CN111860881B - 一种多诱因装备故障维修排查方法及装置 - Google Patents
一种多诱因装备故障维修排查方法及装置 Download PDFInfo
- Publication number
- CN111860881B CN111860881B CN202010502308.1A CN202010502308A CN111860881B CN 111860881 B CN111860881 B CN 111860881B CN 202010502308 A CN202010502308 A CN 202010502308A CN 111860881 B CN111860881 B CN 111860881B
- Authority
- CN
- China
- Prior art keywords
- fault
- probability
- phenomenon
- troubleshooting
- reason
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种多诱因装备故障维修排查方法及装置,该方法包括:获取装备故障时现场初始故障现象;分析各故障原因发生概率和各故障现象存在概率;根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价,计算排查措施的费效比,以确定排查措施优先级并按排查措施优先级进行故障原因排查。通过该方案解决了现有复杂装备故障排查效率低的问题,有效提升了故障排查效率,加快了故障确诊速度,能够保障故障维修排查活动在技术难度、所需人力与时间、可能风险等方面综合代价最低。
Description
技术领域
本发明涉及工程设备维修领域,尤其涉及一种多诱因装备故障维修排查方法及装置。
背景技术
工程装备出现功能或性能失效后,需要综合相关装备故障现象,科学推判装备故障原因,合理安排装备修理步骤。维修排查过程中,快速诊断装备故障原因,并及时实施技术应对与技术补救举措,进而成功恢复装备功能或性能状态,在实际应用中具有重要工程意义和现实经济价值。
目前,装备故障排查方法中有以下两条排查策略:一是对排查工作代价最小、最容易开展的装备故障可能诱发原因,优先进行排查;二是基于以往经验积累,对发生概率最大的装备故障可能诱发原因,优先进行排查。对于结构较为简单、故障诱发原因选择较少的装备,以上排查策略较为适用,但随着现代工业的发展,相关装备内含组部件可能成百上千,导致某一故障模式的诱发原因,可能有十几个,乃至几十个,且诸类故障诱发原因的排查代价和发生概率,相差可能并不明显,若继续沿用前述故障维修排查策略,则对现有复杂装备系统故障诊断排查工作而言,效率较低。
发明内容
有鉴于此,本发明实施例提供了一种多诱因装备故障维修排查方法及装置,以解决现有复杂装备故障排查效率低的问题。
在本发明实施例的第一方面,提供了一种多诱因装备故障维修排查方法,包括:
获取装备故障时现场初始故障现象;
分析各故障原因发生概率和各故障现象存在概率;
根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查。
在本发明实施例的第二方面,提供了一种多诱因装备故障维修排查装置,包括:
获取模块,用于获取装备故障时现场初始故障现象;
分析模块,用于分析各故障原因发生概率和各故障现象存在概率;
计算模块,用于根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
排查模块,用于基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查。
本发明实施例中,获取装备故障时现场初始故障现象,分别分析各故障原因发生概率和各故障现象存在概率,再根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值,基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以按排查措施优先级进行故障原因排查。从而有效提高故障排查效率,解决了现有复杂装备故障排查效率低的问题。基于排查措施的费效比,大大提升故障确诊速度,可确保逐次实施的故障排查举措,在技术难度、所需人力与时间、可能风险等方面综合代价最低。
同时,计算最优排查措施过程程式化程度高,便于综合各类流行计算机编程语言,实现工程复杂装备系统故障排查最优路径的自动化求解。可有效规避由于缺乏修理逻辑与启发式推进主线,从而导致的修理时间延误与修理人力、物力、信息资源浪费。该方案适用范围广,可适用于任意结构形式的简单或复杂工程装备系统。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他附图。
