CN112395757B - 一种面向制造过程的海上风电机组可靠性预计方法 - Google Patents
一种面向制造过程的海上风电机组可靠性预计方法 Download PDFInfo
- Publication number
- CN112395757B CN112395757B CN202011277470.4A CN202011277470A CN112395757B CN 112395757 B CN112395757 B CN 112395757B CN 202011277470 A CN202011277470 A CN 202011277470A CN 112395757 B CN112395757 B CN 112395757B
- Authority
- CN
- China
- Prior art keywords
- reliability
- wind turbine
- offshore wind
- manufacturing process
- turbine generator
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000035945 sensitivity Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 3
- 238000000465 moulding Methods 0.000 description 3
- 238000009755 vacuum infusion Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/30—Wind power
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种面向制造过程的海上风电机组可靠性预计方法,在分析海上风电机组各子系统关键零部件的制造过程能力指数基础上,建立了制造过程能力指数与故障模式发生概率之间的隶属度函数;通过分析海上风电机组子系统、零部件、故障模式之间的故障传播影响,构建了海上风电机组的可靠性预计网络模型,并分析了各故障模式的可靠性最小割集对海上风电机组可靠性的敏感指数,进而量化了实际制造过程对海上风电机组可靠性的影响程度;在此基础上,辨识出了各子系统的主次故障模式,采用改进的二阶窄界限理论,在考虑当前制造过程的情况下,以各子系统主次故障模式的可靠度及相关性为输入预计了海上风电机组的固有可靠性。
Description
技术领域
本发明属于可靠性预计技术领域,涉及一种海上风电机组的可靠性预计方法,具体涉及一种面向制造过程的海上风电机组可靠性预计方法。
背景技术
可靠性预计是根据系统的可靠性框图和使用环境,采用获得的可靠性数据,预测产品在规定的使用条件下可能达到的可靠度。可靠性预计是可靠性分配的反过程,它根据底层零部件的可靠性自下而上地估算系统可靠性,是一种局部到整体的综合分析过程。工程中常用的可靠性预计方法主要包括:数学模型法、性能参数法、快速预计法、相似产品类比法、应力分析方法、蒙特卡罗方法、专家评分方法、修正系数法、故障率预计法和一次二阶矩法等。
除上述传统可靠性预计方法外,近年来,国内外学者还提出了一些新的可靠性预计方法,如全局分枝定界法、概率设计法、基于FMEA的方法、基于FTA的方法、基于支持向量回归的方法、基于仿真的方法等。Mustafa等利用现场返回的数据,提出了一种适用于大批量生产、面向复杂电子产品整个保修期的可靠性预计模型,该模型基于威布尔-指数分布,采用基于前后向数据分析的变点检测方法计算系统失效率;Moura等为了预计工程构件的失效时间和可靠性,提出了一种基于数据驱动和经验技术的非线性可靠性预计方法,该方法采用支持向量机回归技术学习失效时间序列数据,并在成功训练后预测未来的失效时间;Joseph等设计了一种基于失效物理激励数据的FPGA器件综合可靠性预计方法,为了将可靠性描述从零度以下扩展到高温,采用多温度工作寿命测试方法计算了3种不同机构在45nm和28nm技术下的失效时间;Tao等针对不同运行条件下的系统/组件,提出了一种新的多状态动态SVR方法来处理动态多状态条件下的在线可靠性评估和SOH预测问题,该方法具有识别运行状态和动态更新回归模型的能力;Santhosh等提出了一种利用人工神经网络从加速老化数据中预测仪表和控制电缆寿命和可靠性的综合方法,该方法通过考虑各种故障率来预测与时间相关的可靠性;Wang等针对面向服务的SoS中的组件系统提出了一种在线可靠性时间序列预测方法,该方法利用概率图形模型生成近期的时间序列,并通过从真实Web服务中收集的调用记录来进行预测效果评估。
