基于fmeca的高斯模糊综合评判及改进.docxVIP

基于fmeca的高斯模糊综合评判及改进 摘要：针对传统故障模式影响及危害度分析（FMECA）方法主观性强的问题，提出一种基于模糊综合评判和D-S证据理论相结合的改进FMECA方法。该方法首先利用高斯隶属度函数计算专家评估结果的基本概率分配，克服传统方法在定量分析中的不足；其次针对不同专家的评估结果，应用基于矩阵合成的D-S证据理论融合算法，实现专家间评估结果的有效融合；并运用层次分析法确定影响因素的权重，进而求得各故障模式的危害度。最后以动车组牵引传动系统为例进行该系统危害度分析，结果表明：系统故障模式的危害度评估结果符合实际情况。与传统方法相比，该方法在一定程度上提高了评估结果的客观性，为牵引传动系统结构优化和维修决策方案的制订提供有价值的参考。 1 引言转向架是动车组的重要承载部件，其运行平稳性、可靠性直接影响列车的运行安全。其中牵引传动系统作为转向架传递驱动力的重要部件，长期处于恶劣的工作环境下，承受来自环境和轨道不平顺产生的各种冲击、振动等附加动载荷影响，故障发生频率较高，给列车运行安全带来严重威胁。因此，统计系统故障模式、分析故障原因，采用合理的故障分析方法进行危害度分析，对其维修方案的制订和可靠性的提高具有重要的实际意义。目前，针对牵引传动系统故障分析的FMECA方法主要是通过综合分析整个系统各组成部分的故障模式、故障原因和故障影响，确定各故障模式发生度（O）、严酷度（S）、可探度（D）的评估结果，计算三者乘积得到风险优先系数（RPN），再根据RPN值的大小进行危害度排序，确定系统薄弱环节。但是传统FMECA方法在应用时依赖于大量故障数据，O、S、D等级由专家经验给定，主观性过强，难以得到准确的分析结果；此外，在计算不同故障模式RPN值时，未考虑三者相对重要度，结果往往不够客观；不同评估结果的组合，RPN值可能相同，与实际故障模式潜在风险不同相违背。为解决上述问题，国内外学者提出了各种改进FMECA方法，并取得了大量的研究成果。文献因此，从提高专家评估结果融合精度的角度出发，充分利用D-S证据理论在证据合成上的优势，提出了一种基于模糊综合评判与D-S证据理论结合的分析方法，计算各故障模式的危害度。该方法不仅克服了传统FMECA方法评估过程的主观性，同时提高了专家评估结果的融合精度，得到更符合实际的评估结果，为制订合理、有针对性的维修方案提供了更加准确的数据支撑。2 基于模糊综合评判和D-S证据理论的改进FMECA方法2.1 模糊综合评判模型模糊综合评判是一种基于模糊理论的综合评价方法，该方法利用隶属度理论和模糊线性变换原理将复杂系统评估由定性评价转化为定量评估，并以其结果清晰，系统性强等优点，广泛应用于各种非确定性问题的研究2.1.1 确定因素集和评价集因素集是对评价对象产生影响的各种因素组成的集合，用U表示。设U={u2.1.2 确定隶属度因素集对评估对象的影响程度不同，需要考虑各因素权重即确定其隶属度，以刻画影响因素的因素集对评价集的隶属程度。2.1.3 构造模糊评价矩阵根据因素集U到评价集V之间的模糊映射以因素集为行，评价集为列，构造n行m列模糊评价矩阵R。2.1.4 基于权重向量的模糊综合评判权重即比例系数，是不同模糊变量相对重要度的体现。在综合评判前结合因素集各因素对评价集指标的相对重要度，求得模糊因素权重向量W={w2.2 矩阵合成的D-S证据理论D-S证据理论是一种不确定性推理方法，该方法不需要关于集合或区间的单个因素的概率假设，可直接利用多个不确定来源的信息和描述，将信息来源不确定性转化为集合不确定性，有效解决专家主观性问题。但部分学者指出直接应用Dempster规则不仅存在焦元爆炸的问题，还伴有证据冲突的现象。主要表现为专家数增多，计算时间呈指数增加；证据间冲突较大时，冲突系数近似为1，计算结果不理想。因此，不少学者提出了各种改进D-S合成算法假设有n位专家同时评估某一故障模式，可能的评估结果有m种。评估结果构造成相应的基本概率分配函数，则专家评估结果的置信度分配用矩阵M表示：式中：m主对角线元素为2位专家评估结果的融合，非主对角线元素之和构成专家融合结果的冲突因子。2.3 改进FMECA方法基本理论综合上述模糊综合评判和D-S证据理论在处理不确定问题上的优势，提出基于模糊综合评判和D-S证据理论的改进FME-CA方法，在模糊隶属度矩阵基础上，应用矩阵合成的D-S证据理论算法融合专家评估结果，最后结合权重向量确定各故障模式危害度。设系统故障模式为F(1）结合统计故障数据，选取部分故障模式进行分析，应用FMECA方法分析系统故障模式及发生原因；(2）确定模糊综合评判因素集U即故障模式对系统影响的