图1为本发明的一个实施例提供的多诱因装备故障维修排查方法的流程示意图;
图2为本发明的一个实施例提供的多诱因装备故障维修排查的原理示意图;
图3为本发明的一个实施例提供的故障原因与故障现象的对应关系示意图;
图4为本发明的一个实施例提供的多诱因装备故障维修排查装置的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
请参阅图1,图1为本发明实施例提供的一种多诱因装备故障维修排查方法的流程示意图,包括:
S101、获取装备故障时现场初始故障现象;
所述初始故障现象是指在一般情况下,装备发生故障时,现场监控(或远程监控人员)通过现场感官和/或监控手段,可以直接获得一些异常状态信息。初始故障现象主要指与功能丧失或状态改变相关的系列信息,包括从机带仪表、指示灯、报警器、显示屏等监控设备直接观察到的异常信息,还包括利用眼睛、耳朵、鼻子、探摸等人体感官手段直接观测、探测到的有关运动、噪声、气味、温度等方面的异常信息。
基于观察和判断难易程度,所述初始故障现象可划分为两类:(1)“一眼便知”且基本保持不变的静态信息,包括装备存在明显的外部结构缺陷、装备无法正常启动、装备尽管能够启动但不能正常响应对运行状态的调整、以及装备异常停机等;(2)“通过仔细观察就可获知”或“稍纵即逝”的动态信息,包括装备运行期间的机带仪表参数或人体感觉超出正常运行范围的信息。
需要注意的是,所述初始故障现象一般不包括需要非正常操作、外挂仪表或观测内部结构方可获取的信息。非正常操作、外挂仪表和打开壳体涉及到的技术措施等属于故障排查的后期活动。
S102、分析各故障原因发生概率和各故障现象存在概率;
具体的,所述故障原因发生概率包括验前概率和验后概率,所述验前概率为每一个独立的故障原因发生的概率,所述验后概率为故障原因的发生概率占整个装备故障概率的比率;
其中,所述验后概率为根据故障现象、验前概率、故障原因与故障现象的对应关系以及已采取排查措施发现故障现象的概率计算得到。
其中,故障原因与故障现象之间的对应关系,是指各故障原因所能产生的各种现象,据之进行故障原因的判断。故障原因与故障现象之间的对照关系来自FMECA(故障模式影响及危害度分析)或其他测试性分析工作项目,必要时可对FMECA或测试性分析结果进行试验验证。
所述故障原因与故障现象的对应关系,建立在如下三个假定之上:①各故障原因独立;②各故障原因与现象之间的关系是确定不变的,即故障发生后,相应的现象总会出现;③装备系统内部功能逻辑呈现串联关系,即任何一个故障原因都会直接导致装备系统的功能故障,且故障发生后装备系统便停止运行,不会再产生新的故障;④故障发生瞬时不会同时出现两种原因,即认为不存在由两个或两个以上故障原因导致的装备系统故障。
具体的,基于故障原因发生概率、故障原因与故障现象的对应关系计算各故障现象存在概率:
其中,pbj表示故障现象存在概率,pbij表示由于故障原因Ai导致故障现象Bj存在的概率,αai表示故障原因Ai的故障概率占整个装备故障概率的比率,abij表示故障原因与故障现象对应关系,M表示故障原因数量,i为计数变量。
S103、根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
一般情况下,通过一个故障现象能够确诊的故障原因数量越少,故障现象的逻辑价值就越高。如果基于某个现象能够确诊至1个原因,那么该现象的逻辑价值最大;如果一个现象不能确诊任何一个原因、也不能排除任何一个原因,其逻辑价值最小。因此,故障现象的逻辑价值可以从两个方面来衡量:①按照“当现象出现后,可以认为与该现象相关的所有原因都可能发生”逻辑,以确诊的故障原因数量来衡量,显然,能够确诊的故障原因数量越多,现象的逻辑价值就应该越低;②按照“如果某些原因与该现象无关,那么,出现该现象后,就不应去怀疑那些无关原因”的逻辑,用不再怀疑的原因数量来衡量,显然,一个故障现象能够排除的原因数量越多,现象的逻辑价值就应该越高。
所述故障现象的概率价值是指基于故障现象对判断确诊故障原因的概率价值。获取故障现象的目的是为确诊故障原因提供证据。按照逻辑价值与发生概率准则,只有那些发生概率大的原因所对应的现象,才值得优先去获取。故障现象的概率价值具体体现为,如果某个故障现象Bj对应着A1和A2两个故障原因,且A1的发生概率远大于A2,那么,在发现故障现象Bj后,便可以较大的把握认为故障原因是A1。
具体的,根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系计算故障现象的概率价值:
其中,pabij表示对于故障原因Ai,故障现象Bj的概率价值,αai表示故障原因Ai的故障概率占整个装备故障概率的比率,abij表示故障原因与故障现象对应关系,pbj表示所有故障原因导致的每一种故障现象存在的概率,M 表示故障原因数量,i为计数变量。
