故障树分析方法（精选11篇）
故障树分析方法 篇1
0 引 言
测控装备是保障靶场武器系统试验鉴定的重要环节。测控装备在发生故障时,装备的修复率和修复速度从某种程度上将影响靶场试验的顺利进行,所以运用故障诊断系统来对复杂测控系统装备进行诊断,找出故障原因、给出维修建议,成为辅助技术保障人员维修测控装备必不可少的途径。随着电子技术的发展,人们逐步认识到,对故障诊断问题有必要重新研究,必须把以往的经验提升到理论高度,同时在坚实的理论基础上,系统地发展和完善一套严谨的现代化电子设备故障诊断方法,并结合先进的计算机数据处理技术,实现电子电路故障诊断的自动检测、定位及故障预测。
1 故障树分析方法
故障树分析[1,2]是一种主要的系统可靠性和可用性预测方法,广泛的应用于工程实践中。在系统设计过程中,通过对可能造成系统失效的各种因素(例如硬件、软件、环境、人为等因素)进行分析,画出逻辑框图(图1),从而确定系统失效原因的各种可能组合方式及其发生概率,以计算系统失效概率,并采取相应的纠正措施,是提高系统可靠性、安全性的一种设计分析方法和评估方法。
将系统级的故障现象(称为顶事件)与最基本的故障原因(称为底事件)之间的内在关系表示成树形的网络图[3],各层事件之间通过 “与”、“或”、“非”、“异或”等逻辑运算关系相关联。基于故障树模型可以对系统进行定性和定量的分析,故障诊断则是一个从观测到的顶层故障现象出发,逐步向下演绎,最终找出对应的底层故障原因的过程。他把系统故障与组成系统的部件故障联系在一起,并有层次地分别描述出系统在实效的进程中,各种中间事件的相互关系。故障树模型是描述诊断对象结构、功能和关系的一种定性因果模型,他体现了故障传播的层次性和子节点(即下层故障源)与父节点(即上层故障现象)之间的因果关系。
2 故障树建造
在故障树分析中,建树的关键是要清楚地了解所分析的系统功能逻辑关系及故障模式、影响及致命度,建树完善与否直接影响定性分析和定量计算结果是否正确,故障应是实际系统故障组合和传递的逻辑关系的正确抽象。整个建树过程是工程技术人员对系统的分析思考过程,通过不同角度的建树过程,使分析人员进一步得到系统各种信息而更加熟悉系统,帮助设计人员判明潜在故障,以便改进设计、改进运行和维修方案。建树工作较繁,因此应由系统设计、使用人员和可靠性方面的专家密切合作,而且应该不断深入,逐步完善。
首先,分析系统各个组件的功能、结构、原理、故障状态、故障因素及其影响等,并作深刻透彻的了解,确定一个不希望的顶事件。由此开始,逐级找出各级事件的全部可能的直接原因,并用故障树的符号表示各类事件及其逻辑关系,直至分析到各类底事件为止。按以下4个步骤进行建树[5]:
(1) 熟悉系统
在对一个系统进行故障树分析之前,建树者首先应对系统的功能、结构原理、故障状态、故障因素及其影响等作深刻透彻的了解,收集有关系统的技术资料,这是建树的基础工作。
(2) 确定顶事件
顶事件可以根据研究对象来选取,通常顶事件是指系统不希望发生的故障事件,为了能够进行分析,顶事件必须有明确的定义,能够定量评定,而且能进一步分解出发生的原因。一个系统可能有多个不希望发生的事件,因此可以建立几棵故障树,但一个故障树只能从一个不希望事件开始分析,这就要选择与设计、分析目的最相关的事件作为建树的起始事件,即顶事件。
(3) 构造故障树
由顶事件出发,逐级找出各级事件的全部可能的直接原因,并用故障树的符号表示各类事件及其逻辑关系,直至分析到底事件为止。显然,对于一个复杂的系统构造一颗故障树需要很大的工作量,建树分为2类:人工建树,基本上用演绎法,即对系统的各级故障事件进行逻辑推理;第2类是计算机辅助建树,目前这是个很活跃的研究课题。
(4) 简化故障树
当故障树构成后,还必须从故障树的最下级开始,逐级写出上级事件与下级事件的逻辑关系式,直到顶事件为至。并结合逻辑运算算法做进一步分析运算,删除多余事件。
3 脉冲雷达故障树的建立
电子设备故障检测和定位,由于情况复杂、原因较多,传统的手段难以很快给出相应正确的故障判断,因为故障解决时间的拖延,因此迫切需要可以快速自动检测故障[6]。某装备发射机发射功率大,故障发生频繁,给保养维护带来很多问题。以该发射机为例,建立发射机故障树,应用故障树分析方法对发射机进行分析。
发射机分系统是该雷达的核心部分之一。发射机将激励源所产生的频率稳定度极高的高频小信号放大到所需要的功率电平,具有频率稳定度高,失真小,相位相参等优点。建立故障树建立某型雷达发射机的故障树,如图2所示。
其中,T表示发射机不能上高压;主要故障分别是:U1为末级组件电路故障,U2为前级组件电路故障,U3为激励产生故障,U4为PIN开关故障,U5为组件电源故障,U6为馈线故障。
对应的故障征兆参数有10个,分别是:X1为发射机功率欠输出,X2为末级组件输出故障,X3为前级组件输出故障,X4为前级组件RF功率输出不正常,X5为发射机超温,X6为工作比和脉宽不正常,X7为发射激励故障,X8为发射允许故障,X9为PIN驱动故障,X10为电源过流或欠压。
4 故障树分析
4.1 定性分析
对故障树进行定性分析[7]的主要目的是:寻找导致与系统有关不希望事件发生的原因组合,即寻找导致顶事件发生的所有故障模式,从中确定系统的薄弱环节,采取措施,予以补救。
undefined
同样,引入二值变量Φ,表示顶事件T的状态。定义顶事件的状态为
undefined
割集是导致正规故障树(仅含有底事件、结果事件以及与、或、非三种逻辑门)顶事件发生的若干底事件集合。若有K个状态向量X,能使Φ(X)=1,则称为割向量,割向量对应的底事件集合称为割集。最小割集是导致正规故障树顶事件发生数目不可再少的底事件集合。如图2所示的故障树,利用下行法求最小割集。下行法的特点是根据故障树的实际结构,从顶事件开始,逐级向下寻查,找出故障树的所有割集,然后再通过集合运算规则加以简化、吸收,得到全部最小割集。求解过程如表1所示。
经简化、吸收,去掉重复的割集,得到全部10个最小割集分别为
K1={X1};K2={X2};K3={X3};K4={X4};K5={X5};K6={X6};K7={X7};K8={X8};K9={X9};K10={X10}。最小割集表明系统的危险性,每个最小割集都是顶事件发生的一种可能渠道,最小割集越多系统越危险。
4.2 定量分析
定量分析[8]的目的是计算顶事件的发生概率,以他来评价系统的安全可靠性,将计算的顶事件发生概率与预定的目标值进行比较,如果超出目标值就应该采取必要的改进措施,使其降至目标值以下。各底事件发生概率如表2所示。
根据底事件的发生概率可以计算出顶事件发生概率为
undefined
概率重要度分析是故障树分析中的重要部分,反映了底事件概率变化对顶事件概率变化的难易程度,但并不能反映出不同底事件改进的难易程度。设t=1000h,λ为各底事件的发生概率,则可靠度的计算公式为
Ri(t)=e-λit (3)
各底事件的可靠度为
R1(t)=e-λ1t=0.923;R2(t)=e-λ2t=0.368;R3(t)=e-λ3t=0.895;R4(t)=e-λ4t=0.926;R5(t)=e-λ5t=0.945;R6(t)=e-λ6t=0.932;R7(t)=e-λ7t=0.913;R8(t)=e-λ8t=0.894;R9(t)=e-λ9t=0.941;R10(t)=e-λ10t=0.926。
设t=1000h,Fi(t)=1-Ri(t),则概率重要度的计算公式为
undefined
式中
各底事件的概率重要度为
Δg1(t)=0.221;Δg2(t)=0.850;Δg3(t)=0.231;Δg4(t)=0.239;Δg5(t)=0.219;Δg6(t)=0.263;Δg7(t)=0.256;Δg8(t)=0.219;Δg9(t)=0.245;Δg10(t)=0.219
通过分析可知每个底事件在系统中所处位置的重要性,设计人员在设计过程中应该采取必要的检测手段和保护措施来提高其可靠性和安全性。
5 结束语
由于导致顶事件故障的原因有多个,在故障诊断时,可以判断所有最小割集即故障模式,从而找到故障原因,但是对于复杂电路的故障树分析,将有大量的故障模式需要测试,在此用故障树最小割集重要度进行分析,只要对重要度大的故障模式进行监测,对于重要度小的故障模式可以不进行监测,或者对几个重要度大的故障模式所对应的监测点进行监测,然后综合进行判定。根据故障树分析结果,将脉冲雷达的可靠性指标转换为对各底事件的可靠性要求,通过提高底事件的可靠性达到提高脉冲雷达可靠性的目的。经过可靠性验证,脉冲雷达实际达到的可靠性值与分析结果基本一致。将所有底事件按概率重要度进行排序,由高到低初步设置故障检测点,然后再进行优化,达到用尽量少的检测点来确保尽可能高的故障检测能力。
摘要：首先对某单脉冲雷达建立故障树模型,然后通过建立的故障树对雷达故障进行定性、定量分析、计算,最后对研究结果进行试验验证。可以证明利用构建故障树来进行无线电测量设备故障诊断分析,不仅可以方便推理机构寻找潜在故障和进行故障诊断,而且可以进一步预测未来系统故障发生的概率,便于测量设备故障的检测与定位。
关键词：故障树分析,雷达,故障诊断,重要度
参考文献
[1]朱大奇,于盛林.基于故障树最小割集的故障诊断方法研究[J].数据采集与处理,2002,6(4):46-50.
[2]金星,洪延姬,武江涛,等.基于故障树的智能型故障诊断系统[J].宇航学报,2001(3):34-37.
[3]杨晓川,谢庆华,何俊,等.基于故障树的模糊故障诊断方法[J].同济大学学报,2001,4(2):67-69.
[4]张琦,廖捷,吴建军,等.基于FTA的通用装备电子系统故障诊断专家系统设计[J].兵工学报,2008,3(1):78-80.
[5]Tang Z,Dugan B.Minimal cut set/sequence generation fordynamic fault trees[C]//Annual reliability and maintain-ability symposium on product quality and integrity.Los an-geles:american institute of aeronautics and astronautics,2004:207-213.
[6]罗志勇.雷达系统智能故障诊断技术研究[D].西安:西北工业大学,2006:167-171.
[7]耿宏,刘晔,武泰安.基于模糊故障树的ILS接收机的故障诊断[J].计算机技术与发展,2011,21(9):133-136.
[8]孙翱.军事装备信息化试验理论研究[M].北京:国防工业出版社,2006:211-219.
故障树分析方法 篇2
一起工艺串料事故的故障树分析
受各种因素的影响,在炼化企业生产过程中发生工艺串料事故也屡见不鲜.某年3月,某炼厂成品车间在一特种油品通过机泵灌装汽车槽车的.过程中发生工艺串料事故.现运用故障树分析的方法进行原因分析与对策措施研究.
