CN112417700A - Eh油站基于状态评价的故障诊断系统 - Google Patents
Eh油站基于状态评价的故障诊断系统 Download PDFInfo
- Publication number
- CN112417700A CN112417700A CN202011367683.6A CN202011367683A CN112417700A CN 112417700 A CN112417700 A CN 112417700A CN 202011367683 A CN202011367683 A CN 202011367683A CN 112417700 A CN112417700 A CN 112417700A
- Authority
- CN
- China
- Prior art keywords
- fault
- state
- module
- fault tree
- oil
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 47
- 238000003745 diagnosis Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000010276 construction Methods 0.000 claims abstract description 8
- 230000015556 catabolic process Effects 0.000 claims description 24
- 238000006731 degradation reaction Methods 0.000 claims description 24
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000013439 planning Methods 0.000 claims description 2
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000003786 synthesis reaction Methods 0.000 claims description 2
- 238000011058 failure modes and effects analysis Methods 0.000 abstract description 22
- 239000003921 oil Substances 0.000 description 48
- 230000006866 deterioration Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000009970 fire resistant effect Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000031018 biological processes and functions Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008439 repair process Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种EH油站基于状态评价的故障诊断系统，属于信息安全技术领域。将故障诊断系统分为FMEA模块、EH油站状态评价模块、故障树诊断与分析模块和故障树构造模块。本发明使用了基于变权综合理论的故障诊断方法，该方法充分利用设备运行参数、状态特征参数和参数权重，可以实现不同层次系统及设备的状态评价，充分保障状态评价与故障诊断结果的的实时性与准确性。
Description
技术领域
本技术涉及一种基于故障树和变权综合理论的EH油站状态评价与故障诊断系统，属于信息安全技术领域。
背景技术
EH供油系统是EH油的存储中心，主要任务向汽轮机数字电液调节系统 (DEH-digital electro-hydraulic control system)各执行机构提供所需要的高压抗燃油，保证抗燃油的正常运行特性和理化特性。近年来由于机组功率和蒸汽参数的不断提高，汽轮机的主汽阀、调节汽阀和执行机构的尺寸也应随之增大，为了尽可能地缩小液压装置的尺寸，很多发电厂都在不断地提升系统的工作压力，这就对抗燃油的品质和特性提出了极高的要求，为了保证DEH系统的安全运行，需要供油系统具有更高的性能和特性。
EH供油系统作为汽轮机控制系统中的动力源泉，它运行的稳定与否直接关系到汽轮机机组的安全性。目前，基于特征数据库进行故障诊断的系统无法迅速准确定位故障类型。因此，对供油系统可能出现的故障进行诊断分析，在故障刚发生时或还未发生时给出相应的故障信息和维修建议，对保证供油系统运行的稳定性和安全性有着重要的意义。
传统的实现EH油站的故障诊断工作是通过“故障模式及影响分析(FMEA)”对设备进行故障审核，列出其所有的功能及其故障模式和影响，并对故障后果进行分类评估，然后根据故障后果的严重程度，对每一故障式做出“是采取预防性措施、还是不采取预防性措施待其发生故障后再进行修复的”决策。过去对设备故障后果的评估分类和预防办法的选择是依据逻辑决断图进行的。
