数控车床故障传播机理分析

为探讨数控车床故障传播机理,即识别系统关键节点与关键故障传播路径,基于数控车床故障数据,应用有向图理论、集成决策实验室分析(DEMATEL)和解释结构模型(ISM)方法构建数控车床分层故障传播有向图模型;基于故障传播概率、边介数两指标定义故障传播强度表征故障传播行为;提出结合系统分层故障传播有向图模型和故障传播强度的数控车床故障传播机理分析方法.分析结果表明:系统分层故障传播有向图模型实现了系统层级分解,简化了故障传播分析过程,为关键路径识别奠定了基础;将故障传播强度作为关键路径识别的依据,避免了传统分析方法基于单一指标描述数控车床故障传播行为而产生的偏差,实现了准确定位故障源,准确识别系统关键路径.所提方法有助于系统故障诊断与维护.

基于SDG的复杂系统故障传播分析

复杂系统中大多数单点故障都具有多重传播路径,任何一个局部细小的故障都会通过网络进行传播、扩散、积累和放大,从而酿成重大事故。本文在SDG的基础上,引入了故障传播强度和传播时间的概念及计算方式,给出了结合传播强度和传播时间的复杂系统故障传播分析方法。基于SDG模型,计算得到各相容通路的故障传播强度和时间,找出其中的高风险高传速路径,以便提前采取有效的预防控制措施,避免故障的传播和扩散。

基于多影响因子和重要度的故障样本优选

针对测试性试验故障样本选择时影响因子考虑不全面、抽样方法工程应用性不强、影响因子权值主观性较强等问题,提出基于故障模式多影响因子和重要度的故障样本优选方法。在分析基于多影响因子抽样必要性的基础上确定了故障模式影响因子,并提出了基于PageRank的传播强度计算方法;提出了基于信息熵的相似度和基于相对比较关系的支持度计算方法,采用博弈决策方法确定了影响因子权值,实现了基于相对重要度的故障样本优选。将该方法应用于某装备控制系统的测试性验证试验,结果表明:故障样本优选方法能降低单次试验评估结果的随机性;样本选取时综合考虑多种影响因子和既客观又满足试验双方要求的影响因子权值,更符合测试性试验需求,选取的故障样本更合理。