作 者：彭锋 Peng Feng 作者单位：中国石化巴陵石化有限责任公司烯烃事业部,湖南岳阳,414014刊 名：安全、健康和环境英文刊名：SAFETY HEALTH & ENVIRONMENT年，卷(期)：9(12)分类号：X9关键词：汽车槽车 工艺串料 故障树分析
故障树分析方法 篇3
关键词：提梁机；液压卷扬系统；故障树；问题分析
作为专用于我国铁路客运专线对预制梁和常梁体调运、存放的设备，900t提梁机不仅行走方式十分灵活，而且使用非常简便，它的研发对我国的高速铁路的施工技术与设备水平的提高是非常重要的，使我国的高铁桥梁施工技术一跃进入世界先进水平。随着我国工业的不断发展，900t提梁机液压卷扬系统被广泛应用于我国的高速铁路桥梁建设上。然而，由于提梁机液压卷扬系统自身的特殊性，使其非常容易发生故障，从而影响设备的工作的正常运行，为人们带来巨大的经济损失。因此，本文将主要对900t提梁机的液压卷扬系统的故障树进行分析与研究，找出其存在的问题，并提出解决方案。
1.故障树分析法
故障树分析法是由美国的贝尔电报公司研发出来的一种逻辑分析方法，比较适用于分析那些较为危险的工作，是安全系统工程中最主要的分析方法之一。故障树分析法作为一种能够对复杂危险的动态系统进行分析的重要工具，能够有效的帮助人们找出设备中潜在的问题与故障，对大型的复杂设备进行自动的故障诊断[1]。
故障树分析法在对设备进行分析和诊断时，一般要经过四个必要的分析步骤：首先，选择出一个科学合理的顶事件，并且确立好对这一事件的成功与失败的标准。其次，在设备的设计者、管理者与运行人员的帮助下建立一个故障树的模型，并努力收集与此相关的技术数据。第三，对所建立起来的故障树模型进行简化。第四，计算出故障树的每一个最小割集，并以此对故障树模型进行定性分析[2]。
2.建立起提梁机卷扬控制系统的故障树模型
当人们在对提梁机液压卷梁系统进行调试时发现，在提梁机提梁前，液压卷扬机的减速机制动器不能正常运行。在这种情况下，我们建立了以提梁机液压卷扬系统的马达故障为顶事件的故障树模型，试图找到提梁机液压卷扬系统中的故障原因。
经过工作人员对故障树模型的分析，人们得出的结论为，提梁机液压卷扬系统中造成顶事件出现故障的原因可能有两种情况：第一种故障原因可能为卷扬系统的马达在进入减速机制动器时的油压不足；第二种故障原因可能为减速机制动器中根本没有油进入。这两种情况都有可能造成顶事件的发生。由此，这两种可能的情况就被人们定为了故障树的一级中间事件，存在着“或”的逻辑关系[3]。
在分析出了一级中间事件之后，我们需要找出引起中间事件发生的原因。能够造成提梁机卷扬马达运行时进入减速机制动器的油不足情况发生的原因主要分为三种：即卷扬机的减压阀发生故障，或者卷扬机的管道过窄、过长，第三种可能则为电磁阀在换向后的压力不足。经过这样的逻辑分析过程后，我们能够得出只要出现这三种情况中的任何一种，都会造成进入减速机制动器的油压不足这一事件的发生，从而造成卷扬机的运行故障[4]。
通过对根本没有油加入这一情况进行同样的故障分析，我们可以得出，换向阀的换向产生故障、或单项阀安反了这两种可能的逻辑推理结论。
3.对900t提梁机的卷扬系统的故障树进行定性分析
通常的人们所说的对卷扬系统的故障数进行分析指的就是要努力找出导致顶事件发生的可能性潜在故障。并通过对故障树的最小割集进行计算，来对提梁机卷扬系统的薄弱之处进行判定，从而准确找出设备的故障。
3.1.计算最小割集及最小割集对故障树进行定性分析的原则
定义一：假设G为某些基本事件的集合，如果G中的每一个基本事件都出现了故障，这就会引发顶事件M的发生，而此时G就为故障树的一个割集，并且在G集合中所有能够符合这一定义的组合的集合成为割集。
定义二：假若G为一个割集，并且若是从割集中任意剔除一个事件之后就不再是割集，那么则称割集G为最小割集。
最小割集中所包含的基本事件的数量为此最小割集的阶数，并且阶数越低的割集，所起到的作用越重要[5]。
3.2.如何确定提梁机卷扬系统中故障树的最小割集
若故障树模型中设立的顶事件为M，并且构成顶事件M的一级中间事件为M1、M2，最后一级的中间事件为M3，使YV（v=1，2，...5）为最后一级中间事件的底事件。工作人员可以通过布尔代数对这些底事件进行计算，如果这五个底事件中的任何一个事件出现问题，都会引起顶事件的故障发生，那么我们就可以通过最小割集的定义判断出提梁机卷扬系统中的最小割集。
4.结束语
提梁机液压卷扬系统作为我国高速铁路客运专线的预制梁架桥技术中最为关键的组成部分，对确保我国高铁客运专线的安全运行具有重大意义。然而，由于提梁机的液压卷扬系统的液压元件等设备零件具有一定的特殊性，再加上我国的液压卷扬设备的故障具有一定的隐蔽性和多样性，使得对液压卷扬机设备故障的精确定位存在着较大的难度，万一液压卷扬设备发生故障将对生产安全造成巨大的威胁。鉴于故障树分析方法对复杂系统的故障诊断十分有效，因此本文利用故障树分析方法来对900t提梁机液压卷扬系统的故障进行分析，希望对提高液压卷扬系统的安全运行性能提供一定的帮助。
参考文献：
[1] 孙由啸，赵静一，陈卓如等.关于900t提梁机液压卷扬系统的几点改进建议[J].燕山大学学报（自然科学版），2007，15（8）：56-59.
[2] 王金祥，王益群，李文杰，张光翰等.铁路客运专线预制梁轮胎式提梁机与轨行式提梁机卷扬系统[J].铁道建设技术，2005，18（2）：26-31.
[3] 赵静一，王阳阳，许耀明，张守成等.TLC900型运梁车液压驱动系统与发动机功率匹配的分析与研究[J].中国机械工程，2012，17（7）：48-54.
[4] 邓飙，蒋兴伟，何雪红，李佳颖等.几种行之有效的液压系统故障诊断方法[J].机床与液压，2011，15（2）：88-94.
变速箱故障树分析方法初步应用 篇4
随着技术不断进步, 工程机械日益成为融合机、电、液技术于一体的复杂产品系统, 要想对此系统进行分析, 仅凭经验有很大的随意性。而采用常规的“统计概率图”法, 往往无法建立完整的故障因果逻辑关系。故障树分析方法是美国贝尔电话实验室首先提出的一种分析复杂系统可靠性和安全性的有效方法, 可通过绘制树形图, 找出系统故障与导致该故障的各因素之间的内在联系。结合统计概率方法和计算机工具, 故障树分析方法可以实现精确化、自动化的应用, 有效地提高分析能力。
1.工作油泵2.变速齿轮泵3.输入一级齿轮4.输入二级齿轮5.轴齿轮6.导轮座7.二级涡轮8.一级涡轮9.导轮10.泵轮11.分动齿轮12.中间输入轴13.大超越离合器滚子柱14.大超越离合器凸轮15.大超越离合器外环齿轮16.太阳轮17.倒档行星轮18.倒档行星架19.一档行星轮20.倒档内齿圈21.后桥输出轴22.前后脱开滑套23.变速箱输出齿轮24.前桥输出轴25.输出齿轮26.直接档输入轮27.直接档油缸28.直接档活塞29.直接档摩擦盘30.直接档受压盘31.倒档一档联接盘32.一档行星架33.一档油缸34.一档活塞35.一档内齿圈36.一档摩擦片37.倒档摩擦片38.倒档活塞
人工建立故障树的方法常使用演绎法:
首先确定需要分析的标的事件 (即顶事件) , 充分排查寻找引起顶事件的原因 (可以从人、机、料、法、环因素考虑) , 这样可以把每个原因作为上一层事件的输入事件。根据前述原则把逐层事件逐层分解, 直到找出致错原因, 我们称其为故障树的底事件。
其次是在上述基础上用表建立这些事件的逻辑关系。
2 建立变速箱故障树
第一步:确定顶事件-前后输出轴不能传递转矩;
第二步:建树流-以扭矩传递为主线。
图l为简化故障树结构和排除不确定人为、环境因素干扰, 故约定一些如下理想条件 (如认为管路、各种形式连接件及固定不动件等十分可靠, 无失效:所用油量足够, 油温在规定范围内) 同时以主要零件代表底事件。
下面简要描述图l所示主要部件及整机的实际结构 (以扭矩传递为主线) , 以方便本文对故障树结构的阐述。
(1) 前进一档:当油压进入一档油缸33内, 推动一档活塞34, 使一档摩擦片36啮合, 制动一档内齿圈35。从变矩器来的动力传到中间输入轴12→太阳轮16→一档行星轮19→一档行星轮架32→输出齿轮25→变速箱输出齿轮23→输出轴21、24。
(2) 前进二档:当油压进入直接档油缸27内, 推动直接档活塞28, 使直接档摩擦盘啮合, 这样中间轴12与直接档输入轴26连为一体。从变矩器来的动力到中间轴12→直接档输入轴26→输出齿轮25→变速箱输出齿轮23→输出轴21、24。
(3) 倒退档:当油压进入倒档油缸 (箱体) 内, 推动倒档活塞38, 使倒档摩擦片37啮合, 制动倒档行星轮架18。从变矩器来的动力传到中间输入轴12→太阳轮16→倒档行星轮17→倒档内齿圈20→一档行星轮架32→输出齿轮25→变速箱输出齿轮23→输出轴21、24。
第三步:根据上述假设, 对变速箱系统的各级故障事件进行分解, 绘制故障树。如图2～图7所示。
在利用故障树分析法诊断变速箱系统故障的过程中, 常使用的符号见表1。
3 液力机械变速箱总成分析
3.1 故障树定性分析
根据逻辑门属性和最小割集的定义, 由于故障树中各底事件均为或的关系, 所以图2所示故障树的一个底事件就是一个最小割集。
从图2～图7故障树可知, 除一档和倒档行星轮 (见图3中的P和图5中的Q) 为“与门”结构 (为简化结构将其“与门”结构视为一个底事件) , 其他底事件均为“或门”结构, 故可得最小割集数为50 (阴影表示, 编码Xi) 。
3.2 故障树定量分析
故障树定量分析的目的在于计算顶上事件的发生概率和各底事件的重要度。计算过程中有以下基本假设:
(1) 底事件相互独立;
(2) 底事件和顶事件只有发生和不发生两种状态 (正常或失效) ;
(3) 失效分布服从指数分布, 复杂系统的失效分布在有效寿命阶段是服从指数分布公式:
要计算顶上事件发生的概率, 首要条件是必须了解基本事件发生的频率, 一般表示为λ, 即单位时间 (或周期) 故障发生的概率。在工程实践中, 可以使用统计数据获得变速箱年故障率和底事件Xi的故障数在变速箱故障总数的比例进行估算。
其中, λi表示底事件Xi的失效率, a表示顶事件年发生故障率, b表示顶事件年发生总故障数, Ci表示底事件年发生总故障数, t表示运行时间。
(4) 对于“或门”结构, 当Xi只取0、1二值时液力机械变速箱系统结构函数为
(5) 对于“与门”结构, 当Xi只取0、1二值时行星轮结构函数为
3.2.1 顶事件发生率计算
根据上述假设由式 (3) 得到顶事件发生率计算公式为:
P (T) -顶事件发生的概率;P (Xi) -底事件发生的概率。
将式 (1) 代入式 (5) 得到
由此思路将式 (2) 代入式 (6) 可以计算出顶事件发生率。
3.2.2 概率重要度计算
底事件概率重要度以偏导数公式定义如下:
将式 (5) 代入式 (7) 推导如下:
式中Ip (i) -Xi的概率重要度, n表示最小割集数。
只要通过获取式 (1) 和式 (2) 中的日常统计数据, 结合函数就可以计算每一个底事件的概率重要度。比较后查找出对顶事件影响程度的排名, 对于设计、维修等实践提供理论依据。
3.2.3 结构重要度分析
结构重要度表示元部件在系统中所处位置的重要程度。根据结构函数法作出表2对图8装载机不能进退时故障树的割集进行状态分析。
在故障树分析中各个基本事件都是两种状态, 一种是发生 (即Xi=1) , 一种是不发生 (即Xi=0) 。各个基本事件状态的不同组合又构成顶事件的不同状态, 发生即准 (x) =1或不发生即准 (x) =0。