故障树分析法(FTA:Fault Tree Analysis)是一种由结果到原因的分析方法，它可以将故障模式影响与后果分析法(FMECA,Fault Mode Effect and CriticalityAnalysis)为基础，对系统故障形成的原因采用从整体至局部按树枝状逐渐细化分析的方法。
考虑到设备状态要受到众多环境条件和外界因素的影响，如果不能对系统的行为进行监控，就很难预测它什么时候需要维修和需要什么样的维修。同样，不对监控器的数据进行记录和分析也很难有机会影响未来的系统设计。通过了解系统的使用、维护、保障情况，就有可能制定出既可以提高系统的可用性又可以减少使用费用的策略。因为发电设备各系统之间划分清晰且逻辑性较强，变权综合理论的提出为设备状态评价提供了新的思路。变权综合理论考虑了特征参数权重随参数值变化而改变，取得的评价结果较为准确。
基于变权综合理论的故障树分析法的提出在对设备故障评估分类的基础之上，进行理论上的研究，引进基于机理研究的诊断理论和方法，建立分析模型，引入定量分析；同时采用组态王与MATLAB和外部数据库系统协作，提高分析效率。
在计算机时代，无论是为了功能的便捷准确，或是与其它设备软件的并存兼容，在计算机的平台上，使用程序的形式来实现特定的功能已经成为效率和发展的必要。对于EH油系统的基于状态评价的故障诊断系统更是如此，包括故障树的定性定量分析、设备的状态评价这些繁重的计算任务都需要通过程序来完成。而故障树的建立，FMEA结果的管理也只有在通过软件才能更容易被人们接受和使用。所以设计并开发出合适的软件己成为推广实用的关键环节。
发明内容
为了有效的检测EH油站工作状态及故障信息，本发明提出了EH油站基于状态评价的故障诊断系统。
本发明的技术方案：
一种EH油站基于状态评价的故障诊断系统，首先根据所要实现的基于状态的诊断功能以及实现这些功能需要的数据支持；将故障诊断系统分为FMEA模块、EH油站状态评价模块、故障树诊断与分析模块、故障树构造模块；每个模块都需要有相关的数据库支持，EH油站状态评价模块需要的DEH系统特征参数库，故障树诊断与分析模块需要的系统故障树库、故障树分析数据库故障处理信息以及FMEA分析结果库；故障树构造模块需要故障树模型库；通过组态王实时监测EH油系统状态，并将代表系统状态的特征参数提取出来存入系统特征参数库；状态评价模块通过调用系统特征参数库对设备状态进行评价，将评价结果存入系统故障库；状态评价利用设备运行参数、状态监测参数和故障统计参数，实现不同层次系统或设备的状态评价；
如果评价结果认为设备状态差，需要故障诊断，即调用故障树诊断模块对设备进行诊断，并将诊断结果输入文档或文件中；通过FMEA模块对设备进行故障模式及后果分析，将分析结果存入FMEA分析结果数据库；故障树构造模块从FMEA分析结果库中调用FMEA结果，利用FMEA结果构造故障树，然后将构造好的故障树存入故障树模型库，供故障树诊断模块调用；
(1)FMEA模块
(1.1)设备功能划分
按照EH油系统功能进行设备划分，确定分析层次，并按层次将设备功能数
据存入FMEA数据库；
(1.2)故障模式分析
根据组态王监测到的EH油站设备外在故障表现形式，可以将故障模式大致分为七种类型，有损坏型故障模式，退化型故障模式，脱落型故障模式，失调型故障模式，堵塞或渗漏型故障模式，功能型故障模式，其他模式；
(1.3)故障原因及后果分析
考虑可能导致EH油系统或单元故障的物理、化学、生物、机械过程等原因，找到原因，更好的预防故障的再次发生；考虑任务目标、维修要求，以及人员和设备安全性等方面，将故障后果分为以下四种类型：隐蔽性后果，安全性和环境性后果，使用性后果，非使用性后果；
(1.4)将EH油站的所有子系统功能故障的数据如编号，功能，故障模式以及后果影响等存入FMEA数据库。
(2)EH油站状态评价模块
(2.1)EH油站系统包括多个子系统；首先根据子系统特征状态参数评价各子系统的运行状态；然后由各子系统状态评价整个系统状态；
(2.2)特征参数的选取：以能反映系统状态的参数或参数处理结果作为评价调节系统状态的指标，称这些参数为系统状态特征参数；对于EH油站系统，表征其运行状态的参数主要有EH油泵振动幅值、EH油母管压力、EH油温、蓄能器气压、EH油箱油位和EH油酸性值；
(2.3)特征值归一化：评价系统状态的各特征参数统一规划到可以进行度量的无量纲[0,1]区间上，然后在同一度量尺度上进行相关的运算和取值；
(2.4)各特征参数表征的对应系统劣化度为：
xi＝(ai-a0)/(amax-a0)
式中，ai为特征参数实测值，amax为特征参数超限阈值，a0为特征参数正常时阈值；
(2.5)先计算各个子系统的劣化度，再次进行变权综合即可得到整个EH 油站系统的劣化度。
系统劣化度计算公式为：
式中，wij (0)为第i个子系统第j种状态特征参数常权重；xij为第i个子系统第j种状态特征参数表征的劣化度；xi为第i个子系统劣化度；α是系统常权重；
(2.6)故障模式与后果分析
根据EH油系统以及子系统不同的状态对应的劣化度范围，分别给予相应的设备状态评价和运行维修建议；
