1.一种机械设备故障诊断方法,包括以下步骤:
1)根据故障症状确定零部件出现故障的概率向量B1;
2)根据统计的零件故障历史数据,确定零部件本身固有的故障率向量B2;
3)根据步骤1)确定的零部件出现故障的概率向量B1,以及步骤2)确定的零部件本身固有的故障率向量B2,进行加权运算,确定零部件出现故障的综合概率向量B;
4)按零部件出现故障的综合概率的大小,确定故障原因;
其特征在于,步骤1)所述的根据故障症状确定零部件出现故障的概率向量B1的方法,包括以下步骤:(1)按下式分别建立故障症状集U和故障原因集V;
故障症状集U={u1,u2,…,um},其中u1,u2,…,um表示设备的故障症状,m是故障症状的个数;
故障原因集V={v1,v2,…,vn},其中v1,v2,…,vn表示故障原因,n是故障原因个数;
(2)确定故障症状明显程度向量A
根据故障症状明显程度,给各个故障症状打分,形成故障症状明显程度向量A=(a1,a2,…,am),其中a1,a2,…,am表示各故障症状明显程度,其分值按下表1取值;
表1 故障症状明显程度评分表
(3)确定故障症状现场获得的难易程度向量F表2 故障症状现场获得的难易程度评分表
根据故障症状获得的难易程度,按上表确定故障症状现场获得的难易程度向量FF=(f1,f2,…,fm)其中f1,f2,…,fm表示设备的故障症状u1,u2,…,um获得的难易程度,m是故障症状的个数;
(4)确定评判矩阵R
建立评判矩阵R,确定故障症状ui对故障原因vj的隶属度rij,则m个故障症状对n个故障原因的隶属度就构成一个m×n阶评判矩阵R;
上式中rij是故障症状ui对故障原因vj的隶属度,满足0≤rij≤1;
针对每一种故障症状ui,把可能引起该故障症状的故障原因两两比较,采用下表3所示的标定数表示该故障症状对故障原因隶属度的大小关系;针对每一种故障症状ui构造一个两两比较矩阵Ci;
表3 两两比较矩阵元素标度方法
通过多位专家分别构造两两比较矩阵,在构造了两两比较矩阵后,再利用根法求解故障症状对故障原因的隶属度;
(5)确定相关零部件出现故障的概率向量B1零部件出现故障的概率向量B1=(b11,b12,…,b1n),其中b11,b12,…,b1n表示故障原因v1,v2,…,vn存在概率的大小,n是故障原因个数;
在综合考虑故障症状严重程度和故障症状现场获得难易程度的基础上,利用下式求得相关零部件出现故障的概率向量B1B1=(k1A+k2F)○R
上式中,k1和k2为向量A和向量F权重系数,其中,k1取0.8,k2取0.2,○表示运算规则,即加权平均法;
步骤2)所述的根据统计的零件故障历史数据,确定零部件本身固有的故障率向量B2的方法,包括以下步骤:(1)根据历史数据,按故障间隔时间按从小到大排序,建立故障间隔时间表,(2)根据故障间隔时间表,利用中位秩公式计算其可靠度R(ti):R(ti)=1-(i-0.3)/(n+0.4)其中t1,t2,…,tn为故障间隔时间,且t1≤t2≤…≤tn,n为采集故障的总数,(3)根据计算的可靠度数值,绘制威布尔概率图令x=lnti,y=ln[-lnR(ti)],将(t1,R(t1)),(t2,R(t2)),…,(tn,R(tn))数据组变换为((x1,y1),(x2,y2),…,(xn,yn))数据组,并将所述数据组的数据点画在威布尔概率图上,便得威布尔概率图;
(4)在威布尔频率纸上,将步骤(3)得到的得威布尔概率图的图形的左边部分拟合一条直线L1,得直线L1的斜率和在y轴上的截距为k1和b1,在图形的右端,拟合一条渐近线L2,得直线L2的斜率和在y轴上的截距为k2和b2;
(5)根据二重分段威布尔函数,确定其可靠度函数R(t);
其中
α1=exp(-b1/k1)
β1=k1
α2=exp(-b2/k2)
β2=k2
(6)确定零部件本身固有的故障率
针对故障集V={v1,v2,…,vn},确定每个故障集中的单元的故障率b2i,i=1,2,3,…,n;
b2i=1-R(t)
(7)运用以上方法,确定相关零部件本身固有的故障率向量B2B2=(b21,b22,..b2n);
步骤3)所述的确定零部件出现故障的综合概率向量B的方法,包括以下步骤:(1)归一化根据故障症状确定的相关零部件出现故障的概率向量B1,(2)归一化相关零部件的故障率向量B2,(3)对归一化后的根据故障症状确定的相关零部件出现故障的概率向量B1和归一化后的相关零部件的故障率向量B2进行加权平均计算,得零部件出现故障的综合概率向量B,即B=k3B1+k4B2上式中k3和k4分别为向量B1和向量B2的权重系数,其中,k3取0.5,k4取0.5。
2.根据权利要求1所述的机械设备故障诊断方法,其特征在于,所述的求解故障症状对故障原因的隶属度的方法还包括和法或幂法。