基于D-S证据理论的输油泵机组FMECA分析方法
文献发布时间:2024-01-17 01:26:37
技术领域
本发明涉及风险评估及运行可靠性分析技术领域,尤其涉及基于D-S证据理论的输油泵机组FMECA分析方法。
背景技术
故障模式、原因及影响分析(Failure Mode,Effects and CriticalityAnalysis,FMECA)是一种涉及定量故障分析的方法。将FMECA应用于输油泵机组的故障模式及影响分析,能够通过分析机组各部件的不同故障对系统工作的影响,全面识别机组的薄弱环节和关键部件,从而为评价和提升机组运行的可靠性提供基本信息。
传统的FMECA方法是利用风险优先数(Risk Priority Number,RPN)来确定故障模式的严重程度,风险优先数则通过故障模式的发生率、严重度和探测度的乘积得出。但在实际应用中发现,由于个体主观评价的差异,这种传统的危害性分析方法难以准确描述故障模式对系统可靠性的影响,尤其是对于故障模式复杂的输油泵机组设备。
现有技术中对于输油泵机组设备的故障模式分析存在分析局限性,进而不能准确表达泵机组专家的知识和经验,导致输油站场安全性和可靠性不能有效保障的技术问题。
发明内容
本申请通过提供基于D-S证据理论的输油泵机组FMECA分析方法,解决了现有技术中对于输油泵机组设备的故障模式分析存在分析局限性,进而不能准确表达泵机组专家的知识和经验,导致输油站场安全性和可靠性不能有效保障的技术问题。
本申请提供基于D-S证据理论的输油泵机组FMECA分析方法,所述方法包括:对输油泵机组进行系统的故障模式、故障原因、故障影响分析,构建FMEA分析表;依据所述FMEA分析表,基于区间值进行严重度、发生率和探测度的风险因子评估,得到所述输油泵机组各故障模式下的风险因子评估结果;对所述风险因子评估结果进行多表征组合,构建输油泵机组每种故障模式RPN
本申请还提供了基于D-S证据理论的输油泵机组FMECA分析系统,所述系统包括:构建模块,所述构建模块用于对输油泵机组进行系统的故障模式、故障原因、故障影响分析,构建FMEA分析表;评估模块,所述评估模块用于依据所述FMEA分析表,基于区间值进行严重度、发生率和探测度的风险因子评估,得到所述输油泵机组各故障模式下的风险因子评估结果;组合模块,所述组合模块用于对所述风险因子评估结果进行多表征组合,构建输油泵机组每种故障模式RPN
拟通过本申请提出的基于D-S证据理论的输油泵机组FMECA分析方法,通过输油泵机组每种故障模式RPN
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本发明基于D-S证据理论的输油泵机组FMECA分析方法的流程示意图;
图2为本申请实施例提供的基于D-S证据理论的输油泵机组FMECA分析系统的结构示意图;
附图标记说明:构建模块1,评估模块2,组合模块3,排序模块4,更新模块5,优化模块6。
具体实施方式
实施例一
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用,然而,任何数量的不同模块可以被使用并运行在用户终端和/或服务器上,所述模块仅是说明性的,并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,根据需要,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
如图1所示,本申请实施例提供了基于D-S证据理论的输油泵机组FMECA分析方法,所述方法包括:
步骤S100:对输油泵机组进行系统的故障模式、故障原因、故障影响分析,构建FMEA分析表;
步骤S200:依据所述FMEA分析表,基于区间值进行严重度、发生率和探测度的风险因子评估,得到所述输油泵机组各故障模式下的风险因子评估结果;
具体而言,输油泵是保证柴油在低压油路内循环,并供应足够数量及一定压力的燃油给喷油泵的设备。对输油泵机组进行系统定义、结构划分,具体划分为电机、轴承等6个系统。并对每个系统开展故障模式、原因及影响分析,得到输油泵机组FMEA分析表,如表1所示。
表1.输油泵机组FMEA分析表
在进行风险因子评估过程中,为了消除专家评估的主观性和不确定性,采用区间值的形式进行严重度(Severity)、发生率(Occurrence)和探测度(Detection)风险因子评估,得到输油泵机组各故障模式的风险因子评估数据,风险因子评估采用国际标准IEC60812。风险因子评估表格如下表2所示。
表2.风险因子评估表格
步骤S300:对所述风险因子评估结果进行多表征组合,构建输油泵机组每种故障模式RPN
进一步的,步骤S300还包括:
步骤S310:配置评估专家数量N;
步骤S320:确定所述风险因子评估结果对应的风险因子数r=3,则所述多值表征组合的数量为N
具体而言,设定评估专家数量为N,其中,N为大于1的正整数,基于N个专家参与评估的故障模式的风险因子数r=3,因此产生的组合数目为N
