基于有向图的数控车床工程故障传播机理研究

第 1 章 绪论1.1 课题来源与背景生产过程中，即便数控机床系统一个极为微小的元件故障，若不能及时处理，便会因级联效应使故障在系统中大范围传播，最终导致大部分组件甚至整个系统故障。这种由一系列互为因果、在时间尺度上可区分的序列停运引起的故障事件即为级联故障，其出现增加了组件及系统运行故障概率。制造工艺、设计水平不足导致的组件单元自身可靠性水平低及组件单元间连接方式与影响作用形式的高耦合性与多样性，乃至外在运行环境不良带来的环境载荷冲击等因素都为级联故障的传播提供了可能[2]。设备故障传播机理分析与控制是故障诊断与健康维护的基础，是设备关键智能基础共性技术之一，因此，设备故障传播机理成为亟需研究的课题。数控机床故障传播机理十分复杂，故障传播过程实际上是一种分步扩散过程[3]：当某个组件节点发生故障时，首先在组件内进行快速传播，然后通过边界元件逐步扩散到其它组件节点中去，最终引起整个系统的失效；从一个组件节点到另一个组件节点可能存在若干条故障传播路径，故障传播行为除受节点间故障影响能力、支路负荷量制约，还与组件节点自身可靠性指标密切相关。因此，考虑组件节点间故障传播关系，合理评估组件节点故障概率，结合节点间故障传播影响度、支路负荷量进行故障传播机理分析，可准确定位故障源、识别关键故障传播路径。这为制定有效的故障预防控制策略、抑制级联故障扩散规模提供了重要的理论支撑，具有一定的实际应用价值。..........1.2 故障传播技术国内外研究现状作出正确的关键故障传播路径识别决策，与事先进行完备的系统故障传播机理分析、得到系统故障传播模型等工作密切相关。因此，本文首先对国内外故障传播技术发展现状进行了简要概述。故障传播现象在现实系统中普遍存在，如大规模停电事故、交通堵塞及互联网瘫痪等都与组件单元故障传播密切相关。当前故障传播研究受到了复杂系统可靠性领域的高度重视，主要进行故障传播临界条件、实证数据统计和模型构建等研究[4]。故障传播的临界条件往往通过建立故障传播网络模型基于渗流理论分析计算[5]，对于不同结构的网络模型，如单个网络[6,7]、耦合网络[8,9]的渗流临界值的计算方法也不同。而随着故障传播技术的发展，故障传播的实证数据统计受到研究电网等实际网络级联失效行为人员的一定关注[10]。对于故障传播模型的构建，现多用 Petri 网、元胞自动机、基于复杂网络理论的拓扑网络模型、贝叶斯网以及图论等方法进行描述。从自组织临界理论、复杂网络理论和元胞自动机等理论方面入手分析故障传播机理。Petri 网最早用于描述通信系统，经过几十年的发展，逐渐成为一个具有严谨数学理论支撑的图形化、层次化系统建模和分析工具，适宜于描述系统故障（离散事件）的动态传播行为[11]。传统 Petri 网因其模型中资源不可覆盖重用很难将数控机床故障传播的并发性描述精确。韩光臣等[12]将模糊概率理论融合至传统Petri 网构建系统故障传播模型中，从而改善了传统模型无法有效描述故障并发性的问题。同时，传统 Petri 网常与机器学习、专家系统等方法相结合[13,14]或借助高级 Petri 网技术[15,16]进行故障传播分析。Petri 网虽能建立一些相对简明的模型，但当研究对象为节点过多、故障传播现实行为复杂的系统，模型则会包含大量的元组，建模复杂且分析效率不高。因此，多用于子系统、组件的建模。谷东伟等[17]基于 petri 网逆网描述数控机床主轴故障传递过程，并实现子系统故障源定位。..........第2章 集成DEMATEL/ISM的分层故障传播有向图模型构建为合理识别系统关键故障传播路径，需结合系统故障机理分析，建立系统故障传播模型。模型多基于网络结构，即通过节点、连接边等抽象概念对基于设备运行故障信息获取的系统复杂故障传播关系的一种抽象简化表述。该环节可以简化故障传播的分析过程，是进行关键故障路径识别的基础。采用基于图论的故障传播有向图方法描述数控车床组件间故障传递方向性，可以有效提高故障传播模型的构建速度。为描述数控车床故障传播的分步扩散性，可进一步将故障传播有向图模型分层重构，实现对数控车床组件间同层故障传递、跨层故障传递，即多层故障扩散和传播的有效描述。本章首先对数控车床故障信息进行故障机理分析。应用有向图理论构造故障传播有向图模型，借助矩阵工具、集成 DEMATEL/ISM 方法将故障传播有向图模型分层重构，得到初始分层故障传播有向图模型。该模型不仅可以明确组件间相互影响及依存的逻辑结构，直观清晰的展示出组件间故障传播路径，并且可以有效减少疑似故障源，确定故障源候选节点，是进行关键故障路径识别的基础。进而，通过虚节点的增设去掉模型中同层以及跨层关系，确定数控车床系统分层故障传播有向图模型用于最终关键路径识别，使得模型节点等级的划分更加清晰合理，便于复杂问题的分析。2.1 数控车床故障机理分析数控车床是多组件单元按其功能需要组成的设备集成系统，系统组件单元间连接方式多样、影响作用形式相互依赖，导致其复杂的系统结构影响并制约着故障传播行为。在组件单元物理连接关系中，当进行功能传递时组件间会有相互的作用关系，否则，组件间没有作用关系，即组件间并不完全通过介质而是基于功能传递力的作用。因此，故障也并非按照组件间物理连接关系进行传播，数控车床系统故障传递过程不能按照物理结构描述，需要依据故障传播机理分析，考虑故障传递方向性，基于有向网络描述组件间故障传播耦合作用关系。........