(3)故障树建造模块
(3.1)在FMEA模块基础之上选取故障系统最不希望发生的事件作为的顶事件，由顶事件出发，依据FMEA逐级找出各级事件全部可能的直接原因。
(3.2)对系统各级故障事件进行逻辑推理，建立该故障系统的故障树。
(3.3)当故障树建成后，从故障树的最下一级开始，逐级写出上级事件与下级事件的逻辑关系式，直到顶事件为止。并结合逻辑运算法做进一步分析运算，删除多余的事件；
(3.4)将建成的故障树存入故障树模型库中，供使用时调用；
(4)故障树诊断与分析模块
(4.1)在EH油站系统状态劣化的情况下，从状态评价模块结果选取代表各子系统状态的劣化参数；
(4.2)定性分析，求出故障树的全部最小割集，当割集的数量太多时，可以通过程序进行概率截断或割集阶截断；
(4.3)由最小割集求出故障树的布达尔表达式，不交化处理之后即为计算失效概率的公式；
(4.4)由最小割集计算顶事件发生概率；
(4.5)输入结构重要度、关键重要度，以及维修概率，并将计算结果存入故障树分析数据库；
(4.6)把全部基本事件按概率重要度由大到小进行排序，即基本事件的重要度顺序。
本发明的有益效果：对供油系统可能出现的故障进行诊断分析，在故障刚发生时或还未发生时给出相应的故障信息和维修建议，对保证供油系统运行的稳定性和安全性有着重要的意义。本发明使用了基于变权综合理论的故障诊断方法，该方法充分利用设备运行参数、状态特征参数和参数权重，可以实现不同层次系统及设备的状态评价，充分保障状态评价与故障诊断结果的的实时性与准确性。
故障信息的查询对于供油系统来说有十分重要的意义，而现有的EH油故障诊断装置组态王内置的历史数据库无法对运行中出现的故障信息进行相应的存储与调用，本发明考虑将故障信息记录到外部的数据库中，再通过组态王与外部数据库连接来进行数据传输，解决了数据存储与调用问题。
附图说明
图1为本发明所述的EH油站故障诊断结构图。
图2为本发明所述的FMEA模块流程图。
图3为本发明所述的状态评价模块流程图。
图4为本发明所述的故障树建造的流程图。
图5为本发明所述的故障树诊断与分析模块的流程图。
具体实施方式
为了将本发明的目的，技术方案和优点表达的更清晰明了，接下来将通过实施例和附图，对本发明做进一步的详尽的说明。
一种用于EH油站的基于故障树方法和变权综合理论的设备状态评价及故障诊断系统。包括设备数据采集及状态评价，根据状态评价对EH油站子系统依据故障树方法寻找具体故障部位。
参照图2，对EH油站进行故障后果分析的过程如下：
步骤1：将EH油系统按照功能进行层次划分，同一功能的设备划分为一个层次；
步骤2：对EH油站各个设备进行故障模式分析，依据设备的外在表现形式，共分为七种故障模式；
步骤3：对故障系统的故障原因分析，考虑可能导致EH油系统或单元故障的物理、化学、生物、机械过程等原因，找到故障原因；
步骤4：对故障系统的故障后果分析，考虑任务目标、维修要求，以及人员和设备安全性等方面，将故障后果分为以下四种类型：隐蔽性后果，安全性和环境性后果，使用性后果，非使用性后果；
步骤5：将EH油站各个子系统对应的系统代号、功能、故障模式、以及处理方案分别录入FMEA数据库；
参照图3，状态评价模块流程如下：
步骤6：状态评价模块中模型构造:块从FMEA结果库中得到系统故障征兆，从中抽取特征参数；
步骤7：建立一个可维护的特征参数显示界面，后将特征参数归一化，确定特征参数的权重，手动输入；
步骤8：从实时数据库中调用特征参数值，计算各特征参数的劣化度：
xi＝(ai-a0)/(amax-a0)
式中，ai为特征参数实测值，amax为特征参数超限阈值，a0为特征参数正常时阈值；
步骤9：计算子系统的劣化度，系统劣化度计算公式为：
式中，wij (0)为第i个子系统第j种状态特征参数常权重；xij为第i个子系统第j种状态特征参数表征的劣化度；xi为第i个子系统劣化度；α是系统常权重；
步骤10：由子系统劣化度，重复步骤9计算EH油站系统的劣化度；
步骤11：如果劣化度超标，将系统代码输入故障树诊断与分析结果库中；
步骤12：根据EH油系统以及子系统不同的状态对应的劣化度范围，分别给予相应的设备状态评价和运行维修建议；
参照图4，基于FMEA基础之上，故障树建造模块具体执行流程如下：
步骤13：在FMEA模块基础之上选取故障系统最不希望发生的事件作为的顶事件，由顶事件出发，依据FMEA逐级找出各级事件全部可能的直接原因；
步骤14：对系统各级故障事件进行逻辑推理，从这些功能故障中选出顶事件、中间事件和底事件组成一个故障到原因的故障树；
步骤15：当故障树建成后，从故障树的最下一级开始，逐级写出上级事件与下级事件的逻辑关系式，直到顶事件为止；
步骤16：并结合逻辑运算法做进一步分析运算，删除多余的事件；
步骤17：将建成的故障树存入数据库中，供使用时调用；
参照图5，故障树诊断与分析模块流程如下：
步骤18：依据状态评价模块结果选取代表各子系统状态的劣化参数；
步骤19：将特征参数传入劣化系统代码然后再进入故障树诊断系统，故障树诊断模块调用劣化系统代码；
步骤20：从数据库中调用已建好的故障树；
步骤21：建立故障树的数学模型，这样将故障树数字化，从而可以通过程序对之分析；
