CN112948996B - 基于故障树与改进层次分析法的刀盘故障风险分析方法 - Google Patents
基于故障树与改进层次分析法的刀盘故障风险分析方法 Download PDFInfo
- Publication number
- CN112948996B CN112948996B CN202110166820.8A CN202110166820A CN112948996B CN 112948996 B CN112948996 B CN 112948996B CN 202110166820 A CN202110166820 A CN 202110166820A CN 112948996 B CN112948996 B CN 112948996B
- Authority
- CN
- China
- Prior art keywords
- risk
- probability
- fault
- event
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 119
- 230000008569 process Effects 0.000 title claims abstract description 32
- 238000012502 risk assessment Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 90
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 27
- 230000005641 tunneling Effects 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 12
- 238000009430 construction management Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000011435 rock Substances 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000005299 abrasion Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000005336 cracking Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000005755 formation reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9027—Trees
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/04—Manufacturing
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Devices For Executing Special Programs (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
Abstract
本发明提出了一种基于故障树与改进层次分析法的刀盘故障风险分析方法,步骤为:对刀盘故障原因分析建立TBM刀盘故障的故障树;根据专家评分估算故障树中每个风险因素的发生概率;根据故障树中的逻辑关系,通过各底事件的风险因素的发生概率计算出中间事件故障的发生概率,并对发生概率进行评级得到概率评分;建立中间事件故障的相对重要性矩阵;运用改进的层次分析法计算出各中间事件故障风险的权重值,并对权重值进行评分得到影响评分;建立风险评价矩阵,依据风险评价矩阵评定故障风险等级。本发明能够结合现场维保专家经验,充分考虑各种风险因素,对故障发生可能性与故障发生的危险性程度进行综合评价,使分析结果更加准确合理。
Description
技术领域
本发明涉及全断面隧道掘进装备刀盘故障风险评估的技术领域,尤其涉及一种基于故障树与改进层次分析法的刀盘故障风险分析方法。
背景技术
全断面隧道掘进装备作为一种隧洞快速施工的先进设备,其最大的优点就是快速、优质、安全和经济,尤其相较传统钻爆法具有无可比拟的掘进速度,在中国日益重视开发利用地下空间的今天,具有十分广阔的市场前景。全断面隧道掘进装备刀盘直接作用于掌子面之上进行破岩/土,在与岩土体相互作用过程中很容易发生故障,从而造成工期延误和经济损失。通过对全断面隧道掘进装备在施工阶段潜在的风险及其后果进行预测与评价,并针对每一个风险采取相应的措施,更加系统地管理设备,最大限度地减少全断面隧道掘进装备再施工过程中的各种不确定性。因此,针对全断面隧道掘进装备刀盘故障进行综合分析与评估,是一项具有实用意义的工作。
中国专利申请号为201710226479.4的一种盾构刀盘及驱动系统多态动态可靠性评估方法,运用多态动态故障树-动态贝叶斯网相结合的模型,解决盾构机刀盘及驱动系统动态可靠性分析无法利用基本事件失效数据和实时观测数据,同时考虑事件的多态性、动态性和相依性的问题,为盾构维修决策提供更为准确的信息,降低施工风险。该方法仅可依据基本事件失效统计数据进行定量推理,但是不能充分利用盾构现场维保专家丰富的维修经验进行定性分析。
发明内容