第 3 章 基于节点重要度的模型结构性指标评估.....233.1 节点重要度常用指标 ....233.2 基于介数的模型有向边负荷属性评估............243.2.1 边介数定义 ....243.2.2 数控车床系统故障传播模型有向边负荷属性评估............253.3 基于 PageRan 算法的模型有向边故障影响度评估........283.4 本章小结.......37第 4 章 基于故障传播强度的系统关键故障传播路径识别.......394.1 数控车床组件节点可靠性指标评估.......394.2 数控车床系统故障传播模型有向边故障传播强度评估...........534.3 数控车床系统关键故障传播路径识别............554.4 本章小结.......59第 5 章 结论与展望 ........615.1 结论......615.2 展望......62第 4 章 基于故障传播强度的系统关键故障传播路径识别利用设备运行故障信息探寻系统故障的故障源，预测高危故障传播路径，可以一定程度的减少故障的数量，控制级联故障扩散的规模。该项研究可突破数控机床系统故障诊断信息获取瓶颈，对获取更为可信的诊断结果具有一定的指导意义，同时为后续制定一定的预防性维修计划提供依据。级联故障的传播行为除受故障传播模型结构特征影响，还与组件节点自身可靠性水平密切相关。以往研究多基于单一指标识别系统关键故障传播路径。本章将综合考虑这两方面因素模拟故障传递过程，从微观到宏观、定性到定量研究数控车床故障传播扩散行为。首先根据数控车床故障信息合理评估组件节点故障概率，一方面提出基于根源层各组件节点故障影响度与故障概率乘积值定位系统故障源的方法。另一方面组件节点故障概率结合有向边故障影响度表征有向边动态故障传播属性，进一步融合边介数定义故障传播强度作为关键路径识别原则，结合系统分层故障传播有向图模型，搜索所有存在的故障传播路径，模拟故障分步扩散过程，识别系统各层级关键节点并确定关键故障传播路径，为系统故障诊断奠定基础。4.1 数控车床组件节点可靠性指标评估节点作为组件于数控车床故障传播模型中的抽象化表述，具有固有的可靠性属性。在系统运行过程中，各组件只有当保证完成各自功能才得以实现系统整体功能，故障传播现象往往始于一个初始微小故障源，因此要对数控车床系统的故障传播行为进行分析，除涉及节点之间的故障影响能力、支路负荷量，还应考虑系统组件节点自身可靠性指标故障概率。本节将依据运行故障信息评估各组件节点故障概率：假设故障数据服从由特定软件识别的假设分布，对比分析选取合适的参数估计方法，并进行拟合度检验，最终获取各组件故障概率函数。根据表 4.4 所列四种常用的概率分布模型，借助 Minitab 软件，以数控车床电气系统（E）为例，绘制组件故障间隔时间的分布拟合图 4.1，以及调整拟合优度表 4.5，可依据 Anderson-Darling 调整拟合优度值进行分布模型识别，拟合优度值越小，对应的分布越优。

........结论数控机床组件故障的传播性、层次性、并发性等特征，使得故障传播关键节点及关键路径的识别愈加困难。系统中传播、扩散、积累的运行故障信息一方面为该环节提供了重要信息源，同时也产生了一定的干扰，在此情况下如何依据运行故障信息进行故障传播机理研究成为数控机床级联故障控制的关键手段之一，对于实现制造装备智能化具有重要意义。本文以吉林省自然科学基金为依托，以国产某型数控车床为研究对象，依据故障传播机理分析，建立了完备的系统故障传播模型，从微观到宏观、定性到定量研究数控车床级联故障传播扩散行为。主要结论如下：（1）结合数控车床故障信息，在故障机理分析基础上，依据有向图理论将数控车床组件间复杂的故障影响关系构造成可视化的故障传播有向图模型，ISM模型借助集成图论与矩阵工具进行系统要素分析的 DEMATEL 方法，将故障传播有向图模型分层重构。应用该方法构建的系统故障传播模型不仅直观、清晰的展示出组件间多层故障传播路径和故障的分步扩散过程，并且实现了故障深层（故障源）组件以及故障表层（故障多发组件）组件的快速定位：故障深层组件为电气系统（E），刀架（M）、主传动系统（T）与基础部件（B）是故障表层组件。通过增设虚节点去掉了模型中同层以及跨层关系，使得系统层级划分结果更加直观，便于分析复杂系统的故障传播过程，确立了系统分层故障传播有向图模型，为关键故障传播路径识别奠定基础。（2）基于节点重要度思想提取故障传播模型结构性指标。通过边介数衡量各有向边的负荷量，有向边F Se 负荷量最大，则该边对其它节点的联络控制作用最强，易导致故障的迅速传播。基于 PageRan 算法一方面评估系统组件节点故障影响度，用以衡量组件为故障源的可能性：刀架（M）、主传动系统（T）的故障影响度值最小，即易受其他组件的故障影响，是系统故障多发组件，且这些组件皆属于执行机构。电气系统（E）的故障影响度值最高，为故障源的可能性最高，其次是液压系统（H），它们属于动力或控制系统，这些组件自身故障易影响其他组件。该结论与分层故障传播有向图模型互相印证，互相补充；另一方面定义并评估各有向边故障影响度，即某组件节点对其邻接组件的故障影响，实现了系统组件间故障影响能力的定量分析。边介数、有向边故障影响度在不同方面反映了制约故障传递路径选择的能力，综合表征了模型结构特征对故障传播行为的影响。视为关键故障传播路径识别原则中的重要组成部分。..........参考文献（略）