CN113743510A - 基于故障树分析的齿轮传动系统fmmea分析方法 - Google Patents
基于故障树分析的齿轮传动系统fmmea分析方法 Download PDFInfo
- Publication number
- CN113743510A CN113743510A CN202111041949.2A CN202111041949A CN113743510A CN 113743510 A CN113743510 A CN 113743510A CN 202111041949 A CN202111041949 A CN 202111041949A CN 113743510 A CN113743510 A CN 113743510A
- Authority
- CN
- China
- Prior art keywords
- fault
- analysis
- transmission system
- gear transmission
- failure
- 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.)
- Pending
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 96
- 238000004458 analytical method Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007246 mechanism Effects 0.000 claims abstract description 27
- 230000006872 improvement Effects 0.000 claims description 23
- 238000004451 qualitative analysis Methods 0.000 claims description 20
- 238000004445 quantitative analysis Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract description 12
- 238000011160 research Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 5
- 239000012528 membrane Substances 0.000 abstract description 3
- 238000011835 investigation Methods 0.000 abstract 1
- 239000010410 layer Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 238000001816 cooling Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000001050 lubricating effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000005461 lubrication Methods 0.000 description 3
- 239000003921 oil Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011058 failure modes and effects analysis Methods 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009347 mechanical transmission Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 210000001520 comb Anatomy 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种基于故障树分析的齿轮传动系统FMMEA分析方法,属于航空发动机分析技术领域。该方法以故障树分析与故障模式、故障机理及影响分析结合法作为失效机理分析思路、以风险优先数法作为故障严酷度的评判标准的综合研究方法,并基于相关历史统计数据,由齿轮传动系统的故障产生与发展机理,实现传动系统薄弱环节的有效定位。与现有技术相比,本发明不仅可以分析故障原因,还能有效得出故障产生与发展机理,进而加强有针对性的设备缺陷排查,本发明解决了现有技术在分析设备缺陷上存在的依赖专家经验、分析结果单一、针对性不足以及准确度不高等问题。
Description
技术领域
本发明属于航空发动机分析技术领域,尤其涉及一种基于故障树分析的齿轮传动系统FMMEA分析方法。
背景技术