针对现有刀盘故障风险分析方法考虑风险因素不全面、未能有效利用现场维保专家所积累的丰富经验的的技术问题,本发明提出一种基于故障树与改进层次分析法的刀盘故障风险分析方法,对TBM刀盘故障风险进行定性与定量相结合的综合分析,将刀盘故障风险划分为三个层次多种子风险,并分析引起风险发生的地质因素、施工因素以及设计因素等风险因素,分析更为全面;最终对风险发生概率和风险发生后的影响进行综合评价,使评价结果更为合理。
为了达到上述目的,本发明的技术方案是这样实现的:一种基于故障树与改进层次分析法的刀盘故障风险分析方法,其步骤如下:
步骤一:通过对刀盘故障原因分析,建立TBM刀盘故障的故障树,其中,所述故障树中包含可能发生的故障以及可能引起故障的风险因素;
步骤二:根据专家评分估算故障树中每个风险因素的发生概率;
步骤三:根据故障树中的逻辑关系,通过各底事件的风险因素的发生概率计算出中间事件故障的发生概率,并对发生概率进行评级得到概率评分;
步骤四:根据故障树中的层次结构关系,建立中间事件故障的相对重要性矩阵,用于评价故障风险的权重值或相对重要性;
步骤五,运用改进的层次分析法计算出各中间事件故障风险的权重值,并对权重值进行评分得到影响评分;
步骤六,根据步骤三得到的概率评分和步骤五得到的影响评分建立风险评价矩阵,依据风险评价矩阵评定故障风险等级。
所述故障树的顶事件、一级中间事件和二级中间事件为故障类别,一级底事件和二级底事件为引起故障发生的风险因素。
所述一级中间事件之间、二级中间事件之间、一级底事件之间、二级底事件之间皆为“或”的逻辑关系。
所述故障树的顶事件为刀盘故障,刀盘故障T1包括一级中间事件:面板故障A1和刀具故障A2;
所述一级中间事件的面板故障A1包括二级中间事件:面板变形开裂B1、面板磨损B2、面板结泥饼B3和刀盘转动困难B4;所述一级中间事件的刀具故障A2包括二级中间事件:刀具损坏B5和刀具严重偏磨B6。
所述二级中间事件的面板变形开裂B1包括一级底事件:地层坚硬X1、不良地质条件X2、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的面板磨损B2包括一级底事件:地质因素C1、刀盘选型不合理X3、施工管理不当X4;所述一级底事件的地质因素C1包括二级底事件:地层坚硬X1、软硬相间岩层X5、地层较软或黏性大X6;所述二级中间事件的面板结泥饼B3包括一级底事件:地层较软且黏性较大X6、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的刀盘转动困难B4包括一级底事件:断层等的不良地质条件X2、地下异物X7、滚刀磨损量大X8、液压系统故障C2、电气系统故障X12;所述二级中间事件的刀具损坏B5包括一级底事件:不良地质条件X2、地下异物X7、盾构机因素C3、设备参数选取不合理X15;所述二级中间事件的刀具严重偏磨B6包括一级底事件:不良地质条件X2、地下异物X7、设备参数选取不合理X15、刀具质量C4、未及时检查更换刀具X20、不具备开仓换刀条件X21;
所述一级底事件的液压系统故障C2包括二级底事件:泵故障X9、油温过高X11、无法推进X10;所述一级底事件的盾构机因素C3包括二级底事件:刀盘喷水损坏X13、掘进姿态调整过大X14;所述一级底事件刀具质量C4包括二级底事件:装配扭矩过大X16、刀具螺栓断裂X17、滚刀结构设计不合理X18、滚刀轴承损坏X19。
所述步骤二中专家评分的概率得分分别为1、2、3、4、5分,概率得分1、2、3、4、5分分别对应的概率区间为:0%-10%、11-30%、31-50%、51-80%、80%-100%,发生概率取每个概率区间的中值;
所述步骤三中根据故障树的逻辑关系,由故障树的底事件风险因素的概率计算上层中间事件故障的概率,并根据概率区间与专家评分概率得分的对应关系确定直接原因事件故障的发生概率;即含有二级底事件的一级底事件的风险因素的发生概率通过其相应二级底事件的风险因素的发生概率计算,二级中间事件的风险因素的概率是通过其相应的一级底事件的风险因素的发生概率计算,一级中间事件的风险因素的概率是通过二级中间事件的风险因素的发生概率计算;
在发生任何风险因素或故障风险时,“或”逻辑的风险概率为:
其中,For是“或”逻辑的风险概率,F1、F2和Fn是风险因素或故障风险的概率,n是“或”逻辑中风险因素或故障风险的个数,Fi为第i个风险因素或故障风险的概率,下标i的范围为1至n,Π为求积符号。
所述步骤四中相对重要性矩阵采用成对比较法和1-9比较尺度法构建,风险权重评价分值表如表3所示,成对比较法把所有风险因素进行两两比较,1-9比较尺度法在进行两两比较时根据风险权重评价分值表给出风险权重分值aij,其中,风险权重分值aij从1-9取值,相对重要性矩阵A=(aij),且下标j的范围为1至n;
所述风险权重评价分值表为:
所述步骤五中计算各中间事件故障风险的权重值的方法包括:对相对重要性矩阵进行一致性检验;计算相对重要性矩阵的特征向量并进行归一化处理;归一化处理后的特征向量各分量的值即是各中间事件的权重值;参考权重值的最大值与最小值,建立五个连续的权重值区间,使各权重值均匀的分布在区间内,五个区间从小到大对应的影响评分依次为1-5级;
所述对相对重要性矩阵进行一致性检验的方法包括:计算不一致程度的指标CI,通过查表得到平均随机一致性指标RI;计算随机一致性比率当CR<0.10时,则相对重要性矩阵具有满意的一致性,否则,利用改进的层次分析法重新构建相对重要性矩阵;
