基于多维动态重要性度量的机械传动系统功能故障分析
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Function fault analysis of mechanical transmission systems based on Multidimensional Dynamic Importance Measures
【字体:
大
中
小
】
时间:2026年09月26日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
机械传动系统功能故障的多维度动态重要性度量研究
• 新颖而全面地引入了机械传动系统(MTS)的功能故障概念,并将其起源明确追溯至元动作(MU)的多种潜在故障特征。
• 首次基于耦合概率密度演化方程,建立了MU中基于特征的时变联合概率密度函数(PDF)。
• 基于提出的广义动
机械传动系统功能故障的多维度动态重要性度量研究
• 新颖而全面地引入了机械传动系统(MTS)的功能故障概念,并将其起源明确追溯至元动作(MU)的多种潜在故障特征。
• 首次基于耦合概率密度演化方程,建立了MU中基于特征的时变联合概率密度函数(PDF)。
• 基于提出的广义动态贝叶斯推断算法和解耦概率密度演化方程,建立了MTS中基于特征的时变联合概率密度函数。
• 将所有经验性和离散计算元素升级为客观连续的计算元素,并提出了一种更有效的、实用的多维度动态重要性度量。
**引言**
随着工业社会的不断前进,对工业生产过程的精度、稳定性和效率提出了越来越严格的要求[1-3]。在这些生产过程中的核心是数控(CNC)机床,它是现代工业生产的关键设备[4,5]。数控机床运行的核心是机械传动系统(MTS),它是数控机床的物理骨架。然而,经过长时间运行后,数控机床往往会出现性能下降,无法满足预期的性能标准。在导致这一恶化的各种因素中,MTS的故障尤为显著,对数控机床整体性能退化的影响尤为突出[6,7]。因此,对MTS进行全面的故障分析至关重要。这不仅有助于制定有效的维护策略,还有助于延长数控机床的使用寿命,从而确保其在工业应用中的持续可靠性[8-16]。
故障分析通过建模系统和评估其中单元的重要性来实现[17]。Birnbaum重要性是一种革命性的科学重要性度量,被广泛应用于识别复杂系统中的关键单元。Qiu等人[18,19]基于系统和单元的可靠性函数建立了Birnbaum重要性的数学模型。考虑到系统状态的模糊性,Lei等人[20]提出了一种基于遗传算法的模糊Birnbaum重要性。利用布尔表达式和真值表,Zaitseva等人[21]提出了一种基于逻辑微分演算的Birnbaum重要性。在此基础上,一些Birnbaum重要性的变体被提出,以拓展重要性度量的应用边界[22-25]。Dui等人[26,27]提出了一种多准则重要性度量,并验证了其在各种系统中的应用。考虑到系统性能损失和恢复的特征,Xue等人[28]提出了一种基于韧性的重要性度量。Chen等人[29]基于累积剩余熵提出了一种不确定性重要性度量。Zhang等人[30]综合考虑了目标函数与约束之间的关系,提出了一种约束重要性度量。Rusnak等人[31-33]利用直接偏逻辑导数提出了一种基于生存签名的重要性度量。
上述提及的重要性度量都可归为静态重要性度量,因为每个单元获得的重要性值都是恒定的,不会随观测条件的变化而改变[34]。然而,MTS是一个复杂的动态系统,其中不同单元具有不同的韧性和误差累积能力[35]。考虑到单元对MTS的重要性可能随观测条件的变化而变化,最新文献中提出了一些动态重要性度量[36]。假设系统具有多个层次和多个状态,Zhang等人[37]提出了一种检查重要性度量,以评估单元对系统的重要性。采用Copula函数建立系统概率模型,Chen等人[38]提出了一种Griffith重要性度量,以在不同时间和状态下评估单元的重要性。考虑到多状态系统的马尔可夫退化模型,Chen等人[39]提出了一种不确定性综合重要性度量。考虑到系统在不同阶段和状态下的性能损失,Zhang等人[40]提出了一种综合重要性度量,以动态评估单元的重要性。