步骤22：调用程序进行定性分析，求出故障树的全部最小割集，当割集的数量太多时，可以通过程序进行概率截断或割集阶截断；
步骤23：调用程序进行定量分析，由最小割集求出故障树的布达尔表达式，不交化处理之后即为计算失效概率的公式；
步骤24：由最小割集计算顶事件发生概率；
步骤25：输入结构重要度、关键重要度，以及维修概率，计算出故障概率存入故障树分析结果库中。
Claims (1)
1.一种EH油站基于状态评价的故障诊断系统，其特征在于，该故障诊断系统分为FMEA模块、EH油站状态评价模块、故障树诊断与分析模块和故障树构造模块；每个模块都需要有相关的数据库支持，EH油站状态评价模块需要的DEH系统特征参数库，故障树诊断与分析模块需要的系统故障树库、故障树分析数据库、故障处理信息以及FMEA分析结果库；故障树构造模块需要故障树模型库；通过组态王实时监测EH油系统状态，并将代表系统状态的特征参数提取出来存入系统特征参数库；状态评价模块通过调用系统特征参数库对设备状态进行评价，将评价结果存入系统故障库；状态评价利用设备运行参数、状态监测参数和故障统计参数，实现不同层次系统或设备的状态评价；
如果评价结果认为设备状态差，需要故障诊断，即调用故障树诊断模块对设备进行诊断，并将诊断结果输入文档或文件中；通过FMEA模块对设备进行故障模式及后果分析，将分析结果存入FMEA分析结果数据库；故障树构造模块从FMEA分析结果库中调用FMEA结果，利用FMEA结果构造故障树，然后将构造好的故障树存入故障树模型库，供故障树诊断模块调用；
(1)FMEA模块
(1.1)设备功能划分
按照EH油系统功能进行设备划分，确定分析层次，并按层次将设备功能数据存入FMEA数据库；
(1.2)故障模式分析
根据组态王监测到的EH油站设备外在故障表现形式，将故障模式分为七种类型：损坏型故障模式、退化型故障模式、脱落型故障模式、失调性故障模式、堵塞或渗漏型故障模式、功能型故障模式和其他模式；
(1.3)故障原因及后果分析
考虑可能导致EH油系统或单元故障的原因，找到原因，更好的预防故障的再次发生；将故障后果分为以下四种类型：隐蔽性后果，安全性和环境性后果，使用性后果，非使用性后果；
(1.4)将EH油站的所有子系统功能故障的数据存入FMEA数据库，数据包括编号，功能，故障模式以及后果影响；
(2)EH油站状态评价模块
(2.1)EH油站系统包括多个子系统；首先根据子系统特征状态参数评价各子系统的运行状态；然后由各子系统状态评价整个系统状态；
(2.2)特征参数的选取：以能反映系统状态的参数或参数处理结果作为评价调节系统状态的指标，称这些参数为系统状态特征参数；对于EH油站系统，表征其运行状态的参数主要有EH油泵振动幅值、EH油母管压力、EH油温、蓄能器气压、EH油箱油位和EH油酸性值；
(2.3)特征值归一化：评价系统状态的各特征参数统一规划到进行度量的无量纲[0,1]区间上，然后在同一度量尺度上进行相关的运算和取值；
(2.4)各特征参数表征的对应系统劣化度为：
xi＝(ai-a0)/(amax-a0)
式中，ai为特征参数实测值，amax为特征参数超限阈值，a0为特征参数正常时阈值；
(2.5)先计算各个子系统的劣化度，再次进行变权综合即得到整个EH油站系统的劣化度；
系统劣化度计算公式为：
式中，wij (0)为第i个子系统第j种状态特征参数常权重；xij为第i个子系统第j种状态特征参数表征的劣化度；xi为第i个子系统劣化度；α是系统常权重；
(2.6)故障模式与后果分析
根据EH油系统以及子系统不同的状态对应的劣化度范围，分别给予相应的设备状态评价和运行维修建议；
(3)故障树建造模块
(3.1)在FMEA模块基础之上选取故障系统最不希望发生的事件作为的顶事件，由顶事件出发，依据FMEA逐级找出各级事件全部可能的直接原因；
(3.2)对系统各级故障事件进行逻辑推理，建立该故障系统的故障树；
(3.3)当故障树建成后，从故障树的最下一级开始，逐级写出上级事件与下级事件的逻辑关系式，直到顶事件为止；并结合逻辑运算法做进一步分析运算，删除多余的事件；
(3.4)将建成的故障树存入故障树模型库中，供使用时调用；
(4)故障树诊断与分析模块
(4.1)在EH油站系统状态劣化的情况下，从状态评价模块结果选取代表各子系统状态的劣化参数；
(4.2)定性分析，求出故障树的全部最小割集，当割集的数量太多时，可以通过程序进行概率截断或割集阶截断；
(4.3)由最小割集求出故障树的布达尔表达式，不交化处理之后即为计算失效概率的公式；
(4.4)由最小割集计算顶事件发生概率；
(4.5)输入结构重要度、关键重要度，以及维修概率，并将计算结果存入故障树分析数据库；
(4.6)把全部基本事件按概率重要度由大到小进行排序，即基本事件的重要度顺序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367683.6A CN112417700B (zh) | 2020-11-27 | 2020-11-27 | Eh油站基于状态评价的故障诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011367683.6A CN112417700B (zh) | 2020-11-27 | 2020-11-27 | Eh油站基于状态评价的故障诊断系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112417700A true CN112417700A (zh) | 2021-02-26 |