齿轮传动系统是航空发动机的重要组件,它主要负责将动力传输到各附件系统上以确保飞机运行,例如燃油泵,润滑油泵,飞机配件,加力泵等。航空发动机的传动系统是连接各附件系统的纽带,一旦这个“纽带”出现问题,将会有严重的后果,因此,在飞机的整个飞行过程中必须保证齿轮传动系统的安全性和可靠性。目前,国内外工程领域常用的故障分析方法有FTA、FMEA、FMECA 和FMMEA。
(1)故障树分析FTA
FTA是一种树状分析结构,由贝尔实验室的H.A.Watson开发,采用自上而下的演绎推理方法处理系统故障,应用范围广泛,主要应用场合由军用导弹领域推广至工程领域,用以分析大型复杂系统出现的失效及事件的影响等。FTA 的结果是以树形图展示可识别的故障模式下,可能导致系统故障的事件组合,从上到下都是不希望发生的事件,所有事件分为三种类型,分别是顶事件、中间事件和底事件,其中底事件被认为是引起故障的根本原因,它又分为基本故障和触发事件,各个事件通过相互的因果关系用不同符号连接。其中,最重要的一步是构建在各种故障条件下都能对系统运行状态进行准确描述的故障树,这将直接关系到是否能精确确定故障原因,同时,FTA的优势在于层次清楚,直观易读,可进行定性分析,也可实现定量分析。其定性分析的目的在于寻找导致顶事件发生的原因事件或者原因事件的组合,即求出故障树的全部最小割集。而其定量分析的目的是实现对设备或系统的风险评价,实现方式是利用底事件的发生概率去评定顶事件发生的概率,即通过确定每个最小割集发生的概率,进一步对所分析的故障的发生概率、整体系统的可靠程度等内容做出较为客观的评估。但是,FTA是识别系统中某一部分与特定失效有关的自上而下的演绎推理方法,如果单独用FTA分析系统如何避免单一(或是多重)初始故障发生,无法用故障树分析找到所有可能的初始故障,对于断路器这种多学科交叉的复杂电气设备,若仅用FTA势必更多依赖于专家经验,那么分析结果的客观性将难以保证。
(2)故障模式、故障机理及影响分析FMMEA。
FMMEA是1995年由美国Maryland大学CALCE的专家Michael Pecht以 FMEA作为理论基础提出。FMMEA是研究系统的每个组成部分可能存在的故障机理及其故障模式,并确定每个故障机理对系统其他组成部分和运行功能影响的故障分析方法。其与FTA的不同在于,它是一种自下而上、由因到果的归纳分析法,分析顺序为从底端分析层次(如某元件或某部件)开始向上分析直到设置的顶端分析层次。单独用FMMEA可以用穷举的方式列出所有的初始故障,并识别其局部的影响及故障机理,但不适合用来检验多重失效,或是他们对系统层级的影响。
使用FTA-FMMEA分析法,互补了相互的缺点,弥补了FMMEA作为单因素分析法在多重故障分析上的不足,解决了FTA初始故障分析不全以及在局部影响及故障机理分析中的空白。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于故障树分析的齿轮传动系统FMMEA分析方法及系统,解决了现有技术在分析设备缺陷上存在的依赖专家经验、分析结果单一、针对性不足以及准确度不高等问题。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种基于故障树分析的齿轮传动系统FMMEA分析方法,包括以下步骤:
S1、以某齿轮传动系统为对象,采集故障历史数据;
S2、根据所述故障历史数据,分析各零部件的故障模式,并构建故障树模型;
S3、根据所述故障树模型,结合故障的失效概率进行定性和定量分析,得到齿轮传动系统失效的关键部件;
S4、对所述齿轮传动系统失效的关键部件进行FMMEA分析,根据分析结果提出改进策略,并根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析。
本发明的有益效果是:本发明提出了一种基于故障树分析的齿轮传动系统 FMMEA分析方法,该方法是一种以故障树分析(Fault Tree Analysis,FTA)与故障模式、故障机理及影响分析法(Failure Modes,Mechanisms and Effects Analysis,FMMEA)结合作为失效机理分析思路、以风险优先数法(Risk Priority Number,RPN)作为故障严酷度的评判标准的综合研究方法,并基于相关历史统计数据,由齿轮传动系统的故障产生与发展机理,实现传动系统薄弱环节的有效定位。与现有技术相比,本方法不仅可以分析故障原因,还能有效得出故障产生与发展机理,进而加强有针对性的设备缺陷排查。
进一步地,所述步骤S2包括以下步骤:
S201、根据所述故障历史数据,梳理齿轮传动系统的故障信息清单,分析各零部件的故障模式;
S202、将各零部件对应的故障模式进行编码,并按逻辑关系构建以传动系统功能故障为顶事件、以子系统功能故障为故障子树顶事件、以故障模式作为中间层以及以故障模式的故障原因为底事件的故障树模型,其中,所述故障树模型上下层事件之间的连接符号为或门。
上述进一步方案的有益效果是:本发明梳理了齿轮传动系统的故障模式,明确了齿轮传动系统故障产生的原因,并按照其逻辑关系建立了齿轮传动系统的故障树模型,为齿轮传动系统的定性定量分析提供了帮助。