所述计算相对重要性矩阵的特征向量的公式为:
β=(β1,β2,…,βk)z
其中,β为最大特征值对应的特征向量;βk表示特征向量β中的第k个元素;aij表示相对重要性矩阵A中第i行第j列的元素;λmax(A)为相对重要性矩阵A的最大特征值,Z表示转置符号;向量Aβ表示矩阵A与向量β的积,(Aβ)k表示向量Aβ中的第k个元素;
所述计算不一致程度的指标CI的公式为:
其中,λmax(A)为相对重要性矩阵A的最大特征值;n为矩阵阶数即风险因素的总个数;所述平均随机一致性指标RI与矩阵阶数n对应的关系表为
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
所述改进的层次分析法的步骤为:
(1)求解相邻矩阵C=(cij),其中:
(2)在所有的元素cij中,找出偏离1最大的i和j值分别记为t和l,对原相对重要性矩阵A中的元素atl和alt进行调整:
若元素atl>1,则atl′=atl-m,其中,m是小于atl的数值,m取值从0.5开始,依次调整,如若不满足一致性检验,则按照0.5的幅度增加,直至满足一致性检验为止;若atl<1,atl′=其中,m是整数,从1开始依次调整,若不满足一致性检验,则按照1的幅度增加,直至满足一致性检验为止;atl′为元素atl调整后的值;
(3)对调整后的相对重要性矩阵重复一致性检验的计算过程,直至一致性检验满足要求。
所述风险评价矩阵的行为影响评分、列为概率评分,风险评价矩阵中相应位置为风险发生后产生的影响评分与风险因素发生的概率评分的乘积,即
;根据风险评价矩阵将风险分为一级风险、二级风险、三级风险、四级风险四个等级,对应分值区间分别为1-5、6-9、10-16、17-25。
与现有技术相比,本发明的有益效果:能够结合现场维保专家经验,充分考虑各种风险因素,对故障发生可能性与故障发生的危险性程度进行综合评价,使分析结果更加准确合理。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中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得其他的附图。
图1为本发明的流程示意图。
图2为本发明故障树的总体构图。
图3为图2中面板故障的树形图。
图4为图2中刀具故障的树形图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种基于故障树与改进层次分析法的刀盘故障风险综合分析方法,包括以下步骤:
步骤一:通过对已有刀盘故障原因调查分析,建立TBM刀盘故障的故障树,其中,所述故障树中包含可能发生的故障风险以及可能引起故障风险的风险因素。
故障树是一种将系统故障形成的原因由总体至部分按树枝状逐级细化的方法,其目的是判明基本故障,确定故障的原因、影响和发生概率。故障树分析就是首先选定某一影响最大的系统故障作为顶事件,然后将造成系统故障的原因逐级分解为中间事件,直至把不能或不需要分解的基本事件作为底事件为止,这样就得到了一张树状逻辑图,称为故障树。
如图2所示,所述故障树的顶事件为刀盘故障,刀盘故障T1包括一级中间事件:面板故障A1和刀具故障A2。
如图3和图4所示,所述一级中间事件的面板故障A1包括二级中间事件:面板变形开裂B1、面板磨损B2、面板结泥饼B3和刀盘转动困难B4;所述一级中间事件的刀具故障A2包括二级中间事件:刀具损坏B5和刀具严重偏磨B6。
所述二级中间事件的面板变形开裂B1包括一级底事件:地层坚硬X1、不良地质条件X2、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的面板磨损B2包括一级底事件:地质因素C1、刀盘选型不合理X3、施工管理不当X4;所述一级底事件的地质因素C1包括二级底事件:地层坚硬X1、软硬相间岩层X5、地层较软或黏性大X6;所述二级中间事件的面板结泥饼B3包括一级底事件:地层较软且黏性较大X6、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的刀盘转动困难B4包括一级底事件:断层等的不良地质条件X2、地下异物X7、滚刀磨损量大X8、液压系统故障C2、电气系统故障X12;所述二级中间事件的刀具损坏B5包括一级底事件:不良地质条件X2、地下异物X7、盾构机因素C3、设备参数选取不合理X15;所述二级中间事件的刀具严重偏磨B6包括一级底事件:不良地质条件X2、地下异物X7、设备参数选取不合理X15、刀具质量C4、未及时检查更换刀具X20、不具备开仓换刀条件X21。
所述一级底事件的液压系统故障C2包括二级底事件:泵故障X9、油温过高X11、无法推进X10;所述一级底事件的盾构机因素C3包括二级底事件:刀盘喷水损坏X13、掘进姿态调整过大X14;所述一级底事件刀具质量C4包括二级底事件:装配扭矩过大X16、刀具螺栓断裂X17、滚刀结构设计不合理X18、滚刀轴承损坏X19。
所述故障树的顶事件、一级中间事件和二级中间事件为故障类别,一级底事件和二级底事件为引起故障发生的风险因素。
所述一级中间事件之间、二级中间事件之间、一级底事件之间、二级底事件之间皆为“或”的逻辑关系。
步骤二:根据专家评分估算故障树中每个风险因素的发生概率。
