CN115544816A - 一种基于4f集成技术的柴油机可靠性分析方法 - Google Patents

一种基于4f集成技术的柴油机可靠性分析方法 Download PDF

Info

Publication number
CN115544816A
CN115544816A CN202211523026.5A CN202211523026A CN115544816A CN 115544816 A CN115544816 A CN 115544816A CN 202211523026 A CN202211523026 A CN 202211523026A CN 115544816 A CN115544816 A CN 115544816A
Authority
CN
China
Prior art keywords
diesel engine
fault
reliability
analysis
safety
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
Application number
CN202211523026.5A
Other languages
English (en)
Inventor
伊枭剑
张猛
侯新荣
穆慧娜
王哲哲
刘根
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202211523026.5A priority Critical patent/CN115544816A/zh
Publication of CN115544816A publication Critical patent/CN115544816A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Testing Of Engines (AREA)

Abstract

本发明公开了一种基于4F集成技术的柴油机可靠性分析方法，涉及可靠性分析技术领域，包括：划分待可靠性分析柴油机的可靠性分析层级，确定故障模式；选取各个故障模式的安全评估指标；确定各个安全评估指标的评分和权重；分别使用基于秩和比法的功能风险分析FHA和基于逼近理想排序法的故障模式及影响分析FMECA对柴油机系统级的安全性和可靠性故障模式进行评估；对输入关键故障模式使用故障树分析FTA进行柴油机部件级的可靠性建模，分别对柴油机部件级和故障物理级进行可靠性定性计算。另外，通过故障报告、分析及纠正措施系统FRACAS对上述故障分析过程进行管控，方便在柴油机寿命全周期进行质量回溯。该方法可有效提升柴油机在设计阶段的可靠性分析精度。