再进一步地,所述步骤S3包括以下步骤:
S301、利用上行法自下而上的逐层对齿轮传动系统的故障树模型进行定性分析,将或门输出事件用输入事件的并代替,将与门输出事件用输入事件的交代替,得到故障树的最小割集,并根据故障树的最小割集得到齿轮传动系统的失效概率,其中,在进行定性分析时以零部件故障模式作为底事件;
S302、基于所建立的故障树模型,以零部件故障模式为底事件,并根据所述底事件失效概率计算得到底事件概率的重要度;
S303、对所述重要度进行排序,得到齿轮传动系统失效的关键部件。
再进一步地,所述步骤S302中底事件概率重要度的表达式如下:
其中,g(t)表示底事件概率的重要度,表示偏导数符号,g[1i,F(t)]表示组件i失效时齿轮传动系统的不可靠度,g[0i,F(t)]表示组件i运行时齿轮传动系统的不可靠度,g(F(t))系统的不可靠度函数,Fi(t)表示顶事件发生概率。
上述进一步方案的有益效果是:本发明通过对故障树模型进行定性分析和定量分析,得出系统故障的最小割集,计算出齿轮传动系统的失效概率;计算概率重要度并进行排序,得到齿轮传动系统失效的关键部件,为下一步FMMEA 分析明确了分析目标。
再进一步地,所述步骤S4包括以下步骤:
S401、根据所述齿轮传动系统失效的关键部件,分析故障原因和故障机理;
S402、抽样检测,对所述故障原因和故障机理进行性能评判;
S403、根据性能评判结果,统计齿轮传动系统的寿命数据和故障数据,并利用风险优先数法计算得到RPN值;
S404、基于所述RPN的平均值,提出改进策略;
S405、根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析。
上述进一步方案的有益效果是:本发明通过针对齿轮传动系统的关键失效部件进行FMMEA分析,明确了关键零部件故障产生的原因及失效机理,通过故障数据的统计计算出其RPN值,并提出改进策略,有助于实现故障早期预防,提高传动系统的可靠度。与传统方法相比,本发明分析思路中加入了对待评估系统故障机理的研究,有助于推出引起潜在故障的根本原因,能够实现故障早期预警的研究,可定位待评估系统的缺陷,实现从源头入手故障风险可控。与 FTA与FMMEA单方法应用相比,FTA-FMMEA结合弥补了FTA在故障机理分析中的空白,弥补了FMMEA作为单因素分析法在多重故障分析上的不足。
附图说明
图1为本发明的方法流程图。
图2为本实施例中两级内外啮合行星齿轮传动系统示意图。
图3为本实施例中行星齿轮传动系统三维模型图。
图4为本实施例中齿轮传动系统功能故障故障树示意图。
图5为本实施例中轴、齿轮轴模块组件功能故障子树示意图。
图6为本实施例中润滑冷却系统模块组件功能故障子树示意图。
图7为本实施例中齿轮模块组件功能故障子树示意图。
图8为本实施例中轴承模块组件功能故障子树示意图,
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
如图1所示,本发明提供了一种基于故障树分析的齿轮传动系统FMMEA 分析方法,其实现方法如下:
S1、以某齿轮传动系统为对象,采集故障历史数据;
本实施例中,所采集的故障历史数据以次为单位,在行星齿轮传动系统中,输入轴带动齿轮传动系统主轴转动,并将动能输入到齿轮副。经过三级变速,齿轮副将输入的大扭矩、低转速动能转化成低扭矩高转速的动能。传动系统可分为机械系统和冷却润滑系统等,对于机械传动系统采用两级行星传动与一级平行轴传动,传动系统将主轴的力矩和转速传递到下一级,实现增速功能。
S2、根据所述故障历史数据,分析各零部件的故障模式,并构建故障树模型,其实现方法如下:
S201、根据所述故障历史数据,梳理齿轮传动系统的故障信息清单,分析各零部件的故障模式;
S202、将各零部件对应的故障模式进行编码,并按逻辑关系构建以传动系统功能故障为顶事件、以子系统功能故障为故障子树顶事件、以故障模式作为中间层以及以故障模式的故障原因为底事件的故障树模型,其中,所述故障树模型上下层事件之间的连接符号为或门。
本实施例中,传动系统主要由齿轮轴、齿轮、轴承、润滑冷却系统4个模块组成,故障树分为四层结构。取“传动系统功能故障”为故障树的顶事件,顶事件下包含“或”逻辑关系的第三层事件,由此再往下依次分析导致各事件发生的零部件故障及下一层次的零部件故障模式与故障原因直至底事件。
S3、根据所述故障树模型,结合故障的失效概率进行定性和定量分析,得到齿轮传动系统失效的关键部件,其实现方法如下:
S301、利用上行法自下而上的逐层对齿轮传动系统的故障树模型进行定性分析,将或门输出事件用输入事件的并代替,将与门输出事件用输入事件的交代替,得到故障树的最小割集,并根据故障树的最小割集得到齿轮传动系统的失效概率,其中,在进行定性分析时以零部件故障模式作为底事件;
S302、基于所建立的故障树模型,以零部件故障模式为底事件,并根据所述底事件失效概率计算得到底事件概率的重要度:
其中,g(t)表示底事件概率的重要度,表示偏导数符号,g[1i,F(t)]表示组件i失效时齿轮传动系统的不可靠度,g[0i,F(t)]表示组件i运行时齿轮传动系统的不可靠度,g(F(t))系统的不可靠度函数,Fi(t)表示顶事件发生概率。
S303、对所述重要度进行排序,得到齿轮传动系统失效的关键部件。
本实施例中,首先进行定性分析,用上行法对传动系统的故障树模型进行定性分析,求解故障树的最小割集,定性分析时以零部件故障模式作为底事件。然后进行定量分析,以零件故障模式作为底事件,根据底事件失效概率,由概率重要度公式,计算底事件概率重要度并排序得到传动系统的薄弱环节。
S4、对所述齿轮传动系统失效的关键部件进行FMMEA分析,根据分析结果提出改进策略,并根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析,其实现方法如下:
S401、根据所述齿轮传动系统失效的关键部件,分析故障原因和故障机理;
S402、抽样检测,对所述故障原因和故障机理进行性能评判;
S403、根据性能评判结果,统计齿轮传动系统的寿命数据和故障数据,并利用风险优先数法计算得到RPN(Risk Priority Number,风险优先数)值;
如齿轮传动系统某个故障模式的RPN等于该故障模式发生概率等级(O)、故障影响的严酷度等级(S)和故障模式探测度(D)的乘积,即
RPN=O×S×D
其中,RPN数越高,则其危害性越大;如果RPN值相同,则严酷度的等级越高,其危害性越大;
S404、基于所述RPN的平均值,提出改进策略;
S405、根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析。
本实施例中,对比制定的RPN指标,提出改进措施和分析结果,再对比采取改进措施后的RPN值,实现传动系统薄弱环节的有效定位,得出故障产生与发展机理,进而加强有针对性的设备缺陷排查。
下面对本发明作进一步地说明。
为了更好地理解本发明的技术方案,首先对本发明所分析的对象进行介绍:
以某航空发动机齿轮传动系统为例,其系统传动链简图和三维模型图如图2 与图3所示。
针对某涡轮发动机中使用的行星驱动齿轮减速器研究得出,行星齿轮驱动系统是一个同心的轴向传输,它不仅适用于高速和高功率,还适用于低旋转速度大扭矩的传输。它几乎适用于所有电源和速度范围,图2为两级内外啮合行星齿轮传动系统简图,齿轮1和齿轮2为太阳轮,齿轮2和齿轮3为星轮,通过中间轴连接组成星轮对,在实际应用中一般包含有三个以上星轮对,均布在太阳轮的周围,共同承担载荷。
在行星齿轮传动系统中,输入轴带动齿轮箱主轴转动,并将动能输入到齿轮副,经过三级变速,齿轮副将输入的大扭矩、低转速动能转化成低扭矩高转速的动能。齿轮箱子系统可分为机械系统、冷却系统、润滑系统等,对于机械传动系统采用两级行星传动与一级平行轴传动,齿轮箱将主轴的力矩和转速传递到发电机,实现增速功能。
第一步,采集历史统计数据,所采集的故障历史数据以次为单位。
第二步,基于第一步采集得到的传动系统故障历史数据,列出传动系统在历史数据对应的运行期间的所有故障,传动系统主要由齿轮轴、齿轮、轴承、润滑冷却系统4个模块组成,其中,每个模块可以下分若干零部件,每个零部件有不同的故障模式,将零部件对应的故障模式进行统一编码,确定故障树的所有事件。表1为零部件故障模式编码。
表1
对齿轮传动系统来说,其主要功能是将主轴的力矩和转速传递到输出轴,实现增速功能。因此,取“传动系统功能故障”为故障树的顶事件,顶事件编码为 G(代表齿轮传动系统)F(表示功能性故障)。导致顶事件“传动系统功能故障”发生的原因事件为4类共58个齿轮箱系统的零部件故障。即轴、齿轮轴模块组件功能故障(GSF),轴承模块组件功能故障(GBF),齿轮模块组件功能故障 (GGF),润滑冷却系统模块组件功能故障(GLF)。由此再往下依次分析导致各事件发生的零部件故障及下一层次的零部件故障模式与故障原因,所建故障树如图4、图5、图6、图7和图8所示。
第三步,在故障树模型中,进行定性定量分析,从而确定故障模式的优先级,计算各故障模式的概率重要度,确定传动系统的薄弱环节。
首先进行定性分析,用上行法对齿轮箱系统的故障树模型进行定性分析,求解故障树的最小割集,定性分析时以零部件故障模式作为底事件。
以“轴、齿轮轴模块组件功能故障”为例:
GSF=S1F∪S2F∪S3F=X1∪X2∪…∪X17 (1)
同理可得:
GLF=L1F∪L2F∪L3F∪L4F=X18∪X19∪…∪X29 (2)
GGF=G1F∪G2F∪G3F=X30∪X31∪…∪X43 (3)
GBF=B1F∪B2F∪B3F=X44∪X41∪…∪X58 (4)
故障树顶事件为:
由此得到故障树的58个最小割集。
然后进行定量分析,以零件故障模式作为底事件,表2为底事件失效概率。
顶事件的失效概率为:
由公式:
计算可得底事件概率重要度并排序,得到重要度排名前五的底事件为:
X31=X35=0.9382;X34=X37=X40=0.9370,由此可知,传动系统中齿轮折断和齿轮点蚀两种故障模式的概率重要度较高,对齿轮传动系统的故障影响较大,因此将其作为传动系统的薄弱环节进行下一步分析。
表2
第四步,结合步骤三分析出的系统薄弱环节,对其进行FMMEA分析。
首先,进行失效原因及失效机理分析
(a)齿面点蚀:传动齿轮在动态啮合过程中,由于承受交变载荷和冲击而造成的点蚀是硬齿面齿轮最常见的失效类型。纯滚动的零件其疲劳裂纹开始于交变应力达到极大值的次表面,并在此产生由杂质或其他缺陷引起的应力集中;当滚动出现滑动时,由摩擦造成的切应力与热梯度改变了接触区应力的大小与分布,润滑油出现了油温变化和杂质,这样使得切应力增大并移向近表面处,形成齿轮接触疲劳裂纹。从力学的角度分析,一般情况下,主动齿轮比从动齿轮更易形成点蚀,此外齿轮的点蚀还取决于齿轮渗碳层表面的组织,而其心部硬度不佳,或表层太薄以及心部至表层的硬度梯度太大等因素也会造成点蚀。
(b)齿轮折断:齿轮在啮合的过程中会受到另一个齿的脉冲循环应力,当其受到的应力超出了其材料所能承受的极限值时便会发生折断。齿轮有两种常见的折断情形,一种是由于受到冲击载荷作用或瞬时的过载作用导致齿轮发生突然折断,这种断齿的情况称为过载折断;另一种是受到的应力没有超过材料极限值,在这个应力的循环反复作用下形成了应力集中区域导致齿轮折断,这种断齿的情况称为疲劳折断。轮齿折断一般发生在齿根部,断齿失效是齿轮最为严重的失效形式。
其次,通过抽样检测,对该型齿轮传动系统的点蚀故障和折断故障进行性能评判。经过咨询专家,进行数据统计,计算平均值,得到点蚀故障模式出现概率O=6、严酷度等级S=3、检测度难易程度D=4,求得RPN=72;折断故障模式出现概率O=6、严酷度等级S=4、检测度难易程度D=4,求得RPN=96。制定的RPN指标为60,计算结果超出指标,需要进行改进。
针对齿轮点蚀故障模式采用:优化齿轮设计、检查油温加热和散热装置、定期更换滤芯、检查油位传感器等方式改进。针对齿轮折断故障模式采用:优化齿轮设计、避免突然重载冲击、检查密封圈防止异物侵入等方式改进。
最后,采取改进措施后,对RPN进行修正,求取平均值后点蚀故障模式出现概率O=4、严酷度等级S=2、检测度难易程度D=4,求得RPN=32;折断故障模式出现概率O=4、严酷度等级S=3、检测度难易程度D=4,求得RPN=48,满足指标,说明改进方案可取。表3为齿轮点蚀和齿轮折断故障模式的FMMEA 表。
表3
由此可知,本发明首先以某行星齿轮传动系统为对象,根据系统模型构造明确系统的分层,进行结构和功能分析,描述各部件的工作状态;然后通过梳理所研究系统的故障信息清单,确定系统内零件与子系统的功能关系和逻辑关系,对故障模式进行编码,构建故障树模型;再根据构建的故障树模型结合故障的失效概率,进行定性、定量分析,得到系统失效的关键部件;最后针对得到的系统失效的关键部件,进行FMMEA分析,得到其故障原因及故障机理,确定其故障影响,并根据分析结果提出改进方案,通过改进方案对比前后的RPN 值,最终形成基于FTA-FMMEA分析的齿轮传动系统可靠性分析方法。与传统方法相比,本发明分析思路中加入了对待评估系统故障机理的研究,有助于推出引起潜在故障的根本原因,能够实现故障早期预警的研究,可定位待评估系统的缺陷,实现从源头入手故障风险可控。与FTA与FMMEA单方法应用相比, FTA-FMMEA弥补了FTA在故障机理分析中的空白,弥补了FMMEA作为单因素分析法在多重故障分析上的不足。
Claims (5)
1.一种基于故障树分析的齿轮传动系统FMMEA分析方法,其特征在于,包括以下步骤:
S1、以某齿轮传动系统为对象,采集故障历史数据;
S2、根据所述故障历史数据,分析各零部件的故障模式,并构建故障树模型;
S3、根据所述故障树模型,结合故障的失效概率进行定性和定量分析,得到齿轮传动系统失效的关键部件;
S4、对所述齿轮传动系统失效的关键部件进行FMMEA分析,根据分析结果提出改进策略,并根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析。
2.根据权利要求1所述的基于故障树分析的齿轮传动系统FMMEA分析方法,其特征在于,所述步骤S2包括以下步骤:
S201、根据所述故障历史数据,梳理齿轮传动系统的故障信息清单,分析各零部件的故障模式;
S202、将各零部件对应的故障模式进行编码,并按逻辑关系构建以传动系统功能故障为顶事件、以子系统功能故障为故障子树顶事件、以故障模式作为中间层以及以故障模式的故障原因为底事件的故障树模型,其中,所述故障树模型上下层事件之间的连接符号为或门。
3.根据权利要求1所述的基于故障树分析的齿轮传动系统FMMEA分析方法,其特征在于,所述步骤S3包括以下步骤:
S301、利用上行法自下而上的逐层对齿轮传动系统的故障树模型进行定性分析,将或门输出事件用输入事件的并代替,将与门输出事件用输入事件的交代替,得到故障树的最小割集,并根据故障树的最小割集得到齿轮传动系统的失效概率,其中,在进行定性分析时以零部件故障模式作为底事件;