专家评分的概率得分分别为1、2、3、4、5分,5个概率得分分别对应的概率区间为:0%-10%、11-30%、31-50%、51-80%、80%-100%,如表1的风险概率评分表所示;根据专家评分估算发生概率时,取每个概率区间的中值。
表1风险概率评分表
步骤三:根据故障树中的逻辑关系,通过各底事件的风险因素的发生概率计算出中间事件故障的发生概率,并对发生概率进行评级得到概率评分。
所述根据故障树的逻辑关系,由故障树的底事件风险因素的概率计算上层中间事件故障的概率,并根据表1中的概率区间与专家评分概率得分的对应关系评定直接原因事件故障的概率评分。即含有二级底事件的一级底事件的风险因素的概率是通过其相应二级底事件的风险因素的概率计算的,二级中间事件的风险因素的概率是通过其相应的一级底事件的风险因素的概率计算的,一级中间事件的风险因素的概率是通过二级中间事件的风险因素的概率计算的。
and逻辑的概率的计算公式为:
or逻辑是在发生任何风险因素时创建风险的逻辑门类,可以使用下面的公式计算:
其中,Fand和For分别是and逻辑和or逻辑的风险概率。F1、F2和Fn是风险因素或故障风险的概率,n是and逻辑和or逻辑中风险因素或故障风险的个数。Fi为第i个风险因素或故障风险的概率,下标i的范围为1至n,Π为求积符号。
发生概率计算过程与结果如表2所示,具体的实现方法为:
1)对二级底事件或一级底事件进行专家评分并根据表1将评分转化为发生概率。
一级底事件和二级底事件为故障发生的风险因素,当故障树最底端为二级底事件时,对二级底事件进行评分,将评分转化为概率后根据式(2)计算一级底事件的发生概率;当故障树最底端为一级底事件时,直接对一级底事件进行评分,再将评分转化为发生概率。
2)根据一级底事件的发生概率由式(2)计算二级中间事件的发生概率。
例如:二级中间事件的面板变形开裂B1由地层坚硬X1、不良地质条件X2、刀盘选型不合理X3、施工管理不当X4四个风险因素引起,风险因素的发生概率分别为20%、20%、5%、5%,则面板变形开裂B1的发生概率为:1-(1-20%)×(1-20%)×(1-5%)×(1-5%)=1-0.8×0.8×0.95×0.95=0.4224=42.24%。
由计算得出的面板变形开裂B1发生概率对应表1中的概率区间为31-50%,从而对应的概率得分为3。
表2发生概率计算过程与结果
步骤四:根据故障树中的层次结构关系,建立中间事件故障风险的相对重要性矩阵,用于评价众多故障风险的权重值或相对重要性。
所述构造相对重要性矩阵的方法采用成对比较法和1-9比较尺度法,风险权重评价分值表如表3所示,成对比较法是指把所有风险因素进行两两比较,如表4所示,1-9比较尺度法是指在进行两两比较时根据表3所示的风险权重评价分值表给出风险权重分值aij,其中,风险权重分值aij从1-9取值,最终构造相对重要性矩阵A=(aij),且下标j的范围为1至n。
表3风险权重评价分值表
步骤五,运用改进的层次分析法计算出各中间事件故障风险的权重值,并对权重值进行评分得到影响评分。
所述改进的运用层次分析法计算各中间事件故障风险的权重值的方法包括:对所述相对重要性矩阵进行一致性检验;计算相对重要性矩阵的特征向量并进行归一化处理。
所述对相对重要性矩阵进行一致性检验的方法包括:计算不一致程度的指标CI,通过查表得到平均随机一致性指标RI;计算随机一致性比率当CR<0.10时,则相对重要性矩阵具有满意的一致性,否则,利用改进的层次分析法重新构建相对重要性矩阵。
所述计算相对重要性矩阵的特征向量的公式为:
β=(β1,β2,…,βk)z (4)
式中:β为最大特征值对应的特征向量;βk表示特征向量中的元素;aij表示相对重要性矩阵A中第i行第j列的元素;λmax(A)为相对重要性矩阵A的最大特征值。Z表示转置符号。
即当求特征向量β中的第一个元素β1时,公式中分子仅对相对重要性矩阵A的第一行元素进行累加,/>以此类推,求元素β2时公式中分子仅对相对重要性矩阵A的第二行元素进行累加,/>βk表示特征向量β中的第k个元素,Aβ表示矩阵A与向量β的积,为一个向量,(Aβ)k表示该向量Aβ中的第k个元素。
权重向量是层次分析法中的概念,是标准化归一化处理后的特征向量,标准化归一化处理是线性代数中的基础算法,向量经过标准化归一化后,所有元素之和为1。
所述计算不一致程度的指标CI的公式为:
式中:CI为不一致程度的指标;λmax(A)为相对重要性矩阵A的最大特征值;n为相对重要性矩阵A的阶数,相对重要性矩阵是由各风险因素通过两两对比而来,风险因素个数等同于矩阵阶数。平均随机一致性指标RI只与矩阵阶数n有关,可以通过表4查表得到:
表4平均随机一致性指标RI与矩阵阶数n对应的关系表
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.51 |
计算随机一致性比率公式如下:
当CR<0.10时,则相对重要性矩阵A具有满意的一致性,则继续进行权重值的计算。当CR>0.10时,则利用改进的层次分析法按照如下步骤对相对重要性矩阵进行改进。通过两两比较构建的构造矩阵不能满足一致性要求时,通过改进的层次分析法对原构造矩阵进行改进。
改进的层次分析法的步骤如下所示:
(1)求解相邻矩阵C=(cij),其中:
(2)在所有的元素cij中,找出偏离1最大的i和j值记为t,l,对原相对重要性矩阵A中的元素atl和alt进行调整。
