CN116483865A - 一种具有优先级的液压故障诊断专家系统 - Google Patents
一种具有优先级的液压故障诊断专家系统 Download PDFInfo
- Publication number
- CN116483865A CN116483865A CN202211430561.6A CN202211430561A CN116483865A CN 116483865 A CN116483865 A CN 116483865A CN 202211430561 A CN202211430561 A CN 202211430561A CN 116483865 A CN116483865 A CN 116483865A
- Authority
- CN
- China
- Prior art keywords
- fault
- module
- failure
- probability
- event
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 36
- 238000012423 maintenance Methods 0.000 claims abstract description 40
- 230000003993 interaction Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000009471 action Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明属于液压故障检测技术领域,具体是一种具有优先级的液压故障诊断专家系统。包括人机交互界面模块、元件故障失效率数据库模块、动态故障树算法模块、故障概率排序模块以及故障维修策略模块,人机交互界面模块包括编辑模块和故障诊断模块,编辑模块对元件故障失效率数据库模块实现编辑,故障诊断模块选择所需诊断的顶事件,得到故障维修策略模块对应维修策略;元件故障失效率数据库模块为动态故障树算法模块提供底事件失效概率数据;动态故障树算法模块对底事件失效概率数据进行计算处理,推算得到故障概率排序模块所需的故障顶事件概率;故障概率排序模块对故障分事件概率进行大小排序;故障维修策略模块提出具有优先级的维修策略。
Description
技术领域
本发明属于液压故障检测技术领域,具体是一种具有优先级的液压故障诊断专家系统。
背景技术
液压系统作为工程机械等领域的动力源,是整套设备的核心。液压系统一旦出现重大故障,将导致设备停机,影响生产活动,严重会带来巨大经济损失。由于液压系统的复杂性、现场工作人员专业素质不高,许多液压系统故障无法及时解决,维修过程中存在一定困难,需要设计人员到现场服务。
当前已存在的故障诊断专家系统多集中在发动机、变压器、柴油机等领域,在液压系统方面研究较少。同时故障诊断后分析出可能存在的故障之间没有优先级排序,工作人员不能对故障可能性大的故障进行及时排查,影响维修效率。
液压故障诊断专家系统可以通过数据库、算法等把故障诊断的复杂问题进行计算,用专家思维查找故障原因、故障源头,并提出维修策略,在保证设备液压系统平稳运行、及时维修、安全生产方面具有重大的意义。
发明内容
本发明为了等把故障诊断的复杂问题进行计算,用专家思维查找故障原因、故障源头,并提出维修策略,提供一种具有优先级的液压故障诊断专家系统。
本发明采取以下技术方案:一种具有优先级的液压故障诊断专家系统,包括人机交互界面模块、元件故障失效率数据库模块、动态故障树算法模块、故障概率排序模块以及故障维修策略模块,所述人机交互界面模块包括编辑模块和故障诊断模块,编辑模块对元件故障失效率数据库模块实现编辑,故障诊断模块选择所需诊断的顶事件,得到故障维修策略模块对应的具有优先级的维修策略;所述元件故障失效率数据库模块中包括统计的各个底事件的故障概率,为动态故障树算法模块提供底事件失效概率数据;所述动态故障树算法模块对底事件失效概率数据进行计算处理,推算得到故障概率排序模块所需的故障顶事件概率;所述故障概率排序模块对故障分事件概率进行大小排序;故障维修策略模块根据故障分事件概率提出具有优先级的维修策略,通过人机交互界面模块进行显示。
所述元件故障失效率数据库模块开始时的底事件的故障概率来自查询资料,随着系统运行时间的延长,通过对各元件的更换率统计,得到实际工况底事件的故障概率,然后通过编辑模块对数据库修改。
所述动态故障树算法模块中,构建的故障树包括故障顶事件概率,即液压系统中某个故障现象概率;故障分事件概率,即故障现象对应的可能故障子系统概率;故障底事件,即故障子系统对应的可能故障元件失效率。
动态故障树算法模块的计算处理过程如下:
一个故障顶事件有多个故障分事件F;
故障分事件F的各个故障底事件为:,
故障程度描述为:
,/>,/>,…,/>;
故障分事件F的故障程度描述为:故障程度在0~1间,,m表示所有规则的总数;