目前,大多数可靠性预计方法在可靠性预计的准确性方面均有所偏差甚至出现误导。原因在于对零件可靠性的简单累加并不能全面考虑影响系统可靠性的多方面因素。现阶段的可靠性预计方法以设计阶段可靠性配置作为出发点,却忽略了产品的制造过程对产品最终可靠性的影响。对于大多数产品而言,系统、子系统在设计阶段规定或分配的可靠性在实际加工制造过程中并不一定能得到绝对的保证,由于产品制造工序能力的波动,其制造完工后的可靠性可能会偏离规定的可靠性要求。为此,在进行产品可靠性预计时,应充分考虑制造过程对产品最终可靠性的影响。
发明内容
为了解决现有技术中的问题,本发明公开了一种面向制造过程的海上风电机组可靠性预计方法,通过分析量化制造过程对海上风电机组可靠性的影响,提高了海上风电机组可靠性预计的准确性。
为了实现以上目的,本发明所采用的技术方案为,
一种面向制造过程的海上风电机组可靠性预计方法,包括以下步骤:
1)收集海上风电机组可靠性基础数据,包括海上风电机组各子系统的失效率数据、关键零部件的失效率数据和典型故障模式的失效率数据,整理海上风电机组各子系统之间、关键零部件之间以及典型故障模式之间的相互影响关系数据,并梳理子系统对海上风电机组的影响关系数据、零部件对子系统的影响关系数据以及典型故障对零部件的影响关系数据;
2)收集海上风电机组各关键零部件的制造过程数据,包括制造工艺数据和试验记录数据,并计算各工序的制造过程能力指数:
其中:Cpk为工序的制造过程能力指数;TU为工艺参数规范的上界;μ为工艺参数分布中心;T0=(TU+TL)/2为工艺规范要求中心;TL为工艺参数规范的下界;T为工艺参数值;
3)根据步骤1)获得的海上风电机组可靠性基础数据和步骤2)获得的制造过程数据,建立海上风电机组可靠性预计网络模型;
4)根据步骤3)建立的海上风电机组可靠性预计网络模型,分析量化制造过程对海上风电机组可靠性的影响程度;
5)根据步骤4)中获得的制造过程对海上风电机组可靠性的敏感度,预计考虑制造过程的海上风电机组可靠性。
所述步骤3)包括以下步骤:
3.1)将海上风电机组抽象为模型的中心节点,将海上风电机组各子系统、关键零部件、典型故障模式抽象为模型的中间结点,将制造工艺抽象为模型的叶子节点;并按照上述次序分层排列,将不同层和同层内的影响关系抽象为模型中节点间的连边,构建海上风电机组的可靠性预计网络模型;
3.2)定义海上风电机组可靠性预计网络模型的数学表达式:
RM=<R,P>
R={RS,RSS,RP,RF,CPK}
P={PC→F,PF→F,PF→P,PP→P,PP→SS,PSS→SS,PSS→S}
其中:RM为海上风电机组可靠性预计网络模型的数学表达式,是一个二元组;R为模型中所有节点的可靠性指标集合,即节点权重集合;P为模型中节点间的影响关系矩阵集合,即节点间连边权重的集合;RS为海上风电机组整机的可靠性指标;RF、RP、RSS分别为海上风电机组的故障模式、零部件和子系统的可靠性指标集合,CPK为海上风电机组的制造过程能力指数集合;PC→F为制造过程能力指数和故障模式间的影响关系矩阵,PF→F为故障模式间的自相关矩阵,PF→P为故障模式和零部件间的影响关系矩阵,PP→P为零部件间的自相关矩阵,PP→SS为零部件和子系统间的影响关系矩阵,PSS→SS为子系统间的自相关矩阵,PSS→S为子系统与系统间的影响关系矩阵;
3.3)确定可靠性预计网络模型中各节点的可靠性指标,即权重,将步骤1)中获取到的各节点的失效率数据作为模型中中心节点和中间节点的可靠性指标,确定RS、RF、RP和RSS,将步骤2)中获得的制造过程能力指数作为模型中叶子节点的可靠性指标,确定CPK;
3.4)确定可靠性预计网络模型中同层节点间的连边权重,根据步骤1)中获得的可靠性基础数据,将典型故障模式间的关联影响强度作为故障模式层的节点连边权重,确定PF→F,将关键零部件间的关联影响强度作为零部件层的节点连边权重,确定PP→P,将子系统间的关联影响强度作为子系统层的节点连边权重,确定PSS→SS;
