系统故障检测可靠性课程设计PPT

1、专业专业：汇报人汇报人：第一章第一章 研究背景研究背景第二章第二章 基于基于FMEA的的AUV可靠性分析可靠性分析第四第四章章 基基于于FMEA的的AUV贝叶斯诊断网络贝叶斯诊断网络第三章第三章 改进的改进的FMEA风险评估方法风险评估方法第五第五章章 诊断实验及结果分析诊断实验及结果分析第一章第一章 研究背景研究背景 智能水下机器人(AUV)由于工作环境的复杂性、外界因素的未知多变性，使得任何细微的故障都有可能产生灾难性的后果，所造成的经济损失将无法估量，因此如何提高系统可靠性及故障诊断能力已成为AUV研究领域的重要课题。 针对国内在水下机器人软件可靠性研究方面还没有深入展开的现状，本文结合

2、水下机器人软件系统的特点，运用改进的FMEA技术，给出了实际可行的水下机器人软件可靠性分析及评估方案，总结了AUV的主要软件故障模式，并在此基础上，建立了基于FMEA的贝叶斯诊断网络。第二章第二章 基于基于FMEAFMEA的的AUVAUV可靠性分析可靠性分析失效模式影响分析(Failure Mode and Effects Analysis，FMEA)是一种传统的系统可靠性、安全性分析方法。根据FMEA的基本原理及方法要求，本文给出了水下机器人智能决策系统软件的FMEA实施步骤：(1)确定描述分析对象；(2)确定潜在的失效模式；(3)描述失效的影响；(4)确定原因；(5)风险评估。本文分析对象

3、为AUV智能决策系统软件模块，该系统主要包括6大功能模块：(1)全局路径规划模块；(2)局部路径规划模块；(3)紧急情况处理模块；(4)通讯模块；(5)目标搜索模块；(6)任务下达模块。以路径规划模块为例，其FMEA表如表1所示。模块名称模块名称故障模式故障模式主要故障原因主要故障原因故障影响故障影响全局路径规划模块全局路径规划模块（1）全局路径规划不合理）全局路径规划不合理（1）环境建模不合理或失）环境建模不合理或失效效（2）全局路径搜索模块失）全局路径搜索模块失效效（3）地图文件读写错误）地图文件读写错误（1）航迹）航迹（2）航速）航速（3）状态参数异常）状态参数异常（2）无法规划出全局路

4、径）无法规划出全局路径路径局部规划模块路径局部规划模块（1）碰到障碍物）碰到障碍物（1）控制规则表创建失效）控制规则表创建失效（2）避障函数失效）避障函数失效（3）向目标点前进）向目标点前进（4）写入目标文件出错）写入目标文件出错（1）航迹）航迹（2）航速）航速（3）状态参数异常）状态参数异常（4）碰到障碍物）碰到障碍物（5）无法从文件获取数）无法从文件获取数据据（2）无法规划出局部路径）无法规划出局部路径（3）文件读写不同步）文件读写不同步（1）全局数据库不一致）全局数据库不一致（2）日志文件出错）日志文件出错表表1 路径规划模块路径规划模块FMEA表表3.13.1 传统传统FMEAFMEA

5、的局限性的局限性 传统FMEA风险评估过程如图1所示，其主要是通过计算风险顺序数RPN来评估产品或系统的风险等级。由于不同的O、S、D相乘可以得到相同的RPN值，而RPN值相同情况下，各种失效模式对于系统的风险作用却不相同，因此，仅以RPN来判断各种失效模式的风险顺序明显存在着不足。图图1 1 风险评估过程图风险评估过程图3.2 3.2 基于三角模糊数基于三角模糊数的的FMEAFMEA评价模型评价模型 模糊数形式有很多，本文采用三角模糊数模糊数形式有很多，本文采用三角模糊数对模糊语言术语进行定量对模糊语言术语进行定量化处理。若模糊数化处理。若模糊数A A可由可由( (a,b,ca,b,c) )

6、决定，且隶属函数值为：决定，且隶属函数值为： 0,0,Axaxaxa bbaxcxxb ccbxc （1）模糊数的非模糊化是应用灰色关联理论计算的基础，国内外有许多学者对模糊数的非模糊化是应用灰色关联理论计算的基础，国内外有许多学者对非模糊化算法进行了深入的研究非模糊化算法进行了深入的研究。本文根据三角模糊数分布特点，由式本文根据三角模糊数分布特点，由式(2)(2)： 46ab cG 将三角模糊数将三角模糊数( (a,b,ca,b,c) )化为单值，即可得出最终的评价结果，见表化为单值，即可得出最终的评价结果，见表2 2。（2）评价语言三角模糊数清晰数极低（R）（0,0.76,1.84）0.8