当x1的故障程度为,x2的故障程度为/>,…,/>的故障程度为/>,则故障分事件F的故障程度为/>的故障概率为/>,故障分事件F的故障程度为/>的故障概率为/>,…,故障分事件F的故障程度为/>的故障概率/>;其中,/>,/>,/>;
若故障分事件F的各种故障的模糊可能性是,则规则执行的可能性是:/>;
则故障顶事件不同故障程度的可能性为:
此模块使用顶事件完全故障的概率作为运算对比基础,即得出F=1时故障分事件F的故障概率。
与现有技术相比,本发明具有以下有益效果:
1.一种具有优先级的液压故障诊断专家系统,可以指导现场工作人员对故障进行排查维修,且维修策略具有优先级,优先级高的发生故障的可能性更大,优先级低的发生故障的可能性更小,节省了维修时间,提高了维修效率。
2.将液压故障诊断专家系统与T-S动态故障树算法结合,通过对比实际故障情况,对算法底事件故障概率修改,提高后续故障诊断概率。使故障诊断具有适应实际工况的功能,且维护使用时间越长,故障诊断效果越好。
附图说明
图1为本发明具有优先级的液压故障诊断专家系统流程图;
图2为人机交互界面模块示意图;
图3为元件故障失效率数据库模块示意图;
图4为人机交互界面显示滑移油缸不动作故障对应的维修策略顺序框图;
图5为滑移油缸不动作故障对应的维修策略顺序框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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做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,一种具有优先级的液压故障诊断专家系统,包括人机交互界面模块、元件故障失效率数据库模块、动态故障树算法模块、故障概率排序模块以及故障维修策略模块。
人机交互界面模块包括编辑模块和故障诊断模块,编辑模块对元件故障失效率数据库模块实现编辑,故障诊断模块选择所需诊断的顶事件,得到故障维修策略模块对应的具有优先级的维修策略。
如图3所示,元件故障失效率数据库模块中包括统计的各个底事件的故障概率,为动态故障树算法模块提供底事件失效概率数据。
例如油缸不动作的顶事件,对应的故障分事件有多路阀故障、油缸故障、油泵故障、执行机构故障、管路故障,其中故障分事件多路阀故障对应的底事件有二次调压阀故障、梭阀故障、阀芯故障。元件故障失效率数据库模块就是统计各个底事件的故障概率,用作算法计算输入。开始时元件故障失效率数据库模块中的底事件失效率来自查询资料,由于工作工况不同失效率会有所偏差。随着系统运行时间的延长,通过对各元件的更换率统计,得到实际工况底事件失效率,通过编辑模块对数据库修改,增加故障诊断计算准确性。
动态故障树算法模块对底事件失效概率数据进行计算处理,推算得到故障概率排序模块所需的故障顶事件概率。
动态故障树算法模块运用故障树理论,对元件故障失效率数据进行计算处理。动态故障树利用模糊数学理论,通过模糊故障数来描述元件的失效状态:如用数字1表示液压元件完全失效,用数字0.5表示一半失效,用数字0表示没有失效。模糊数的隶属度函数选择梯形函数:
式中μ——隶属度;F——模糊数;m——支撑集中心;a——支撑半径;b——模糊区。
如图4所示,构建故障树:
其中F表示故障顶事件概率,即液压系统中某个故障现象概率。F1、F2、F3……等表示故障分事件概率,即故障现象对应的可能故障子系统概率,X1~X10等表示故障底事件,即故障子系统对应的可能故障元件失效率。
通过动态故障树算法和糊数的隶属度函数,用故障底事件故障概率推算出故障顶事件的故障概率。
动态故障树算法模块的计算处理过程如下:
一个故障顶事件有多个故障分事件F;
故障分事件F的各个故障底事件为:,
故障程度描述为:
,/>
,…,/>;
故障分事件F的故障程度描述为:故障程度在0~1间,,m表示所有规则的总数;
当x1的故障程度为,x2的故障程度为/>,…,/>的故障程度为/>,则故障分事件F的故障程度为/>的故障概率为/>,故障分事件F的故障程度为/>的故障概率为/>,…,故障分事件F的故障程度为/>的故障概率/>;其中,/>,/>,;
若故障分事件F的各种故障的模糊可能性是,则规则执行的可能性是:/>。
则故障顶事件不同故障程度的可能性为:
此模块使用顶事件完全故障的概率作为运算对比基础,即得出F=1时故障分事件F的故障概率,通过比较则可得出各故障可能性的概率大小对比。
故障概率排序模块对故障分事件概率进行大小排序。
动态故障树算法运算结果包含子系统完全故障概率、半故障概率、零故障概率。故障概率排序模块对动态故障树算法模块的完全故障概率运算结果进行排序。得到子系统完全故障从大到小的可能性。
故障维修策略模块根据故障分事件概率提出具有优先级的维修策略,通过人机交互界面模块进行显示,指导现场工作人员进行维修排查。