优选的,所述故障现象的总价值根据故障现象的逻辑价值与故障现象的概率价值乘积确定。
S104、基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查。
所述排查措施可发现故障现象的概率表示采取某一排查措施时可以发现对应故障现象的概率。
具体的,根据故障现象总价值以及排查措施与故障现象的关联关系计算排查措施对确诊故障原因的价值;获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比;根据各排查措施对确诊故障原因的费效比确定排查措施对确诊装备所有故障原因的总费效比。
其中,所述获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比具体为:
根据各排查措施的综合代价、排查措施对确诊故障原因的价值计算各排查措施对确诊故障原因的费效比:
式中,acfik表示排查措施Ck对于确诊故障原因Ai的效费比,fck表示每一种排查措施的综合代价,acik表示排查措施Ck对于确诊故障原因Ai的价值。
对于本实施提供的方案,获取初始故障现象后,基于故障现象可以确诊故障原因,则采取对应的故障排查措施。若无法确诊故障原因,则猜测最有可能故障原因,实施排查措施获得进一步的故障现象,进而继续判断可以确诊故障原因。基于排查措施的费效比,确定排查措施优先级进行故障原因排查,当按优先级排序选择排查措施,采取该项排查措施后,如果所获取的故障现象能够确诊故障原因,则停止排查;否则,如果所发现的现象不能确诊故障原因,则需要继续采取其它排查措施。
具体的,采取第一排查措施后,若基于获取的故障现象不可以确诊故障原因,则基于第一排查措施后新产生的故障现象,重新计算各故障原因的验后概率,进而重新计算排查措施的费效比,继续选择故障排查优选措施,直至确诊故障原因。
如图2所示,在另一实施例中,提供了一种多诱因装备故障维修排查方法的具体实施步骤,包括:
S201、建立故障原因与故障现象对应关联;
假设装备共有M种故障原因,则可用元素数量为M的向量A表示为:
A=[A1 A2 … Ai … AM] (1)
式中,元素Ai代表装备的第i个故障原因。由于装备的故障原因包括操作不当和部件损坏两类,因此,如果将每一种导致装备故障的不当操作以及装备组成部件的损坏,都作为一个独立的故障原因来对待,则故障原因的总数M即为不当操作的数量与装备组成部件故障模式的数量之和。
假设装备故障后,可能出现的故障现象总数有N种,则可用元素数量为 N的向量B表示为:
B=[B1 B2 … Bj … BN] (2)
式中,元素Bj代表装备的第j个故障现象。为了确诊故障原因,故障现象的数量N必须大于或等于故障原因的数量M,并且一个或一组特定故障现象的集合,必须唯一地与一个独立的故障原因相关联。
基于上式中向量A和B,选用元素总数为M×N的矩阵AB表示故障原因与故障现象间的对应关联关系:
式中,元素abij取1值,表示故障原因Ai发生后,会出现故障现象Bj;反之,元素abij取0值,则表示当原因Ai发生后,不会出现故障现象Bj。
S202、分析故障原因发生概率;
用元素数量为M的向量PA表示在特定时刻每一个独立的故障原因发生的概率,如下:
PA=[pa1 pa2 … pai … paM] (4)
式中,元素pai称为原因Ai的验前概率,指尚未获得故障发生这个证据之前,基于误操作、装备(部件)服役时间、装备(部件)故障率变化规律等因素确定的各故障原因发生的概率。进而装备总体在特定时刻发生故障的概率为
用元素数量为M的向量APA表示各原因的发生概率占整个装备故障概率的比率,如下:
APA=[αa1 αa2 … αai … αaM] (5)
式中,元素αai表示原因Ai的故障概率占整个装备故障概率的比率,又称为各故障原因的验后概率,即
其中,元素αai可能全寿命不变,也可能随操作使用的熟练程度和服役时间而改变,其是否变化取决于人员的更替和部件的故障机理。
S203、分析故障现象存在概率;
用元素总数为M×N的矩阵PB表示基于各故障原因发生概率计算出的各故障现象存在概率,如下:
式中,元素pbij表示由于原因Ai导致的现象Bj存在的概率。当现象Bj是原因Ai的一种现象时,pbij等于原因Ai的发生概率;当现象Bj不是原因Ai的一种现象时,pbij等于0。
进一步,结合公式(3)、公式(6)与公式(7)的数学定义与建模内涵,则有:
同时,由于每一种故障原因独立,因此,由装备所有故障原因导致的每一种故障现象存在的概率pbj为:
S204、分析故障现象的逻辑价值、概率价值及总价值;
(1)故障现象的逻辑价值
故障现象的逻辑价值以其能够确认的故障原因数量来度量,用元素数量为N的向量VB表示各现象的逻辑价值,如下:
VB=[vb1 vb2 … vbj … vbN] (10)