根据公式
式中:N准 (Xi=1) -所有Xi=l时顶事件状态准 (x) =1状态数;N准 (Xi=0) -所有Xi=0时顶事件状态准 (x) =l状态数;n表示最小割集数;IiB-第i个部件的结构重要度。
下面根据公式定义结合查表2逐步求解:
(1) 变矩器系统N准 (X1=1) 对应表2中9～16状态, 共计8种;N准 (X1=0) 对应表2中 (2、4、6、7、8) 状态, 共计5种。
(2) 前进档系统N准 (X2=1) 对应表2中 (6、7、8、13、14、15、16) 状态, 共计7种;N准 (X2=0) 对应表2中 (2、4、9、10、11、12) 状态, 共计6种。
N准 (X3=1) 对应表2中 (4、7、8、11、12、15、16) 状态, 共计7种;N准 (X3=0) 对应表2中 (2、6、9、10、13、14) 状态, 共计6种。
(3) 倒档系统N准 (X4=1) 对应表2中 (2、4、6、8、10、12、14、16) 状态, 共计8种;N准 (X4=0) 对应表2中 (7、9、11、13、15) 状态, 共计5种。
将上述结果代入式 (9) 即可得到如下结论:
变矩器及倒档系统的重要程度:
前进档系统的重要程度:
4 结论
(1) 液力机械变速箱系统除行星轮系 (见图3中的P和图5中的Q) 外, 都由“或门”联接 (相当于故障树图中的串联系统) , 同时基于故障树 (见图2、图3和图5) , 我们认为离合器组件13、14、中间输入轴12、太阳轮16、输出齿轮25、变速箱输出齿轮23、输出轴21、24, 系共用零件, 应具有相对较高的可靠度。这提高了对材料、制造和使用维护的要求, 对提高机器可靠性是很不利的。因此, 为了提高系统的安全性, 可采取技术、管理措施以便减少事件割集, 例如采取冗余系统设计增加备份功能。同时对重要零件应进行精确制造, 严格检验和筛选以确保质量。
(2) 若按照子系统角度分析, I1B=I4B=3I2B=3I3B, 同时也说明结构重要度只是与系统选取的设计结构有关, 与其他因素无关联。上述方法对最小割集对应的系统进行对比分析时将有同样的功效。
(3) 故障树分析法逻辑推理严谨, 数学计算严密。可追溯系统失效的根源到基础元件失效 (底事件) 的组合关系, 可以分析几种因素同时起作用才能导致的某种后果。既能定性地判断, 又能定量地计算各底事件对顶事件影响程度的大小, 帮助判明可能发生的故障模式和原因, 为故障诊断、质量改进、维修方案提供指导。
故障树分析方法 篇5
我国的城市交通压力日益严重，为了缓解这种压力，有相当一部分城市开始引入城市地铁系统。对城市地铁来说，保障运作安全是第一位的，而现在的城市地铁基本都在车辆客室上使用了自动门系统，这种系统虽然具有较高的智能性，但故障率并不低，城市地铁的常见故障中，有超过三成来源于门系统的故障。在这种情况下，自动门系统的可靠性受到了质疑，基于此种原因，本文将通过故障树对该系统的可靠性进行分析，希望能为地铁系统的优化提供一定的理论依据。
故障树概述
故障树即事故树，是因果系统树的一种实际应用形式，对外体现为倒立的因果关系树状逻辑图，表征符号包括转移符号、逻辑门符号与事件符号，用于描述单一系统中不同事件的因果关系。因此经常被用于各种复杂系统的事件分析与多兆因事件的概率计算。
从本质上来看，故障树可以看作一种图像化的分析方法，具有很强的直观性和简便性，虽然在精确性上不如动态函数手段，但是由于易于理解、而且也确保了最基本的分析准确性，所以在非大系统分析中依然非常受青睐。本文所述的地铁车辆自动门系统可靠性分析即为与该分析方法适性较高的一种。
建立故障树
通过故障树分析地铁自动门系统的可靠性，最基础的环节是建立足够完善的故障树。建立故障树的第一步是综合分析需要建立故障树的系统，以将建树范围确定下来。对本文分析的地铁自动门系统来说，建树范围应囊括自动门系统直接发生的与其引发的所有故障。
其次要确定故障树的顶上事件，顶上事件的确定方法有两种，两种方法都需要先分析所有的故障，不同的是，一种方法是选择后果最严重的故障为顶上事件，另一种方法是选择发生率最高的故障为顶上事件，具体选择哪种方法应根据分析对象与分析方向确定。基于地铁重大故障的危害性与负面的社会影响，本文选择前一种方法来确定故障树的顶上事件，顶上事件选为“自动门系统在车辆运行状态下错误打开”。
顶上事件确立后，需要以此为基础进行推导分析，先找出顶上事件发生的直接原因，对相应的中间事件进行层层递进的因果关系推导，一直推导到无法分析事件原因或不需要分析事件原因的事件，这类事件被称为底事件。然后利用逻辑门连接起所有上述获得的事件并绘制成图，这就完成了针对该顶上事件的`故障树。
定性和定量分析
定性分析
以故障树为基础的定性分析主要是为了保障可靠性分析的全面性，并从中发现故障控制的关键点。具体来说，针对地铁自动门系统的定性分析要将顶上事件发生的全部原因、形式、影响因素都囊括进分析范围，并计算分析全部失效模式的发生概率，通过概率的大小可以确认自动门系统运作的主要控制点，概率越大，可靠性也就越低，在控制上更应优先注意。对本文所建立的故障树来说，失效模式和故障树的对应关系非常明确，失效模式、失效因素和故障树的最小割集都呈单一对应关系，因此只要找出所有的最小割集就可以说是完成了定性分析。
定量分析
与定性分析不同，定量分析主要分析的是底事件和顶事件的关系，具体来说，定量分析就是利用确定的底事件发生概率计算顶上事件的概率与定量指标。在本文所用的故障树中，利用故障树的定量分析需要先将故障树当作计算模型，确认已知的各项底事件的发生概率，然后将自动门系统失效这一顶上事件的发生概率推导计算出来，这样一来就可以评估自动门系统，确认其风险性、安全性、可靠性。为此，我们对顶上事件与独立化的底事件进行特化，将其“正常”与“故障”这两种状态的概率视为绝对的0 和1，这样一来就可以得到全部底事件的发生概率。之后依据故障树的总体逻辑结构，自下而上展开逐级运算，直到推导出顶事件概率。由于本故障树应用了“与”门和“或”门两者逻辑结构，在可靠性理论下，前者输出事件的概率为P(X)=1，后者输出事件的概率为P(X)=2，由此可进一步推得全部11 个底事件的发生概率分别为0.001，3.50×10 - 6，1.01×10 - 6，2.20×10 - 6，7.0×10 - 5，1.40×10 - 7，3.01×10 - 7，1.40×10 - 7，2.12×10 - 7，4.52×10 - 7，1.06×10 -7。根据这些概率和故障树结构，可以依次计算出P(6)到P(0)的数值，其中P(0)即为顶上事件的发生概率。最终定量分析结果为，顶上事件发生概率7.67×10 - 8。
结语
故障树分析方法 篇6
摘要：随着天然气行业和城市交通的不断发展，压缩天然气
（CNG）成为现代城市交通能源的重要组成部分，由于CNG具有易燃易爆的特点，其运行设备又处于高压状态，一旦发生事故，可能会对场站及周边地区造成巨大伤害，CNG加气母站作为生产压缩天然气的场所，其安全管理尤为重要。本文通过故障树分析对CNG加气母站主要事故进行分析，建立了CNG加气母站失效故障树，识别出引起CNG加气母站失效的主要因素，并提出了相应的安全管理措施，对CNG加气母站的安全管理有一定的指导意义。
关键词：压缩天然气 加气母站 故障树 防护措施
0 引言
为了降低汽车废气排放，改善大气环境，压缩天然气（ CNG）成为替代汽油、柴油的首选清洁燃料。该燃料能降低汽车运行费用，提高经济效益，延长汽车设备使用寿命，降低维修费用[1]。由于压缩天然气所具有的强大市场发展潜力，近年来， CNG加气母站的数量逐年增加。但是，天然气主要成分是甲烷，甲烷为一级可燃气体，甲类火灾危险性，爆炸极限为5%～15%，对空气的比重为0.55，扩散系数为0.196，具有燃烧速度快、热值高、易爆炸的特点。相对普通城市燃气，CNG加气母站内的气体为20～25MPa的高压天然气。所以CNG加气母站具有易燃、易爆、易产生静电、易泄漏等危险特性，同时压缩机、脱水撬等动设备较多，运行时处于高压状态，而CNG加气母站一般处于城市周边，一旦发生事故影响较大。因此，加强CNG加气母站的安全管理，制定科学的安全防护措施，保证CNG加气母站的连续安全平稳运行，对CNG加气母站的安全管理具有重要的意义。
1 故障树分析
1.1 故障树分析法简介 故障树分析法（FTA，Fault Tree Analysis）是对于一些不易形成逻辑图的复杂系统进行风险识别和评价的一种有效的方法。故障树分析法采用事件符号、逻辑门符号和转移符号来描述系统中各种事件之间的因果关系。
故障树是一种逻辑树，其树枝代表系统、子系统或元件的事故事件，节点代表事故事件之间的逻辑关系。逻辑门的输入事件是输出事件的“因”，逻辑门的输出事件是输入事件的“果”。故障树的组成是从系统顶事件的根出发逐级向下发展绘制，直到事件概率已知的基本事件为止，在故障树中表示事件之间最常用的逻辑关系是“与”和“或”。故障树中采用的图形符号有很多，表1列出几种常用的符号。
故障树分析在系统生产运行中能为事件是否失效提供判断依据，有助于改进相关技术管理，促进完善的生产运行管理制度的建立，从而做好设备、安全控保装置、压力容器等的检维修计划和方案，达到预防为主、防治结合的目的。故障树分析法是从系统到部件，再到零件的“下降形”分析的方法，具有可视性强、逻辑性强的特点，可以做定性分析，也可以做定量分析，体现了以系统工程方法为基础来研究安全方面问题的系统性、准确性和预测性。
1.2 故障树分析基本程序
故障树分析是系统可靠性和安全性分析的工具之一[2]。采用故障树分析法建立故障树的基本程序如下：①确定所分析的系统;②熟悉所分析的系统;③调查系统发生的事故;④确定故障树的顶上事件;⑤调查与顶上事件有关的所有原因事件;⑥故障树作图;⑦故障树定性分析;⑧定量分析;⑨安全性评价。
1.3 CNG加气母站失效故障树的建立 CNG加气母站是为CNG加气子站供应压缩天然气的加气站，通过压缩机加压后充装给槽车送至CNG加气子站或城镇燃气公司的CNG供应站（储配站或减压站），供作汽车发动机燃料或居民、商业、工业企业生活和生产用燃料的系统。CNG加气母站是一个复杂的系统，包括进站预处理、干燥脱
水、压缩、冷却、加气、储气井等系统，其工艺流程如图1所示。
■
图1 CNG加气母站工艺流程图
CNG加气母站设备种类较多，工艺相对复杂，所以引发事故的因素是也多方面的、多层次的。从大量事故分析报告的统计结果来看，CNG加气母站主要事故类型包括机械伤害、火灾爆炸、触电伤害等。引发事故的危害因素则有违章操作、设计缺陷、人为损坏、设备失效等。
根据选择顶事件的原则，选取“CNG加气母站失效”作为顶事件，将主要事故分为机械伤害、火灾爆炸、触电伤害三个类型，并假设这三类事故为独立事件，然后再以这三类事故为次顶事件，采用类似方法继续深入分析，直到找到代表各种故障事件的中间事件和底事件[3-7]，建立CNG加气母站失效故障树图，如图2所示。该故障树共包含了25个底事件。故障树中的中间事件符号和底事件事件符号所表示的含义见表2和表3。
表2 中间事件含义
■
表3 底事件含义
■
1.4 故障树定性分析 故障树分析中，将导致故障树顶事件发生的数目不可再少的底事件的集合称为最小割集。图1所示故障树中的底事件相互独立，根据布尔代数法进行逻辑运算和化简，则有：
T= X1 + X2+X3+X4+X5+X8X10+X8X11+X8X12+X8