故障维修策略模块包含了液压系统所有常见故障的所有检修方案,可根据整机液压系统实际情况进行修改。
此处以某液压系统为例进行说明。某液压系统在工作时发现滑移油缸不动作,则此时可通过本发明“一种具有优先级的液压故障诊断专家系统”进行故障诊断。
通过人机交互界面模块选择故障顶事件。人机交互界面模块包含滑移油缸不动作、行走马达不动作、调平油缸不动作……等与此液压系统有关的故障类型,此处选择滑移油缸不动作的故障类型。
滑移油缸不动作对应的故障分事件有多路阀故障、油缸故障、油泵故障、执行机构故障、管路故障。其中多路阀故障的底事件有二次调压阀故障、梭阀故障、阀芯故障;油缸故障的底事件有:密封故障、油缸中存在气体;油泵故障的底事件有:油泵反转、泵中存在气体、泵磨损;执行机构故障的底事件有:执行机构卡憋;管路故障的底事件有:管路中存在气体。此处各个底事件故障概率初始数据在设计故障诊断专家系统时已建立成数据库。
根据内部动态故障树算法计算得到执行机构故障概率>管路故障概率>多路阀故障概率>油缸故障概率>油泵故障概率。此时人机交互界面显示滑移油缸不动作故障对应的维修策略顺序框图如5所示。
现场工作人员根据人机交互界面所展示的故障维修策略顺序框图,按照维修策略1、维修策略2、维修策略3、维修策略4、维修策略5的顺序依次进行排查。
随着设备维护时间的增长,可统计得到实际情况下滑移油缸不动作对应的故障分事件概率情况,若为多路阀故障概率>管路故障概率>执行机构故障概率>油缸故障概率>油泵故障概率,结合底事件故障情况,可通过编辑模块1.1对底事件故障概率进行二次修改,以适应实际工况下故障诊断计算,提高后续故障诊断正确率。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种具有优先级的液压故障诊断专家系统,其特征在于:
包括人机交互界面模块、元件故障失效率数据库模块、动态故障树算法模块、故障概率排序模块以及故障维修策略模块,
所述人机交互界面模块包括编辑模块和故障诊断模块,编辑模块对元件故障失效率数据库模块实现编辑,故障诊断模块选择所需诊断的顶事件,得到故障维修策略模块对应的具有优先级的维修策略;
所述元件故障失效率数据库模块中包括统计的各个底事件的故障概率,为动态故障树算法模块提供底事件失效概率数据;
所述动态故障树算法模块对底事件失效概率数据进行计算处理,推算得到故障概率排序模块所需的故障顶事件概率;
所述故障概率排序模块对故障分事件概率进行大小排序;
故障维修策略模块根据故障分事件概率提出具有优先级的维修策略,通过人机交互界面模块进行显示。
2.根据权利要求1所述的具有优先级的液压故障诊断专家系统,其特征在于:所述元件故障失效率数据库模块开始时的底事件的故障概率来自查询资料,随着系统运行时间的延长,通过对各元件的更换率统计,得到实际工况底事件的故障概率,然后通过编辑模块对数据库修改。
3.根据权利要求1所述的具有优先级的液压故障诊断专家系统,其特征在于:所述动态故障树算法模块中,构建的故障树包括故障顶事件概率,即液压系统中某个故障现象概率;一个故障顶事件概率对应多个故障分事件概率,故障分事件概率,即故障现象对应的可能故障子系统概率;一个故障分事件概率对应多个故障底事件,故障底事件,即故障子系统对应的可能故障元件失效率。
4.根据权利要求3所述的具有优先级的液压故障诊断专家系统,其特征在于:所述动态故障树算法模块的计算处理过程如下:
一个故障顶事件有多个故障分事件F;
故障分事件F的各个故障底事件为:,
故障程度描述为:
,/>,/>,…,/>;
故障分事件F的故障程度描述为:故障程度在0~1间,,m表示所有规则的总数;
当x1的故障程度为,x2的故障程度为/>,…,/>的故障程度为/>,则故障分事件F的故障程度为/>的故障概率为/>,故障分事件F的故障程度为/>的故障概率为/>,…,故障分事件F的故障程度为/>的故障概率/>;其中,/>,/>,;
若故障分事件F的各种故障的模糊可能性是,则规则执行的可能性是:/>;
则故障顶事件不同故障程度的可能性为:
此模块使用顶事件完全故障的概率作为运算对比基础,即得出F=1时故障分事件F的故障概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430561.6A CN116483865A (zh) | 2022-11-15 | 2022-11-15 | 一种具有优先级的液压故障诊断专家系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211430561.6A CN116483865A (zh) | 2022-11-15 | 2022-11-15 | 一种具有优先级的液压故障诊断专家系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116483865A true CN116483865A (zh) | 2023-07-25 |