| CN112417700B CN112417700B (zh) | 2024-03-22 |
Family
ID=74828889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011367683.6A Active CN112417700B (zh) | 2020-11-27 | 2020-11-27 | Eh油站基于状态评价的故障诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112417700B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115015697A (zh) * | 2022-08-09 | 2022-09-06 | 中国电力科学研究院有限公司 | 一种新能源的宽频振荡扰动源定位方法及系统 |
| CN115065289A (zh) * | 2022-07-28 | 2022-09-16 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于转子磁极缺陷的协同检修方法及系统 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
| CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
| CN104932481A (zh) * | 2015-05-22 | 2015-09-23 | 中国石油化工股份有限公司 | 一种炼油化工设备故障管控及检维修优化系统 |
| CN106843056A (zh) * | 2017-02-28 | 2017-06-13 | 大连理工大学 | 一种地铁运营中心车辆远程视频监控通道的切换方法 |
| CN110175359A (zh) * | 2019-04-23 | 2019-08-27 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于业务流程的复杂系统安全性建模方法及装置 |
-
2020
- 2020-11-27 CN CN202011367683.6A patent/CN112417700B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
| CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
| CN104932481A (zh) * | 2015-05-22 | 2015-09-23 | 中国石油化工股份有限公司 | 一种炼油化工设备故障管控及检维修优化系统 |
| CN106843056A (zh) * | 2017-02-28 | 2017-06-13 | 大连理工大学 | 一种地铁运营中心车辆远程视频监控通道的切换方法 |
| CN110175359A (zh) * | 2019-04-23 | 2019-08-27 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于业务流程的复杂系统安全性建模方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 李东;: "基于故障树分析和模糊综合评判的某雷达故障诊断方法", 计算机测量与控制, no. 04, 30 April 2007 (2007-04-30), pages 496 - 497 * |
| 杨楠;顾煜炯;孙树民;王仲;: "汽轮机故障链诊断与评估方法研究", 自动化仪表, no. 12, 31 December 2019 (2019-12-31), pages 14 - 19 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115065289A (zh) * | 2022-07-28 | 2022-09-16 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于转子磁极缺陷的协同检修方法及系统 |
| CN115065289B (zh) * | 2022-07-28 | 2023-04-07 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种基于转子磁极缺陷的协同检修方法及系统 |
| CN115015697A (zh) * | 2022-08-09 | 2022-09-06 | 中国电力科学研究院有限公司 | 一种新能源的宽频振荡扰动源定位方法及系统 |
