩阵确定可达矩阵包括：设整体影响矩阵为H，可达矩阵为M，令

M＝[m_ij]_n×n,i,j＝1,2,…n

<mrow> <msub> <mi>m</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>></mo> <mi>&lambda;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <msub> <mi>h</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>&le;</mo> <mi>&lambda;</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> <mo>;</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> </mrow>

4.如权利要求1所述的一种数控装备故障分析方法，其特征在于，所述步骤2基于改进的ISM法对可达矩阵进行层级划分包括：记可达矩阵中行元素之和为驱动力，列元素之和为依赖度，根据因素驱动力与依赖度进行因素层级划分。

5.如权利要求4所述的一种数控装备故障分析方法，其特征在于，将各故障子系统分为驱动因素、链接因素、依赖因素和独立因素四个层级。

6.如权利要求2所述的一种数控装备故障分析方法，其特征在于，所述步骤3包括：

步骤3.1：采用Super Decision软件构造模型构造ANP网络模型；

步骤3.2：确定无加权超级矩阵；

步骤3.3：构造加权超级矩阵；

步骤3.4：求取极限矩阵，得到各故障子系统权重矩阵；

步骤3.5：根据整体影响矩阵和权重矩阵计算混合权重矩阵。

7.如权利要求1所述的一种数控装备故障分析方法，其特征在于，所述步骤4可视化包括：基于复杂网络分析软件将数控装备故障子系统层级、相关关系及权重进行图像化。

8.一种数控装备故障分析装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的数控装备故障分析方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行如权利要求1-7任一项所述的数控装备故障分析方法。