式中,元素vbj表示现象Bj对于判断各故障原因的逻辑价值,可根据该现象能够确诊故障原因的数量确定,具体原则如下:
①如果一个故障现象Bj能够确诊到一个故障原因,则该现象的价值 vbj=M;
②如果一个故障现象Bj既不能确诊故障原因,也不能隔离出任何一个故障原因,则该现象的价值vbj=0;
③如果一个故障现象Bj能够排除m个故障原因,即把需要进一步确诊的故障原因数量缩小至M-m,则该现象的价值vbj=1/(M-m)。
(2)故障现象的概率价值
用元素数量为M×N的矩阵PAB表示各现象对于判断故障原因的概率价值,如下:
式中,元素pabij表示对于原因Ai来讲,故障现象Bj的概率价值,可按下式计算:
(3)故障现象的综合价值
故障现象的综合价值综合反映各故障现象对于判断故障原因的概率价值与逻辑价值,可用元素数量为M×N的矩阵VAB表示:
式中,元素vabij由现象Bj的逻辑价值vbj与概率价值pabij的乘积确定,即vabij=vbj×pabij。
结合前述故障现象与故障原因工程建模、关联性分析与价值分析,可以解析故障排查措施与故障现象间的优选驱动逻辑构架,给出多诱因装备故障维修排查措施优先度计算模型及快速评判方法。
S205、关联故障排查措施与故障现象;
实施故障排查措施的目的是发现故障现象,假设发现产品所有N种故障现象的最少措施数量为L种,则可用元素数量为L的向量C表示排查措施集,如下:
C=[C1 C2 … Ck … CL] (14)
式中,元素Ck表示第k种排查措施。
通过元素总数为L×N的矩阵CB表示故障排查措施与故障现象之间的对应关系,则:
式中,元素cbkj的具体数值表示当故障现象Bj存在时,通过措施Ck能够发现此故障现象的概率。进一步的,
①当cbkj=1,表示如果现象Bj存在,总可通过采用措施Ck而被发现;
②当cbkj=0,表示无论现象Bj是否存在,肯定不会通过采用措施Ck而被发现;
③0<cbkj<1,表示如果现象Bj存在,便能以cbkj的概率水平,通过采用措施Ck而被发现。
S206、解算排查措施优先度;
(1)确诊原因层面的排查措施优选排序
用M×L的矩阵AC表示排查措施对于确诊原因的价值,如下:
式中,元素acik的具体数值表示排查措施Ck对于确诊原因Ai的价值。acik取值越大,表示措施Ck对于确诊原因Ai的价值越大;acik=0,则表示措施Ck对于确诊原因Ai没有价值。
进一步的,结合公式(13)、公式(15)与公式(16)的数学定义与建模内涵,则有:
通过元素数量为L的向量VC表示各排查措施的总价值:
VC=[vc1 vc2 … vck … vcL] (18)
式中,元素vck表示一项排查措施Ck的总价值,或称为总效益,是该项排查措施对于确诊装备所有故障原因的价值总和,即
显然,vck越大,表示越值得优先实施措施Ck进行故障排查;反之则应该放后实施。由此可以得到单纯从概率与排查逻辑层面上,以排查步骤最少为目标的排查措施优选排序。
(2)综合评判层面的排查措施优选排序
用元素数量为L的向量FC表示各排查措施的综合代价,如下:
FC=[fc1 fc2 … fck … fcL] (20)
式中,元素fck表示每一种排查措施的综合代价。
需要注意的是,从装备完成任务和降低维修保障资源需求的角度考虑,综合代价主要体现于实施一项措施所需的时间、人力、工装具及供应品等。工程上为便于比较分析,通常将上述各类因素转换为相关费用指标。
用M×L的矩阵ACF表示采用各项排查措施对于确诊装备故障原因的效费比,如下:
式中,元素acfik的具体数值表示排查措施Ck对于确诊原因Ai的效费比,其计算公式如下:
式中,acfik取值越大,表示排查措施Ck对于确诊原因Ai的效费比越大; acfik=0,则表示无需针对确诊原因Ai,实施排查措施Ck。
用元素数量为L的向量VCF表示各排查措施的总效费比:
VCF=[vcf1 vcf2 … vcfk … vcfL] (23)
式中,元素vcfk取值越大,表示一项排查措施Ck的总效费比,是该项排查措施对于确诊装备所有故障原因的效费比之和,即
显然,vcfk越大,表示越值得优先实施排查措施Ck;反之,则表示该排查措施没有必要优先实施。将vcfk按照由大到小排序,便可得到综合考虑故障原因发生概率、故障现象逻辑价值以及排查措施综合代价等因素的排查措施优选排序,进而根据效费比最大的排查措施优选排序(结果可能与前面给出的排查步骤最少优选排序不同)。
S207、迭代调整故障原因发生概率;
当按前述排查措施优选排序要求,采取了某一项排查措施后,如果所获取的故障现象能够确诊故障原因,则停止排查;否则,如果所发现的现象不能确诊故障原因,则需要继续采取其它排查措施。
需要注意的是,下步排查的优先措施,并不一定是按照前述计算明确的优选排序里的第二个排查措施,而是需要根据上一个排查措施所发现或未发现的现象为事实依据,重新计算验后概率αai后,再按照上述优选排序评判步骤,进行最优排查措施的计算。