Description

一种基于4F集成技术的柴油机可靠性分析方法
技术领域
本发明涉及可靠性分析技术领域，特别涉及一种基于4F集成技术的柴油机可靠性分析方法。
背景技术
车用柴油机主要用于运输业，是重型车辆的主要原动力。在选择重型车辆的柴油机时需考虑各种因素，其中包括：柴油机的可靠性和可用性、柴油机的维修和安装成本、柴油机的运行成本等。然而，在车辆运行中，每台柴油机的运行维护费用是重要因素，这是运输公司致力于开发和改进柴油机性能以适应运营和优化的原因。提高柴油机的性能是确保车辆使用过程中取得最佳效果的关键，及时预测故障，以延长车辆的使用寿命。因此，提高车辆柴油机的可靠性是需要考虑的重要因素。
提高柴油机工作可靠性最有效的手段就是在其设计阶段就引入可靠性理念，通过进行相应的可靠性计算和分析，以达到防患于未然的作用（降低产品制造过程中的成本，提升产品全寿命周期可靠性）。在这一点上，设计阶段的可靠性分析及其管理就显得尤为重要。
在现有技术中，针对柴油机整机的可靠性分析获得更高精度的可靠性数据，一般采用对柴油机整机的可靠性使用FMECA方法，例如FMECA方法[Xiao J,Wang X,ZhangH.Exploring the ordinal classifications of failure modes in the reliabilitymanagement:An optimization-based consensus model with bounded confidences[J].Group Decision and Negotiation,2021:1-32.]，通过组建FMECA专家团队识别柴油机整机的每个故障模式，能够消除潜在的故障模式。但是，FMECA工作量巨大，单靠FMECA团队难以在有限时间内完成对柴油机整机的可靠性分析。且只依靠传统的FEMCA评估故障模式会制约可靠性分析精度的提高。
因此，在现有对柴油机方案设计阶段可靠性分析的基础上，如何提升其可靠性分析精度，成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的基于4F集成技术的柴油机可靠性分析方法，该方法可有效提升柴油机在设计阶段的可靠性分析精度。
本发明实施例提供一种基于4F集成技术的柴油机可靠性分析方法，包括：
分析待可靠性分析柴油机的系统工作原理，划分所述待可靠性分析柴油机的可靠性分析层级，确定故障模式；
选取各个所述故障模式的安全评估指标；根据专家打分确定各个所述安全评估指标的评分，并根据专家经验分配所述评分的权重；所述安全评估指标包括：柴油机故障的可检测度、柴油机故障的可维修度、柴油机故障发生对人员造成的伤害程度、柴油机故障发生产生的经济损失、柴油机故障发生产生的维修费用和柴油机故障发生的频率；
根据各个所述故障模式的安全评估指标，以及所述评分的权重，对所述待可靠性分析柴油机系统级的安全性故障模式进行评估；
根据各个所述故障模式的安全评估指标，对所述待可靠性分析柴油机系统级的可靠性故障模式进行评估；
根据所述安全性故障模式评估得到的危害度，使用排序算法对所述故障模式进行重新排序，确定输入关键故障模式；
对所述输入关键故障模式进行柴油机部件级的可靠性建模，分别对柴油机部件级进行可靠性定性计算，以及对柴油机故障物理级进行可靠性定性计算，完成对所述待可靠性分析柴油机的可靠性分析。
进一步地，根据各个所述故障模式的安全评估指标，以及所述评分的权重，对所述待可靠性分析柴油机系统级的安全性故障模式进行评估，包括：
根据所述评分的权重，确定各个所述安全评估指标的秩和比；将各个所述安全评估指标的秩和比按数量级排序，计算各个所述安全评估指标发生的频率；
根据各个所述安全评估指标发生的频率，计算各个所述故障模式中安全评估指标的累计频率，完成对各个所述故障模式的危害度等级划分，完成对所述待可靠性分析柴油机系统级的安全性故障模式评估。
进一步地，根据各个所述故障模式的安全评估指标，对所述待可靠性分析柴油机系统级的可靠性故障模式进行评估，包括：
从所述安全评估指标中选取第一特定评估指标，设为负数据；选取第二特定评估指标，设为正数据；根据所述负数据和正数据，得到评价指标值；所述第一特定评估指标包括：柴油机故障的可检测度、柴油机故障发生对人员造成的伤害程度和柴油机故障发生的频率；所述第二特定评估指标包括：柴油机故障的可维修度；
去除所述评价指标值的量纲；根据各评价指标所含的信息量，使用熵权法确定各评价指标的权重，生成加权矩阵；
将所述加权矩阵标准化，生成参考样本空间；
根据距离法计算所述参考样本空间中各个所述故障模式的危害度，完成对所述待可靠性分析柴油机系统级的可靠性故障模式评估。
进一步地，根据严酷度原则，将使用排序算法进行重新排序的故障模式按照严酷度Ⅰ、Ⅱ等级的故障模式确定输入关键故障模式。
