基于改进LeaderRank算法的加工中心组件重要性评估.pdfVIP

基于改进LeaderRank算法的加工中心组件重要性评估

摘要

加工中心是复杂的设备集成系统，人工智能化和系统自动化对复杂装备的要

求越来越高，系统结构变得越来越复杂，构成组件也越来越具有多样性。组件间

错综复杂的耦合关系使得故障传播现象频发，极大降低了整机可靠性水平，耗费

在故障维护上的人力、物力不容忽视。因此，评估系统组件在不同时刻下的重要

性，对于减少级联故障发生，提高整机运行可靠性具有重要意义。

首先，基于某型号加工中心结构和工作原理进行组件划分，结合采集的故障

信息进行故障传播特性分析并建立SDG模型，应用矩阵变换实现模型层级化，

构建加工中心故障分层SDG模型，为后续加工中心组件重要性评估奠定基础。

其次，依据Anderson-Darling系数进行故障分布模型识别，运用加权最小二

乘法进行参数估计，用D检验法进行拟合优度检验，建立组件可靠度模型；采用

Coupla函数建立故障相关组件联合可靠度模型，运用GSS算法进行相关系数值

估计并选择SPI算法进行验证；据此，结合条件概率理论以及SDG模型，构建

系统组件故障传递概率模型。

最后，假设故障传递服从马尔科夫过程，引入LeaderRank算法并对其改进，

依据组件故障传递概率及SDG模型建立邻接矩阵，并基于出度转化为状态转移

概率矩阵，通过矩阵化迭代运算实现组件重要性评估；通过与节点介数算法和

PageRank算法的评估结果对比验证改进LeaderRank算法的优越性；并进一步分

析出时变故障传递概率对组件的重要性排序影响。

本文针对加工中心组件重要性评估展开了深入的研究，所提方法解决了故障

传播下可靠性薄弱环节识别问题，也可用于故障源定位；同时，本文方法不仅适

用于加工中心产品，也可为类似复杂系统信息传播下关键信息源识别提供参考和

借鉴。

关键词：

加工中心，SDG模型，故障传递概率，LeaderRank，重要性评估

Evaluationformachinetoolcomponentsimportancebasedon

improvedLeaderRank

Abstract

Machiningcenterisacomplexequipmentintegrationsystem.Artificial

intelligenceandsystemautomationhaveincreasinglyhigherrequirementsforcomplex

equipment.Thestructureofthesystembecomesmoreandmorecomplex,andthe

componentsaremoreandmorediverse.Thecomplexcouplingrelationshipbetween

componentscausesfrequentfaultpropagation,whichgreatlyreducesthereliability

levelofthewholemachine.Themanpowerandmaterialresourcesspentonfault

maintenancecannotbeignored.Therefore,evaluatingtheimportanceofsystem

componentsatdifferenttimesisofgreatsignificanceforreducingtheoccurrenceof

cascadingfailuresandimprovingthereliabilityofthewholemachineinoperation.

Firstly,thecomponentsweredividedbasedonthestructureandworkingprinciple