X3+X8X14+X9X10+X9X11+X9X12+X9X13+X9X14+X15X10+X15X11+X15X12+X15X13+X15X14+X16X10+X16
X11 + X16 X12 + X16 X13 + 16X14+X17X10+X17X11+X17
X12+X17X13+X17X14+X18X10+X18X11+X18X12+X18
X13+X18X14+X20X21+X22X23
则CNG加气母站失效故障树的所有最小割集为：
{X1}，{X2}，{X3}，{X4}，{X5}，{X8，X10}，{X8，X11}，{X8，X12}，{X8，X13}，{X8，X14}，{X9，X10}，{X9，X11}，{X9，X12}，{X9，X13}，{X9，X14}，{X15，X10}，{X15，X11}，{X15，X12}，{X15，X13}，{X15，X14}，{X16，X10}，{X16，X11}，{X16，X12}，{X16，X13}，{X16，X14}，{X17，X10}，{X17，X11}，{X17，X12}，{X17，X13}，{X17，X14}，{X18，X10}，{X18，X11}，{X18，X12}，{X18，X13}，{X18，X14}，{X20，X21}，{X22，X23}
由此可知，该故障树共有最小割集37个：5个1阶最小割集、32个2阶最小割集。一般来说，割集中所含基本事件数越少，其发生的概率就越大。因此，5个1阶最小割集对整个系统的可靠性影响最大，是系统中的相对的薄弱环节，故引起CNG加气母站失效的主要因素有：违章操作，断、送电操作不当，绝缘保护失效，设计缺陷和人为损坏。
2 安全防护措施
CNG加气母站具有高压、易燃、易爆的特点，是具有较高危险性的作业场所，生产工艺较多且复杂，一旦出现事故，会产生较大损失或较严重后果。通过对故障树的分析，识别出引起CNG加气母站失效的主要因素：违章操作，设计缺陷，人为损坏，正常生产防护不当，断、送电操作不当和设备失效。针对失效原因，给出以下CNG加气母站安全防护措施建议。
2.1 加强管理制度建设，提高员工操作技能 在日常生产管理中应利用安全活动例会、生产例会和HSE教育不断学习制度规范，常抓制度管理，使各项规章制度深入人心。做好站内操作人员的安全技术培训，严格按照操作规程进行操作，并根据实际情况进行修改完善，提高员工操作技能。
2.2 加强设备安全管理，注重检查维修工作 对设计缺陷的地方进行工艺改造。要做好设备的维护保养工作;对调压、计量监测、脱水、水露点检测、过滤设备进行定期计划检修;定期进行春检、秋检，夏季注意消除静电，冬季做好保温工作;加强巡检管理，及时发现和排除隐患，确保设备处于完好状态。
2.3 严格执行门禁管理，规范车辆人员管理 由于CNG加气母站人员流动大，对于进站人员要做好人员登记、安全教育。对于客户，认真检查备案槽车的年度检测报告等资料，槽车进站前检查槽车车头车挂号、余压、防火帽和安全附件等。对于施工作业人员严格执行“两书一表”，并根据实际情况定期进行修订完善。
2.4 扎实开展应急演练，提高安全防护意识 每月定期开展天然气泄漏、紧急切断阀异常关闭、UPS系统故障等应急演练活动，并对演练效果进行总结和分析，不断完善应急预案，提高员工应急事故处理能力，使员工从“要我安全”到“我要安全”。
3 结论
本文总结了CNG加气母站失效的原因，采用故障树分析法对失效原因进行分析，建立了比较完整的CNG加气母站失效故障树，找出了影响CNG加气母站失效的主要因素，并提出对应的安全防护措施，对CNG加气母站的安全管理有一定的指导意义。
参考文献：
[1]张沛.CNG汽车是天然气利用的重要发展途径[J].石油与天然气化工，2008，37（1）：23-26.
[2]国家标准局.GB7829-87，故障树分析程序[S].1987-06-03.
[3]刘海燕.天然气加气站安全评价[D].西南石油大学硕士论文，2007：18-28.
[4]陈杨，王为民，姜东方，乔伟彪，贺雷.基于故障树与灰色模糊理论的城市CNG加气站安全评价[J].中国安全生产科学技术，2011，7（4）：124-125.
[5]黄海波，杨建军，李开国，何太碧.CNG加气站设备失效与爆炸燃烧风险评价[J].西华大学学报（自然科学版），2005，24（4）：18-19.
[6]于培林.城市燃气管网事故抢修应急方案研究[D].西南石油大学硕士论文，2008：74-84.
[7]何淑静，周伟国，严铭卿.上海城市燃气输配管网失效模糊故障树分析法[J].同济大学学报（自然科学版），2005，33（4）：508.
T-S模糊故障树重要度分析方法 篇7
重要度是故障树定量分析的一个重要指标, 它不仅能够用于系统的可靠性分析, 还可以用于系统的优化设计和指导系统进行维修与诊断。重要度描述了部件发生故障时对顶事件的贡献。传统的故障树重要度主要有结构重要度、概率重要度和关键重要度等。
传统故障树重要度分析基于二态假设, 实际系统往往表现为多种故障模式和多种故障程度。文献[1]以多状态串联系统和多状态并联系统为例, 利用最小割集和最小路集的概念给出了一般多状态系统的定义。文献[2,3]给出了多态系统元件重要度的一般性定义及其计算方法。
考虑两个元件对系统可靠性的影响, 文献[4]提出了联合重要度的概念。文献[5]将两个元件的联合重要度扩展到了多个元件。为了揭示元件所处的状态对状态本身和整个多状态系统故障的影响, 文献[6]拓展了传统的概率重要度和关键重要度分析方法, 将重要度划分为状态重要度和转移重要度。
上述文献的故障树均以与门、或门等传统逻辑门为基础, 使得进行重要度分析时仍需弄清楚故障机理, 找到事件间的联系。针对这一问题, 文献[7,8]研究了T-S模糊故障树分析方法, 将故障树由传统逻辑门拓展到T-S门, 降低了建树难度, 但是并未给出重要度指标的定义与计算方法, 难以全面发挥T-S模糊故障树在可靠性工程中的指导作用与实用价值。
为此, 本文在T-S模糊故障树算法基础上, 将传统故障树部件重要度分析方法推广到T-S模糊故障树中, 提出T-S重要度概念及其计算方法, 并与传统故障树方法进行算例对比, 结合液压系统实例, 验证了该方法的有效性和实用性。
1 T-S模糊故障树分析
用T-S模型取代传统逻辑门来描述事件联系, 构造T-S模糊故障树。图1所示为一个T-S模糊故障树, 其中, y2为顶事件, y1为中间事件, x1、x2、x3为底事件, G1、G2为T-S门。
1.1 事件描述
在实际系统应用中, 部件的状态往往由各种模糊数及语言值来表示, 为了便于进行故障树分析, 选取图2所示的梯形隶属函数, 其中, c为模糊数支撑集的中心, s为支撑半径, f为模糊区。由隶属函数μ (x) 描述的模糊数称为模糊数c。
1.2 T-S门算法
T-S模型由一系列IF-THEN规则组成, 假设x={x1, x2, …, xn}为前件变量, y为后件变量, Alj (j=1, 2, …, n) 为模糊集, 则可表述为:已知规则l (l=1, 2, …, r) , 若x1为Al1且x2为Al2且…且xn为Aln, 则y为y (l) 。设模糊集的隶属函数为μAlj (xj) , 则T-S模型输出为
假设模糊数{x (1) 1, x (2) 1, …, x (k1) 1}, {x (1) 2, x (2) 2, …, x (k2) 2}, …, {x (1) n, x (2) n, …, x (kn) n}和{y (1) , y (2) , …, y (ky) }分别用来描述前件x={x1, x2, …, xn}和后件y的故障程度, 其中, 0≤x (1) 1<x (2) 1<…<x (k1) 1≤1, 0≤x (1) 2<x (2) 2<…<x (k2) 2≤1, …, 0≤x (1) n<x (2) n<…<x (kn) n≤1, 0≤y (1) <y (2) <…<y (ky) ≤1, 则T-S门算法可表述如下[7,8]:
规则l 如果x1为x (i1) 1且x2为x (i2) 2且…且xn为x (in) n, 则y为y (1) 的可能性为P (l) (y (1) ) , y为y (2) 的可能性为P (l) (y (2) ) , …, y为y (ky) 的可能性为P (l) (y (ky) ) 。其中, i1=1, 2, …, k1; i2=1, 2, …, k2; …; in=1, 2, …, kn。因此, 规则总数
假设模糊可能性P (x (i1) 1) , P (x (i2) 2) , …, P (x (in) n) 分别用来描述底事件出现各种故障程度的发生概率, 则规则l执行的可能性为
P (l) 0=P (x (i1) 1) P (x (i2) 2) …P (x (in) n) (1)
因此, 后件的模糊可能性为
若已知前件x={x1, x2, …, xn}的状态为x′={x′1, x′2, …, x′n}, 则由T-S模型可估计出后件的模糊可能性为
其中, μx (ij) j (x′j) 为第l条规则中第j个部件故障程度x′j对应模糊集的隶属度。
1.3 传统逻辑门的T-S门规则形式
1.3.1 二态故障树逻辑门的T-S门规则形式
常见的二态故障树的逻辑门都可以转换为相应的T-S门规则形式。假设部件x1、x2为输入, y为输出, 且x1、x2和y有以下两种状态:故障和正常, 分别用1和0表示。
在二态与门中, 当所有输入事件同时发生时 (即x1=1且x2=1) , 门的输出事件才发生 (y=1) 。二态与门可用T-S规则表示, 见表1。表1中的每一行均代表一条T-S规则, 例如第1行的规则是:如果x1为0, x2为0, 则y为0的可能性为1, y为1的可能性为0。
在二态或门中, 至少有一个输入事件发生时 (x1=1或x2=1) , 门的输出事件就发生 (y=1) 。二态或门可用T-S规则表示, 见表2。
1.3.2 多态故障树逻辑门的T-S门规则形式
假设部件x1、x2为输入, y为输出, 且x1、x2和y有以下三种状态:正常、半故障和完全故障, 分别用模糊数0、0.5、1来表示。由文献[1]的定义可知, 在多状态系统中与门的输出事件的状态为所有输入部件状态中最坏的部件状态;而或门的输出事件的状态为所有输入部件状态中最好的部件状态。三态与门可用T-S规则表示, 见表3。例如, 第2行所代表的规则是:如果x1为0, x2为0.5, 则y为0的可能性为1, y为0.5的可能性为0, y为1的可能性为0。三态或门可用T-S规则表示, 见表4。
1.4 故障树算例对比与分析
1.4.1 二态故障树与T-S模糊故障树对比
假设由部件x1、x2和x3组成的T-S模糊故障树如图1所示, 令T-S门1为表2所示的二态或门, 且x2、x3和y1分别对应表2中的x1、x2和y;T-S门2为表1所示的二态与门, 且x1、y1和y2分别对应表1中的x1、x2和y;部件x1、x2和x3的故障率 (10-6/h) 分别为10、2和5。
(1) 用传统二态故障树分析方法计算y1、y2发生故障的概率分别为
P (y1) =P (x2) +P (x3) -P (x2) P (x3) =
6.999 99×10-6
P (y2) =P (x1) P (y1) =69.9999×10-12
(2) 采用T-S模糊故障树分析方法, 利用表1、表2和式 (1) 、式 (2) 计算y1、y2发生故障的概率分别为
二态故障树分析方法与T-S模糊故障树分析方法的计算结果相同, 表明二态故障树分析方法完全可以由T-S模糊故障树分析方法来代替。
