基于故障树和规则推理的穿梭车故障诊断研究

一种基于故障树和案例推理的故障诊断模型作者：郜斐林元赵锋锐来源：《电子技术与软件工程》2015年第16期摘要本文分析了航天器有效载荷在轨故障的分类，以及不同故障的处理方法，研究了基于知识的各种诊断方法的优点和不足。

根据航天器在轨管理监视需求，提出了一种基于故障树和案例推理相结合的混合诊断模型，并介绍了诊断知识构建方法和推理流程。

【关键词】航天器有效载荷故障诊断1 引言随着我国航天事业的迅速发展，多种携带不同类型载荷的航天器成功在轨运行，在气象环境监测、国土资源普查等方面发挥着重要作用。

一旦航天器有效载荷出现故障，将会造成巨大损失，因此及时发现其在运行过程中出现的故障情况，是非常有必要的。

2 航天器故障分类航天器在轨工作状态监视主要分为两种方式：遥感数据和遥测数据。

遥感数据是航天器有效载荷的工作目的，对其进行分析可以间接发现部分的载荷故障；而遥测数据则直接全面地反映了是航天器各分系统工作状况，因此一直以来，遥测数据都是航天器工作状态监视的一个重要输入。

从对遥测数据进行分析的角度，航天器故障可分为以下三种：单点故障、组合故障、时态故障。

单点故障是指对单个遥测参数进行判断即可确定的故障，无需其它的辅助信息；组合故障是指需要对多个有逻辑关系的遥测参数进行组合判断才能确定的故障，这种故障比较复杂，一般需要通过领域专家会诊才推出故障原因；时态故障是指对多个既有逻辑关系又有时间关系的遥测参数进行综合判断才能确定的故障，这类故障更为复杂，还需要结合相关遥测参数的变化情况才能推出结果。

对于单点故障，由于只需要进行简单的阈值判断，因此传统的遥测处理方法已经可以实现对其快速准确的报警。

对于组合故障和时态故障，传统的做法是由汇集航天器研制方各部件专家会诊，通过大量的人工分析给出诊断结论。

但这种做法已经无法满足信息化的发展要求，为了解决后两种故障诊断的效率问题，可在航天器故障诊断中引入基于知识的故障诊断方法。

3 基于知识的故障诊断方法基于知识的故障诊断方法将综合应用了专家经验和人工智能技术，将专家经验抽象成诊断知识，并通过计算机程序设计实现复杂故障的自动诊断。

毕业论文文献综述轮机工程船舶故障诊断技术研究一、研究背景及意义故障诊断的发展和应用，是随着船舶设备技术以及相应的维修模式的发展相联系的。

20世纪以前，船舶结构简单，维修费用低人类对船舶的维修基本上是事后维修，即某部分出现问题后在进行故障分析和维护，故障诊断完全没有引起人们的注意。

进入20世纪后，随着船舶设备本身技术水平和复杂程度的提高，设备故障对船舶产生显著影响，出现了定期维修，一边事故发生前加以处理。

1960年代以后，海南事故频发，人类开始意识到传统的定期维修的弊端，开始变定期为修为与之维修，及监测船舶的工作，预先发现潜在的故障因素，及早采取措施，防止突发性故障。

预知维修方式，不仅大大减少了灾难的发生，而且避免了失修和过剩维修，经济效益可观，很快被大多数船公司认可，促使故障诊断技术得到了迅速发展。

二、国内外故障诊断技术研究现状故障诊断发展至今，取得了很大进步。

但是目前，故障诊断方法的分类还没有统一标准。

根据其理论和方法特点，一般为基于信号处理的方法、基于解析模型的方法和基于知识的方法等三类[]2。

2.1 基于信号处理的方法基于信号处理的方法，通常利用信号模型，直接根据检测数据判断，也可采用相应的信号分析和处理方法，如相关函数如相关函数、频谱、自回归滑动平均等，提取诸如方差、幅值、频率等特征。