表3.风险因子组合
步骤S400:确定所述输油泵机组的各故障模式的信度函数和似然函数,并基于所述信度函数和似然函数设置通用阈值RPN
进一步的,步骤S400还包括:
步骤S410:设定事件E={RPN
步骤S420:基于所述多值表征组合绘制事件E的信度函数和似然函数分布;
步骤S430:设置各个故障模式的信度质量m,并绘制与似然曲线相交的直线y=m,交点的x值即为RPN
步骤S440:依据各故障模式的RPN
进一步的,信度函数的计算公式为:
似然函数计算公式为:
其中,fm为故障模式,m为信度质量,且m=0.9。
具体而言,信度函数是描述主观不确定现象的主要数学工具,似然函数是一种关于统计模型中的参数的函数,表示模型参数中的似然性。
在本申请中,信度函数的计算公式为:
似然函数计算公式为:
其中,fm为故障模式,m为信度质量,且m=0.9。
对于任意事件E={RPN
步骤S500:基于所述故障模式风险优先级排序进行同排序等级且同RPN值的故障模式筛选,并对筛选结果基于取信度曲线与x=RPN
进一步的,本申请步骤S500还包括:
步骤S510:设置Pi是第i组所述筛选结果,其中,i=1,2,…,M;
步骤S520:对于Pi的每个故障模式,绘制与信度曲线相交的直线x=RPNfm*;
步骤S530:读取信度函数上对应的置信度值,根据所述置信度值将故障模式进行降序排列,以完成Pi的排序更新。
进一步的,本申请步骤S500还包括:
步骤S540:对所述筛选结果进行i=1-M的顺序遍历;
步骤S550:基于顺序遍历结果完成所述筛选结果的全部排序更新。
具体而言,为了消除不同故障模式具有相同排序等级和相同RPN值的情况,首先,对所述故障模式风险优先级排序进行同排序等级且同RPN值的故障模式筛选,设定一共具有M组相同RPN值且具有相同排序等级的故障模式,其中,P
步骤S600:采用归一化方法优化风险优先级排序,得到输油泵机组故障模式风险程度权重值及安全等级排序。
具体而言,所述输油泵机组故障模式风险程度权重值及安全等级排序由故障模式风险优先级排序通过归一化处理得到,以对输油泵机组各故障模式影响程度进行综合化比较。
本发明实施例所提供的技术方案,对输油泵机组进行系统的故障模式、故障原因、故障影响分析,构建FMEA分析表;依据所述FMEA分析表,基于区间值进行严重度、发生率和探测度的风险因子评估,得到所述输油泵机组各故障模式下的风险因子评估结果;对所述风险因子评估结果进行多表征组合,构建输油泵机组每种故障模式RPN
实施例二
基于与前述实施例中基于D-S证据理论的输油泵机组FMECA分析方法同样发明构思,本发明还提供了基于D-S证据理论的输油泵机组FMECA分析系统,系统可以由硬件和/或软件的方式来实现,一般可集成于电子设备中,用于执行本发明任意实施例所提供的方法。如图2所示,所述系统包括:
构建模块1,所述构建模块1用于对输油泵机组进行系统的故障模式、故障原因、故障影响分析,构建FMEA分析表;
评估模块2,所述评估模块2用于依据所述FMEA分析表,基于区间值进行严重度、发生率和探测度的风险因子评估,得到所述输油泵机组各故障模式下的风险因子评估结果;
组合模块3,所述组合模块3用于对所述风险因子评估结果进行多表征组合,构建输油泵机组每种故障模式RPN
排序模块4,所述排序模块4用于确定所述输油泵机组的各故障模式的信度函数和似然函数,并基于所述信度函数和似然函数设置通用阈值RPN
更新模块5,所述更新模块5用于基于所述故障模式风险优先级排序进行同排序等级且同RPN值的故障模式筛选,并对筛选结果基于取信度曲线与x=RPN
优化模块6,所述优化模块6用于采用归一化方法优化风险优先级排序,得到输油泵机组故障模式风险程度权重值及安全等级排序。
进一步地,所述组合模块3还用于:
配置评估专家数量N;
确定所述风险因子评估结果对应的风险因子数r=3,则所述多值表征组合的数量为N
进一步地,所述排序模块4还用于:
设定事件E={RPN
基于所述多值表征组合绘制事件E的信度函数和似然函数分布;
设置各个故障模式的信度质量m,并绘制与似然曲线相交的直线y=m,交点的x值即为RPN
依据各故障模式的RPN
进一步地,所述排序模块4还用于:
信度函数的计算公式为:
似然函数计算公式为:
其中,fm为故障模式,m为信度质量,且m=0.9。
进一步地,所述更新模块5还用于:
设置P
对于P
读取信度函数上对应的置信度值,根据所述置信度值将故障模式进行降序排列,以完成P
进一步地,所述更新模块5还用于:
对所述筛选结果进行i=1-M的顺序遍历;
基于顺序遍历结果完成所述筛选结果的全部排序更新。
系统所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
- 一种基于D-S证据理论的服务器负载状态评估分析方法和系统
- 基于主元分析和D-S证据理论的故障诊断方法