进一步地，对柴油机部件级进行可靠性定性计算，包括：
通过FTA定量分析找出柴油机部件级中基本事件的最小割集；
根据所述最小割集，分别根据容斥定理计算顶事件的失效概率，以及计算所述最小割集中基本事件的重要度；
将所述最小割集中基本事件的重要度为判据标准，计算所述基本事件的重要度，完成对柴油机部件级的可靠性定性计算。
进一步地，对柴油机故障物理级进行可靠性定性计算，包括：
将各个所述输入关键故障模式通过险优先级编号进行量化；所述险优先级编号为所述安全评估指标中任意所选指标的乘积；
将量化后的各个所述输入关键故障模式进行比较，完成对柴油机故障物理级的可靠性定性计算。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明实施例提供的一种基于4F集成技术的柴油机可靠性分析方法，包括：分析待可靠性分析柴油机的系统工作原理，划分待可靠性分析柴油机的可靠性分析层级，确定故障模式；选取各个故障模式的安全评估指标；确定各个安全评估指标的评分，以及评分的权重；根据各个故障模式的安全评估指标，以及评分的权重，分别对待可靠性分析柴油机系统级的安全性和可靠性故障模式进行评估；根据安全性故障模式评估得到的危害度，使用排序算法对故障模式进行重新排序，确定输入关键故障模式；对输入关键故障模式进行柴油机部件级的可靠性建模，分别对柴油机部件级进行可靠性定性计算，以及对柴油机故障物理级进行可靠性定性计算。该方法可有效提升柴油机在设计阶段的可靠性分析精度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的基于4F集成技术的柴油机可靠性分析方法框图；
图2为本发明实施例提供的基于4F集成技术的柴油机可靠性分析方法流程图；
图3为本发明实施例提供的基于秩和比法的FHA应用流程图；
图4为本发明实施例提供的基于逼近理想排序法的FMECA应用流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种基于4F集成技术的柴油机可靠性分析方法，参照图1所示，包括：
分析待可靠性分析柴油机的系统工作原理，划分待可靠性分析柴油机的可靠性分析层级，确定故障模式；
选取各个故障模式的安全评估指标；根据专家打分确定各个安全评估指标的评分，并根据专家经验分配评分的权重；安全评估指标包括：柴油机故障的可检测度、柴油机故障的可维修度、柴油机故障发生对人员造成的伤害程度、柴油机故障发生产生的经济损失、柴油机故障发生产生的维修费用和柴油机故障发生的频率；
根据各个故障模式的安全评估指标，以及评分的权重，对待可靠性分析柴油机系统级的安全性故障模式进行评估；
根据各个故障模式的安全评估指标，对待可靠性分析柴油机系统级的可靠性故障模式进行评估；
根据安全性故障模式评估得到的危害度，使用排序算法对故障模式进行重新排序，确定输入关键故障模式；
对输入关键故障模式进行柴油机部件级的可靠性建模，分别对柴油机部件级进行可靠性定性计算，以及对柴油机故障物理级进行可靠性定性计算，完成对待可靠性分析柴油机的可靠性分析。
本实施例提供的基于4F集成技术的柴油机可靠性分析方法，可有效提升柴油机在设计阶段的可靠性分析精度。其中，4F集成技术指FHA（功能风险分析）、FMEA（故障模式及影响分析）、FTA（故障树分析）和FRACAS（故障报告、分析及纠正措施系统）。
参照图2所示，具体包括以下步骤：
S1、分析柴油机系统原理，划分其可靠性分析层级。
S2、使用WRDR-FHA和TOPSIS-FMECA模型进行柴油机系统的系统级故障模式评估：
S21、使用基于WRSR的FHA方法对柴油机系统级的安全性故障模式进行评估；
S22、使用基于TOPSIS的FMECA方法对柴油机系统级的可靠性故障模式进行评估。
S3、使用排序算法对FHA-FMECA分析故障模式危害度进行重新排序，确定FIF输入关键故障模式。
S4、根据步骤S3的故障模式评估结果，利用FTF对柴油机部件级和故障物理级故障单元进行分析：
S41、使用FTA进行柴油机部件级的可靠性建模；
S42、使用FTA进行柴油机部件级的可靠性定性计算；
S43、使用FMECA进行柴油机故障物理级的可靠性定性计算。
S5、使用FRACAS对故障分析过程进行管控：
S51、故障信息相似案例比对；
S52、故障信息入库。
其中，步骤S1具体包括：
S11、分析柴油机系统原理。
开展组件FMECA工作时的约定层次，即：将机体、气缸盖等29个零部件作为最低约定层次；并开展FMECA分析的对象，将固定件系统、运动件系统等7个系统作为约定层次，将柴油机整机作为初始约定层次。
S12、划分柴油机可靠性分析层级。
系统级分析范围为系统功能，分析深度为功能故障模式。功能级分析范围为功能部件，分析深度为部件故障模式。部件级分析范围为部件失效物理。
