鞠萍華　柯磊　冉琰　王治超　張威

摘? ?要：針對故障在復(fù)雜機電產(chǎn)品中傳遞發(fā)展的特點，提出了一種基于動作單元的機電產(chǎn)品故障溯源診斷方法. 按照“功能-運動-動作”對整機功能進行結(jié)構(gòu)化分解得到基本的動作單元，并分析動作單元之間的傳遞過程;在此基礎(chǔ)上建立以動作單元和故障現(xiàn)象為節(jié)點的貝葉斯網(wǎng)絡(luò)模型，利用貝葉斯網(wǎng)絡(luò)的推理算法，計算各個節(jié)點的發(fā)生概率并追溯最大概率路徑，實現(xiàn)動作層的故障動作單元診斷及故障動作單元傳播過程診斷;利用故障圖對動作單元內(nèi)部的故障模式及其傳遞發(fā)展過程進行描述，找到引起動作單元故障的根本原因. 通過對機電產(chǎn)品動作層和動作單元內(nèi)部的診斷分析，實現(xiàn)故障現(xiàn)象到故障原因的溯源診斷. 將所提出的溯源診斷方法應(yīng)用到某企業(yè)數(shù)控轉(zhuǎn)臺故障診斷中，結(jié)果表明，從運動的角度進行故障溯源診斷，能夠有效地診斷出故障動作單元及其傳播過程并反映出動作單元內(nèi)部元件故障的傳遞發(fā)展過程，便于找到導(dǎo)致故障的根本原因，提高了對機電產(chǎn)品故障診斷的效率.

關(guān)鍵詞：溯源診斷;結(jié)構(gòu)化分解;動作單元;貝葉斯網(wǎng)絡(luò);故障圖

中圖分類號：TH165? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標志碼：A

Abstract：Aiming at the characteristic of the transmission and development of fault in complex electro-mechanical products，a method of fault root causes tracing analysis for electro-mechanical products based on action unit was proposed. Firstly，the transfer process between action units was analyzed after the basic action unit was obtained by structuring decomposition of the whole machine function which was “function-motion-action”. Then a Bayesian network model was established based on action unit and fault phenomenon，and combined with reasoning algorithm of Bayesian networks to calculate the occurrence rate of each node and trace the maximum probability path to diagnose the fault action unit and its propagation process at the motion level. To find out the root cause of the failure of the action unit，the fault graph was used to describe the failure model of fault action unit and its transfer and development process. The trace diagnosis from the fault phenomenon to the fault cause can be realized through the diagnosis and analysis at action layer and in the interior of action unit of complex electro-mechanical products. Finally，the method of fault root causes tracing analysis based on action unit was used to deal with the root cause of the NC rotary table of some machining center，the results show that the proposed traceability diagnosis method can effectively diagnose the fault action unit and its propagation process，and reflect the transmission and development process of the internal components of the action unit from the angle of motion，which is convenient to find out the root cause of the fault and improve the efficiency of fault diagnosis for electro-mechanical products.

Key words：root causes tracing analysis;the structural decomposition;action unit;Bayesian networks;fault graph

機電產(chǎn)品從投入運行到損壞的整個過程中，由于系統(tǒng)的復(fù)雜性，其狀態(tài)變化呈現(xiàn)出模糊不確定的特點[1-2]，這一特點增加了對機電產(chǎn)品故障進行準確診斷的難度. 如何在具有模糊不確定性特點的狀態(tài)變化過程中，準確快速地診斷出機電產(chǎn)品故障的原因，盡快恢復(fù)生產(chǎn)，已成為學(xué)術(shù)界和工業(yè)界關(guān)注的焦點[3].

2.1.2? ?基于動作單元的貝葉斯網(wǎng)絡(luò)建模及推理

以動作單元和故障現(xiàn)象為節(jié)點，建立基于動作單元的貝葉斯網(wǎng)絡(luò)圖. 如圖3所示，A表示動作單元;An為Ai+n父節(jié)點，表示為An出現(xiàn)故障時，可能會導(dǎo)致Ai+n發(fā)生故障;F表示故障現(xiàn)象;Ai+n為Fn的直系父節(jié)點，表示出現(xiàn)某一故障現(xiàn)象Fn可能由動作單元Ai+n引起. 在圖3的動作單元貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖中，滿足如下假設(shè)：給定節(jié)點Xi條件獨立于在其父節(jié)點給定后的任意非Xi子代任意節(jié)點，如節(jié)點Ai+1，在給定其父節(jié)點A1時，節(jié)點Ai+1條件獨立于除F1、F2外的其他任意節(jié)點[19]，表示為：

當建立好圖3所示動作單元的貝葉斯網(wǎng)絡(luò)之后，結(jié)合圖2，對故障動作單元進行推理，思路和步驟如下：

步驟1? ?確定故障現(xiàn)象、運行工況及統(tǒng)計數(shù)據(jù)作為診斷證據(jù)，結(jié)合領(lǐng)域?qū)＜抑R確定出動作單元發(fā)生故障的先驗條件.