直接利用信号模型、回避了抽取对象数学模型的难点，对于线性系统和非线性系统都适用，具有一定的通用性。

这种方法具体可分为下面几种实现方式[]2（1）直接测量法即通过仪器、仪表等，并借助操作人员的感官，通过看、听、摸、嗅等方法，直接测量或观测被诊断对象有关的输出。

若输出超出正常范围，则认为对象经或将要发生故障。

故障诊断技术发展的初期阶段，大多采用这种方法，特点是简单，但常常受操作人员的经验、技术水平和身体状态等的影响，容易出现误判和漏判。

（2）信号处理技术故障往往由于冲击、振荡、碰撞、转速突变等引起，从而也引发相应状态监测传感器的检测信号的突变和噪声增加，各种变化的奇变点处含有丰富的故障信息。

基于故障树分析的汽车机械故障诊断模型及系统构建作者：张士轩来源：《电脑知识与技术》2019年第26期摘要：现代汽车技术越来越复杂，机械故障的表现多种多样，机械故障诊断定位成为汽车维修工作的难题，故障树分析法是对现代复杂系统设备进行故障诊断的安全可靠方法。

本文分析了汽车机械故障发生的原因，总结了汽车机械故障诊断的方法，构建了汽车机械故障诊断故障树分析模型，设计了汽车机械故障诊断系统，提出了汽车机械故障的预防措施。

本文的研究成果，对于提高汽车机械故障诊断平和汽车维修工作效率等方面具有重要作用。

关键词：故障树分析;汽车机械故障;诊断模型;系统构建中图分类号：U472， TP311; ; ; ; ; ; ;文献标识码：A文章编号：1009-3044（2019）26-0259-03开放科学（资源服务）标识码（OSID）：汽车作为一种交通运输工具，给人们出行带来了极大便利，在人们的日常工作和生产生活中发挥着极其重要的作用。

汽车由成百上千个机械零部件构成，结构复杂，工作条件差，由于使用不当和零部件磨损等原因，发生机械故障不可避免。

机械故障是指机械系统因偏离设计状态而丧失部分或全部功能的显现，机械故障是汽车比较常见的一种故障。

由于汽车零部件的寿命是有限的，虽然机械故障发生具有随机性，但随着汽车使用年限增长，机械故障发生总体呈增加趋势。

因此，必须对汽车机械故障引起足够的重视。

故障诊断是对设备运行状态和异常情况做出诊断，并确定故障大体发生部位的过程。

诊断出汽车机械故障的部位和原因后，运用维修技术进行处理，将机械故障及时消除，使汽车运行稳定性及效率得到提升，运行寿命得以延长。

现代汽车技术越来越复杂，机械故障的表现多种多样，机械故障诊断定位成为汽车维修工作的难题，传统的人工诊断排查技术越来越不适应汽车工业发展的需要。

故障树分析（FaultTree Analysis）是安全系统工程最重要的技术之一，已经成为设备故障诊断和预测的有效手段。

基于故障树的数控机床故障诊断系统
摘要：故障诊断系统源自于诊断机械设备的故障，一般包括基于制造过程的制造设备的故障诊断与状态监测。

制造过程是指制作零件参数、零件制作流程等；制造设备一般包括机床、量具、夹具、刀具等等。

机械装置工作时的情况侦测以及故障辨别通常包括两点内容:一是在设备工作中发生异常问题时对装置的故障展开研究、辨别；一是对装置的工作情况展开实时监测。

利用对数控机床的每个分系统进行科学研究，对每个数控机床故障问题相关的工作者的经验要尽量去多方面采集和整理，并对其信息来源展开分类汇总，以此建立准确的信息数据库，利用恰当的运算技巧，通过计算机编程来实现。

关键词：故障树；数控机床故障诊断
1 关于数控机床故障诊断系统概述
1.1数控机床故障诊断技术基本组成
1.1.1对机床故障诊断的数据研究
即故障信息数据的收集、整理与判断的研究；
1.1.2对机床电气和机械部件的研究
即对导致机床电气以及机械原装置损坏的变更、消耗、变形、分解、畸变、腐蚀等变换原理的研究；
1.1.3对科学原理与逻辑判断方面的研究
通过模拟判断、逻辑判断、科学推理和计算机模拟等手段，检测故障出现的为止以及故障产生的原因。

1.2常用的基于故障数的数控机床诊断方法。

汽车故障诊断方法的研究随着新材料、新技术、新工艺在汽车生产、制造中的不断运用,现代汽车的技术性能越来越好。

但在其结构越来越复杂的同时,故障诊断难度也越来越大,传统的诊断方法和诊断汽车无论是其精度和使用方便性,还是对汽车技术发展的适应性均不能满足用户的需要。

为了提高故障诊断技术,需不断完善诊断理论和方法,必须广泛应用各学科的最新成果,借助数学工具和计算机,发展适用于诊断的边缘技术。

因此,汽车故障诊断技术得到迅猛发展,已成为当今科技研究的热点之一。

1 汽车故障诊断技术经历的发展时期:1.1 人工离线监测与诊断这一时期主要是有经验的汽车故障诊断人员或工程维修人员利用常规检测仪表或较复杂的分析仪器对汽车进行人工巡检，根据自己的经验对汽车的状态以及发展趋势做出判断。