7、1低（L）（1.5,2.8,3.85）2.76一般（M）（3.7,5.2,6.2）5.1高（H）（6.22,8.15,9.13）8.0很高（VH）（8.8，9.8,10）9.67表表2 模糊语言术语的清晰化模糊语言术语的清晰化故障模式OSD全局规划不合理MMM避障失败RVHM无法处理紧急情况RVHH通讯超时LML未能搜索到目标LHH任务没有顺利下达LMM 本文从水下机器人6大模块中选择了主要的故障模式，分别为：(1)全局路径规划不合理；(2)避障失败；(3)无法处理紧急情况；(4)通讯超时；(5)未能搜索到目标；(6)任务没有顺利下达。这6种主要故障模式的模糊等级评价表，如表3所示。表表3 故

8、障模式模糊等级评价表故障模式模糊等级评价表3.3 3.3 基于灰色关联度的基于灰色关联度的PRNPRN排序排序对典型的几种失效模式进行评价后，便可以根据灰色关联理论计算各种失效模式的灰色关联度，通过排序来确定各种失效模式的风险顺序，制定改进措施。根据灰关联理论及对水下机器人失效模式的评价，按照表2中模糊语言术语对应的清晰数，建立水下机器人主要故障模式的比较矩阵A。本文选择最差值最为参考基准建立参考矩阵A0。5.10 5.10 5.100.81 9.67 5.100.81 9.67 8.002.76 5.10 2.762.76 8.00 8.002.76 5.10 5.10MMMR VH MR

9、VH HALMLLHHLMM 0101010101010101010101010101010101010VHVHVHAVHVHVH关联性实质上是曲线间几何形状的差别，因此可以将曲线间差值的大小，作为关联程度的衡量尺度。可以定义以下关联系数的计算公式： 00000minminmaxmax,maxmaxiii mk mi mk mjiiii mk mxkx kxkx kxkx kxkx kxkx k式中， 为xi对于x0在k点的灰色关联系数， 为分辨系数，取值在0至1之间，是可以事先确定的参数，取0.5。 0,ix k x k根据以上公式可以得出水下机器人失效模式各变量与参考基准间的关联系数： 0

10、0.51870.51870.51870.35731.00000.51870.35731.00000.7468,0.41610.51870.41610.41610.74680.74680.41610.51870.5187ixkx k 3001,jiiixkx k 311ii在衡量失效模式的风险排序时由于各变量的影响程度不同，因此，可以考虑带有权值的关联度计算公式：设失效模式3个变量的指标权重为 ，则第j种失效模式与参考基准的关联度可由下式得到：。i(4)i1230.4,0.4,0.2,由专家根据经验知识事先确定。水下机器人失效模式各变量的权系数分别为：则根据公式(4)可计算得到各失效模式相对于参

11、考基准的关联度，按照水下机器人各失效模式关联度从大到小进行排序，就可以确定风险顺序。表4为改进的失效模式风险排序；表5是按照传统FMEA方法得到的风险排序。表表4 基于灰色关联的风险排序基于灰色关联的风险排序故障模式失联度系数排序全局路径规划不合理0.51874避障失败0.64662无法处理紧急情况0.69231通讯超时0.45726未能搜索到目标0.61453任务没有顺利下达0.47775 通过比较可以发现，在传统FMEA中，避障失败和搜索目标失败的严重度和难检度相差不多。传统FEMA中，避障失败排在3，而在改进的FMEA中，由于综合考虑了O、S 、D三个变量对失效模式的影响，避障失败的严重

12、度要大于搜索目标失败，因此避障失败的风险排序上升为2。可见，改进后的FMEA方法，能够综合比较，选择风险作用较大的潜在失效模式作为改进对象，提高判断的准确性。故障模式OSDRPN排序全局路径规划不合理355754避障失败295903无法处理紧急情况2108.51701通讯超时34.54546未能搜索到目标286962任务没有顺利下达354605表表5 传统传统FMEA的风险排序的风险排序 贝叶斯网络本质上是因果关系网，它对于解决复杂系统不确定性和关联性引起的故障有很大的优势。根据水下机器人故障的状态信息及因果关系，建立了一个基于FMEA的贝叶斯诊断网络，它包括3个基本事件层：故障征兆层、故障层