现有的动态重要性度量面临重大挑战,主要源于主观状态空间和经验状态转移率矩阵的局限性,这往往导致单元离散状态概率偏离实际情况。此外,传统贝叶斯推断程序既缺乏精度,又缺乏坚实的现实基础,进一步削弱了MTS离散状态概率的有效性。而且,状态空间与故障特征集之间的映射关系既不充分又相关性较弱。这些缺点共同导致计算元素缺乏严谨性和有效性,使得传统动态重要性度量对观测条件不敏感,在实际场景中难以应用。为了解决这些缺陷,本研究提出了一种新颖的多维度动态重要性度量。主要贡献如下:
(1)新颖而全面地引入了MTS的功能故障概念,并将其起源明确追溯至元动作(MU)的多种潜在故障特征。
(2)首次基于耦合概率密度演化方程,建立了MU中基于特征的时变联合概率密度函数(PDF)。
(3)基于提出的广义动态贝叶斯推断算法和解耦概率密度演化方程,建立了MTS中基于特征的时变联合概率密度函数。
(4)将所有经验性和离散计算元素升级为客观连续的计算元素,并提出了一种更有效的、实用的多维度动态重要性度量。
本文其余部分安排如下:第2节将MU的多种潜在故障特征定义为MTS功能故障的起源。第3节介绍了传统动态重要性度量。第4节基于连续元素和高级计算方法提出了一种多维度动态重要性度量。第5节通过案例研究验证了所提方法的有效性和优势。第6节给出了结论。
**MTS功能故障机制**
MTS是数控机床的物理核心,用于实现期望的传动系统功能。在运行过程中,MTS可能出现结构损伤、运动学误差、动力学偏差[43]、能量耗散等。它们都会对传动系统功能产生不利影响[41-44]。在本研究中,提出了"功能故障"的概念,将其定义为一种综合了结构损伤、运动学误差等多种故障形态的复合故障模式。
**传统重要性度量**
在传统方法中,VMUijk被定义为MUijk的状态,VMUijk有K个可能的取值{v1, v2, …, vK}。在此,下标越大,MUijk的状态越差,对应的故障特征越明显。
MUijk的马尔可夫状态转移率矩阵表示如下:
Λ_MUijk = [λ_1,1, λ_1,2, …, λ_1,K-1, λ_1,K; 0, λ_2,2, …, λ_2,K-1, λ_2,K; ?; 0, …, 0, λ_K,K]
其中Λ_MUijk是MUijk的马尔可夫状态转移率矩阵。
**MU中基于特征的时变联合概率密度函数**
对于一个MU,其结构损伤特征、运动学误差特征、动力学偏差特征、能量耗散特征等可能相互耦合。因此,这些潜在故障特征的联合概率密度函数无法直接由它们的边际概率密度函数之积计算得到。受多个随机变量的影响,每个潜在故障特征随时间连续变化。它们的变化过程采用随机过程来描述。
**案例研究**
YK7332A数控齿轮磨床中的MTS如图5所示。
通过分解YK7332A中的MTS,建立了MTS的贝叶斯网络,如图6所示。
在图6中,MU111单独构成了TC11。因此,MU111的潜在故障特征被定义为TC11对应的潜在故障特征。借助蜗轮蜗杆副,MU211和MU212链接形成TC21,而MU331和MU332链接形成TC33。蜗轮蜗杆副是一种典型的机械传动结构。
**结论**
本研究提出了一种多维度动态重要性度量,以实现机械传动系统的功能故障分析。
(1)新颖而全面地提出了MTS的功能故障概念,并将其起源定义为MU的多种潜在故障特征,这有助于建立更有效的基于特征的概率模型。
(2)基于耦合……建立了MU的基于特征的时变联合概率密度函数。
**CRediT作者贡献声明**
贾朔国:撰写初稿,软件,方法学,调查研究,概念构思。
冉燕:审阅与编辑,指导。
张根保:资金获取。
曹华军:审阅与编辑,验证。
**利益冲突声明**
作者声明不存在已知的竞争经济利益或个人关系,这些关系可能影响本文所报告的工作。
**数据可用性**
数据可在请求下提供。
**CRediT作者贡献声明**
贾朔国:撰写初稿,软件,方法学,调查研究,概念构思。
冉燕:审阅与编辑,指导。
张根保:资金获取。
曹华军:审阅与编辑,验证。
**贾朔国 | 冉燕 | 张根保 | 曹华军**
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号