S302、基于所建立的故障树模型,以零部件故障模式为底事件,并根据所述底事件失效概率计算得到底事件概率的重要度;
S303、对所述重要度进行排序,得到齿轮传动系统失效的关键部件。
5.根据权利要求1所述的基于故障树分析的齿轮传动系统FMMEA分析方法,其特征在于,所述步骤S4包括以下步骤:
S401、根据所述齿轮传动系统失效的关键部件,分析故障原因和故障机理;
S402、抽样检测,对所述故障原因和故障机理进行性能评判;
S403、根据性能评判结果,统计齿轮传动系统的寿命数据和故障数据,并利用风险优先数法计算得到RPN值;
S404、基于所述RPN的平均值,提出改进策略;
S405、根据改进策略对比改进前后的RPN值,完成基于故障树分析的齿轮传动系统FMMEA分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111041949.2A CN113743510A (zh) | 2021-09-07 | 2021-09-07 | 基于故障树分析的齿轮传动系统fmmea分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111041949.2A CN113743510A (zh) | 2021-09-07 | 2021-09-07 | 基于故障树分析的齿轮传动系统fmmea分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743510A true CN113743510A (zh) | 2021-12-03 |
Family
ID=78736378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111041949.2A Pending CN113743510A (zh) | 2021-09-07 | 2021-09-07 | 基于故障树分析的齿轮传动系统fmmea分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743510A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113960992A (zh) * | 2021-12-17 | 2022-01-21 | 西安电子科技大学 | 基于改进的fmeca机械产品故障树自动构建系统及方法 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844641A (zh) * | 2017-10-24 | 2018-03-27 | 北京航空航天大学 | 一种基于故障机理树和故障树相结合的可靠性建模方法 |
CN105717912B (zh) * | 2016-01-27 | 2018-08-24 | 西北工业大学 | 一种基于模糊动态故障树的机电作动器可靠性分析方法 |
CN109726505A (zh) * | 2019-01-14 | 2019-05-07 | 哈尔滨工程大学 | 一种基于智能故障树的锻压机床主传动机构故障诊断系统 |
CN110912126A (zh) * | 2019-12-10 | 2020-03-24 | 国网江苏省电力有限公司检修分公司 | 一种基于失效机理分析的断路器缺陷定位方法 |
CN112069649A (zh) * | 2020-07-21 | 2020-12-11 | 武汉交通职业学院 | 一种基于模型驱动架构(mda)的电动汽车eps系统可靠性评估方法 |
-
2021
- 2021-09-07 CN CN202111041949.2A patent/CN113743510A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717912B (zh) * | 2016-01-27 | 2018-08-24 | 西北工业大学 | 一种基于模糊动态故障树的机电作动器可靠性分析方法 |
CN107844641A (zh) * | 2017-10-24 | 2018-03-27 | 北京航空航天大学 | 一种基于故障机理树和故障树相结合的可靠性建模方法 |
CN109726505A (zh) * | 2019-01-14 | 2019-05-07 | 哈尔滨工程大学 | 一种基于智能故障树的锻压机床主传动机构故障诊断系统 |
CN110912126A (zh) * | 2019-12-10 | 2020-03-24 | 国网江苏省电力有限公司检修分公司 | 一种基于失效机理分析的断路器缺陷定位方法 |
CN112069649A (zh) * | 2020-07-21 | 2020-12-11 | 武汉交通职业学院 | 一种基于模型驱动架构(mda)的电动汽车eps系统可靠性评估方法 |
Non-Patent Citations (2)
Title |
---|