Family
ID=87210731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211430561.6A Pending CN116483865A (zh) | 2022-11-15 | 2022-11-15 | 一种具有优先级的液压故障诊断专家系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116483865A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150418A (zh) * | 2023-10-31 | 2023-12-01 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
-
2022
- 2022-11-15 CN CN202211430561.6A patent/CN116483865A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117150418A (zh) * | 2023-10-31 | 2023-12-01 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
CN117150418B (zh) * | 2023-10-31 | 2024-01-26 | 国网浙江省电力有限公司宁波供电公司 | 基于状态特征故障树的变压器运检周期制定方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103278328B (zh) | 基于模糊Petri网的风电机组液压变桨系统故障诊断方法 | |
CN111720296B (zh) | 一种基于自编码器的汽动给水泵设备异常状态预警方法 | |
CN109872012A (zh) | 基于工况划分的火电厂运行多目标优化的确定方法 | |
CN104766139A (zh) | 基于工业互联网的火电厂设备故障诊断与检修优化方法及系统 | |
CN107330543A (zh) | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 | |
CN116483865A (zh) | 一种具有优先级的液压故障诊断专家系统 | |
CN108961468B (zh) | 一种基于集成学习的船舶动力系统故障诊断方法 | |
CN106295946A (zh) | 一种化工装置危险与可操作性(Hazop)分析方法及系统 | |
CN110209144B (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
US11120350B2 (en) | Multilevel pattern monitoring method for industry processes | |
CN114548444A (zh) | 一种海上风电机组检修全过程优化方法及系统 | |
CN105045091A (zh) | 基于模糊神经控制系统的疏浚工艺智能决策分析方法 | |
CN105653791A (zh) | 一种基于数据挖掘的在役油管柱腐蚀失效预测系统 | |
CN108536130A (zh) | 一种群智能寻优的化工故障诊断系统 | |
CN115238573A (zh) | 考虑工况参数的水电机组性能劣化趋势预测方法和系统 | |
CN115347562A (zh) | 一种ai技术下配电网抢修快速抵达方法 | |
CN115115113A (zh) | 基于图注意力网络关系嵌入的设备故障预测方法及系统 | |
CN108230183A (zh) | 一种基于时标量测的电网设备多维度综合告警的处理方法 | |
CN113705120A (zh) | 一种调水工程泵后阀最优调控方案制定方法 | |
CN112348414B (zh) | 基于循环水系统运行方式的负荷分配调整方法 | |
CN115237091A (zh) | 一种机电装备故障溯源方法及系统 | |
CN113505818A (zh) | 改进决策树算法的熔铝炉能耗异常诊断方法和系统及设备 | |
Wang et al. | Application of data mining to production operation and control system in oil field | |
CN112434871A (zh) | 一种透平膨胀机预测性维护方法 | |
CN109657699B (zh) | 一种基于马尔科夫的动态故障树分析评价涡轮发动机的方法 |
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 |