例如维修工通过敲打车轮发出的声音来判断车轮是否有故障。

这种监测方式只能对汽车做出简单的判断。

这种监测方式下，监测仪器仅仅是作为辅助工具，监测人员的经验和责任心对诊断结果的准确性影响很大。

1.2 单机集中在线监测诊断这种诊断技术是以一台计算机作为中心，并配备有信号分析处理、工况监测、故障诊断模块。

汽车的所有监测情况，如传感器信息等等，都传送到这台计算机，并由此机分析诊断。

1.3 基于局域网的远程故障诊断它是分布式监测诊断系统的一种新的形势，并由单纯的监测诊断功能向监测、诊断、管理和调度的集成化发展。

监测诊断以直接服务于汽车的维修为目标。

这种系统需要建设企业主干网、分支城域网、现场总线集散技术、资料高速公路、现场仪表、通讯系统等。

1.4 基于Internet的远程诊断汽车的远程监控与诊断是计算机科学、通讯技术与故障诊断技术的结合。

随着Internet 技术，特别是Web技术的迅速发展，使得基于Internet的远程应用系统的实现成为可能。

将故障诊断系统架构于Internet计算环境中，与传统故障诊断系统相比，可大大增强诊断系统的能力。

这是一种现代化故障诊断技术与现代网络相结合的一种新型诊断技术。

基于故障树的故障诊断专家系统研究【摘要】故障树分析方法是通过树形逐级细化分析，将系统故障的成因由总体到部分详细表示出来，将故障树分析方法应用于故障诊断专家系统，不但能解决诊断知识获取的难题，还能够使专家知识库尽可能的简化，降低冗余。

【关键词】故障树；故障树分析法；故障诊断专家系统1.故障树分析法与故障诊断专家系统的概念故障树是一种能体现故障传播关系的逻辑关系图，反映了系统故障与导致系统故障的各种因素之间的逻辑关系[1]。

故障树分析（fault tree analysis，fta）方法[2]，是一种将系统故障形成原因由总体到部分按树状逐级细化的分析方法，是对复杂系统进行可靠性分析的有效工具，目的在于判明基本故障，确定故障原因、影响和发生故障的概率。

故障诊断专家系统是将专家知识与计算机结合在一起，按照规定的推理算法，通过人机接口让使用者与计算机进行对话，由使用者回答系统提出的问题，系统根据提问和回答问题的答案进行推理，最终给出诊断结论。

2.故障树分析法与故障诊断专家系统的共同点将诊断专家系统和故障树分析法进行对比，可知故障诊断专家系统与故障树分析法之间存在相同点。

（1）故障树可以作为故障诊断专家系统的故障模型。

诊断专家系统的任务是当部件失效时利用各种信息，依据知识库中的知识，通过推理确定部件失效的故障模式，找出故障源和故障原因，推理过程与故障树的逻辑关系相似。

（2）从知识获取的角度来看，故障树具有标准化的知识结构[3]，若利用故障树知识结构生成诊断专家系统知识库，可表示诊断问题的求解策略，同时可以极大地降低系统知识获取的难度。

实际上，故障树的顶事件（故障现象）是对应于专家系统要分析解决的任务，其底事件（故障原因）对应于专家系统的推理结果，而故障树由顶到底的层次和逻辑关系对应于专家系统的推理过程。

3.故障树分析法适合于专家系统知识库的建造的原因将故障树的割集同诊断专家系统的知识库联系起来，故障树的一个割集是系统的一种失效模式，同时对应于知识库的一条规则。

基于故障树的数控机床故障诊断系统摘要:数控机床的故障诊断不及时不准确,会给制造企业带来巨大的经济损失,因此,数控机床的故障诊断与维护一直是制造业研究的热点之一。

本文在分析数控机床特点的基础上,运用故障树分析法建立数控机床主要部位的故障树模型,依据此模型开发了一套基于故障树的故障诊断系统,该系统具有诊断速度快、诊断结果准确率高的特点,有效实现了数控机床故障的智能分析诊断。