3.5)确定可靠性预计网络模型中不同层节点间的连边权重,根据步骤1)中获得的可靠性基础数据,以制造过程能力指数与典型故障模式间的关联度作为制造过程能力指数层和故障模型层间节点的连边权重,确定PC→F,以典型故障模式导致关键零部件失效的概率作为故障模式层和零部件层间节点的连边权重,确定PF→P,以关键零部件失效导致子系统失效的概率作为零部件层和子系统层间节点的连边权重,确定PP→SS,以子系统失效导致海上风电机组停机的概率作为子系统层和中心节点间的连边权重,确定PSS→S;
所述步骤4)包括以下步骤:
4.1)根据海上风电机组的制造过程数据以及历史故障数据,构建制造过程能力指数与故障模式发生概率之间的隶属度函数:
M=2Φ(1-3Cpk)
其中:M为制造过程能力指数与其相关联的故障模式发生概率之间的隶属度函数,Ф为标准正态分布函数;
4.2)根据故障模式的传播扩散路径,对于每一个故障模式,寻找与其相对应的一个可靠性最小割集,海上风电机组制造过程对其可靠性的影响也即为在相应故障模式的可靠性最小割集影响下,海上风电机组整机可靠性的变化量;
4.3)根据步骤4.2)中获得的各可靠性最小割集,计算在每一可靠性最小割集影响下,海上风电机组可靠性的变化量;
4.4)根据步骤4.3)中获得的海上风电机组在各可靠性最小割集影响下的可靠性变化量,计算制造过程对海上风电机组可靠性的敏感度:
其中:RSIFi为与故障模式Fi相对应的制造过程对海上风电机组可靠性的敏感度。
所述步骤5)包括以下步骤:
5.1)根据改进的二阶窄界限理论以及各子系统主、次故障模式的可靠性,计算各子系统的可靠性预计值:
其中:为子系统可靠性的预计值;R1为子系统主故障模式的可靠性;R2为子系统次故障模式的可靠性;ρ12为主、次故障模式间相关系数;β1、β2分别为主、次故障模式的可靠性指标,即为与主、次故障模式相关联的制造过程能力指数;R12为子系统主次故障模式的综合可靠度,Rmin为子系统可靠度的最小值;
5.2)根据步骤5.1)中获得的各子系统的可靠性预计值,计算海上风电机组的可靠性预计值:
5.3)通过考虑制造过程对海上风电机组可靠性的影响,修正海上风电机组的可靠性预计值:
进一步的,所述步骤4.3)包括以下步骤:
4.3.1)计算在可靠性最小割集中每一条故障传播路径影响下海上风电机组可靠性的变化量:
其中:为在第j条故障传播路径影响下,海上风电机组可靠性的变化量;pathj为可靠性最小割集中的第j条传播路径;Mi为故障模式Fi与相应制造过程能力指数之间的隶属度函数;和分别为第j条故障传播路径上的故障模式,零部件和子系统的可靠性指标,也即失效率;λS为海上风电机组的失效率;和分别为第j条故障传播路径上,故障模式Fi导致零部件Pj失效的概率,零部件Pj失效导致子系统SSj失效的概率,以及子系统SSj导致海上风电机组失效的概率;
4.3.2)根据步骤4.3.1)得到的海上风电机组在每一条故障传播路径影响下海上风电机组可靠性可靠性变化量,计算海上风电机组在可靠性最小割集影响下的可靠性变化量:
其中:为故障模式Fi的可靠性最小割集影响下海上风电机组可靠性的变化量;为故障模式Fi的可靠性最小割集中,主传播路径下海上风电机组的可靠性变化量;为由故障相关性引起的海上风电机组的可靠性变化量;θij为主传播路径与第j条相关传播路径间的相关系数;L为故障模式Fi的最小割集中相关传播路径的条数。
与现有可靠性预计方法相比,本发明提出了一种面向制造过程的海上风电机组可靠性预计方法,在分析各子系统关键零部件的制造过程能力指数基础上,建立了制造过程能力指数与故障模式发生概率之间的隶属度关系;通过分析海上风电机组子系统、零部件、故障模式之间的故障传播影响,构建了海上风电机组的可靠性预计网络模型,并分析了各故障模式的可靠性最小割集对海上风电机组可靠性的敏感度,辨识出了各子系统的主次故障模式;在此基础上,量化了实际制造过程对海上风电机组可靠性的影响程度,并采用改进的二阶窄界限理论,在考虑当前制造能力的情况下,以各子系统主次故障模式的可靠度及相关性为输入预计了海上风电机组的固有可靠性。海上风电机组的固有可靠度表征了其出厂时的可靠性水平,因此可以根据各机组固有可靠度的大小来指导机组选型。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面结合具体的实施例和说明书附图对本发明作进一步的解释说明。
参见图1,本发明为一种面向制造过程的海上风电机组可靠性预计方法,具体包括以下步骤:
1)以某型号海上风电机组为研究对象,收集该型号海上风电机组的历史故障数据,获得典型故障模式数据、故障模式的失效率数据、零部件的失效率数据和子系统的失效率数据,如表1~表4所示:
表1典型故障模式数据
表2故障模式失效率数据
表3零部件失效率数据
表4子系统失效率数据
2)根据该型号海上风电机组的历史故障数据,结合专家经验,分析各故障模式间的相关性,建立故障模式间的相关性矩阵PF→F,并根据故障模式间的相关性矩阵获得零部件间的相关性矩阵PP→P和子系统间的相关性矩阵PSS→SS;
3)根据该型号海上风电机组的历史故障数据,采用统计分析的方法获得故障模式和零部件之间的关联影响关系矩阵PF→P、零部件和子系统之间的关联影响关系矩阵PP→SS,以及子系统与系统之间的关联影响关系矩阵PSS→S。至此,建立了海上风电机组可靠性预计网络模型中各节点的可靠性指标和节点间的连边权重;
4)收集该型号海上风电机组的制造过程数据,并计算各工艺的制造过程能力指数,下面以叶片为例说明制造过程能力指数的计算过程:
4.1)获得叶片的制造工序指标数据,叶片真空灌注成型工艺的制造工序指标数据如表5所示:
表5叶片真空灌注成型工艺的制造工序指标数据
4.2)根据表5中各工序指标数据计算各工序的制造过程能力指数,如表6所示:
表6叶片真空灌注成型工艺的制造过程能力指数
4.3)分析与叶片灌注成型工艺相关联的故障模式,叶片的灌注工艺与FM1(叶片壳体损伤)有很强的关联关系,灌注工艺性能较差的叶片在后期服役过程中出现FM1类故障的可能性较大;相反,灌注工艺性能较好的叶片在后期服役过程中出现FM1类故障的可能性较小;因此,可以通过灌注工序能力指数与FM1之间的隶属度来表征叶片在服役过程中出现FM1类故障的可能性;
5)根据灌注成型工艺的制造过程能力指数,计算其与FM1之间的隶属度,对于其他故障模式,采用同样的方法,可获得各故障模式与相应制造过程能力指数之间的隶属度,如表7所示:
表7故障模式与相应制造过程能力指数之间的隶属度
6)根据建立的可靠性预计网络模型,计算当前制造过程能力指数下各故障模式对海上风电机组的可靠性敏感指数,计算结果如表8所示:
表8各故障模式对海上风电机组可靠性的敏感度
7)根据表8中各故障模式对海上风电机组可靠性的敏感度,辨识出各子系统的主次故障模式,各子系统的主次故障模式及其相关性和可靠性指标如表9所示:
表9子系统的主次故障模式及其可靠度、特征指标和相关性系数
Claims (1)
1.一种面向制造过程的海上风电机组可靠性预计方法,其特征在于,包括以下步骤:
1)收集海上风电机组可靠性基础数据,包括海上风电机组各子系统的失效率数据、关键零部件的失效率数据和典型故障模式的失效率数据,整理海上风电机组各子系统之间、关键零部件之间以及典型故障模式之间的相互影响关系数据,并梳理子系统对海上风电机组的影响关系数据、零部件对子系统的影响关系数据以及典型故障对零部件的影响关系数据;
2)收集海上风电机组各关键零部件的制造过程数据,包括制造工艺数据和试验记录数据,并计算各工序的制造过程能力指数:
其中:Cpk为工序的制造过程能力指数;TU为工艺参数规范的上界;μ为工艺参数分布中心;T0=(TU+TL)/2为工艺规范要求中心;TL为工艺参数规范的下界;T为工艺参数值;
3)根据步骤1)获得的海上风电机组可靠性基础数据和步骤2)获得的制造过程数据,建立海上风电机组可靠性预计网络模型,包括以下步骤:
3.1)将海上风电机组抽象为模型的中心节点,将海上风电机组各子系统、关键零部件、典型故障模式抽象为模型的中间结点,将制造工艺抽象为模型的叶子节点;并按照上述次序分层排列,将不同层和同层内的影响关系抽象为模型中节点间的连边,构建海上风电机组的可靠性预计网络模型;
3.2)定义海上风电机组可靠性预计网络模型的数学表达式:
RM=<R,P>
R={RS,RSS,RP,RF,CPK}
P={PC→F,PF→F,PF→P,PP→P,PP→SS,PSS→SS,PSS→S}
其中:RM为海上风电机组可靠性预计网络模型的数学表达式,是一个二元组;R为模型中所有节点的可靠性指标集合,即节点权重集合;P为模型中节点间的影响关系矩阵集合,即节点间连边权重的集合;RS为海上风电机组整机的可靠性指标;RF、RP、RSS分别为海上风电机组的故障模式、零部件和子系统的可靠性指标集合,CPK为海上风电机组的制造过程能力指数集合;PC→F为制造过程能力指数和故障模式间的影响关系矩阵,PF→F为故障模式间的自相关矩阵,PF→P为故障模式和零部件间的影响关系矩阵,PP→P为零部件间的自相关矩阵,PP→SS为零部件和子系统间的影响关系矩阵,PSS→SS为子系统间的自相关矩阵,PSS→S为子系统与系统间的影响关系矩阵;