1.4.2 多态故障树与T-S模糊故障树对比
假设由部件x1、x2和x3组成的T-S模糊故障树如图1所示, 令T-S门1为表4所示的三态或门, 且x2、x3和y1分别对应表4中的x1、x2和y;T-S门2为表3所示的三态与门, 且x1、y1和y2分别对应表3中的x1、x2和y;部件x1、x2和x3的故障程度为1, 即部件完全故障的故障率 (10-6/h) 分别为10、2和5, 假设部件发生半故障的故障率与完全故障的故障率相同。
(1) 利用传统多态系统故障树分析方法计算y1、y2出现各种故障程度的概率分别为
P (y1=0.5) =P (x2=0) P (x3=0.5) +P (x2=0.5) ×
[P (x3=0) +P (x3=0.5) ]=6.999 97×10-6
P (y1=1) =P (x2=0) P (x3=1) +P (x2=0.5) ×
[P (x3=1) +P (x2=1) ]=6.999 99×10-6
P (y2=0.5) =P (x1=0.5) [P (y1=0.5) +P (y1=1) ]+
P (x1=1) P (y1=0.5) =209.9993×10-12
P (y2=1) =P (x1=1) P (y1=1) =69.9999×10-12
(2) 用T-S模糊故障树分析方法, 利用表3、表4和式 (1) 、式 (2) 计算y1、y2出现各种故障程度的概率分别为
P (y1=0.5) =
P (y1=1) =
P (y2=0.5) =
P (y2=1) =
多态故障树分析方法和T-S模糊故障树分析方法的计算结果相同, 表明多态故障树分析方法完全可以用T-S模糊故障树分析方法来代替。
通过上述算例对比与分析可知, 传统故障树可以看作是T-S模糊故障树中已知部件的模糊可能性时的特例, 用T-S门能够描述传统逻辑门, T-S模糊故障树分析方法完全能够胜任传统故障树的计算。
2 T-S模糊故障树重要度分析
2.1 T-S重要度分析步骤
T-S重要度分析步骤如下:①选择顶事件, 建立T-S模糊故障树;②将部件和系统各种故障程度分别用模糊数描述, 并给出部件处于各种故障程度的模糊可能性;③结合专家经验和历史数据构造T-S门规则表, 根据T-S门规则计算部件的T-S结构重要度;④利用T-S模糊故障树分析算法, 计算出中间事件和顶事件出现各种故障程度的模糊可能性;⑤定义部件故障程度的T-S概率重要度, 进而由顶事件的模糊可能性求得部件故障程度的T-S关键重要度;⑥综合各种故障程度, 得到部件的T-S概率重要度以及T-S关键重要度;⑦对T-S重要度进行综合分析, 获得部件的重要度序列。
从传统故障树部件重要度出发推广到T-S模糊故障树中, 结合T-S门规则给出了T-S重要度定义。令T为故障树顶事件, 其故障程度用模糊数Tq ( q = 1, 2, …, kQ) 描述。
2.2 T-S结构重要度
定义1 部件xj故障程度为x (ij) j对系统顶事件T处于水平Tq的T-S结构重要度IStTq (x (ij) j) 为
式中, ki为部件xi的状态个数;rj (Tq, P (x (ij) j=1) ) 表示当部件xj故障程度为x (ij) j时系统处于水平Tq对应的规则个数;rj (Tq, P (x (ij) j=0) ) 表示当部件xj故障程度为0时系统处于水平Tq对应的规则个数。
2.3 T-S概率重要度
定义2 部件xj故障程度为x (ij) j的模糊可能性P (x (ij) j) (ij=1, 2, …, kj) 对系统顶事件T为Tq的T-S概率重要度IPrTq (x (ij) j) 为
IPrTq (x (ij) j) =P (Tq, P (x (ij) j) =1) -
P (Tq, P (x (ij) j) =0) ) (6)
其中, P (Tq, P (x (ij) j) = 1) 表示当部件xj故障程度为x (ij) j的模糊可能性P (x (ij) j) 为1时引起系统顶事件T为Tq的模糊可能性, P (Tq, P (x (ij) j) = 0) 表示P (x (ij) j) 为0引起系统顶事件T为Tq的模糊可能性, 可以理解为是由其他故障程度引起的T为Tq的模糊可能性。那么IPrTq (x (ij) j) 可以认为是由部件xj故障程度为x (ij) j单独引起的系统顶事件T为Tq的模糊可能性。P (Tq, P (x (ij) j) = 1) 和P (Tq, P (x (ij) j) = 0) 的值利用式 (1) 和式 (2) 分别用1和0代替P (x (ij) j) 即可得到。
综合部件各个故障程度的T-S概率重要度, 得到部件的T-S概率重要度, 定义如下:
定义3 部件xj对系统顶事件T为Tq的T-S概率重要度IPrTq (xj) 为
其中, k′j表示第j个部件的非0故障程度的个数, 若故障程度用模糊数0、0.5、1描述, 则k′j为2。
2.4 T-S关键重要度
定义4 部件xj的故障程度x (ij) j的模糊可能性P (x (ij) j) (ij=1, 2, …, kj) 对系统顶事件T为Tq的T-S关键重要度ICrTq (x (ij) j) 为
其中, P (T=Tq) 表示顶事件T为Tq的概率。
定义5 部件xj对系统顶事件T为Tq的T-S关键重要度ICrTq (xj) 为
2.5 重要度算例对比与分析
2.5.1 二态故障树与T-S模糊故障树的重要度算法对比
以1.4.1节的算例为例进行对比分析, 以验证T-S重要度定义的可行性。
(1) 概率重要度。
利用二态系统故障树概率重要度方法计算部件x1的概率重要度为
P (x2) +P (x3) -P (x2) P (x3) =6.999 99×10-6
同理可得x2、x3的概率重要度分别为
IPr (x2) =9.999 95×10-6
IPr (x3) =9.999 98×10-6
(2) 结构重要度。
理论上已经证明, 当所有底事件的故障概率均为0.5时, 可算得各底事件的概率重要度等于结构重要度, 因此部件x1的结构重要度为
ISt (x1) =0.5+0.5-0.5×0.5=0.75
同理可得x2、x3的结构重要度分别为
ISt (x2) =0.25 ISt (x3) =0.25
(3) 关键重要度。
利用二态系统故障树关键重要度方法, 由1.4.1节求得的顶事件概率, 计算部件x1的关键重要度为
同理可得x2、x3的关键重要度分别为
ICr (x2) =0.286 ICr (x3) =0.714
(4) T-S概率重要度。
利用式 (6) 和式 (7) , k′j=1, 得到部件x1的T-S概率重要度为
IPr1 (x1) =IPr1 (x (1) 1) =P (1, P (x1=1) =1) -
P (1, P (x1=1) =0) =6.999 99×10-6
同理可得x2、x3的T-S概率重要度分别为
IPr1 (x2) =9.999 95×10-6
IPr1 (x3) =9.999 98×10-6
(5) T-S结构重要度。
利用式 (5) 得出部件x1故障程度为1的T-S结构重要度为
r1 (1, P (x (1) 1=0) ) ]=0.75
同理可得x2、x3故障程度为1的T-S结构重要度分别为
ISt1 (x (1) 2) =0.25 ISt1 (x (1) 3) =0.25
(6) T-S关键重要度。
利用式 (8) 和式 (9) , k′j=1, 由1.4.1节求得的顶事件概率, 得出部件x1的T-S关键重要度为
同理可得x2、x3的T-S关键重要度分别为
ICr1 (x2) =0.286 ICr1 (x3) =0.714
二态故障树重要度分析方法与T-S模糊故障树重要度分析方法的计算结果相同, 表明T-S模糊故障树重要度分析方法可以用来计算二态故障树部件重要度。
2.5.2 多态故障树与T-S模糊故障树的重要度算法对比[2,3]
以1.4.2节的算例为例进行对比分析, 验证T-S重要度定义的可行性。
(1) 结构重要度。
利用多态系统故障树概率重要度方法计算部件x1故障程度为0.5对于系统处于水平0.5的结构重要度为
同理可得各部件故障程度为0.5和1的结构重要度分别为
对于系统处于水平0.5, 有
对于系统处于水平1, 有
(2) 概率重要度。
利用多态系统故障树概率重要度方法计算部件x1故障程度为0.5对y2为0.5的概率重要度为
同理可得各部件故障程度为0.5和1的概率重要度分别为
IPr0.5 (x (0.5) 1) =13.999 96×10-6
IPr0.5 (x (1) 1) =6.999 97×10-6
IPr1 (x (0.5) 1) =0 IPr1 (x (1) 1) =6.999 99×10-6
IPr0.5 (x (0.5) 2) =19.999 95×10-6
IPr0.5 (x (1) 2) =10×10-6
IPr1 (x (0.5) 2) =50×10-12
IPr1 (x (1) 2) =10×10-6
IPr0.5 (x (0.5) 3) =19.999 96×10-6
IPr0.5 (x (1) 3) =9.999 98×10-6
IPr1 (x (0.5) 3) =20×10-12IPr1 (x (1) 3) =10×10-6
综合部件x1故障程度为0.5和1的概率重要度, 得到部件x1对y2为0.5的概率重要度为
IPr0.5 (x1) =[IPr0.5 (x (0.5) 1) +IPr0.5 (x (1) 1) ]/2=10.499 97×10-6
同理可得各部件的概率重要度分别为
IPr0.5 (x1) =10.499 97×10-6
IPr1 (x1) =3.499 995×10-6
IPr0.5 (x2) =14.999 98×10-6
IPr1 (x2) =5.000 025×10-6
IPr0.5 (x3) =14.999 97×10-6
IPr1 (x3) =5.000 010×10-6
(3) 关键重要度。
利用多态系统故障树关键重要度方法, 由1.4.2节求得的顶事件概率, 计算部件x1故障程度为0.5对y2为0.5的关键重要度为
同理可得各部件故障程度为0.5和1的关键重要度分别为
ICr0.5 (x (0.5) 1) =0.667 ICr0.5 (x (1) 1) =0.333
ICr1 (x (0.5) 1) =0 ICr1 (x (1) 1) =1
ICr0.5 (x (0.5) 2) =0.476 ICr0.5 (x (1) 2) =0.238
ICr1 (x (0.5) 2) =3.57×10-6ICr1 (x (1) 2) =0.714
ICr0.5 (x (0.5) 3) =0.190 ICr0.5 (x (1) 3) =0.095
ICr1 (x (0.5) 3) =0.571×10-6ICr1 (x (1) 3) =0.286
综合部件x1故障程度为0.5和1的关键重要度, 得到部件x1对y2为0.5的关键重要度为
ICr0.5 (x1) =[ICr0.5 (x (0.5) 1) +ICr0.5 (x (1) 1) ]/2=0.5
同理可得各部件的关键重要度分别为
ICr0.5 (x1) =0.5 ICr1 (x1) =0.5
ICr0.5 (x2) =0.357 ICr1 (x2) =0.357
ICr0.5 (x3) =0.143 ICr1 (x3) =0.143
(4) T-S结构重要度。
利用式 (5) 得出部件x1故障程度为0.5对于系统处于水平0.5的T-S结构重要度为