(3)若atl>1,则atl′=atl-m,其中,m是小于atl的数值,可为整数或者小数,m取值可从0.5开始,依次调整,如若不满足后续一致性检验,则按照0.5的幅度增加,直至满足一致性检验为止;若atl<1,其中,m是整数,从1开始,依次调整,如若不满足后续一致性检验,则按照1的幅度增加,直至满足一致性检验为止;atl′为元素atl调整后的值。
整体来讲,m的选择目的是适当微调矩阵中某些元素的大小,从而使矩阵具有满意的一致性,在实际操作中通过不断尝试选取m的值。
(4)对调整后的相对重要性矩阵重复步骤五的一致性检验的计算过程,直至一致性检验满足要求。
所述归一化处理后的权重向量各分量的值即是各中间事件的权重值;参考权重值的最大值与最小值,建立五个连续的权重值区间,使各权重值均匀的分布在区间内,五个区间从小到大对应的影响评分依次为1-5级,得到的影响评分就是故障发生后的后果严重程度。
步骤六,根据步骤三得到的概率评分和步骤五得到的影响评分建立风险评价矩阵,依据风险评价矩阵评定故障风险等级。
所述风险评价矩阵横轴为影响评分,纵轴为概率评分,风险评价矩阵中相应位置为风险发生后产生的影响评分与风险因素发生的概率评分的乘积。根据所述风险评价矩阵将风险分为一级风险、二级风险、三级风险、四级风险四个等级,对应分值区间分别为1-5、6-9、10-16、17-25,具体如表5所示。
表5风险评价矩阵
具体实例中,根据表3风险权重评价分值表,通过两两比较建立二级中间事件的相对重要性矩阵,如表6所示。
表6两两比较的结果
/>
根据表6中两两比较的结果,得到相对重要性矩阵为
计算相对重要性矩阵A的最大特征值为:λmax(A)=6.51;最大特征值对应的特征向量为:β=(-0.861,-0.925,-0.925,-0.871,-0.871,-0.087)z。
计算随机一致性比率,判断矩阵是否具有满意的一致性:通过计算得出: 通过查表5可知RI=1.24,/>所以相对重要性矩阵A具有满意的一致性。
将特征向量β进行归一化得到β=(0.190,0.204,0.204,0.192,0.192,0.018)z,归一化的特征向量可以作为重要性分析的权重向量,从向量各元素的值可以看出最大值为0.204,最小值为0.018,于是建立权重区间与评分等级对照表如下:
权重区间 | 评分 |
(0.21,0.17) | 5 |
(0.17,0.13) | 4 |
(0.13,0.09) | 5 |
(0.09,0.05) | 2 |
(0.05,0.01) | 1 |
根据权重向量元素值所在区间及对应评分得出各二级中间事件的评分如下:
将每个二级中间事件的概率评分和影响评分相乘得出综合评价分数,并划分风险等级:
二级中间事件 | 概率得分 | 影响评分 | 综合评分 | 风险等级 |
面板变形、开裂 | 3 | 5 | 15 | 三级风险 |
面板磨损 | 4 | 5 | 20 | 四级风险 |
结泥饼 | 2 | 5 | 10 | 三级风险 |
刀盘转动困难 | 5 | 5 | 25 | 四级风险 |
刀具损坏 | 4 | 5 | 20 | 四级风险 |
刀具严重偏磨 | 4 | 1 | 4 | 一级风险 |
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,其步骤如下:
步骤一:通过对刀盘故障原因分析,建立TBM刀盘故障的故障树,其中,所述故障树中包含可能发生的故障以及可能引起故障的风险因素;
所述故障树的顶事件、一级中间事件和二级中间事件为故障类别,一级底事件和二级底事件为引起故障发生的风险因素;
所述一级中间事件之间、二级中间事件之间、一级底事件之间、二级底事件之间皆为“或”的逻辑关系;
步骤二:根据专家评分估算故障树中每个风险因素的发生概率;
步骤三:根据故障树中的逻辑关系,通过各底事件的风险因素的发生概率计算出中间事件故障的发生概率,并对发生概率进行评级得到概率评分;
步骤四:根据故障树中的层次结构关系,建立中间事件故障的相对重要性矩阵,用于评价故障风险的权重值或相对重要性;
步骤五:运用改进的层次分析法计算出各中间事件故障风险的权重值,并对权重值进行评分得到影响评分;
所述步骤五中计算各中间事件故障风险的权重值的方法包括:对相对重要性矩阵进行一致性检验;计算相对重要性矩阵的特征向量并进行归一化处理;归一化处理后的特征向量各分量的值即是各中间事件的权重值;参考权重值的最大值与最小值,建立五个连续的权重值区间,使各权重值均匀的分布在区间内,五个区间从小到大对应的影响评分依次为1-5级;
所述对相对重要性矩阵进行一致性检验的方法包括:计算不一致程度的指标CI,通过查表得到平均随机一致性指标RI;计算随机一致性比率当CR<0.10时,则相对重要性矩阵具有满意的一致性,否则,利用改进的层次分析法重新构建相对重要性矩阵;
所述改进的层次分析法的步骤为:
(1)求解相邻矩阵C=(cij),其中:
(2)在所有的元素cij中,找出偏离1最大的i和j值分别记为t和l,对原相对重要性矩阵A中的元素atl和alt进行调整:
若元素atl>1,则atl′=atl-m,其中,m是小于atl的数值,m取值从0.5开始,依次调整,如若不满足一致性检验,则按照0.5的幅度增加,直至满足一致性检验为止;若atl<1, 其中,m是整数,从1开始依次调整,若不满足一致性检验,则按照1的幅度增加,直至满足一致性检验为止;atl′为元素atl调整后的值;