在故障排查措施与故障现象的对应关联矩阵CB中,矩阵元素cbkj的具体数值表示当现象Bj存在时,通过措施Ck能够发现此现象的概率。因此,如果前一步排查措施Ck发现了Bj,则下一步排查的原因范围就应缩小为仅与Bj相关的那些原因,而排除与Bj无关的那些原因。在确定各原因的概率时,与 Bj相关的原因发生概率pai将被增加,与Bj无关的那些原因的发生概率变为 0;反之,如果排查措施Ck没有发现Bj,那么,Bj存在的概率pbj就要被减小,减小的幅度取决于Bj存在条件下措施Ck发现Bj的概率cbkj;与此同时,各与Bj相关的故障原因的发生概率,也应随之被减小。具体迭代调整方法如下:
(1)当排查措施Ck发现了现象Bj时:①所有与Bj无关的原因的发生概率变为0,不再考虑;②对所有与Bj有关的原因的发生概率求和;③各与Bj有关的原因的发生概率除以它们之和,作为排查措施Ck发现Bj后的新验后概率。
(2)当排查措施Ck没有发现现象Bj时:①所有与Bj相关的故障原因发生概率均乘以(1-cbkj),而与Bj无关的故障原因的发生概率不变;②计算Ck没有发现Bj条件下各故障原因的发生概率之和;③将各原因的发生概率除以它们直至之和,作为排查措施Ck没有发现Bj条件下的新验后概率;
(3)获得新的验后概率后,便可按照前述给出的故障排查措施优选评判方法,重新解算排查措施优选排序,并选择排序最前的措施,作为后续装备维修过程的下一步排查的措施;
(4)如果新的排查措施所获取的故障现象依然不能确诊故障原因,则依据新的故障现象继续重复上述(1)-(3)步骤。
在另一实施例中,以某型复杂装备系统执行任务过程中,出现功能故障,导致装备停机为例。如图3所示,可能存有4种故障原因(Ai,M=4),相关原因情形下可能出现8种故障现象(Bj,N=8),观测8种故障现象所需的故障排查措施共7(Ck,L=7)类。
依据装备的可靠性和服役时间计算可得各故障原因Ai的验前概率、验后概率以及各故障现象Bj的存在概率,分别如下:
PA=[0.0048 0.0036 0.0024 0.0012],
APA=[0.4 0.3 0.2 0.1],
由图3中给出的故障原因与故障现象的对应关系,易知故障现象Bj的逻辑价值为
VB=[0 1/3 4 1/3 1/2 4 4 4]
基于公式(11)和公式(13),可得故障现象Bj的概率价值和综合价值分别为
继而,给出故障排查措施Ck与故障现象Bj间的对应关联矩阵CB,如下:
进一步,基于公式(16),计算可得各排查措施Ck对于确诊原因Ai的价值矩阵AC,如下
进而,基于公式(19),计算可得各排查措施Ck的总价值向量VC为:
VC=[0.062 0.094 0.208 0.056 0.146 0.092 0.043]
由此,单纯从概率与排查逻辑层面上,以排查步骤最少为目标,可评判 7类排查措施的优选排序(仅在执行第一次排查优选时有效)如下
C1→⑤,C2→③,C3→①,C4→⑥,C5→②,C6→④,C7→⑦
显然,此时措施C3应作为该型复杂装备系统故障后的首选排查措施。如果除去考虑排查步骤最少的目标要求,还进一步考虑排查措施的综合代价,以效费比最高为优选评判标准,假设各排查措施的综合代价,如下:
FC=[0.1 0.2 0.9 0.3 0.8 0.7 0.6]
则基于公式(21)和公式(22),可得各排查措施的总效费比为
VCF=[0.616 0.468 0.231 0.188 0.182 0.131 0.072]
C1→①,C2→②,C3→③,C4→④,C5→⑤,C6→⑥,C7→⑦
显然,考虑排查措施的综合代价后,从费效比的角度评判,此时措施C1应作为该型复杂装备系统故障后的首选排查措施。
确定了第一步排查的最优措施后,依据观测到的实际故障现象,按照故障原因发生概率迭代调整方法,即可解算评判后续排查的最优措施步骤,进而最终获取装备故障排查的最优逻辑流程。
本发明实施例中,基于多诱因装备故障维修排查方法,能够大幅度提升复杂装备系统任务期间故障出现后的排查与确诊效率,且可效规避由于缺乏修理逻辑与启发式推进主线,而导致的修理时间延误与修理人力、物力、信息资源浪费问题;综合评判最终输出的装备故障排查最优逻辑流程,程式化程度高,便于实现计算机程序的自动化求解;评判方法不受装备系统物理构型限制,通用性好、可拓展移植性高,未来大规模应用于装备维修保障工程决算领域的潜力空间巨大。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图4为本发明实施例提供的一种多诱因装备故障维修排查装置的结构示意图,该装置包括:
获取模块410,用于获取装备故障时现场初始故障现象;
分析模块420,用于分析各故障原因发生概率和各故障现象存在概率;