步驟2? ?計算動作單元發(fā)生故障的后驗概率，包括單個動作單元的后驗概率和多個動作單元組合的后驗概率情況.

步驟3? ?確定最大后驗概率并通過最大后驗概率追溯最大概率路徑，診斷出導(dǎo)致故障發(fā)生的動作單元及其傳遞影響路徑.

2.2? ?基于動作單元的故障圖分析

通過2.1節(jié)的診斷分析，得到故障動作單元及其傳遞路徑. 為了診斷出故障的根本原因，還需要對導(dǎo)致動作單元故障的原因進行分析. 故障圖能夠反映出節(jié)點之間的層次關(guān)系和傳遞關(guān)系，因此本文利用故障圖對故障動作單元層內(nèi)部的故障傳遞發(fā)展進行描述. 如圖4所示，Q1、Q2、Q3為故障動作單元的故障模式;q1、q2、q3、q4、q5為故障基本事件，通過該圖可以判斷出故障模式及故障傳遞和發(fā)展的過程，從而分析出影響單元故障的基本事件，找到導(dǎo)致故障發(fā)生的根本原因，完成故障溯源診斷.

3? ?實例分析

以某機床的數(shù)控轉(zhuǎn)臺故障診斷為例，建立基于動作單元的故障溯源診斷模型，對文中提出的溯源診斷方法進行應(yīng)用說明.

3.1? ?動作單元的構(gòu)建

對某型號加工中心的數(shù)控轉(zhuǎn)臺進行結(jié)構(gòu)分解，得到整機的最小動作單元，分解結(jié)構(gòu)如圖5所示. 由圖5可知，轉(zhuǎn)臺分度功能和性能需要轉(zhuǎn)臺升降運動、轉(zhuǎn)臺回轉(zhuǎn)運動、托板夾緊松開運動正常工作來保證. 轉(zhuǎn)臺回轉(zhuǎn)運動要正常工作，需要蝸桿轉(zhuǎn)動單元、渦輪轉(zhuǎn)動單元、回轉(zhuǎn)體轉(zhuǎn)動單元按照順序正常動作;托板夾緊松開運動需要活塞移動單元、拉爪移動單元、頂桿移動單元按照順序正常動作. 任一動作單元出現(xiàn)故障，就會導(dǎo)致轉(zhuǎn)臺分度功能和性能得不到保障，便會以某種故障現(xiàn)象表現(xiàn)出來.

3.2? ?動作單元貝葉斯網(wǎng)絡(luò)

根據(jù)實驗記錄及售后記錄，得到該型號機床數(shù)控轉(zhuǎn)臺的故障模式如表1所示. 這些故障模式可能單個存在，也可能同時存在. 由于組成動作單元的任一零件故障會導(dǎo)致動作單元不能正常動作，在這里將動作單元不能正常動作歸為動作單元故障.

結(jié)合分解得到的動作單元和故障模式之間及動作單元與動作單元之間的相關(guān)關(guān)系，建立網(wǎng)絡(luò)結(jié)構(gòu)圖，如圖6所示.

結(jié)合企業(yè)的數(shù)據(jù)和領(lǐng)域?qū)＜掖_定出先驗概率，并計算后驗概率、建立貝葉斯網(wǎng)絡(luò)概率表，如表2所示.

3.3? ?故障動作單元推理診斷

某次故障中，該數(shù)控轉(zhuǎn)臺的工作臺發(fā)生傾斜（F4），以此為例，對引起該現(xiàn)象可能的動作單元進行推理診斷. 導(dǎo)致該現(xiàn)象發(fā)生的直接動作單元是A4、A6動作單元. 而導(dǎo)致A4動作單元不能正常動作的原因是自身或A3動作單元引起，A3動作單元不能正常動作的原因是由自身或A2動作單元引起;A6動作單元不能正常動作的原因由自身或A5或A7動作單元引起. 利用表2數(shù)據(jù)計算在工作臺發(fā)生傾斜情況下的相關(guān)動作單元的后驗概率，最大概率路徑即為診斷結(jié)果，如表3所示.