3.3)确定可靠性预计网络模型中各节点的可靠性指标,即权重,将步骤1)中获取到的各节点的失效率数据作为模型中中心节点和中间节点的可靠性指标,确定RS、RF、RP和RSS,将步骤2)中获得的制造过程能力指数作为模型中叶子节点的可靠性指标,确定CPK;
3.4)确定可靠性预计网络模型中同层节点间的连边权重,根据步骤1)中获得的可靠性基础数据,将典型故障模式间的关联影响强度作为故障模式层的节点连边权重,确定PF→F,将关键零部件间的关联影响强度作为零部件层的节点连边权重,确定PP→P,将子系统间的关联影响强度作为子系统层的节点连边权重,确定PSS→SS;
3.5)确定可靠性预计网络模型中不同层节点间的连边权重,根据步骤1)中获得的可靠性基础数据,以制造过程能力指数与典型故障模式间的关联度作为制造过程能力指数层和故障模型层间节点的连边权重,确定PC→F,以典型故障模式导致关键零部件失效的概率作为故障模式层和零部件层间节点的连边权重,确定PF→P,以关键零部件失效导致子系统失效的概率作为零部件层和子系统层间节点的连边权重,确定PP→SS,以子系统失效导致海上风电机组停机的概率作为子系统层和中心节点间的连边权重,确定PSS→S;
4)根据步骤3)建立的海上风电机组可靠性预计网络模型,分析量化制造过程对海上风电机组可靠性的影响程度,具体包括以下步骤:
4.1)根据海上风电机组的制造过程数据以及历史故障数据,构建制造过程能力指数与故障模式发生概率之间的隶属度函数:
M=2Φ(1-3Cpk)
其中:M为制造过程能力指数与其相关联的故障模式发生概率之间的隶属度函数,Ф为标准正态分布函数;
4.2)根据故障模式的传播扩散路径,对于每一个故障模式,寻找与其相对应的一个可靠性最小割集,海上风电机组制造过程对其可靠性的影响也即为在相应故障模式的可靠性最小割集影响下,海上风电机组整机可靠性的变化量;
4.3)根据步骤4.2)中获得的各可靠性最小割集,计算在每一可靠性最小割集影响下,海上风电机组可靠性的变化量,具体包括以下步骤:
4.3.1)计算在可靠性最小割集中每一条故障传播路径影响下海上风电机组可靠性的变化量:
其中:为在第j条故障传播路径影响下,海上风电机组可靠性的变化量;pathj为可靠性最小割集中的第j条传播路径;Mi为故障模式Fi与相应制造过程能力指数之间的隶属度函数;和分别为第j条故障传播路径上的故障模式、零部件和子系统的可靠性指标,也即失效率;λS为海上风电机组的失效率;和分别为第j条故障传播路径上,故障模式Fi导致零部件Pj失效的概率,零部件Pj失效导致子系统SSj失效的概率,以及子系统SSj导致海上风电机组失效的概率;
4.3.2)根据步骤4.3.1)得到的海上风电机组在每一条故障传播路径影响下海上风电机组可靠性变化量,计算海上风电机组在可靠性最小割集影响下的可靠性变化量:
其中:为故障模式Fi的可靠性最小割集影响下海上风电机组可靠性的变化量;为故障模式Fi的可靠性最小割集中,主传播路径下海上风电机组的可靠性变化量;为由故障相关性引起的海上风电机组的可靠性变化量;θij为主传播路径与第j条相关传播路径间的相关系数;L为故障模式Fi的最小割集中相关传播路径的条数;
4.4)根据步骤4.3)中获得的海上风电机组在各可靠性最小割集影响下的可靠性变化量,计算制造过程对海上风电机组可靠性的敏感度:
5)根据步骤4)中获得的制造过程对海上风电机组可靠性的敏感度,预计考虑制造过程的海上风电机组可靠性,具体包括以下步骤:
5.1)根据改进的二阶窄界限理论以及各子系统主、次故障模式的可靠性,计算各子系统的可靠性预计值:
其中:为子系统可靠性的预计值;R1为子系统主故障模式的可靠性;R2为子系统次故障模式的可靠性;ρ12为主、次故障模式间相关系数;β1、β2分别为主、次故障模式的可靠性指标,即为与主、次故障模式相关联的制造过程能力指数;R12为子系统主次故障模式的综合可靠度,Rmin为子系统可靠度的最小值;
5.2)根据步骤5.1)中获得的各子系统的可靠性预计值,计算海上风电机组的可靠性预计值:
5.3)通过考虑制造过程对海上风电机组可靠性的影响,修正海上风电机组的可靠性预计值:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277470.4A CN112395757B (zh) | 2020-11-16 | 2020-11-16 | 一种面向制造过程的海上风电机组可靠性预计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011277470.4A CN112395757B (zh) | 2020-11-16 | 2020-11-16 | 一种面向制造过程的海上风电机组可靠性预计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112395757A CN112395757A (zh) | 2021-02-23 |
CN112395757B true CN112395757B (zh) | 2022-11-01 |
Family
ID=74599868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011277470.4A Active CN112395757B (zh) | 2020-11-16 | 2020-11-16 | 一种面向制造过程的海上风电机组可靠性预计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395757B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103658A (zh) * | 2010-12-03 | 2011-06-22 | 北京航空航天大学 | 一种实用的电子产品寿命评估模型参数高精度萃取方法 |
CN108090677A (zh) * | 2017-12-19 | 2018-05-29 | 北京航空航天大学 | 一种关键基础设施可靠性测评方法 |
CN109032084A (zh) * | 2018-06-26 | 2018-12-18 | 上海市质子重离子医院有限公司 | 一种过程能力指数驱动的状态评估与故障诊断系统及方法 |
CN109118108A (zh) * | 2018-08-29 | 2019-01-01 | 电子科技大学 | 一种适用于新型复杂机电系统的可靠性预计方法 |
CN110705163A (zh) * | 2019-09-30 | 2020-01-17 | 北京航空航天大学 | 一种复合材料层合结构的疲劳系统可靠性分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120317058A1 (en) * | 2011-06-13 | 2012-12-13 | Abhulimen Kingsley E | Design of computer based risk and safety management system of complex production and multifunctional process facilities-application to fpso's |
-
2020
- 2020-11-16 CN CN202011277470.4A patent/CN112395757B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103658A (zh) * | 2010-12-03 | 2011-06-22 | 北京航空航天大学 | 一种实用的电子产品寿命评估模型参数高精度萃取方法 |
CN108090677A (zh) * | 2017-12-19 | 2018-05-29 | 北京航空航天大学 | 一种关键基础设施可靠性测评方法 |
CN109032084A (zh) * | 2018-06-26 | 2018-12-18 | 上海市质子重离子医院有限公司 | 一种过程能力指数驱动的状态评估与故障诊断系统及方法 |
CN109118108A (zh) * | 2018-08-29 | 2019-01-01 | 电子科技大学 | 一种适用于新型复杂机电系统的可靠性预计方法 |
