针对正流量液压挖掘行走跑偏的问题,提出一种基于T-S故障树的故障诊断最优序列多属性决策方法。研究正流量液压挖掘机行走液压系统,分析行走跑偏成因。最后,将基于T-S故障树的故障最优诊断序列多属性决策方法应用于正流量液压挖掘机行走跑偏分析,利用T-S故障树求解正流量挖掘机行走液压系统各元件的概率重要度作为故障诊断排序的重要依据,利用多属性决策方法生成最优诊断序列,对快速精准、最小代价定位正流量液压挖掘机行走跑偏故障源起重大作用。

针对贝叶斯网络方法存在的贝叶斯网络模型和节点条件概率表难以构造、根节点故障率和故障概率数据难以精确获取等不足,以及T-S故障树分析方法存在的计算复杂、不能进行反向推理等不足,提出基于T-S故障树和贝叶斯网络的模糊可靠性评估方法利用T-S故障树构造贝叶斯网络模型、T-S门规则构造节点条件概率表;用模糊数描述节点的多种故障状态,模糊子集描述节点各故障状态下的故障率、故障概率;结合贝叶斯网络推理给出在仅知根节点故障状态条件下,叶节点各故障状态的发生概率、根节点状态重要度;以及已知根节点各故障状态的故障率、故障概率模糊子集条件下,叶节点各故障状态的故障率、故障概率模糊子集,以及根节点模糊重要度、后验概率。通过与文献[5]的T-S故障树分析方法、文献[10]的贝叶斯网络方法对比,验证所提方法的可行性。对巷道运输

针对汽车起重机变幅机构的复杂性以及故障状态的模糊性,提出了一种模糊贝叶斯网络与T-S模糊故障树相结合的可靠性评估方法。首先,通过建立T-S模糊故障树,映射为模糊贝叶斯网络;其次,结合专家利用"信心指数法"得到的底事件的故障概率,正向推理得到顶事件的故障概率以及底事件的重要度,再通过反向推理可以得到系统出现故障后底事件的后验概率。该算法对2种算法进行结合,优势互补,算法符合客观实际,为评估系统可靠性、找出系统薄弱环节提供了依据。

液压系统可靠性分析主要有故障树、故障模式影响与致命性分析、贝叶斯网络等方法,由于历史数据的缺乏及系统工作环境的变化,使得部件故障发生概率为精确值的假设难以成立,而模糊理论的引入,有效解决了这一问题。通过分析THMC6350双工位卧式加工中心液压托架升降系统工作原理,构建了其系统失效时的Takagi-Sugeno(T-S)模糊故障树模型,解决了故障数据缺乏及故障机理不确定问题,进而对系统进行可靠性分析,求得液压托架升降系统在不同故障状态时的故障概率、各底事件概率重要度和关键重要度,为设备故障诊断提供可靠依据。

通过分析液压轮边制动系统原理,以故障模式为底事件建造液压轮边制动系统T-S故障树。针对实际系统故障数据缺乏、故障机理复杂多样等原因导致的T-S故障树底事件失效可能性的不确定性问题,将区间模型引入T-S故障树分析,解决底事件失效可能性不易精确获取的问题;进而对系统进行可靠性分析,求得液压轮边制动系统故障树顶事件的故障概率、各底事件的概率重要度和关键重要度,为系统维护和故障发现提供依据。