模糊故障树在煤矿风机故障诊断中的应用.pdfVIP

模糊故障树在 煤矿风机故障诊 断中的应用 娄国焕 周 媛 ／河北理工大学 中图分类号 ：TP277 文献标识码 ：B 1 故障诊断原理 文章编号 ：1006—8155 2011 01—0053—04 蠢 0爨 00；≯ ∞ 0 TheApplicationofFuzzyFaultTree in 故障树建立的完善程度是故障诊断 VentilatorsTroublesDiagnosisinMine 的关键，系统故障树可以反映造成故障 ■摘要：针对故障发 Abstract：Aiming atthe features ofthe 产生的原因事件与其故障传播的逻辑关 生概率具有不确定性 系，用一倒立的树形图来表示故障传播 和模糊性 的特点，本 occurrenceprobabilities，fuzzyandrandom ， 的层次性和子父结点间关系的因果性 。 文将故障树和模糊集 this paper presents a hybrid model， 故障树分析法就是以最不希望发生的事 合理论相结合，进行 combining the fault tree with fuzzy set 件做为顶事件，从而找出导致故障发生 模糊聚合和去模糊化 theory．In thisapproach，fuzzyaggregation 的硬件故障、环境因素和人为失误等各 处理，并将此方法应 and defuzzification are employed． An 底事件与顶事件之间的逻辑关系，对其 用于风机故 障诊断 illustrative example of ventilators 中，研究证明是可行 进行定性定量分析研究 ”【。 demonstratesthatthismethodisfeasibleand 和有效的，且可推广 由于故障环境大都是不确定的，各 effective．This method is universal and 应用于其他旋转机械 种故障征兆值具有模糊性，因此在进行 applicable to the otherrotating machinery 的故障诊断。 故障诊断时必须将检测数据转化为模糊 faultdiagnosis． 数据 ，即模糊化。 ■关键词：故障诊断； Keywords：faultdiagnosis；faulttree；fuzzy 故障树；模糊集合理 set theory； fuzzy agrgegation； rotating 论；模糊聚合；旋转机 machinery 械 O 引言 由于旋转机械结构的复杂性和耦合 性使得其故障普遍存在相关性和模糊 性，即具有多种故障同时发生，故障原因 相互交叉 ，故障分类边界模糊，故障发生 图 1 隶属度函数示意图 概率不确定性等的特点。本文将模糊理 图 1将模糊语言变量分为 7个等 论与故障树相结合应用于风机故障诊断 级：负大 NB 、负中 NM 、负小 NS 、零 中，实例证明此诊断方法简单可靠而又 ZO 、正小 PS 、正 中 PM 、正大 PB 行之有效。 来描述事件发生的可能性，采用三角形 收稿 日期：2010—06—10 唐山市 063009 2011年第1期 ＼53 轧拔 I计算机应用 和梯形隶属度函数。隶属度函数 是对模糊 语言的定量描述。 P佃 兀 9 i l 在图1中负大可用模糊数表示为 0，0，0．1， 其中 是输入事件的故障发生概率 ； 是 0．2 ，即NB 0，0，0．1，0．2 。同样 NM 0．1，0． 输出事件的故障发生概率。 ‘2，0．2，0．3 ，NS 0．2，0．3，O．4，0．5 ，ZO 0．4，0．5， 0．5，0．6 ，PS 0．5，0．6，0．7，0．8 ，PM 0．7，0．8，0．8，o． 2 实例验证 9 ，PB O．8，0．9，1，1 。 2．1 模糊故障树的建立I5J 通常模糊集合的隶属度函数需要汲取大量 将本文的故障诊断方法应用于风机故障诊 专家经验知识，记专家评定等级的模糊聚合为 断中，以风机转子不平衡为例进行分析研究。转 M 。，b，c，d ，由梯形模糊数算术运算可得2【】： 子不平衡是风机最常见的故障。据统计 ，风机约 k k 有一半故障与转子不平衡有关。因此为了提高 。： ∑ak,b 1∑b， k：I k： 风机利用率，使其安全、稳定 、可靠的运行 ，对不 k k 平衡故障进行诊断研究具有重要的实际意义。 c ∑Ckd 1∑dk， 1 风机转子不平衡模糊故障树见图2。 k：1 k： 由上式 1 所得的是模糊数 ，可以将其转化 为一个确定量 ，在这 里称为模糊概率评 分 FPS ，也就是去模糊化处理