关键词:故障树数控机床故障诊断中图分类号:tp315 文献标识码:a 文章编号:1674-098x(2012)06(c)-0068-021 引言随着工厂自动化程度的提高,数控机床已经成生产线上的关键设备,如果出现故障但维修不及时,往往会波及到整个生产过程,长时间停机将会造成巨大的经济损失[1]。

然而不管生产设备的可靠性有多高,其发生故障是不可避免的,因此提前进行诊断以及在发生故障后能及时进行维修,对于企业来说是非常有意义的。

数控机床是由主机、数控装置、驱动装置、辅助装置等多个子系统构成的复杂机电系统,其故障产生的原因往往比较复杂[2]。

由于数据机床的故障既有机械故障,又有电气故障,还有液压故障,故障种类多,故障级别也不同,因此,有必要采用故障树分析法对数控机床故障进行分析,按层级建立故障树,并以此作为专家系统的知识获取,能有效建立基于规则的故障诊断系统。

2 故障树的建立和分析2.1 故障树分析法故障树分析法采用逻辑方法,形象的进行故障分析,具有简单明了、思路清晰、逻辑性强等特点。

可做定性分析、定量分析。

体现了系统工程方法研究安全问题的系统性、准确性和预测性,是安全系统工程主要的分析方法。

将系统级的故障现象(顶事件)与最基本的故障原因(底事件)之间的内在关系表示成树形的网络图,逐层之间由数字逻辑关系构成。

它通常把系统的故障状态称为顶事件,通过树状结构搜索,然后找出系统故障和导致系统故障的诸多原因之间的逻辑关系。

并将这些逻辑关系用逻辑符号表示出来,由上而下逐层分解,直到不能分解为止,推导出各故障和各单元故障之间的逻辑关系,利用这些逻辑关系最终找出对应的底层故障原因[3]。

基于CMDB的规则推理的故障定位技术曾明霏;谢朋宇【摘要】[目的]帮助系统管理员从复杂的结构中寻找系统故障的根源,以进一步提高电网管理信息系统的可靠性.[方法]将配置管理数据库(Configuration management database,CMDB)结合故障树分析法(Fault tree analysis,FTA)进行故障规则推理,再通过CMDB确定故障设备之间的关系,从而通过监控告警结合故障规则分析定位到故障根源,并进行实例验证.[结果]基于CMDB的规则推理的故障定位技术可以有效地梳理信息系统各功能组件和故障表征之间的关系,实现快速故障定位.[结论]该技术可有效提高系统的可用率和运行率.%[Objective]Helping the system administrator to locate the source of system failure from complex system architecture,we can improve the reliability of information system in power grid corporation.[Methods]The configuration management database (CMDB) is combined with the fault tree analysis method to analyze the fault rules,and then the relationship between the faulty devices is determined by the CMDB.Finally the fault location is achieved and the instance is verified by monitoring warnings and fault analysis.[Results]This method can effectively sort out the relationship between the functional components and fault representation of the information system.We apply it in the core information system of Power Grid Corp.[Conclusion]The fault location can be done in a short time, which can effectively improve the system's availability and operating efficiency.【期刊名称】《广西科学院学报》【年(卷),期】2017(033)001【总页数】7页(P53-58,64)【关键词】CMDB;配置管理;配置模型;故障规则;故障定位【作者】曾明霏;谢朋宇【作者单位】广西电网有限责任公司信息中心,广西南宁 530022;广西电网有限责任公司信息中心,广西南宁 530022【正文语种】中文【中图分类】TP39【研究意义】信息系统是由网络与通讯设备、物理服务器、虚拟服务器、存储资源、平台软件、应用软件、信息资源等组成的以处理信息流为目的的人机一体化系统。

3个智能故障诊断方法
智能故障诊断的方法主要有以下三种：
1. 基于故障树的方法：这是一种图形演绎法，将系统故障与导致该故障的各种因素形象地绘成故障图表（故障树），能直观地反映故障、元部件、系统及原因之间的相互关系。

这种方法的优点是简单易行，缺点是对于复杂的系统，故障树可能会非常庞大而不适用，并且其依赖性较强。

2. 基于案例的推理方法：这种方法能通过修改相似问题的成功结果来求解新问题。

3. 基于模糊推理的方法：这种方法利用模糊集合论和模糊逻辑的思维，处理不确定或不精确的知识，从而推理出结论。

这三种方法在具体使用时需结合实际情况和诊断需求，必要时可以咨询专业人士。

基于故障树的机车系统级故障诊断技术研究满中国【摘要】随着我国列车技术突飞猛进的发展，车栽设备的复杂性和相互之间的耦合关系也日趋复杂，对于故障诊断提出了更高的要求，以往针对单一设备的故障诊断已无法很好满足需求。