步骤S2具体包括：
S21、使用基于WRSR的FHA方法对柴油机系统级的安全性故障模式进行评估：
参照图3所示，给出了规划的基于秩和比法的FHA应用流程。其中，秩和比法(Rank-sum ratio，简称RSR法)；FHA指功能风险分析。根据柴油机实际情况需要选取故障发生对人员造成的伤害程度u 1、故障发生产生的经济损失u 2、故障发生产生的维修费用u 3、故障发生的频率u 4作为安全评估的指标。其中各个指标的评分根据专家打分确定，根据专家经验分配评分的权重。根据n个评价指标
Figure DEST_PATH_IMAGE001
计算出秩
Figure DEST_PATH_IMAGE002
，从而得到m个故障模式的秩
Figure DEST_PATH_IMAGE003
。由如下公式计算各个故障模式的RSR，同时得到各故障模式的累计频率
Figure DEST_PATH_IMAGE004
，最终由直线回归方程公式计算得出故障模式危害度等级排序值
Figure DEST_PATH_IMAGE005
。
Figure DEST_PATH_IMAGE006
；
上式中：m为故障模式个数；n为各故障模式危害度评价指标数值；i为故障模式的序号；j为评价指标个数；
Figure DEST_PATH_IMAGE007
为上式中计算的各故障模式评价指标的秩和比；
Figure DEST_PATH_IMAGE008
为各故障模式秩的统计量。
根据上式计算得到各故障模式的
Figure 271099DEST_PATH_IMAGE007
值，按数量级排序，计算出各故障模式中各指标发生的频率g i ，下一步计算各故障模式中指标的累计频率
Figure DEST_PATH_IMAGE009
。然后再将百分比值p i 与概率值
Figure 922660DEST_PATH_IMAGE004
等价转换。
Figure DEST_PATH_IMAGE010
上式中：x、y为常数。
通过上式计算得到的各故障模式的
Figure 640081DEST_PATH_IMAGE005
评估值，完成各故障模式的危害度等级划分。
S22、使用基于TOPSIS的FMECA方法（故障模式及影响分析）对柴油机系统级的可靠性故障模式进行评估：
参照图4所示，给出了基于逼近理想排序法的FMECA应用流程。在FMECA评价指标中将故障模式发生的严重度w 1，发生的频率w 2，故障可检测度w 3设为负数据，故障模式可维修度w 4设为正数据（即理想数据）。
在FMECA模型中使用4个评价指标对柴油机系统中的n个故障模式进行评估，建立由评价指标组成的矩阵
Figure DEST_PATH_IMAGE011
。计算公式如下。
Figure DEST_PATH_IMAGE012
上式中，
Figure DEST_PATH_IMAGE013
是常数。
下一步是将上式中得到指标值无量纲化：
Figure DEST_PATH_IMAGE014
通过无量纲化能够消除评价指标值的量纲，去除指标值的量纲后，根据各评价指标所含的信息量，使用熵权法确定各评价指标的权重将矩阵进行加权，生成加权矩阵。计算公式如下：
Figure DEST_PATH_IMAGE015
其中：
Figure DEST_PATH_IMAGE016
。
确定各评价指标的权重后，将加权矩阵标准化：
Figure DEST_PATH_IMAGE017
上式中：
Figure DEST_PATH_IMAGE018
。
在参考样本空间里有理想解样本E +和负解样本E —组成，表达如下：
Figure DEST_PATH_IMAGE019
其中：
Figure DEST_PATH_IMAGE020
。
在TOPSIS法中有许多求解方式，本实施例为方便计算采用较为基础的距离法。距离法：根据样本数据到理想解样本的距离，距离值越小，样本数据在评价中的表现越好。
Figure DEST_PATH_IMAGE021
步骤S3具体包括：
S31、使用排序算法对FHA-FMECA分析的故障模式危害度进行重新排序：
将S21和S22得到的各个故障模式危害度，通过下式将FEMCA和FHA故障模式危害等级重新排序：
Figure DEST_PATH_IMAGE022
其中，i为FHA中的风险值，j为FMECA中的危害值。
S32、确定FIF（故障模式及影响分析和故障树综合分析）输入关键故障模式：
根据严酷度原则，将步骤S31中重新排序的故障模式按照严酷度Ⅰ、Ⅱ等级的故障模式作为FIF的输入。
步骤S4具体包括：
S41、使用FTA（故障树分析）进行柴油机部件级的可靠性建模：
使用FTA对S3输出的故障模式进行部件级的可靠性建模，FTA通过下式将故障模式中组件进行定量计算。
Figure DEST_PATH_IMAGE023