(3)对调整后的相对重要性矩阵重复一致性检验的计算过程,直至一致性检验满足要求;
步骤六:根据步骤三得到的概率评分和步骤五得到的影响评分建立风险评价矩阵,依据风险评价矩阵评定故障风险等级。
2.根据权利要求1所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述故障树的顶事件为刀盘故障,刀盘故障T1包括一级中间事件:面板故障A1和刀具故障A2;
所述一级中间事件的面板故障A1包括二级中间事件:面板变形开裂B1、面板磨损B2、面板结泥饼B3和刀盘转动困难B4;所述一级中间事件的刀具故障A2包括二级中间事件:刀具损坏B5和刀具严重偏磨B6。
3.根据权利要求2所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述二级中间事件的面板变形开裂B1包括一级底事件:地层坚硬X1、不良地质条件X2、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的面板磨损B2包括一级底事件:地质因素C1、刀盘选型不合理X3、施工管理不当X4;所述一级底事件的地质因素C1包括二级底事件:地层坚硬X1、软硬相间岩层X5、地层软或黏性大X6;所述二级中间事件的面板结泥饼B3包括一级底事件:地层软或黏性大X6、刀盘选型不合理X3、施工管理不当X4;所述二级中间事件的刀盘转动困难B4包括一级底事件:不良地质条件X2、地下异物X7、滚刀磨损量大X8、液压系统故障C2、电气系统故障X12;所述二级中间事件的刀具损坏B5包括一级底事件:不良地质条件X2、地下异物X7、盾构机因素C3、设备参数选取不合理X15;所述二级中间事件的刀具严重偏磨B6包括一级底事件:不良地质条件X2、地下异物X7、设备参数选取不合理X15、刀具质量C4、未及时检查更换刀具X20、不具备开仓换刀条件X21;
所述一级底事件的液压系统故障C2包括二级底事件:泵故障X9、油温过高X11、无法推进X10;所述一级底事件的盾构机因素C3包括二级底事件:刀盘喷水损坏X13、掘进姿态调整过大X14;所述一级底事件刀具质量C4包括二级底事件:装配扭矩过大X16、刀具螺栓断裂X17、滚刀结构设计不合理X18、滚刀轴承损坏X19。
4.根据权利要求2或3所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述步骤二中专家评分的概率得分分别为1、2、3、4、5分,概率得分1、2、3、4、5分分别对应的概率区间为:0%-10%、11-30%、31-50%、51-80%、80%-100%,发生概率取每个概率区间的中值;
所述步骤三中根据故障树的逻辑关系,由故障树的底事件风险因素的概率计算上层中间事件故障的概率,并根据概率区间与专家评分概率得分的对应关系确定直接原因事件故障的发生概率;即含有二级底事件的一级底事件的风险因素的发生概率通过其相应二级底事件的风险因素的发生概率计算,二级中间事件的风险因素的概率是通过其相应的一级底事件的风险因素的发生概率计算,一级中间事件的风险因素的概率是通过二级中间事件的风险因素的发生概率计算;
在发生任何风险因素或故障风险时,“或”逻辑的风险概率为:
其中,For是“或”逻辑的风险概率,F1、F2和Fn是风险因素或故障风险的概率,n是“或”逻辑中风险因素或故障风险的个数,Fi为第i个风险因素或故障风险的概率,下标i的范围为1至n,Π为求积符号。
5.根据权利要求4所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述步骤四中相对重要性矩阵采用成对比较法和1-9比较尺度法构建,成对比较法把所有风险因素进行两两比较,1-9比较尺度法在进行两两比较时根据风险权重评价分值表给出风险权重分值aij,其中,风险权重分值aij从1-9取值,相对重要性矩阵A=(aij),且下标j的范围为1至n;
所述风险权重评价分值表为:
6.根据权利要求5所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述计算相对重要性矩阵的特征向量的公式为:
β=(β1,β2,…,βk)z
其中,β为最大特征值对应的特征向量;βk表示特征向量β中的第k个元素;aij表示相对重要性矩阵A中第i行第j列的元素;λmax(A)为相对重要性矩阵A的最大特征值,Z表示转置符号;向量Aβ表示矩阵A与向量β的积,(Aβ)k表示向量Aβ中的第k个元素;
所述计算不一致程度的指标CI的公式为:
其中,λmax(A)为相对重要性矩阵A的最大特征值;n为矩阵阶数即风险因素的总个数;
所述平均随机一致性指标RI与矩阵阶数n对应的关系表为
。
7.根据权利要求1或6所述的基于故障树与改进层次分析法的刀盘故障风险分析方法,其特征在于,所述风险评价矩阵的行为影响评分、列为概率评分,风险评价矩阵中相应位置为风险发生后产生的影响评分与风险因素发生的概率评分的乘积,即
;