所述故障原因发生概率包括验前概率和验后概率,所述验前概率为每一个独立的故障原因发生的概率,所述验后概率为故障原因的发生概率占整个装备故障概率的比率;其中,所述验后概率为根据故障现象、验前概率、故障原因与故障现象的对应关系、已采取排查措施发现故障现象的概率计算得到。
计算模块430,用于根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
其中,所述故障现象的总价值根据故障现象的逻辑价值与故障现象的概率价值乘积确定。
排查模块440,用于基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查。
具体的,根据故障现象总价值以及排查措施与故障现象的关联关系计算排查措施对确诊故障原因的价值;获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比;根据各排查措施对确诊故障原因的费效比确定排查措施对确诊装备所有故障原因的总费效比。
其中,所述获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比具体为:
优选的,采取第一排查措施后,若基于获取的故障现象不可以确诊故障原因,则基于第一排查措施后新产生的故障现象,重新计算排查措施的费效比,继续选择故障排查优选措施,直至确诊故障原因。
本领域普通技术人员可以理解的是,在该实施例中,所述分析模块420、计算模块430和排查模块440部分或全部功能可以通过计算机中程序代码实现。所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现多诱因装备故障维修排查。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种多诱因装备故障维修排查方法,其特征在于,包括:
获取装备故障时现场初始故障现象;
分析各故障原因发生概率和各故障现象存在概率;
根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
所述根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值包括:
根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系计算故障现象的概率价值:
其中,pabij表示对于故障原因Ai,故障现象Bj的概率价值,αai表示故障原因Ai的故障概率占整个装备故障概率的比率,abij表示故障原因与故障现象对应关系,pbj表示所有故障原因导致的每一种故障现象存在的概率,M表示故障原因数量,i为计数变量;故障现象的逻辑价值以能够确认的故障原因数量来度量,用元素数量为N的向量VB表示各现象的逻辑价值,如下:
VB=[vb1 vb2…vbj…vbN]
式中,元素vbj表示现象Bj对于判断各故障原因的逻辑价值,可根据该现象能够确诊故障原因的数量确定;
所述故障现象的总价值根据故障现象的逻辑价值与故障现象的概率价值乘积确定;
基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查;
所述基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比包括:
根据故障现象总价值以及排查措施与故障现象的关联关系计算排查措施对确诊故障原因的价值;
获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比;
根据各排查措施对确诊故障原因的费效比确定排查措施对确诊装备所有故障原因的总费效比;
所述获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比具体为:
根据各排查措施的综合代价、排查措施对确诊故障原因的价值计算各排查措施对确诊故障原因的费效比:
其中,acfik表示排查措施Ck对于确诊故障原因Ai的效费比,fck表示每一种排查措施的综合代价,acik表示排查措施Ck对于确诊故障原因Ai的价值。
2.根据权利要求1所述的方法,其特征在于,所述故障原因发生概率包括验前概率和验后概率,所述验前概率为每一个独立的故障原因发生的概率,所述验后概率为故障原因的发生概率占整个装备故障概率的比率;
其中,所述验后概率为根据故障现象、验前概率、故障原因与故障现象的对应关系、已采取排查措施发现故障现象的概率计算得到。
4.根据权利要求1所述的方法,其特征在于,所述基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比还包括:
采取第一排查措施后,若基于获取的故障现象不可以确诊故障原因,则基于第一排查措施后新产生的故障现象,重新计算排查措施的费效比,继续选择故障排查优选措施,直至确诊故障原因。