3.4? ?動作單元的故障圖

由表3可以得出，導(dǎo)致F4故障發(fā)生的動作單元為A6，而導(dǎo)致A6動作單元不能正常動作的是A5動作單元. 根據(jù)分析得到動作單元的傳遞影響路徑為A5-A6-F4 . 為了分析A5、A6動作單元之間的故障傳遞發(fā)展過程，現(xiàn)基于A5、A6動作單元進行故障圖分析，分別如圖7和表4所示.

3.5? ?基于動作單元的故障溯源推理

通過前文的分析，結(jié)合圖5、6、7和表4的分析，得出：該數(shù)控轉(zhuǎn)臺出現(xiàn)工作臺傾斜這一故障現(xiàn)象的直接原因是動作單元A6出現(xiàn)故障不能正常動作，而動作單元A6出現(xiàn)不能正常動作的原因除了自身外，還來自于A5動作單元的影響，因此需要重點對A5、A6動作單元進行檢查. 經(jīng)檢查發(fā)現(xiàn)A6動作單元出現(xiàn)無動作（M9）的情況（正常狀況下應(yīng)該有松開動作），但是拉爪并未損壞;根據(jù)圖7對動作單元內(nèi)部故障傳遞發(fā)展的描述進行相關(guān)排查，發(fā)現(xiàn)活塞無動作（M2）并且活塞外部有液壓油滲出（M4），因此對活塞進行拆解，發(fā)現(xiàn)其密封圈已經(jīng)損壞（f2），和實際情況相符.

4? ?結(jié)? ?論

根據(jù)故障在復(fù)雜機電產(chǎn)品中的傳遞發(fā)展特點，對整機進行結(jié)構(gòu)化分解得到最基本的動作單元. 在此基礎(chǔ)上，先建立以動作單元為節(jié)點的貝葉斯診斷模型在動作層對故障動作單元及其傳遞影響過程進行診斷;接著建立故障圖對動作單元內(nèi)部的故障傳遞發(fā)展進行描述，通過對動作層和動作單元內(nèi)部故障發(fā)展過程的刻畫和推理診斷，為找出故障的根本原因提供了方向，能夠較快地實現(xiàn)故障現(xiàn)象到故障根本原因的溯源，對消除產(chǎn)品故障，提高產(chǎn)品運行效率具有重要意義.

參考文獻

[1]? ? 孫秋冬，郭維芹，周政新. 發(fā)電機絕緣故障模糊診斷專家系統(tǒng)的設(shè)計[J]. 電力系統(tǒng)自動化，2006，30（23）：94—96.

SUN Q D，GUO W Q，ZHOU Z X. Fuzzy expert system design for insulation fault diagnosis in generator[J]. Automation of Electric Power Systems，2006，30（23）：94—96.（In Chinese）

[2]? ? 楊蘋，吳捷，馮永新. 200 MW汽輪發(fā)電機組振動故障的模糊診斷系統(tǒng)[J]. 電力系統(tǒng)自動化，2001（1）：45—49.

YANG P，WU J，F(xiàn)ENG Y X. Fuzzy fault diagnosis system for a 200 MW turbo-generator set[J]. Automation of Electric Power Systems，2001（1）：45—49.（In Chinese）

[3]? ? 雷亞國，賈峰，孔德同，等. 大數(shù)據(jù)下機械智能故障診斷的機遇與挑戰(zhàn)[J]. 機械工程學(xué)報，2018，54（5）：94—104.

LEI Y G，JIA F，KONG D T，et al. Opportunities and challenges of machinery intelligent fault diagnosis in big data era[J]. Journal of Mechanical Engineering，2018，54（5）：94—104.（In Chinese）

[4]? ? 張家良，曹建福，高峰，等. 基于非線性頻譜數(shù)據(jù)驅(qū)動的動態(tài)系統(tǒng)故障診斷方法[J]. 控制與決策，2014，29（1）：168—171.

ZHANG J L，CAO J F，GAO F，et al. Fault diagnosis approach of dynamic system based on data driven of nonlinear spectrum[J]. Control and Decision，2014，29（1）：168—171.（In Chinese）

[5]? ? BOUCHACHIA A. Adaptive computational intelligence for dynamical system[C]//Intelligence for Nonlinear Dynamics and Synchronization. France，Atlantis：Atlantis Press，2010：3—20.

[6]? ? 任巖，畢亞雄，王德寬，等. 風(fēng)電機組傳動鏈的故障樹智能診斷技術(shù)[J]. 排灌機械工程學(xué)報，2016，34（4）：328—331.

REN Y，BI Y X，WANG D K，et al. Fault tree intelligent diagnosis technology for wind turbine drivetrain[J]. Journal of Drainage and Irrigation Machinery Engineering，2016，34（4）：328—331.（In Chinese）

[7]? ? 姜萬錄，劉思遠. 多特征信息融合的貝葉斯網(wǎng)絡(luò)故障診斷方法研究[J]. 中國機械工程，2010，21（8）：940—945.

