TOPSIS和灰色关联度分析法在汽车零部件故障分析中应用研究.docVIP

TOPSIS和灰色关联度分析法在汽车零部件故障分析中应用研究 　　[摘 要]本文综合TOPSIS和灰色关联分析方法用于产品故障诊断研究，运用优选法和灰色理想解逼近模型，找出故障模式诊断中可靠性最低的部分，从而进行设计和生产改进，以提高产品的可靠性。笔者以汽车发动机线束为例，运用此法，通过模型的建立和计算得出以下结论：线束磨损的权重最大，可靠性最低，是首先需要进行分析和改进的环节。此方法的计算结果和实际情况相符，说明该方法运用到产品故障诊断中是实际可行的，为故障诊断提供了一个新的方法和研究思路。 　　[关键词]故障诊断；可靠性；TOPSIS；灰色关联 　　doi：10.3969/j.issn.1673 - 0194.2018.06.028 　　[中图分类号]TD771 [文献标识码]A [文章编号]1673-0194（2018）06-00-03 　　1 研究背景 　　近年来，汽车行业的迅速发展使电子系统在汽车上得到了广泛应用，不仅使整车的电气功率变大，也使整车的可靠性下降。2016年，国家质检总局共发布117次进口汽车召回信息，涉及近173万辆进口汽车车型的质量问题，涉及品牌包括大众、现代、保时捷、本田、法拉利和福特等，造成故障的原因大多是气囊缺陷。这直接影响了购车者的行车安全和汽车制造厂的声誉，因此，汽车线束质量控制和可靠性提高成为了重点。 　　与国外相比，国内的汽车诊断故障模式研究起步较晚，相关学者将历来的汽车故障诊断方法总结为人工诊断法、仪器设备诊断法、汽车自诊断法三种方法。目前，有的企业紧跟国内的学术研究路径，将经多方认证的灰色理论知识引入机械设备故障领域，利用已知的故障特征判别机械系统的状态，这有利于预报故障、及时决策。将故障树分析法和基于规则的诊断专家系统有机地结合起来，能很好地解决基于规则的诊断专家系统的识别获取问题；利用模糊综合评判方法对故障模式、影响及危害性分析方法（FMECA）进行改进，分析产品中所有可能产生的故障模式对产品和系统造成的影响，并按每一个故障模式的严重程度、发生频度和危害程度进行分类的一种归纳分析方法。由于人工神经网络具有大规模并行处理、分布式信息存储、自组织与自学习等特点，因此人工神经网络适合处理机理复杂、故障类型繁多的产品故障，是未来研究的方向和重点。 　　目前，关于综合运用TOPSIS和灰色关联分析方法的文章，多用在某项目风险评价、某网站指标评价上，很少运用在故障诊断中。在汽车零部件的故障诊断中，本文舍弃了以往的单一故障概率指标，添加多个指标集进行分析，先用TOPSIS优选法通过函数曲线方式反映故障模式与正负理想值之间的距离，再用灰色关联度法说明各故障模式内部因素的变化趋势与理想值之间的区别，最后根据得出的贴近度在综合指标集的基础上进行排序，从而依次找出各故障模式的原因进行改进，从而提高线束的可靠性。 　　2 汽车零部件故障模式评价指标的确定 　　一辆汽车的零部件有很多，本文选择发动机线束进行故障模式分析。接下来本文将从故障危害性评价指标入手，遵循全面性、独立性和可量化的指标选取原则，选取故障概率、故障严重度、检测难易程度和维修难易程度4个评价指标，具体评价指标如下。 　　（1）故障概率。每年都会有汽车因质量问题或发生故障而被召回，所以必须将提高线束可靠性作为目的。故障概率是指在指定的?r间段里某种故障模式次数占总故障次数的百分比，需要从极少、偶尔、有时和经常发生4个方面来评估。 　　（2）故障严重度。任何产品都有可能被损坏，且一件产品损坏的程度也关乎产品的可靠性大小。本文从极轻度、轻度、中等和致命4个方面衡量故障严重度。 　　（3）检测难易程度。每个故障都有一定的发生概率，但与是否能够进行检测和检测难易程度也有关联，所以有必要将该指标考虑在内。本文从能够准确检测、不易检测、很难检测和无法检测4个等级进行评价。 　　（4）维修难易程度。本文从简单调试、重新安装、更换零件、更换整机4个方面进行评价。 　　3 研究方法 　　TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法是1981年由C.L.Hwang和K.Yoon首次提出的，是在现有的对象中依据有限的评价方案与理想化目标的接近程度进行优劣排序。其基本思想是：通过熵权法得出最佳和最差方案，然后计算项目中的每个方案和它们之间的距离，最后利用最优理想解的相对接近度作为综合评估的标准。基于TOPSIS和灰色关联度的汽车零部件故障模式诊断有如下三大步骤。 　　3.1 熵权法确定权重，并列出加权标准化矩阵 　　（1）构建评价指标矩阵。假如有m个样本和n个评价指标，则各指标相对应的值为xij（i=1，2，…，m，j=1