因此，需要从整车的层面上，对列车的运行状态进行实时监控。

本文在分析电力机车整车故障状态特点的基础上，结合诊断技术与专家系统理论，以电力机车整车故障诊断为目标，针对专家知识获取困难，规则搜索匹配效率低等问题，深入研究电力机车故障诊断的知识库、知识表示及推理机，设计了基于故障树和规则的电力机车故障诊断专家系统。

【期刊名称】《企业技术开发：下旬刊》【年(卷),期】2016(035)007【总页数】4页(P22-24,45)【关键词】故障树;专家系统．电力机车【作者】满中国【作者单位】三一集团有限公司上海分公司,上海215300【正文语种】中文【中图分类】TP274随着列车运行速度不断提高，列车运行安全不仅是铁路工作者、科研人员所关注的问题，也是所有普通民众所关注的问题。

任何设备都可能产生故障，单凭技术人员的感觉来检测难以满足现代故障诊断要求。

本文基于现代检测技术、专家系统以及智能故障诊断技术，构建了电力机车故障诊断专家系统，实现对电力机车故障进行及时有效诊断，并给出故障处理意见，减小故障损失[1]。

1.1 基本框架故障树分析以前主要应用于分析系统故障原因，计算系统的可靠度，以优化系统设计，因此，在系统可靠性分析与设计中得到广泛应用。

近年来，利用故障树模型进行故障源搜寻的研究引起了极大关注。

由于故障树易于分析事件，而基于规则的专家系统匹配推理直观速快，因此，本文提出了以故障树来分析和获取知识，以规则匹配来进行推理的诊断专家系统，其结构如图1所示。

1.2 知识库规则的获取然后通过寻找对象故障树的所有最小割集，将故障树的每一个最小割集转换为知识库中的一条规则，其基本步骤，如图2所示。

求出故障树最小割集是获取专家系统规则的关键所在。

基于故障树的智能故障诊断方法一．故障树理论基础故障树分析法(fault tree analysis，FTA)是分析系统可靠性和安全性的一种重要方法，现己广泛应用于故障诊断。

基于故障的层次特性，其故障成因和后果的关系往往具有很多层次并形成一连串的因果链，加之一因多果或一果多因的情况就构成故障树。

故障树(FT)模型是一个基于被诊断对象结构、功能特征的行为模型，是一种定性的因果模型，以系统最不希望事件为顶事件，以可能导致顶事件发生的其他事件为中间事件和底事件，并用逻辑门表示事件之间联系的一种倒树状结构。

它反映了特征向量与故障向量(故障原因)之间的全部逻辑关系。

故障树法对故障源的搜寻直观简单，它是建立在正确故障树结构的基础上的。

因此建造正确合理的故障树是诊断的核心与关键。

但在实际诊断中这一条件并非都能得到满足，一旦故障树建立不全面或不正确，则此诊断方法将失去作用。

二．基于故障树的故障诊断方法故障树分析法(Fault Tree Analysis，FTA)又叫因果树分析法．它是目前国际上公认的一种简单、有效的可靠性分析和故障诊断方法，是指导系统最优化设计、薄弱环节分析和运行维修的有力工具。

故障树分析法首先要在一定环境与工作条件下，找到一个系统最不希望发生的事件，通常以人们所关心的影响人员、装备使用安全和任务完成的系统故障为分析目标，再按照系统的组成、结构及功能关系，由上而下，逐层分析导致该系统故障发生的所有直接原因，并用一个逻辑门的形式将这些故障和相应的原因事件连接起来，建立分析系统的故障树模型，从而，形象地表达出系统各功能单元故障和系统故障之间的内在逻辑因果关系。

这种方法既能分析硬件本身的故障影响，又能分析人为因素、环境以及软件的影响．不仅能对故障产生的原因进行定性分析，找出导致系统故障的原因和原因组合，确定最小割集和最小路集，识别出系统的薄弱环节及所有可能失效模式，还能进行相关评价指标的定量计算。

根据各已知单元的故障分布及发生概率，求得单元概率重要度，结构重要度、关键重要度和系统失效概率等定量指标。