5.一种多诱因装备故障维修排查装置,其特征在于,包括:
获取模块,用于获取装备故障时现场初始故障现象;
分析模块,用于分析各故障原因发生概率和各故障现象存在概率;
计算模块,用于根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值;
所述根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系,计算各故障现象对判断故障原因的概率价值、逻辑价值和总价值包括:
根据各故障原因发生概率、各故障现象存在概率以及故障原因与故障现象的对应关系计算故障现象的概率价值:
其中,pabij表示对于故障原因Ai,故障现象Bj的概率价值,αai表示故障原因Ai的故障概率占整个装备故障概率的比率,abij表示故障原因与故障现象对应关系,pbj表示所有故障原因导致的每一种故障现象存在的概率,M表示故障原因数量,i为计数变量;
故障现象的逻辑价值以能够确认的故障原因数量来度量,用元素数量为N的向量VB表示各现象的逻辑价值,如下:
VB=[vb1 vb2…vbj…vbN]
式中,元素vbj表示现象Bj对于判断各故障原因的逻辑价值,可根据该现象能够确诊故障原因的数量确定;
所述故障现象的总价值根据故障现象的逻辑价值与故障现象的概率价值乘积确定;
排查模块,用于基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比,以确定排查措施的优先级并按排查措施的优先级进行故障原因排查;
所述基于故障现象总价值、排查措施可发现故障现象的概率和排查措施综合代价计算排查措施的费效比包括:
根据故障现象总价值以及排查措施与故障现象的关联关系计算排查措施对确诊故障原因的价值;
获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比;
根据各排查措施对确诊故障原因的费效比确定排查措施对确诊装备所有故障原因的总费效比;
其中,所述获取每种排查措施的综合代价,并计算各排查措施对确诊故障原因的费效比具体为:
根据各排查措施的综合代价、排查措施对确诊故障原因的价值计算各排查措施对确诊故障原因的费效比:
其中,acfik表示排查措施Ck对于确诊故障原因Ai的效费比,fck表示每一种排查措施的综合代价,acik表示排查措施Ck对于确诊故障原因Ai的价值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502308.1A CN111860881B (zh) | 2020-06-04 | 2020-06-04 | 一种多诱因装备故障维修排查方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502308.1A CN111860881B (zh) | 2020-06-04 | 2020-06-04 | 一种多诱因装备故障维修排查方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860881A CN111860881A (zh) | 2020-10-30 |
CN111860881B true CN111860881B (zh) | 2021-07-16 |
Family
ID=72985904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010502308.1A Active CN111860881B (zh) | 2020-06-04 | 2020-06-04 | 一种多诱因装备故障维修排查方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111860881B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759479B (zh) * | 2022-12-12 | 2023-09-19 | 中国人民解放军海军工程大学 | 一种基于综合值的复杂设备故障定位优化方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020436B (zh) * | 2012-11-30 | 2015-08-12 | 工业和信息化部电子第五研究所 | 元器件失效归零分析方法与系统 |
CN104077483A (zh) * | 2014-06-27 | 2014-10-01 | 南京理工大学 | 城轨车辆部件故障模式和故障原因综合影响度的确定方法 |
CN105224782B (zh) * | 2014-10-16 | 2018-02-13 | 华北电力大学 | 一种基于故障模式的变电设备故障概率计算方法 |