| CN115015697B (zh) * | 2022-08-09 | 2022-10-11 | 中国电力科学研究院有限公司 | 一种新能源的宽频振荡扰动源定位方法及系统 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112417700B (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112417700A (zh) | Eh油站基于状态评价的故障诊断系统 | |
| CN106444703B (zh) | 基于故障模式发生概率的动设备运行状态模糊评价及预测方法 | |
| CN107358366B (zh) | 一种配电变压器故障风险监测方法及系统 | |
| CN101950382B (zh) | 一种带有风险控制的液压设备最优维修计算方法 | |
| US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
| US6981182B2 (en) | Method and system for analyzing fault and quantized operational data for automated diagnostics of locomotives | |
| CN107944090B (zh) | 基于关键部件失效模型的燃气轮机系统性能预测方法 | |
| US20050060323A1 (en) | Diagnosis of equipment failures using an integrated approach of case based reasoning and reliability analysis | |
| WO2006123971A2 (en) | Deterministic-probabilistic safety analysis and evaluation method and system | |
| US20140324520A1 (en) | Method for deterministic safety analysis in non-stationary high risk system, control method and control system using thereof | |
| US20220341996A1 (en) | Method for predicting faults in power pack of complex equipment based on a hybrid prediction model | |
| CN116226469B (zh) | 一种储能设备故障的智能诊断方法及系统 | |
| CN112906764A (zh) | 基于改进bp神经网络的通信安全设备智能诊断方法及系统 | |
| CN117609836A (zh) | 一种综合模块的电磁敏感预测与健康管理方法 | |
| CN117194995A (zh) | 基于数据挖掘的轨道车辆rams数据关联性分析方法 | |
| Boring et al. | Integration of Human Reliability Analysis Models into the Simulation-Based Framework for the Risk-Informed Safety Margin Characterization Toolkit | |
| CN114688926A (zh) | 一种运载火箭健康检测验证评估系统和方法 | |
| CN117523793A (zh) | 一种电厂设备故障预警方法和计算机设备 | |
| CN115729761B (zh) | 一种硬盘故障预测方法、系统、设备及介质 | |
| CN114528314B (zh) | 一种工程建设项目监管系统及方法 | |
| CN115964883A (zh) | 一种无人艇的状态监测与维修保障系统 | |
| CN113757223B (zh) | 液压部件可靠性分析方法和系统、计算机装置和存储介质 | |
| CN114897262A (zh) | 一种基于深度学习的轨道交通设备故障预测方法 | |
| Samigulina et al. | Development of industrial equipment diagnostics system based on modified algorithms of artificial immune systems and AMDEC approach using schneider electric equipment | |
| Najar et al. | Comparative Machine Learning Study for Estimating Peak Cladding Temperature in AP1000 Under LOFW |
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 |