同理可得各部件故障程度为0.5和1的T-S结构重要度分别为
对于系统处于水平0.5, 有
对于系统处于水平1, 有
(5) T-S概率重要度。
利用式 (6) , 得到部件x1故障程度为0.5对y2为0.5的模糊可能性的T-S概率重要度为
IPr0.5 (x (0.5) 1) =P (0.5, P (x1=0.5) =1) -
P (0.5, P (x1=0.5) =0) =13.999 96×10-6
同理可得各部件故障程度为0.5和1的模糊可能性的T-S概率重要度分别为
IPr0.5 (x (0.5) 1) =13.999 96×10-6
IPr0.5 (x (1) 1) =6.999 97×10-6
IPr1 (x (0.5) 1) =0 IPr1 (x (1) 1) =6.999 99×10-6
IPr0.5 (x (0.5) 2) =19.999 95×10-6
IPr0.5 (x (1) 2) =10×10-6
IPr1 (x (0.5) 2) =50×10-12IPr1 (x (1) 2) =10×10-6
IPr0.5 (x (0.5) 3) =19.999 96×10-6
IPr0.5 (x (1) 3) =9.999 98×10-6
IPr1 (x (0.5) 3) =20×10-12IPr1 (x (1) 3) =10×10-6
利用式 (7) , 综合部件x1故障程度为0.5和1的T-S概率重要度, 得到部件x1对y2为0.5的T-S概率重要度为
IPr0.5 (x1) =[IPr0.5 (x (0.5) 1) +IPr0.5 (x (1) 1) ]/2=
10.499 97×10-6
同理可得各部件的T-S概率重要度分别为
IPr0.5 (x1) =10.499 97×10-6
IPr1 (x1) =3.499 995×10-6
IPr0.5 (x2) =14.999 98×10-6
IPr1 (x2) =5.000 025×10-6
IPr0.5 (x3) =14.999 97×10-6
IPr1 (x3) =5.000 010×10-6
(6) T-S关键重要度。
利用式 (8) , 由1.4.2节求得的顶事件概率, 得出部件x1故障程度为0.5对y2为0.5的模糊可能性的T-S关键重要度为
同理可得各部件故障程度为0.5和1的模糊可能性的T-S关键重要度分别为
ICr0.5 (x (0.5) 1) =0.667 ICr0.5 (x (1) 1) =0.333
ICr1 (x (0.5) 1) =0 ICr1 (x (1) 1) =1
ICr0.5 (x (0.5) 2) =0.476 ICr0.5 (x (1) 2) =0.238
ICr1 (x (0.5) 2) =3.57×10-6ICr1 (x (1) 2) =0.714
ICr0.5 (x (0.5) 3) =0.190 ICr0.5 (x (1) 3) =0.095
ICr1 (x (0.5) 3) =0.571×10-6ICr1 (x (1) 3) =0.286
利用式 (9) , 综合部件x1故障程度为0.5和1的T-S关键重要度, 得到部件x1对y2为0.5的T-S关键重要度为
ICr0.5 (x1) =[ICr0.5 (x (0.5) 1) +ICr0.5 (x (1) 1) ]/2=0.5
同理可得各部件的T-S关键重要度分别为
ICr0.5 (x1) =0.5 ICr1 (x1) =0.5
ICr0.5 (x2) =0.357 ICr1 (x2) =0.357
ICr0.5 (x3) =0.143 ICr1 (x3) =0.143
多态故障树重要度分析方法与T-S模糊故障树重要度分析方法的计算结果相同, 表明T-S模糊故障树重要度分析方法可以用来计算多态故障树部件重要度。
通过上述算例对比与分析可知, T-S模糊故障树重要度分析方法完全能够胜任传统故障树部件重要度计算。
3 T-S模糊故障树重要度分析实例
3.1 T-S模糊故障树分析
以文献[8]某液压系统为例, 建立以动力源系统为顶事件的T-S模糊故障树, 如图1所示。其中, 顶事件y2代表动力源系统;中间事件y1代表调压块;底事件x1、x2、x3分别液压泵、插装阀和电磁溢流阀。
假设x1、x2、x3和y1、y2的常见故障程度为 (0, 0.5, 1 ) 。其中, 0表示无故障, 即压力流量正常, 系统可完成规定功能;0.5表示半故障状态或轻度故障程度, 即压力流量不稳定且达不到规定值, 系统不能全部完成规定功能;1表示完全故障或严重故障程度, 即压力流量几乎为零, 系统不能工作。结合图2所示的梯形隶属函数, 参数选为s=0.1, f=0.3。根据文献[8]可得到T-S门规则, 见表5和表6。
下面根据上述规则并结合T-S门算法, 给出顶事件出现各种故障程度的模糊可能性, 计算过程详见文献[8]。
(1) 底事件x1、x2、x3的故障率 (10-6/h) 分别为10、2.4、9.4, 这些数据为各部件故障程度为1时的模糊可能性, 假设x1、x2、x3的故障程度为0.5的故障率与为1的故障率相同。由底事件的模糊可能性计算顶事件出现各种故障程度的模糊可能性分别为
P (y2=0.5) =6.51×10-6
P (y2=1) =31.97×10-6
(2) 假设底事件x1、x2、x3的状态为x′1=0, x′2=0.2, x′3=0.1, 由底事件的状态计算顶事件出现各种故障程度的模糊可能性分别为
P (y2=0) =0.76
P (y2=0.5) =0.05
P (y2=1) =0.19
3.2 T-S模糊故障树重要度分析
3.2.1 T-S结构重要度
利用式 (5) 得出部件x1故障程度为0.5对于系统处于水平0.5的T-S结构重要度为
同理可得各部件故障程度为0.5和1的T-S结构重要度见表7。
由表7可知, 部件x1、x2、x3的T-S结构重要度是相同的, 表明它们在故障树逻辑结构中的位置重要程度相同。
3.2.2 T-S概率重要度
利用式 (6) , 得到部件x1故障程度为0.5对y2为0.5的T-S概率重要度为
IPr0.5 (x (0.5) 1) =P (0.5, P (x1=0.5) =1) -
P (0.5, P (x1=0.5) =0) =0.5
同理可得各部件故障程度为0.5和1的T-S概率重要度见表8。
利用式 (7) , 综合部件x1故障程度为0.5和1的T-S概率重要度, 得到部件x1对y2为0.5的T-S概率重要度为
IPr0.5 (x1) =[IPr0.5 (x (0.5) 1) +IPr0.5 (x (1) 1) ]/2=0.25
同理可得各部件的T-S概率重要度见表9。
由表9可知, 当系统处于半故障时, x1的T-S概率重要度最大;当系统处于完全故障时, x3的T-S概率重要度最大。
3.2.3 T-S关键重要度
利用式 (8) , 由3.1节求得的顶事件的模糊可能性, 得出部件x1故障程度为0.5对y2为0.5的T-S关键重要度为
同理可得各部件故障程度为0.5和1的T-S关键重要度见表10。
利用式 (9) , 综合部件x1故障程度为0.5和1的T-S关键重要度, 得到部件x1对y2为0.5的T-S关键重要度为
ICr0.5 (x1) =[ICr0.5 (x (0.5) 1) +ICr0.5 (x (1) 1) ]/2=0.384
同理可得各部件的T-S关键重要度见表11。
由表11可知, 当系统处于半故障时, x1的T-S关键重要度最大, 则提高液压泵的可靠性对系统可靠性的提升的效果最为明显, 同时可按以下次序进行故障排查:x1、x3、x2;当系统处于完全故障时, x3的T-S关键重要度最大, 则提高电磁溢流阀的可靠性对系统可靠性的提升的效果最为明显, 同时可按以下次序进行故障排查:x3、x1、x2。
上述方法表明, 已知的部件故障程度的模糊可能性的T-S重要度, 其实质仍是以T-S算法为基础的, T-S结构重要度仅取决于部件状态对应的T-S规则, T-S概率重要度和T-S关键重要度取决于部件故障程度的模糊可能性和对应的T-S规则。
4 结论
T-S重要度分析与传统部件重要度分析方法相比较, 具有以下优点:
(1) 与传统逻辑门相比, 结合专家经验和历史数据的T-S门更接近实际系统情况, 能够发挥模糊逻辑推理的优势, 从而解决了系统故障机理的不确定性问题, 降低了建树的难度。
(2) T-S重要度分析以T-S门为前提, 使得重要度分析不再以弄清与、或等传统逻辑关系和最小割集为前提, 降低了定量分析的难度。
(3) T-S重要度分析方法更为一般化和精确化, 是对传统故障树重要度分析方法的继承与发展, 传统故障树重要度分析方法只是T-S模糊故障树重要度分析一个特例。
因此, 该方法在机电液复杂系统的可靠性分析及故障诊断中有广泛的应用前景。
摘要：传统部件重要度分析方法建立在布尔逻辑门的基础上, 需要精确已知部件之间的联系, 并且不能全面考虑部件所有状态及部件之间的联系对多状态系统可靠性的影响。针对上述问题, 首先通过给出传统二态、多态逻辑门的T-S门规则形式, 验证了T-S模糊故障树分析方法的可行性, 进而将传统二态和多态部件重要度分析方法推广到T-S模糊故障树中, 提出了T-S重要度概念及其计算方法, 包括T-S结构、概率及关键重要度。然后, 与传统部件重要度分析方法进行算例对比与分析, 验证方法的可行性。最后, 给出了液压系统T-S模糊故障树分析及其重要度计算实例。
关键词：故障树,重要度,T-S模型,逻辑门
参考文献
[1]Barlow R E, Wu A S.Coherent Systems with Mul-tistates Components[J].Math.of Operation Re-search, 1978, 37 (3) :275-281.
[2]曾亮, 郭欣.多状态单调关联系统可靠性分析[J].方法与应用, 1997, 70 (4) :30-33.
[3]曾亮, 郭欣.多状态单调关联系统元件重要度分析[J].系统工程与电子技术, 1998 (2) :72-74.
[4]Wu S M.Joint Importance of Multistate Systems[J].Computers&Industrial Engineering, 2005, 49 (1) :63-75.
[5]Gao X L, Cui L R, Li J L.Analysis for Joint Im-portance of Components in a Coherent System[J].European Journal of Operational Research, 2007, 182 (1) :282-299.
[6]Andrews J D.Birnbaum and Criticality Measures ofComponent Contribution to the Failure of PhasedMissions[J].Reliability Engineering and SystemSafety, 2008, 93 (12) :1861-1866.
[7]Hua Song, Hong Yuezhang, Chan C W.FuzzyFault Tree Analysis Based on T-S Model with Ap-plication to INS/GPS Navigation System[J].SoftComputing, 2009, 13 (1) :31-40.