上式中，
Figure DEST_PATH_IMAGE024
表示底事件x i 的状态：
Figure DEST_PATH_IMAGE025
S42、使用FTA进行柴油机部件级的可靠性定性计算：
通过FTA定量分析找出最小割集，即柴油机部件级薄弱环节：
Figure DEST_PATH_IMAGE026
上式中，i为基本事件x的向量个数；j为最小割集的个数；c j 为x的最小割集；
Figure DEST_PATH_IMAGE027
为FTA的结构函数。
根据容斥定理计算顶事件的失效概率
Figure DEST_PATH_IMAGE028
为：
Figure DEST_PATH_IMAGE030
上式中，
Figure DEST_PATH_IMAGE031
为最小割集，上式有
Figure DEST_PATH_IMAGE032
项。
求解最小割集重要度
Figure DEST_PATH_IMAGE033
的计算公式如下：
Figure DEST_PATH_IMAGE034
上式中：n为故障树包含最小割集的个数，
Figure DEST_PATH_IMAGE035
为最小割集发生概率，
Figure DEST_PATH_IMAGE036
为顶事件发生概率。
S43、使用FMECA进行柴油机故障物理级的可靠性定性计算：
故障模式通过险优先级编号（RPN）进行量化。PRN是三个指标（通常评级为1到10）的乘积：（1）严重度S；（2）发生的可能性O；（3）故障检测度D。根据每个故障模式的PRN比较，得到关键的故障模式。
Figure DEST_PATH_IMAGE037
步骤S5具体包括：
S51、故障信息相似案例比对；
将前述FMECA-FHA集成模型的故障输入作为FRACAS（故障报告、分析及纠正措施系统）的输入，在FRACAS中判断故障输入中是否在信息库中有相似案例。若有相似案例，则根据专家组意见确定改进措施，之后判断改进措施是否有效。若无相似案例，则根据前述提出的FTA模型分析故障模式发生的原因。
S52、故障信息入库：
最后故障信息入库，为后期柴油机生产、使用和维护阶段提供指导。FRACAS的实质在于准确地报告产品的故障，通过分析摸清故障原因，及时确定、实施和验证纠正措施的正确性，以减少或防止故障的再现。方便在柴油机寿命全周期进行质量回溯。
本实施例提供的基于4F集成技术的柴油机可靠性分析方法，将基于WRSR的FHA方法和FMECA-TOPSIS综合方法两种结合，提出了FMECA-FHA集成模型方法。根据FMECA-FHA集成模型的分析结果，输出最劣的严酷度的故障模式，作为FRACAS在最劣故障模式判断时的输入。FMECA-FHA集成模型能够同时考虑柴油机设计初级阶段产生的可靠性问题和安全性问题，使得柴油机系统级故障分析更为全面，提高了可靠性分析的精度。
本实施例针对的FHA、FMEA、FTA和FRACAS可靠性分析技术的特点，规划了4F集成技术在新型号柴油机的方案设计阶段应用流程。详细规划了各个技术在复杂系统中的分析深度，优化了4F集成技术运作模式，优化了FRACAS在4F集成技术的应用结构。简化了新型号柴油机在方案设计阶段的可靠性分析步骤，为新系统可靠性分析提供了参考。
可选地，可采用MATLAB 2019b作为仿真计算软件，将柴油机系统级各故障模式通过专家打分，分别由TOPSIS-FMECAFEMCA和WRSR-FHA评估。TOPSIS-FMECA方法指标中将故障模式发生的严重度
Figure DEST_PATH_IMAGE038
，发生的频率
Figure DEST_PATH_IMAGE039
，故障可检测度
Figure DEST_PATH_IMAGE040
设为负数据，故障模式可维修度
Figure DEST_PATH_IMAGE041
设为正数据（即理想数据）。由课题组专家对柴油机各子系统的评价指标进行打分，评价结果转换为评价矩阵W。
Figure DEST_PATH_IMAGE042
评价矩阵W通过熵权法计算各个故障模式的权重值，通过计算各评价指标项的权重值，接着以权重值对数据进行加权，得到新的熵值权重系数。
具体地，WRSR-FHA方法为根据专家组分别对各故障模式发生对人员造成的伤害程度u 1、故障发生产生的经济损失u 2、故障发生产生的维修费用u 3、故障发生的频率u 4进行打分。
Figure DEST_PATH_IMAGE043
评价矩阵U通过整次法计算出柴油机系统级各故障模式的RSR值，由此判断出各故障模式的危害等级。
最后根据分析结果表明，所提出的基于4F集成技术的柴油机可靠性分析方法可以有效、精确的评估柴油机的可靠性。