根据风险评价矩阵将风险分为一级风险、二级风险、三级风险、四级风险四个等级,对应分值区间分别为1-5、6-9、10-16、17-25。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110166820.8A CN112948996B (zh) | 2021-02-05 | 2021-02-05 | 基于故障树与改进层次分析法的刀盘故障风险分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110166820.8A CN112948996B (zh) | 2021-02-05 | 2021-02-05 | 基于故障树与改进层次分析法的刀盘故障风险分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112948996A CN112948996A (zh) | 2021-06-11 |
CN112948996B true CN112948996B (zh) | 2023-07-25 |
Family
ID=76243016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110166820.8A Active CN112948996B (zh) | 2021-02-05 | 2021-02-05 | 基于故障树与改进层次分析法的刀盘故障风险分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112948996B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919186B (zh) * | 2021-12-14 | 2022-03-18 | 中国民航大学 | 基于事件树的飞行超限事件综合后果严重性的计算方法 |
CN116226753A (zh) * | 2023-03-14 | 2023-06-06 | 北京利久医药科技有限公司 | 一种用于评估临床试验风险的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012008744A (ja) * | 2010-06-23 | 2012-01-12 | Inst Nuclear Energy Research Rocaec | 原子力発電プラント用コンピュータ支援トップ論理によるリスクの定量的評価方法。 |
CN105825342A (zh) * | 2016-03-22 | 2016-08-03 | 中国特种设备检测研究院 | 一种管道失效可能性评价方法及系统 |
CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地(常州)自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
WO2020071054A1 (ja) * | 2018-10-02 | 2020-04-09 | 株式会社日立製作所 | 故障要因優先度提示装置 |
Family Cites Families (8)
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 |
CN103440419B (zh) * | 2013-08-31 | 2016-09-07 | 中国科学院合肥物质科学研究院 | 一种基于故障树和层次分析法的可靠性分配系统及分配方法 |
CN107145634B (zh) * | 2017-04-09 | 2020-06-16 | 北京工业大学 | 一种盾构刀盘及驱动系统多态动态可靠性评估方法 |
CN108133311A (zh) * | 2017-12-14 | 2018-06-08 | 长春工程学院 | 一种风电机组故障模式风险评估及可靠性分析方法 |
CN109146293A (zh) * | 2018-08-28 | 2019-01-04 | 常州大学 | 一种基于“五标度法”的城市燃气管道风险评估方法 |
CN110163500B (zh) * | 2019-05-21 | 2023-07-18 | 重庆科技学院 | 一种基于模糊故障树的储油罐区火灾爆炸风险评估方法 |
CN110490433A (zh) * | 2019-07-30 | 2019-11-22 | 同济大学 | 一种列控系统风险评估方法 |
CN110889588A (zh) * | 2019-10-21 | 2020-03-17 | 铜陵学院 | 利用因子判断矩阵进行盾构隧道施工临近建筑物风险等级的评估方法 |
-
2021
- 2021-02-05 CN CN202110166820.8A patent/CN112948996B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012008744A (ja) * | 2010-06-23 | 2012-01-12 | Inst Nuclear Energy Research Rocaec | 原子力発電プラント用コンピュータ支援トップ論理によるリスクの定量的評価方法。 |
CN105825342A (zh) * | 2016-03-22 | 2016-08-03 | 中国特种设备检测研究院 | 一种管道失效可能性评价方法及系统 |
WO2020071054A1 (ja) * | 2018-10-02 | 2020-04-09 | 株式会社日立製作所 | 故障要因優先度提示装置 |