张彤 等: "基于FTA-FMMEA综合分析法的发动机曲柄连杆机构可靠性研究" * |
李志强等: "基于FTA-FMMEA的某型导弹发动机失效分析" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113960992A (zh) * | 2021-12-17 | 2022-01-21 | 西安电子科技大学 | 基于改进的fmeca机械产品故障树自动构建系统及方法 |
CN113960992B (zh) * | 2021-12-17 | 2022-03-25 | 西安电子科技大学 | 基于改进的fmeca机械产品故障树自动构建系统及方法 |
CN114296435A (zh) * | 2021-12-30 | 2022-04-08 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
CN114296435B (zh) * | 2021-12-30 | 2023-12-01 | 沈阳东睿科技有限公司 | 一种航空发动机故障诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743510A (zh) | 基于故障树分析的齿轮传动系统fmmea分析方法 | |
CN104951851B (zh) | 一种基于灰关联回归支持向量机的风电机组状态预测模型建立方法 | |
CN108564313A (zh) | 基于故障树的风电机组状态监测与健康评估的方法及装置 | |
CN1845029A (zh) | 故障诊断与事故预报的设置方法 | |
Catelani et al. | Risk assessment of a wind turbine: A new FMECA-based tool with RPN threshold estimation | |
CN110852484B (zh) | 一种风力发电机组故障预警系统与方法 | |
CN104267668A (zh) | 基于贝叶斯方法的航天阀门零件加工过程故障诊断方法 | |
CN108072524A (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN104794283A (zh) | 基于离群特征分析的柴油机故障灰预测方法 | |
CN104748962A (zh) | 一种基于堆叠自动编码机的行星齿轮箱智能诊断方法 | |
CN103309342A (zh) | 一种针对工业控制系统的防危性验证方案 | |
CN111198098A (zh) | 一种基于人工神经网络的风力发电机轴承故障预测方法 | |
Bodla et al. | Logistic regression and feature extraction based fault diagnosis of main bearing of wind turbines | |
CN112832960A (zh) | 一种基于深度学习的风机叶片结冰检测方法和存储介质 | |
CN104571084A (zh) | 主风机组故障根源深度诊断方法和装置 | |
Du et al. | From anomaly detection to novel fault discrimination for wind turbine gearboxes with a sparse isolation encoding forest | |
Liu et al. | The application of intelligent fuzzy inference to the fault diagnosis in pitch-controlled system | |
CN117287352A (zh) | 一种风电机组状态监测方法 | |
CN101041399A (zh) | 可智能诊断与敏捷维修控制的摩擦驱动系统 | |
CN114861973B (zh) | 一种计及多源因素的风力发电系统风险评估方法 | |
CN115726935A (zh) | 一种基于人工智能的风力机组异常状态检测系统及方法 | |
Yao et al. | Remaining useful life estimation by empirical mode decomposition and ensemble deep convolution neural networks | |
CN114354185A (zh) | 一种基于解耦网络的齿轮箱故障诊断方法 | |
Zheng et al. | Drive system reliability analysis of wind turbine based on fuzzy fault tree | |
CN113776818A (zh) | 基于Park变换的海上风电机组齿轮系统故障诊断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211203 |