本实施例所提供的一种基于4F集成技术的柴油机可靠性分析方法可高效、准确的评估出柴油机系统的可靠性，其精度和评估效率明显优于传统的FMECA方法。效率高、普适性强，能够准确的评估出新型号柴油机装备的可靠性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，包括：
分析待可靠性分析柴油机的系统工作原理，划分所述待可靠性分析柴油机的可靠性分析层级，确定故障模式；
选取各个所述故障模式的安全评估指标；根据专家打分确定各个所述安全评估指标的评分，并根据专家经验分配所述评分的权重；所述安全评估指标包括：柴油机故障的可检测度、柴油机故障的可维修度、柴油机故障发生对人员造成的伤害程度、柴油机故障发生产生的经济损失、柴油机故障发生产生的维修费用和柴油机故障发生的频率；
根据各个所述故障模式的安全评估指标，以及所述评分的权重，对所述待可靠性分析柴油机系统级的安全性故障模式进行评估；
根据各个所述故障模式的安全评估指标，对所述待可靠性分析柴油机系统级的可靠性故障模式进行评估；
根据所述安全性故障模式评估得到的危害度，使用排序算法对所述故障模式进行重新排序，确定输入关键故障模式；
对所述输入关键故障模式进行柴油机部件级的可靠性建模，分别对柴油机部件级进行可靠性定性计算，以及对柴油机故障物理级进行可靠性定性计算，完成对所述待可靠性分析柴油机的可靠性分析。
2.如权利要求1所述的一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，根据各个所述故障模式的安全评估指标，以及所述评分的权重，对所述待可靠性分析柴油机系统级的安全性故障模式进行评估，包括：
根据所述评分的权重，确定各个所述安全评估指标的秩和比；将各个所述安全评估指标的秩和比按数量级排序，计算各个所述安全评估指标发生的频率；
根据各个所述安全评估指标发生的频率，计算各个所述故障模式中安全评估指标的累计频率，完成对各个所述故障模式的危害度等级划分，完成对所述待可靠性分析柴油机系统级的安全性故障模式评估。
3.如权利要求1所述的一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，根据各个所述故障模式的安全评估指标，对所述待可靠性分析柴油机系统级的可靠性故障模式进行评估，包括：
从所述安全评估指标中选取第一特定评估指标，设为负数据；选取第二特定评估指标，设为正数据；根据所述负数据和正数据，得到评价指标值；所述第一特定评估指标包括：柴油机故障的可检测度、柴油机故障发生对人员造成的伤害程度和柴油机故障发生的频率；所述第二特定评估指标包括：柴油机故障的可维修度；
去除所述评价指标值的量纲；根据各评价指标所含的信息量，使用熵权法确定各评价指标的权重，生成加权矩阵；
将所述加权矩阵标准化，生成参考样本空间；
根据距离法计算所述参考样本空间中各个所述故障模式的危害度，完成对所述待可靠性分析柴油机系统级的可靠性故障模式评估。
4.如权利要求1所述的一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，根据严酷度原则，将使用排序算法进行重新排序的故障模式按照严酷度Ⅰ、Ⅱ等级的故障模式确定输入关键故障模式。
5.如权利要求1所述的一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，对柴油机部件级进行可靠性定性计算，包括：
通过FTA定量分析找出柴油机部件级中基本事件的最小割集；
根据所述最小割集，分别根据容斥定理计算顶事件的失效概率，以及计算所述最小割集中基本事件的重要度；
将所述最小割集中基本事件的重要度为判据标准，计算所述基本事件的重要度，完成对柴油机部件级的可靠性定性计算。
6.如权利要求1所述的一种基于4F集成技术的柴油机可靠性分析方法，其特征在于，对柴油机故障物理级进行可靠性定性计算，包括：
将各个所述输入关键故障模式通过险优先级编号进行量化；所述险优先级编号为所述安全评估指标中任意所选指标的乘积；
将量化后的各个所述输入关键故障模式进行比较，完成对柴油机故障物理级的可靠性定性计算。
CN202211523026.5A 2022-12-01 2022-12-01 一种基于4f集成技术的柴油机可靠性分析方法 Pending CN115544816A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211523026.5A CN115544816A (zh) 2022-12-01 2022-12-01 一种基于4f集成技术的柴油机可靠性分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211523026.5A CN115544816A (zh) 2022-12-01 2022-12-01 一种基于4f集成技术的柴油机可靠性分析方法