CN110221198A (zh) * | 2019-05-31 | 2019-09-10 | 天地(常州)自动化股份有限公司 | 基于故障树的煤矿井下组合开关故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
A Novel Transformer Fault Diagnosis Model Based on Integration of Fault Tree and Fuzzy Set;Kefei Zhang;《IEEE Xplore》;全文 * |
提梁机卷扬系统"溜钩"故障失效概率定量研究;陈炜;《现代制造工程.》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112948996A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112948996B (zh) | 基于故障树与改进层次分析法的刀盘故障风险分析方法 | |
CN112529341B (zh) | 一种基于朴素贝叶斯算法的钻井漏失机率预测方法 | |
EP2900913B1 (en) | System, method and computer program product for wellbore event modeling using rimlier data | |
WO2020125682A1 (zh) | 一种应用随钻数据计算岩石强度的方法和系统 | |
Li et al. | Incipient fault detection for geological drilling processes using multivariate generalized Gaussian distributions and Kullback–Leibler divergence | |
CN115063056B (zh) | 基于图拓扑分析改进的建造行为安全风险动态分析方法 | |
CN110889440A (zh) | 基于主成分分析和bp神经网络的岩爆等级预测方法及系统 | |
CN106127607A (zh) | 一种电力事故上下层级原因相关度的分析方法 | |
CN104281525A (zh) | 一种缺陷数据分析方法及利用其缩减软件测试项目的方法 | |
Bajolvand et al. | Optimization of controllable drilling parameters using a novel geomechanics-based workflow | |
CN112966355B (zh) | 基于深度学习的盾构机刀具剩余使用寿命预测方法 | |
CN117077729A (zh) | 基于lstm的轴向-周向耦合钻柱振动程度预测方法及装置 | |
Soares et al. | Enhancing reamer drilling performance in deepwater Gulf of Mexico Wells | |
CN115239108B (zh) | 一种基于tbm实时破岩数据的软弱破碎围岩感知方法 | |
Yang et al. | Probabilistic model of disc-cutter wear in TBM construction: A case study of Chaoer to Xiliao water conveyance tunnel in China | |
CN116432891A (zh) | 一种钻头应用效能的综合评估方法及系统 | |
CN114925771B (zh) | 一种影响盾构整机性能的关键部件识别方法 | |
CN114818493A (zh) | 一种隧道岩体完整程度定量评价的方法 | |
CN114382490A (zh) | 一种盾构机刀盘磨损评估预测方法 | |
Zou et al. | Evaluation of the total quality of tunnel contour using projection pursuit dynamic cluster method | |
Saini et al. | An automated physics-based workflow for identification and classification of drilling dysfunctions drives drilling efficiency and transparency for completion design | |
CN114970921A (zh) | 一种钻井遇阻卡严重度的预警方法及系统 | |
Fan et al. | Process monitoring based on probabilistic principal component analysis for drilling process | |
CN113657515B (zh) | 一种基于岩机敏感参量判识和改进fmc模型隧道围岩等级的分类方法 | |
CN116108587B (zh) | 一种考虑多源信息不确定性的tbm利用率预测方法 |
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 |