13、、故障原因层。所构造的贝叶斯诊断网络模型如图2所示。第四章第四章 基于基于FMEA的的AUV贝叶斯诊断网络贝叶斯诊断网络图图2 水下机器人故障诊断系统的贝叶斯网络图水下机器人故障诊断系统的贝叶斯网络图 4.1 基于基于FMEA的的AUV贝叶斯诊断网络模型贝叶斯诊断网络模型4.2 AUV故障诊断系统的贝叶斯推理故障诊断系统的贝叶斯推理 在贝叶斯诊断网络建立完成之后，就可以进行相应的故障诊断推理。设E为故障征兆，Fi 为导致征兆E产生的n个故障组成的互不相容且完备的故障集，由贝叶斯公式可知： 1|iiiiniiiP F EP FP E FP FEP EP FP E F 以水下机器人“航迹异常”故障

14、影响节点E1为例，节点F1、F2的先验概率和节点E1的条件概率分别如表6和表7所示。 有了条件概率和先验概率，根据条件独立性假设，就可以得出每个节点的边缘概率。E1的边缘概率可根据如下公式得出：节点取值False0.81280.91True0.18720.092P F表表6 节点节点 和和 的先验概率表的先验概率表 1P F1F2F表表7 节点节点 的条件概率表的条件概率表1E节点 节点 FalseFalse0.960.04FalseTrue0.450.55TrueFalse0.550.45TrueTrue0.130.87112|F,P EfalseF112|F,P EtrueF 121 21

15、2|0.04 0.8172 0.91 0.55 0.8172 0.09 0.45 0.8172 0.91 0.87 0.8172 0.09 0.1615FFP E TrueP E True FF P F P F2111|0.4410|0.1328P CTrue ETrueP CTrue ETrue1121|P CTrue ETrueP CTrue ETrue 这样，就可以按照贝叶斯推理公式得出条件概率： 并可以进一步得到： 结果表明，如果通过监控平台得知水下机器人航迹异常，利用贝叶斯推理机制可得出很大程度上是由于水下机器人的全局路径规划搜索策略模块失效所导致的，这样就找到了导致航行异常的原因。

16、该方法可以有效地对故障进行定位，准确找到故障原因，以便使故障得到及时处理。5.1 单一故障诊断单一故障诊断第五章第五章 诊断实验及结果分析诊断实验及结果分析 通过对水下机器人状态监控系统的观察，对图2建立的诊断网络进行推理，假设当获得以下证据：(1)evidenceE3=true，航速不稳定；(2)evidenceE5=true，状态参数异常。将该证据加入到网络中，得出各故障发生的概率值，如表8所示。节点FalseTrue0.68600.31400.46680.53320.62040.37960.59370.40630.86000.14000.65010.34991F2F3F4F5F6F表表8

17、 单一故障诊断结果单一故障诊断结果5.2 5.2 多故障诊断多故障诊断 上面所进行的只是对单一故障的诊断推理，而水下机器人系统由于它的复杂性，很可能是多个故障同时出现，因此要考虑复合故障的推理。其中后验概率最大的那个状态组合最有可能会出现故障征兆。假设在水下机器人运行过程中，获得如下证据：(1)evidenceE3=true，航速不稳定；(2)evidenceE4=true，自救失败；(3)evidenceE5=true，状态参数异常。将以上证据加入到网络中，得出各故障发生的概率值，如表9所示。表表9 加入证据后各节点概率加入证据后各节点概率节点FalseTrueF10.74170.2583F

18、20.70990.2901F30.14380.8562F40.06680.9332F50.86000.1400F60.76130.2387343451256,| E ,PFFEEFFFF由表9可知，F3 和F4同时发生故障概率的可能性增大，明显高于其他故障发生的概率。复合故障诊断时，可以根据以上单一 故障诊断结果，没定概率值低的故障为不发生，加入为证据，进行最大故障组合概率推理计算。如 其表示的含义为：给定证据E，故障a、b发生，c不发生的概率。这样，根据上面单一故障诊断结果，获得的证据信息如下，并加入到网络中。(1)evidenceE3=true，航速不稳定；(2)evidenceE4=true，自救失败；(3)evidenceE5=true，状态参数异常；(4)evi