故障树分析方法 篇8
在故障诊断理论中,故障树分析方法是一种应用于复杂系统可靠性、安全性分析与预测的最有效方法之一。传统的故障树分析方法是基于概率论和布尔代数理论,需要故障树顶事件和底事件发生的精确概率值,然而在实际系统中是很困难的。这主要因为系统和单元的失效概率通常需要大量的实际数据进行估计,往往带有一定的误差,同时也无法获取足够的数据信息。因此,在大型复杂的系统故障树分析中,故障树顶事件和底事件的概率常带有不确定性和模糊性,必须应用模糊数学理论和方法来解决[1,2]。
在经典的故障树分析的基础上,研究了基于故障率为模糊数的故障树分析方法在矿井提升机系统中的应用。
1 提升机故障树的分析
图1为提升机故障树,表示事件输入、输出关系的逻辑门,其内部“+”符号表示或门逻辑关系,“○”符号表示与门逻辑关系。
X 1为制动系统闸盘偏摆、弹簧疲劳;X 2为液压制动系统油位偏低;X3为电枢柜、励磁柜风机停;……X27为制动系统闸瓦磨损;X28为电机轴承过热。
图1中,根据经典的FTA可知,提升机故障树的最小割集为25个,分别为{X1}、{X2}、{X3}、{X4,X5}等。若设单元可靠度服从指数分布,故障率分别为λ1,λ2,…λ2 8,则它们的可靠度分别为Rj(t)=e-λi(i=1,2,3,…28)。系统单元可靠度曲线如图2所示。
系统故障树的结构函数为:
顶事件发生概率和系统可靠度分别为:
图3为顶事件发生概率(*)和系统可靠度(+)曲线。
3 系统模糊可靠性分析[3,4,5]
根据经典可靠度R和模糊可靠度的定义有:
式中,表示A出现的条件下出现的概率。
当系统各单元的故障率为三角形模糊数时,模糊故障率的参数分别为:
系统模糊可靠度如图4所示。
研究表明,基于故障率为模糊数的故障分析方法同经典的概率分析方法研究结果一致。当t=0时,模糊概率退化为精确值;当t=∞时,模糊概率的三角宽度趋于精确值。
要对系统进行定量分析,就要知道底事件的故障率。通过查阅相关设备说明以及电子器件手册,可以得到相关事件的设备的故障率,由此可以计算出系统的故障率和平均无故障时间。
对矿井提升机控制系统故障树进行定性分析,得出矿井提升机控制系统故障树最小割集25个,结合故障树,通过对最小割集分析,检测器件、执行器故障是主要原因。
由于矿井提升机控制系统故障树中底事件很多,其单元可靠性指标主要为故障率,事实上许多单元设备的故障率无法查到,因此一般可以通过借鉴相似的器件或经验取得,并不十分准确。这里采用将故障率转化为三角模糊数来计算,通过最大隶属度去模糊化处理,则可以计算得到系统的可靠度与时间的变化曲线图,如图5所示。
4 结论
传统的故障树分析方法,基于概率论和布尔代数理论,需要故障树顶事件和底事件发生的精确概率值。而在实际系统中无法获取足够的数据信息。因此在大型复杂的系统故障树分析中,故障树顶事件和底事件的概率常带有不确定性和模糊性,需应用模糊数学理论和方法来解决。
基于模糊可靠性分析了一些主要指标,结合典型的模糊可靠度计算方法,证明了应用模糊数学集合理论对系统进行基于故障率为模糊数的故障分析,可以较好克服经典方法难于精确赋值等缺点。这种方法既反映了概率本身的模糊性,又容许一定程度的误差,同时可以将现场数据和专家经验总结起来,在可靠性的工程上具有广泛的应用前景。
摘要：分析经典故障树分析方法,提出了基于故障率为模糊数的故障树分析方法。针对提升机应用实例,将故障率转化为三角模糊数来计算,通过最大隶属度去模糊化处理,计算得到系统的可靠度与时间的变化曲线图,证明了应用模糊数学集合理论对系统进行基于故障率为模糊数的故障分析,可以较好地克服经典方法难于精确赋值等缺点。
关键词：故障树,模糊数,故障诊断,提升机
参考文献
[1]Kun Sun,Peng Ning,Cliff Wang.Fault-Tolerant Clus-ter-Wise Clock Synchronization for Wireless Sensor Networks[J].IEEE Transactions on Dependable and Secure Computing,2005,2(3)
[2]D.U.Campos-Delgado,etal.Integrated Fault-Tolerant Scheme for a DC Speed Drive[J].ASME Transactions on Mechatronics,2005,10(4)
[3]李青,陆廷金,李宁萍,等.三角模糊数的模糊故障树分析及其应用[J].中国矿业大学学报,2000,29(1)
[4]张俊福,邓本让,朱玉仙,等.应用模糊数学[M]北京:地质出版社,1988
故障树分析方法 篇9
大型电力变压器担负着大量电能的输送,是电力系统中最重要的输变电设备之一,其可靠性直接关系到电力系统的安全可靠运行。随着电网的迅速发展,单台高电压、大容量的变压器越来越多地投入电网运行,与此同时,由于制造、运输、安装和维修质量等因素造成的电力变压器故障不仅影响电力系统的输电能力,还可能造成电力系统的大规模停电,给电力系统和国民经济带来巨大损失。因此,提高电力变压器的可靠性,对整个电网的安全可靠运行具有十分重要的意义[1,2,3]。
目前,关于电力变压器可靠性研究可分为定性分析和定量评估两方面。在定性分析方面,中国电力可靠性管理中心根据历年统计数据对变压器运行可靠性指标及变压器可靠性影响因素进行了分析,按部件分析了变压器非计划停运情况,指出变压器故障主要集中于变压器绕组、套管、绝缘介质、冷却装置、铁芯、分接开关、调节装置、油枕等部件[4,5,6,7,8]。在定量分析方面,国内外学者也取得了一定研究成果[9,10,11,12,13,14,15]:文献[9-14]均通过故障树分析法对电力变压器可靠性进行了分析,这些文献根据变压器各部件的部位和功能以及变压器故障模式,将变压器划分为绕组、套管、冷却系统、铁芯、分接开关、绝缘介质等子系统,建立变压器故障树模型实现变压器的可靠性评估分析;文献[15]将变压器所处的使用状态分为正常运行、绕组故障、预防性试验等11种状态,针对变压器可靠性指标统计数据,结合马尔科夫过程原理,运用频率和持续时间法建立了变压器可靠性评估模型。
对设备进行可靠性研究,不仅要对它的一些可靠性指标例如故障概率、故障频率等做出评估,更重要的是要找出对其可靠性影响较大的因素,辨识薄弱环节,从而确定提高该设备可靠性的对策,包括设计制造和运行维护两方面宜采取的措施。
所谓可靠性跟踪就是运用跟踪思想科学合理地确定各元件与系统可靠性指标之间的分配关系,确定元件对系统不可靠性指标的“贡献”。已有文献将可靠性跟踪理论用于电力系统可靠性研究中[16,17,18]:文献[16-17]提出可靠性跟踪的比例分摊准则,辨识对系统不可靠性“贡献”最大的元件;文献[18]讨论了HVDC输电系统可靠性跟踪方法,提出基于比例分摊思想的系统不可靠性跟踪准则,基于该准则得到各子系统、元件对直流输电系统可靠性指标的分摊。
变压器可靠性跟踪就是确定换流变压器各部件对(可能发生的)故障事件的“贡献”大小,进而确定影响换流变压器可靠性的关键部件,为换流变压器薄弱环节辨识等提供量化依据。当前针对变压器可靠性跟踪的研究较少,仅有文献[19]提出的基于故障树法的变压器可靠性评估,该文献计算了变压器各部件对换流变压器不可用率“贡献”的大小,但是该文献仅通过变压器各部件故障率在变压器故障率中所占的比例来评估各部件对变压器不可靠性应承担的“责任”,未计及各部件修复时间的不同。
本文提出了基于故障树分析的系统可靠性跟踪和薄弱环节辨识方法。根据变压器结构、各部件功能及故障模式分析,建立了变压器故障树模型,进行了变压器可靠性跟踪计算分析,并根据可靠性跟踪结果辨识了变压器薄弱环节。
1 故障树分析
1.1 故障树建造
故障树法是一种由果到因的图形演绎分析方法,是对系统故障形成的原因采用从整体至局部、按树枝状逐渐细化分析的方法。它通过分析系统的薄弱环节和完成系统的最优化来实现对设备故障的预测和诊断,是一种安全性和可靠性分析技术,对于系统故障的预测、预防、分析和控制效果显著,广泛用于大型复杂系统可靠性、安全性分析和风险评价[20,21]。
故障树的建造是故障树分析法的关键,故障树建造的完善程度将直接影响定性分析与定量分析的准确性。故障树建造过程即是寻找系统故障和导致系统故障的诸因素之间的逻辑关系的过程,并且用故障树的图形符号(事件符号与逻辑门符号)抽象表示实际系统故障组合和传递的逻辑关系。图1(a)给出了故障树的事件类型和逻辑门符号。图1(b)为一故障树实例。通过故障树的建造过程可确定顶事件和其他事件间的逻辑关系。事件间的逻辑关系有并联、串联和混合三种。
1.2 故障树评估
故障树既可用于系统可靠性的定性分析,又可用于定量评估。定性分析致力于顶事件的关键因素或关键事件分析,而定量评估主要用于评估顶事件发生的概率。最小割集法(the Minimal Cut Sets,MCS)可用于故障树的定性分析。最小割集是导致顶事件发生的最小事件组合。通过最小割集可辨识系统的薄弱环节和影响其可靠性的关键部件。
故障树的最小割集可由Fussel算法[22]求得,其基本原理为故障树的或门增加割集数目,与门增大割集容量(割集中包含的底事件数目)。从故障树的顶事件开始,由上到下,顺次把上一级事件置换为下一级事件,遇到与门将输入事件横向并列写出,遇到或门将输入事件竖向串联写出,直到把全部逻辑门都置换成底事件为止,此时最后一列代表所有割集,再将割集简化、吸收得到全部最小割集。采用Fussell算法求解图1(b)所示故障树的最小割集,具体见表1。
故障树顶事件的发生概率P(T)可表示为
式中:N是最小割集数;MCSi(i=1,2,…,N)是故障树第i个最小割集;P(MCSi)为MCSi的发生概率。
2 故障树可靠性跟踪准则
文献[18]提出了电力系统可靠性跟踪不可靠性指标的比例分摊准则,同样适用于故障树模型的可靠性跟踪。
根据比例分摊准则,底事件xi对顶事件概率指标的贡献PS→xi为
式(4)即为故障树模型的可靠性跟踪准则。应用式(1)可将顶事件的概率分摊到底事件中。由式(2)可以看出,上述可靠性跟踪准则具有两个重要特征:
(1)对称性,即P(xi)只是一个符号,可以代表任何底事件。
(2)同一性,即依据该准则可实现顶事件概率指标的完全分摊,如式(3)所示。
3 故障树可靠性跟踪算法
假设故障树底事件和最小割集数分别为M和N。由式(2)可知,P(T)有2N-1项。应用式(2)可得任意底事件xi对顶事件概率P(T)的贡献。式(2)包括的所有展开项的可靠性指标跟踪表示为
式中,m为式(2)中第S项最小割集数。
根据式(4),可得所有底事件不可靠性指标的跟踪为{P1,P2,…,PM。
定义第i个底事件不可靠性指标跟踪分摊因子(Unreliability Tracing Sharing Factor,UTSF)为UTSFi,其表达式为
UTSF表征每个底事件对系统不可靠性指标贡献的大小。底事件UTSF指标越大,其对系统不可靠性承担的责任越大。UTSF指标较大的底事件即为系统的薄弱环节。
故障树可靠性跟踪算法流程如图2所示。
4 算例分析
4.1 变压器故障树
变压器主要部件包括铁芯、绕组、套管、冷却系统、分接头装置、绝缘介质、油枕等。统计数据表明变压器故障主要集中在线圈、套管、调压装置、铁心、绝缘介质、冷却装置、油枕等部件[4,5,6,7,8]。文献[9]将变压器划分为器身、绕组、铁芯、有载分接开关、非电量保护系统、冷却系统、套管、油枕八大子系统;文献[10]将变压器故障事件划分为引线故障、线圈故障、铁芯故障、套管故障、分接开关故障及其他故障六大类;文献[11]按变压器的故障部位将故障停运划分为绕组故障、铁心故障、套管故障、冷却系统故障、分接头调节装置故障、绝缘介质故障和其他故障共7种;此外文献[13]也均对变压器故障按部件进行了分类。本文在变压器故障历史数据统计分析[4,5,6,7,8]及文献[9-13]的基础上,结合变压器的组成部件和功能,对变压器故障按部件作如下划分:绕组、铁芯、套管、冷却装置、分接头调节装置、绝缘介质、油枕及其他8类。其中其他主要包括中性点设备、引出线、均压罩等部件故障。基于上述故障部件划分建立变压器故障树如图3所示。
4.2 可靠性参数
中国电力企业联合会电力可靠性管理中心发布了1999年~2001年全国220 k V及以上电压等级电力变压器运行可靠性指标分析及2000年~2003年全国220 k V及以上输变电设施可靠性分析报告,分析报告中给出了1999年~2003年全国220 k V及以上电压等级电力变压器统计数量及按部件分类的非计划停运次数、非计划停运时间统计数据,由此可得变压器各部件非计划停运率和平均停运持续时间,如表2和表3所示。