JIANG W L，LIU S Y. Fault diagnosis approach study of Bayesian networks based on multi-characteristic information fusion[J]. Chinese Mechanical Engineering，2010，21（8）：940—945.（In Chinese）

[8]? ? 李宏梅，佟為明，程樹康. 基于貝葉斯網(wǎng)絡(luò)的信息融合汽車網(wǎng)絡(luò)故障診斷方法[J]. 汽車工程，2015，37（10）：1190—1194.

LI H M，TONG W M，CHEN S K. Fault diagnosis method of automotive Network with Bayesian network-based Information Fusion [J]. Automotive Engineering，2015，37（10）：1190—1194. （In Chinese）

[9]? ? 李金艷，余忠華，徐宣國. 信息不完備情況下多因素工序質(zhì)量診斷方法[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2016，48（7）：88—93.

LI J Y，YU Z H，XU X G. Diagnosis method of multi-cause process quality under incomplete information[J]. Journal of Harbin Institute of Technology，2016，48（7）：88—93. （In Chinese）

[10]? 王瑛，李菲. 基于集成權(quán)重和貝葉斯模型的科技獎勵評價[J]. 湖南大學(xué)學(xué)報（自然科學(xué)版），2016，43（7）：151—156.

WANG Y，LI F. Evaluation of science and technological achievements based on integrated weight and Bayesian network[J]. Journal of Hunan University（Natural Sciences），2016，43（7）：151—156.（In Chinese）

[11]? 陳東寧，姚成玉. 基于模糊貝葉斯網(wǎng)絡(luò)的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應(yīng)用[J]. 機械工程學(xué)報，2012，48（16）：175—183.

CHEN D N，YAO C Y. Reliability analysis of multi-state system based on fuzzy Bayesian networks and application in hydraulic system[J]. Journal of Mechanical Engineering，2012，48（16）：175-183.（In Chinese）

[12]? 宋志平，李應(yīng)紅，屈裕安. 描述復(fù)雜系統(tǒng)故障關(guān)系的條件故障圖[J]. 系統(tǒng)工程與電子技術(shù)，2003，25（1）：116—118.

SONG Z P，LI Y H，QU Y A. Conditional trouble graph for describing fault relation of a complex system[J]. Systems Engineering and Electronics，2003，25（1）：116—118.（In Chinese）

[13]? 劉勇，蒲樹禎，曹澤翰，等. 基于故障圖模型的故障診斷方法研究[J]. 小型微型計算機系統(tǒng)，2006，27（9）：1741—1745.

LIU Y，PU S Z，CAO Z H，et al. Research on fault diagnostic method based the fault graph model[J]. MiNi-Micro Systems，2006，27（9）：1741—1745.（In Chinese）

[14]? 韓光臣，孫樹棟，王軍強，等. 復(fù)雜系統(tǒng)模糊概率故障圖模型研究[J]. 中國機械工程，2005，16（9）：801—804.

HAN G C，SUN S D，WANG J Q，et al. Research on fault graph model of complex system based on fuzzy probability[J]. Chinese Mechanical Engineering，2005，16（9）：801—804.（In Chinese）

[15]? RAN Y，ZHANG G B，ZHANG L. Quality characteristic association analysis of computer numerical control machine tool based on meta-action assembly unit [J]. Advances in Mechanical Engineering，2016，8（1）：1—10.

[16]? 姜洪權(quán)，王金宇，高建民，等. 面向復(fù)雜系統(tǒng)故障溯源的SDG-FG模型建模方法[J]. 計算機集成制造系統(tǒng)，2015，21（3） ：749—757.

JIANG H Q，WANG J Y，GAO J M，et al. Modeling method for SDG-FG model oriented to fault root causes tracing analysis of complex electromechanical system[J]. Computer Integrated Manufacturing Systems，2015，21（3）：749—757.（In Chinese）

[17]? WEBER P，MEDINA O G，SIMON C，et al. Overview on Bayesian networks applications for dependability，risk analysis and maintenance area[J]. Engineering Applications of Artificial Intelligence，2012，25（4）：671—682.

[18]? ZHAO S Q. Power distribution system reliability evaluation by D-S evidence inference and Bayesian network method[C]//Proceedings of the IEEE 11th International Conference on Probabilistic Methods Applied to Power Systems. Singapore：IEEE，2010：654—658.

[19]? MAHADEVAN S，ZHANG R，SMITH N. Bayesian network for system reliability reassessment[J]. Structural Safety，2001，23：231—251.