JP6249054B1 (ja) * | 2016-06-28 | 2017-12-20 | 三菱電機ビルテクノサービス株式会社 | 部品の保守作業間隔決定装置 |
-
2020
- 2020-06-04 CN CN202010502308.1A patent/CN111860881B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111860881A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8001423B2 (en) | Prognostic diagnostic capability tracking system | |
US8291263B2 (en) | Methods and apparatus for cross-host diagnosis of complex multi-host systems in a time series with probabilistic inference | |
RU2694105C1 (ru) | Диагностика неисправностей во время испытания турбинной установки | |
CN103149475B (zh) | 电力设备故障诊断方法及系统 | |
JP5081999B1 (ja) | 異常予兆診断結果の表示方法 | |
CN111459695A (zh) | 根因定位方法、装置、计算机设备和存储介质 | |
JP2004118839A (ja) | 技術設備内で故障した機能ユニットの特定を支援する方法 | |
EP2458178B2 (en) | Turbine performance diagnositic system and methods | |
US20180253664A1 (en) | Decision aid system and method for the maintenance of a machine with learning of a decision model supervised by expert opinion | |
KR102278199B1 (ko) | 조건부 확률에 기반한 진단 데이터의 관리 방법 | |
EP3944043B1 (en) | Maintenance work assistance device | |
CN109670610A (zh) | 基于故障传播分析的故障诊断优化方法 | |
JPH08234832A (ja) | プラント監視診断装置および方法 | |
US8274294B2 (en) | Method and device for capturing a fault in an electrical supply grid | |
JPS6014303A (ja) | 知識ベ−ス型診断方式 | |
CN111860881B (zh) | 一种多诱因装备故障维修排查方法及装置 | |
US20220308572A1 (en) | System and method for determining a health condition and an anomaly of an equipment using one or more sensors | |
US20140188433A1 (en) | Method and diagnostic system for supporting the controlled fault detection in technical systems | |
JP2672576B2 (ja) | プラント・機器の診断支援システム | |
KR20220167008A (ko) | 선박용 고장 예측진단 시스템 및 그 예측진단 방법 | |
WO2022146020A1 (ko) | 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템 | |
KR102351538B1 (ko) | 패턴 학습 및 진단 알고리즘을 이용한 자동화 설비의 고장 예측 시스템 및 그 방법 | |
KR101736230B1 (ko) | 결함검출률 정량화 시스템 및 방법 | |
KR101067440B1 (ko) | 발전설비 성능이상 원인분석방법 | |
RU2774006C1 (ru) | Способ контроля технического состояния жидкостного ракетного двигателя |
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 |