Publications (1)

Publication Number Publication Date
CN115544816A true CN115544816A (zh) 2022-12-30

Family

ID=84721809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211523026.5A Pending CN115544816A (zh) 2022-12-01 2022-12-01 一种基于4f集成技术的柴油机可靠性分析方法

Country Status (1)

Country Link
CN (1) CN115544816A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210110A (zh) * 2019-05-29 2019-09-06 陕西柴油机重工有限公司 一种面向船用柴油机机身加工过程工艺可靠性的建模方法
CN110992204A (zh) * 2019-11-08 2020-04-10 广东核电合营有限公司 基于大数据技术的应急柴油发电机组可靠性评价方法及系统
CN114707313A (zh) * 2022-03-23 2022-07-05 伊枭剑 特种车辆装备4f集成技术的针对潜在故障分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210110A (zh) * 2019-05-29 2019-09-06 陕西柴油机重工有限公司 一种面向船用柴油机机身加工过程工艺可靠性的建模方法
CN110992204A (zh) * 2019-11-08 2020-04-10 广东核电合营有限公司 基于大数据技术的应急柴油发电机组可靠性评价方法及系统
CN114707313A (zh) * 2022-03-23 2022-07-05 伊枭剑 特种车辆装备4f集成技术的针对潜在故障分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MENG ZHANG等: "Reliability Modeling and Analysis of a Diesel Engine Design Phase Based on 4F Integration Technology", 《APPLIED SCIENCES》 *

Similar Documents

Publication Publication Date Title
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
CN105117602B (zh) 一种计量装置运行状态预警方法
CN107144428A (zh) 一种基于故障诊断的轨道交通车辆轴承剩余寿命预测方法
Khoshgoftaar et al. Predicting fault-prone modules with case-based reasoning
US20080140361A1 (en) System and method for equipment remaining life estimation
CN107085768A (zh) 一种用于评价汽车使用可靠性的系统及方法
CN102522709B (zh) 变压器状态检修的决策方法及系统
CN102270302A (zh) 一种基于灰色支持向量机的多应力加速寿命试验预测方法
Si et al. Fault prediction model based on evidential reasoning approach
CN112417700A (zh) Eh油站基于状态评价的故障诊断系统
CN110929224A (zh) 基于公交行车安全的安全指标体系创建方法
CN104699614A (zh) 一种软件缺陷组件预测的方法
CN114219129A (zh) 基于任务和mtbf的武器系统随行备件需求预测及评估系统
Wang et al. Reliability analysis for automobile engines: Conditional inference trees
CN109359742B (zh) 一种地铁子系统预防维修周期的生成方法
CN115544816A (zh) 一种基于4f集成技术的柴油机可靠性分析方法
CN116957534A (zh) 一种预测智能电表更换数量的方法
CN110472872B (zh) 考虑风险临界性的关键质量特性解耦分析方法
Cheng et al. Optimal opportunistic maintenance model of multi-unit systems
Tian et al. Research on management and control of miners’ unsafe behavior based on gray theory
CN113537759A (zh) 一种基于权重自适应的用户体验度量模型
CN111967774A (zh) 软件质量风险预测方法及装置
Jia et al. RUL Prediction: Reducing Statistical Model Uncertainty Via Bayesian Model Aggregation
Veltri FEM techniques for high stress detection in accelerated fatigue simulation
Allahkarami et al. Mixed‐effects model for reliability assessment of dump trucks in heterogeneous operating environment: a case study

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: 20221230

RJ01 Rejection of invention patent application after publication