4.3 可靠性跟踪结果
采用4.2节给出的变压器可靠性参数,应用前述可靠性跟踪算法,计算得到变压器各部件对变压器概率指标的分摊列于表4。图4为变压器各部件对变压器故障概率指标贡献的对比分析。
由表4所列数据及图4可知:绕组对变压器故障概率指标承担的“责任”最大,所占比例高达63.83%,这是由于绕组设计不当、绝缘薄弱、受大气过电压及操作过电压等因素影响易于发生短路故障,且维修工序复杂,需较长时间才能修复;其次为套管,所占比例为15.44%,其余各部件所占比例均较小。
由以上分析可知,变压器故障主要由绕组和套管引起,绕组和套管为换流变压器最大薄弱环节。因此,应加强对变压器绕组和套管的设计研制,提高变压器可靠性。同时在变压器实际运行中,也应重点监视、维护变压器的绕组和套管,尽可能减少变压器故障次数,提高变压器可用率。
5 结论
故障树分析方法 篇10
关键词：管道,事故,风险,故障树
随着中国经济的发展, 长输油气管道运输业发展也非常迅速, 长输油气管道传输物质的特殊性决定了其危险系数高, 故长输油气管道在发展中存在的普遍问题是事故率较高, 有一些是非常重大的事故, 易造成较为严重的后果, 造成较大的经济损失和人员伤亡, 引起了较为强烈的社会反响。因此要加强管道系统的管理, 对其可靠性进行分析, 加强运维管理, 对长输油气管道运维过程中的各类风险加以评价。对长输油气管道的风险评价中, 采用何种技术方法是至关重要的, 所采种的技术方法是否客观有效, 对长输油气管道事故的防范有较好的预防作用, 对管道风险分析最基本的要素是要对长输油气管道运行中的风险点进行识别, 并采用适宜的方法对风险点进行分析, 得出定量的风险评价方法。故障树分析系统是一套定量的风险评估办法, 能对事故进行精细分析, 并找到影响长输油气管道安全的因素, 是一套量化的分析方法。本文长对输油气管道故障树分析的定量风险评价方法进行了研究。
1在役长输油气管道事故多发的原因
引发在役长输油气管道传输危险的因素有很多, 主要原因有:一是在役长输油气管道周边环境问题, 如在役长输油气管道深埋地段在进行道路改造、河道改造, 或一些区域有违章建筑等, 这些都会给在役长输油气管道带来安全隐患;二是周边建筑施工不当造成在役长输油气管道破裂;三是由于在役长输油气管道发生严重腐蚀, 未及时检修;四是缺少在役长输油气管道科学管理的长效机制, 未制订有效的管理规章制度, 未构建起科学合理的评价体系, 不能对在役长输油气管道的风险进行科学高效预测, 监控和管理水平不高, 对压力管道风险的预警响应能力差。
2 基于故障树分析的长输油气管理定量风险评价
故障树分析是适用于大型复杂系统的可靠性分析技术, 能对在役长输油气管道安全性加以分析, 对易发生的故障事件采种图形演绎法、逻辑分析等方法进行分析, 故障树分析系统对各种因素事件可能导致的系统故障进行了分析, 从系统角度出发从整体出发, 自上而下对逻辑规定加以分析, 对导致所有可能的直接因素加以评判, 分析其间的逻辑关系事件, 对事故发生的树枝状结构层原因加以分析。为确定系统故障发生概率的组合, 采取相应的措施以提高系统可靠性。故障树是一种逻辑上的因果关系图, 根据状态组件来显示系统状态。从上到下一步一步形成故障树, 并根据事件和联系, 采用图形化模式路径, 对系统事件分析, 对可能出现导致失败的路径加以预测, 对不可预测事件采用标准符号逻辑方式加以描述, 使用最基本的门和事件故障树图来构造单元, 故障树分析是一种图形解释方法, 这需要一些特殊符号, 表达事件和因果关系之间的逻辑关系。
采用故障树分析方法对问题加以分析, 故障树的顶部被称之为“根”事件, 又称故障事件, 在事件结束时, 可以理解为“叶”事件。故障树分析方法是直观的, 能客观反映系统中的故障关系, 并可反映外部因素。不仅可分析一些故障的影响原因, 也可对导致这些故障的特殊原因进行分析。故障树分析过程是对长输油气管道系统安全评价的深刻理解的过程, 要对长输油气管道加以分析, 理解故障发生的方式和影响因素, 及时解决这些问题, 从根本上提高系统可靠性, 图1为故障树分析过程。
在长输油气管道风险分析中应用故障树分析技术为系统提供可靠性的分析, 能对影响因素进行定量分析, 找到风险管理的弱点, 并加以改善, 提高长输油气管道系统运行安全。根据故障树分析结果, 制定有针对性的防范措施, 建立风险评估制度, 提升长输油气管道的故障诊断与维修管理水平。
3结语
基于长输油气管道的故障树定性分析有非常好的分析效果, 能对长输油气管道的主要危险因素加以识别, 对风险进行定量分析, 并制定相应的防范措施, 以提高长输油气管道的运维安全性。
参考文献
[1]庞永莉张小龙.油气长输管道应力分析标准研究[J].油气储运, 2015, 02.
[2]黄勇, 陈海群, 王凯全.Fault Tree+软件在长输天然气管道定量风险分析中的应用[J].中国安全生产科学技术, 2013, 01:92-97.
故障树分析方法 篇11
目前在电厂系统故障诊断中常用的方法主要有基于专家系统的故障诊断方法、基于神经网络的诊断方法和基于模糊数学的诊断方法。基于专家系统的方法[2,3]不需要系统的精确数学模型,根据长期的实践经验和大量的故障信息知识,建立知识库,知识推理机制,设计专家系统的故障检测、故障诊断模型,它可以较好地解决复杂系统的故障检测与诊断问题。然而知识的获取是其应用的瓶颈。基于神经网络的方法[4,5]利用神经网络强的自组织自学习能力,能够较方便地建立故障模型或对象模型,适合于处理复杂系统的故障诊断问题。但是在使用神经网络进行故障检测以前必须使用大量的故障样本训练网络。人工神经网络的诊断结果取决于训练样本的准确性和充分性,但对于电厂的热力系统而言,具体的机组、设备很难获得足够的样本,而同类机组和设备之间即使参数相同也会因制造、安装和改造等因素而有所差别,这就使得神经网络在实际应用中受到很大地限制。基于模糊数学的方法[6,7,8]通过建立模糊关系矩阵或模糊关系库,进行模糊推理,能较好地处理故障检测中的不确定性问题。其技术难点在于建立有效充分的特征集和故障状态集,对于新出现的故障不能做出有效判断。
本文采用广义故障树知识表示方法建立起智能诊断系统的诊断知识规则库,同时设计基于故障树的故障诊断推理机制,从而设计出一个基于故障树的汽包水位智能故障诊断系统。这一系统建立在深入了解汽包水位故障成因机理基础上,算法实现简单,具有很强的工程价值。
1 汽包水位故障树的建立
故障树分析法[9]是从所研究的故障现象出发寻找产生这一故障的根源,因而是从果到因的研究过程。通过对汽包水位变化机理研究,并结合对具体热力设备结构特征和故障机理的研究,可建立电厂运行中汽包水位常见故障的故障树(见图1,2)。
2 基于故障树的知识表示
建立的故障树中每一个结点往往可以伴随着一些其它信息,如故障事件发生的概率、贡献因子、发生时间,或者其父辈事件和子辈事件发生瞬间的时间间隔等等。在这种情况下,该故障树称为广义故障树(Generalized Fault Tree-GFT)。在此条件下,故障诊断知识库可以直接由广义故障树的知识表示方法来构造。具体实现方法为:先用框架将故障分类,将整个故障树用分层的树状框架结构来描述,针对不同故障采用规则来描述。故障树的每一个逻辑门都能转变成一个“IF-THEN”规则。由“与门”转变成的规则,其前提条件部分由该“与门”的各子事件的逻辑乘法构成,而其结论部分则由该“与门”的输出事件构成。“或门”转变成规则和“与门”生成规则相类似,只需把其前提条件中的逻辑乘法换成逻辑加法即可[9]。这样框架和产生式规则相结合,能全面描述复杂故障诊断知识。
约束数据槽中,贡献因子为本结点事件的给定子事件引起该故障事件发生原因的可靠性度量;重要性为本结点事件的重要程度的度量,反映导致其父辈结点事件发生的影响程度。对于广义故障树中的具体诊断对象结点来说,诊断对象的描述框架诊断单元中,除框架名和类型槽外,其它槽值可以缺省。如主蒸汽压力骤升的广义故障树描述框架(见表1)。
可以看到上述描述框架能够自动生成下列诊断规则:IF(负荷突降)OR(燃料量突升)THEN(主蒸汽压力骤升,0.85)。
3 基于故障树模型的故障推理
基于故障树模型的故障推理就是利用现有的测量信息和故障树节点间的逻辑关系进行正向推理和反向推理。利用异常节点作为推理的起始点,利用正常节点进行假设排除,最终确定底事件的状态。如测点充分,则可确定全部底事件的状态(正常或异常)。否则把底事件集分成三部分,即一个必然故障源集、一个可能故障源集和—个正常底事件集。必然故障源集中的所有元素均是系统的故障源,可能故障源集中的所有元素则是其可能的故障源。
由此,可将知识库分为四个部分:广义规则库(每条广义规则就是故障树上父、子节点间构成的一条反向因果链,父节点对应广义规则的前提,子节点对应广义规则的结论);异常事件库(如果故障树上某—节点的实际状态与期望状态不—致,则把该节点事件放入异常事件库);正常事件库(如果故障树上某一节点的实际状态与期望状态一致,则把该节点事件放入正常事件库);未知事件库(如果故障树上某—节点的实际状态未知,则把该节点事件放入未知事件库)。
故障诊断的推理原则为先通过正向推理,搜索到可能发生故障的故障树节点,并将其加入异常事件库;推理中遇到状态未知的故障树节点加入未知事件库中,人工判断;以候选的故障数节点为起始点作反向推理,验证正向推理的结论并最终得到所有故障树节点的状态。
4 实例分析
以某2×135MW供热机组的额定参数运行为基础作仿真实验,进行“汽包水位低”故障发生时的故障诊断推理。
4.1 故障征兆的获取
汽包水位低运行的故障征兆是指:在汽包水位下降时,相关热力参数的异常变化或相关设备表现出来的外在异常现象。具体征兆的获取可有以下几个途径:(1)由仪表直接测得的热力参数与其正常值相比较后得到的故障征兆。(2)由测点参数算得的热力参数与其正常值相比较后得到的故障征兆。(3)由运行人员对热力设备进行现场查看、检修和试验得到的故障征兆。
4.2 仿真分析
运行中由于水冷壁管泄漏导致汽包水位降低,这一故障的故障征兆(见表2),诊断故障树结构见图2。由故障征兆A,C,D(含义见表2)作正向推理,排除“汽包水位故障”、“给水流量不正常小于主蒸汽流量”和“汽包压力骤升”,并根据故障征兆E初步确定汽包水位降低;然后以“给水流量不正常大于主蒸汽流量”故障树节点为起始点作反向推理,检测不到汽包水位高报警,故只在异常状态中将其列出。最终根据故障征兆F,G验证“水冷壁或省煤器管泄漏”故障的存在。
摘要：锅炉汽包满、缺水事故是长期困扰火力发电厂安全的恶性频发事故之一,对故障的早期征兆和发展趋势进行处理对于事故预报和预警、避免事故发生具有重要意义。在深入研究汽包水位故障的成因机理基础上,采用将广义故障树分析方法与智能诊断系统相结合的思路,给出一种汽包水位故障的在线监测和诊断的方法。通过汽包水位低故障的现场实例应用表明该方法的有效性。
关键词：故障诊断,汽包水位,故障树,火电厂
参考文献
[1]候子良,刘吉川等.锅炉汽包水位测量系统,北京:中国电力出版社,2005
[2]李德英,张跃.锅炉系统故障诊断模糊推理方法,系统工程理论与实践,1998:125~129
[3]夏朝阳.循环流化床锅炉状态监测与故障诊断专家系统[博士学位论文],北京:清华大学,1996
[4]张建华,侯国莲,段泉圣.模糊及神经网络在凝汽器故障诊断中的应用,现代电力,1998,15(3):13~16
[5]李勇,叶荣学,曹祖庆.基于BP网络的凝汽器故障隶属函数及模糊诊断方法,汽轮机技术,1995,37(4):25~31
[6]王培红,朱玉娜,贾俊颖等.模糊式识别在凝汽器故障诊断中的应用,中国电机工程学报,1999,19(10):46~49
[7]汪健.基于热力参数的大型机组热力循环系统的集成故障诊断系统[硕士学位论文],北京:清华大学,1994
[8]闻新,周露等.控制系统的故障诊断和容错控制,北京:机械工业出版社,1998
【故障树分析方法】推荐阅读：
fta故障树分析简介09-24
机载无线电通信系统故障树分析07-20
故障分析方法06-01
关于圆顶阀关闭动作不到位的故障的分析及处理基本方法07-27
电路故障分析10-17
故障模式分析05-19
典型故障分析05-23
常见故障分析05-30
故障综合分析06-17
电脑死机故障分析07-17