楊光

【摘 要】為了滿足大型設(shè)備機(jī)組故障診斷的實時性要求，提出一種基于故障樹的大型設(shè)備機(jī)組故障診斷方法。構(gòu)建大型設(shè)備的故障診斷樹，對其進(jìn)行定量分析，計算大型設(shè)備機(jī)組中各單元的重要程度，并進(jìn)行排序，以此為依據(jù)找到故障診斷的最優(yōu)路徑，從而實現(xiàn)大型設(shè)備機(jī)組故障的及時診斷。提高了大型設(shè)備機(jī)組的安全性。

【關(guān)鍵詞】故障樹；大型設(shè)備機(jī)組；故障診斷

0 引言

在某工業(yè)中，大型設(shè)備機(jī)組的運行具有長時間、連續(xù)性的特點，因此大型設(shè)備機(jī)組在某工業(yè)領(lǐng)域具有無可替代的作用。其中，機(jī)組等關(guān)鍵設(shè)備具有造價高昂、結(jié)構(gòu)復(fù)雜、安全要求高等特點，一旦發(fā)生故障將會影響整體機(jī)組的正常運行，甚至帶來重大的安全隱患。因此，需要對大型設(shè)備故障進(jìn)行及時診斷，使其在發(fā)生故障時在最短的時間內(nèi)投入正常使用。

隨著故障診斷理論體系的不斷完善和智能故障檢測技術(shù)的不斷發(fā)展，越來越多的領(lǐng)域已經(jīng)開始通過各種先進(jìn)的檢測手段對設(shè)備故障進(jìn)行檢測?，F(xiàn)階段大型設(shè)備機(jī)組故障診斷的方法主要有基于粗糙集的診斷方法、基于神經(jīng)網(wǎng)絡(luò)的診斷方法和基于小波變換的診斷方法。其中最常用的是基于小波變換的大型設(shè)備機(jī)組故障診斷方法。由于故障診斷方法是大型設(shè)備機(jī)組安全運行的重要保障，因此該課題擁有廣闊的發(fā)展前景，并成為很多學(xué)者研究的重點課題。

傳統(tǒng)的故障診斷方法仍然存在著一些不足：基于粗糙集的診斷方法需要處理的運算量巨大，診斷效率降低；基于神經(jīng)網(wǎng)絡(luò)的診斷方法容易陷入局部最優(yōu)解，收斂速度較慢；基于小波變換的診斷方法會造成原始故障的時頻信號失真。為了避免傳統(tǒng)診斷方法的不足，提出一種基于故障樹的大型設(shè)備機(jī)組故障診斷方法。

1 利用故障樹對大型設(shè)備機(jī)組進(jìn)行故障檢測

故障樹診斷法（簡記為FTA）又被稱為“因果樹診斷法”，利用此方法能夠?qū)χT多領(lǐng)域中的設(shè)備故障進(jìn)行簡單、準(zhǔn)確的診斷。在利用故障樹診斷法進(jìn)行大型設(shè)備機(jī)組故障診斷的過程中，首先需要大型設(shè)備機(jī)組在滿足正常的運行條件下，構(gòu)建一個系統(tǒng)安全運行的目標(biāo)，并將此目標(biāo)定義為故障診斷的分析目標(biāo)，然后再根據(jù)大型設(shè)備機(jī)組的結(jié)構(gòu)或者功能的關(guān)系，從上到下，逐層分析引起故障的全部直接因素，并通過邏輯門的方式將故障與故障因素相連接，這樣可以構(gòu)建大型設(shè)備機(jī)組的故障樹模型，從而可以直觀的表示出大型設(shè)備機(jī)組中各子單元與系統(tǒng)故障之間的邏輯聯(lián)系。利用FTA進(jìn)行大型設(shè)備機(jī)組的故障診斷，不僅可以對由硬件引起的故障原因進(jìn)行分析，同樣可以對引起故障的環(huán)境因素和軟件因素進(jìn)行分析，因此可以對故障原因進(jìn)行定性分析。

通過FTA的分析，可以找到引起大型設(shè)備機(jī)組發(fā)生故障的因素，并由此確定最小割集和最小路集，然后根據(jù)大型設(shè)備機(jī)組運行的有關(guān)參數(shù)進(jìn)行定量計算，獲得已知故障的分布情況、故障發(fā)生概率等重要參數(shù)。將FTA應(yīng)用于大型設(shè)備機(jī)組的故障診斷中，將系統(tǒng)的故障作為故障樹分析的目標(biāo)，通過邏輯分析可以直接尋找到引起故障的因素，從而為故障的排除提供了準(zhǔn)確的依據(jù)。

在大型設(shè)備機(jī)組運行的過程中，通過設(shè)備運行在線監(jiān)測系統(tǒng)，對設(shè)備的運行數(shù)據(jù)進(jìn)行實時采集，并與給定的參數(shù)值域相比較，若超過規(guī)定的值域范圍，則對該數(shù)據(jù)進(jìn)行故障判斷，并作為FTA的頂事件，根據(jù)FTA分析的有關(guān)原理，構(gòu)建對應(yīng)的故障樹分析模型。大型機(jī)組可以采用下行法和不交最小割集法構(gòu)建故障樹模型，通過模型的分析可以得到系統(tǒng)中全部最小割集合頂事件發(fā)生的概率。對引起故障的因素進(jìn)行分析可以，此時所有低事件均為可測的分析單元，也就是引起故障的主要因素。因此，最小割集是隱去故障的最小組合，也是故障診斷的關(guān)鍵。頂事件發(fā)生的概率即為故障發(fā)生的可能性，為了對大型設(shè)備機(jī)組的故障進(jìn)行及時診斷，需要盡快找到故障發(fā)生的原因，可以通過對系統(tǒng)中各個功能單元的重要程度進(jìn)行排序來實現(xiàn)。此處的重要程度的定義為：單元故障概率的變化率導(dǎo)致系統(tǒng)故障概率的變化率，其公式如下所述：

2 結(jié)束語

本文介紹了故障樹診斷方法在某工業(yè)領(lǐng)域中大型設(shè)備機(jī)組中的應(yīng)用方法，詳細(xì)闡述了構(gòu)建大型設(shè)備機(jī)組故障診斷的故障樹的方法和最優(yōu)診斷路徑實現(xiàn)的方法。該課題具有重要的應(yīng)用價值，可以實現(xiàn)大型設(shè)備機(jī)組故障及時診斷與維修，從而保證了大型設(shè)備機(jī)組的安全運行。

【參考文獻(xiàn)】

[1]孫福安，郭亞坤，戴兵.基于模糊故障樹的基帶設(shè)備故障診斷方法[J].兵工自動化，2013（3）：76-79.

[2]尚文，王維民，齊鵬逸.基于條件規(guī)則與故障樹法的燃?xì)廨啓C(jī)故障診斷[J].機(jī)電工程，2013，30（7）：798-801.

[責(zé)任編輯：湯靜]