一种机械设备故障诊断方法技术

本发明专利技术公开了一种机械设备故障诊断方法，属于机械设备故障诊断技术领域。其特征在于该方法包括以下步骤：根据故障症状确定零部件出现故障的概率向量B1；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；根据零部件出现故障的概率向量B1以及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；按零部件出现故障的综合概率的大小，确定故障原因。该诊断方法综合考虑了零件故障率、故障机理、故障症状明显程度、故障症状获得难易程度等多个因素，其诊断结果的正确性大幅度增加。

【技术实现步骤摘要】
一种机械设备故障诊断方法
本专利技术涉及一种基于故障率与故障症状的故障诊断方法，属于机械设备故障诊断

技术介绍
故障诊断技术是一门根据机械设备运行状态，判断其是否正常并及时发现故障的技术，是机械设备安全生产和高效运行的有力保障，但该类技术的实施还面临诸多挑战：由于机械设备的零部件繁多，其运动过程是自身部分部件或所有部件进行的机械运动的总和，这就使得机械设备的故障通常具有多源性、复杂性以及隐蔽性的特点；故障发生的成因较为复杂，通常同一故障可以表现出多种特征，同一故障特征可能由不同故障引起；此外，现有的故障诊断方法多是基于单纯故障症状做出评判，没考虑设备的故障机理和故障症状获取的难易程度，诊断结果缺乏客观性。
技术实现思路
本专利技术的目的在于克服单因素条件下故障诊断方法的不足，提出一种基于零件故障率与故障症状的设备故障诊断方法，使诊断结果更为科学、合理。为达到上述目的，本专利技术提出的基于零件故障率与故障症状的设备故障诊断方法，即一种机械设备故障诊断方法，包括如下步骤：1)根据故障症状确定零部件出现故障的概率向量B1(1)建立故障症状集U和故障原因集V；建立故障症状集，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}，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根据故障症状的明显程度，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)，a1，a2，…，am表示各故障症状的明显程度，分值依据下表。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。公式中rij是故障症状ui对故障原因vj的隶属度，满足0≤rij≤1。在本专利技术中，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，用下表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在本专利技术中，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，再利用和法、根法或幂法求解故障症状对故障原因的隶属度，本专利技术优选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)，b11,b12,…,b1n表示故障v1,v2,…,vn存在概率的大小，n是故障个数。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，利用下式求得零部件出现故障的概率向量B1B1＝(k1A+k2F)○R上式k1和k2为向量A和向量F权重系数，本专利技术中，k1取0.8，k2取0.2，○是运算规则，本专利技术采用加权平均法。2)确定相关零部件本身固有的故障率向量B2(1)根据统计的历史数据，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，由中位秩公式估计其可靠度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)根据估计的可靠度数值，绘制威布尔概率图令x＝lnti，y＝ln[-lnR(ti)]，这样(t1,R(t1)),(t2,R(t2)),…,(tn,R(tn))数据组就变换为((x1,y1),(x2,y2),…,(xn,yn))数据组，将这些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。其中α1＝exp(-b1/k1)β1＝k1α2＝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)3)根据步骤1)根据故障症状确定零部件出现故障的概率，以及步骤2)零部件本身固有的故障率，进行加权运算，确定零部件出现故障的综合概率。(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B1的权重系数，本专利技术中，k3取0.5，k4取0.5。4)按零部件出现故障的概率的大小，确定故障原因。本专利技术与现有机械设备故障诊断方法相比，具有以下优点：1.本专利技术在对机械设备故障诊断过程中，既考虑设备的故障症状，又考虑设备零部件本身固有的故障率，从现象和源两个方面综合考虑，避免了目前常用故障诊断方法只考虑设备故障症状单一因素导致机械设备故障诊断正确率不高的缺陷；2.本专利技术在根据故障症状判断故障的过程中，既考虑了故障症状的明显程度，又考虑了故障症状获得的难易程度，避免了目前故障诊断方法只考虑设备故障症状的明显程度单一因素导致机械设备故障诊断正确率不高的缺陷。附图说明图1是本专利技术的模糊故障诊断步骤流程图，图2是本专利技术的威布尔概率图。具体实施方式本专利技术提出的基于零件故障率与故障症状的设备故障诊断方法，其流程图如图1所示，下面以某数控机床液压系统故障诊断为例，说明具体实施步骤如下：步骤1、根据故障症状确定零部件出现故障的概率向量B1(1)建立故障症状集U和故障原因集V；建立故障症状集，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}，v1,v2,…,vn表示故障原因，n是故障原因个数。对于该数控机床液压系统，出现故障时，故障症状有压力表显示值很低；液压缸工作无力；系统内有尖叫声和噪声；泵体温度偏高。即故障症状集U＝{u1,u2,u3,u4}＝{压力表显示值很低，液压缸工作无力，系统内有尖叫声和噪声，油泵的温度偏高}。该数控机床液压系统出现故障的部件有溢流阀的内部零件被卡住、损坏或者磨损；油泵的内部零件严重磨损；滤油器被污物堵塞；液压缸密封件损坏或密封不严；油泵驱动装置打滑。所以故障原因集V＝{v1,v2,v3,v4,v5}＝{溢流阀的内部零件被卡住、损坏或者磨损，油泵的内部零件严重磨损，滤油器被污物堵塞，液压缸密封件损坏或密封不严，油泵驱动装置打滑}。(2)确定故障症状明显程度向量A根据故障症状的明显程度，给各个故障症状打分，形成故障症本文档来自技高网...

【技术保护点】
一种机械设备故障诊断方法，其特征在于包括以下步骤：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。

【技术特征摘要】
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，...

【专利技术属性】
技术研发人员：齐继阳，孟洋，王凌云，唐文献，苏世杰，陆震云，魏赛，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32