CN110705163A (zh) * | 2019-09-30 | 2020-01-17 | 北京航空航天大学 | 一种复合材料层合结构的疲劳系统可靠性分析方法 |
Non-Patent Citations (2)
Title |
---|
基于灰色理论的海上风电机组齿轮箱故障模式及影响分析;杜尊峰等;《水利水电技术》;20170220;第48卷(第02期);第165-169页 * |
滚珠丝杠副设计制造可靠性关键技术研究;肖杨亮;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190515(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112395757A (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358366B (zh) | 一种配电变压器故障风险监测方法及系统 | |
CN111237134B (zh) | 一种基于GRA-LSTM-stacking模型的海上双馈风力发电机故障诊断方法 | |
CN110570122B (zh) | 一种计及风速季节特性及集电系统元件故障的海上风电场可靠性评估方法 | |
CN106021062B (zh) | 关联故障的预测方法和系统 | |
CN111412579B (zh) | 一种基于大数据的空调机组故障类型诊断方法和系统 | |
CN106154209A (zh) | 基于决策树算法的电能表故障预测方法 | |
CN107292502B (zh) | 一种配电网可靠性评估方法 | |
CN110414553B (zh) | 一种融合多源信息的备件可靠性评估方法及系统 | |
Puggina et al. | Development of a statistical methodology for gas turbine prognostics | |
CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
CN111178585A (zh) | 基于多算法模型融合的故障接报量预测方法 | |
CN105471647A (zh) | 一种电力通信网故障定位方法 | |
CN113343581B (zh) | 基于图马尔可夫神经网络的变压器故障的诊断方法 | |
CN105975797A (zh) | 一种基于模糊数据处理的产品早期故障根原因识别方法 | |
CN116432123A (zh) | 一种基于cart决策树算法的电能表故障预警方法 | |
CN109657260B (zh) | 一种考虑失效相关性的涡轮转子系统可靠性分配方法 | |
Wang et al. | Comprehensive dynamic structure graph neural network for aero-engine remaining useful life prediction | |
Zhang et al. | Hierarchical hybrid testability modeling and evaluation method based on information fusion | |
Mazzuto et al. | Health Indicator for Predictive Maintenance Based on Fuzzy Cognitive Maps, Grey Wolf, and K‐Nearest Neighbors Algorithms | |
CN112395757B (zh) | 一种面向制造过程的海上风电机组可靠性预计方法 | |
CN117034149A (zh) | 故障处理策略确定方法、装置、电子设备和存储介质 | |
KR101884907B1 (ko) | 빅데이터 분석 기반 신뢰도 예측 방법 | |
CN116664098A (zh) | 一种光伏电站的异常检测方法及系统 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN115619106A (zh) | 一种考虑性能退化的激光陀螺仪备件数量确定方法及系统 |
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 |