基于改進(jìn)模糊故障Petri網(wǎng)的復(fù)雜機(jī)電系統(tǒng)故障狀態(tài)評(píng)價(jià)與診斷技術(shù)研究.pdf

1、復(fù)雜機(jī)電系統(tǒng)故障特性呈現(xiàn)出多層次、多變量、非線性、多關(guān)聯(lián)及不確定性等特點(diǎn)，使得故障診斷問題成為研究難點(diǎn)。因此，如何構(gòu)建有效的故障模型，預(yù)防設(shè)備故障的發(fā)生和故障發(fā)生后，如何快速、精確地診斷出故障根源，就成為一個(gè)急需解決的問題。
　　為提高復(fù)雜機(jī)電系統(tǒng)的安全性與可靠性，本文以模糊理論和Petri網(wǎng)理論為核心，在綜合故障Petri網(wǎng)技術(shù)與模糊Petri網(wǎng)技術(shù)優(yōu)點(diǎn)的基礎(chǔ)上，提出了改進(jìn)模糊故障Petri網(wǎng)(ImprovedFuzzyFaul

2、tPetriNet，IFFPN)的建模及推理方法。在IFFPN模型中，定義了庫所(Place)、托肯(Token)及變遷(Transition)的著色規(guī)則，并結(jié)合模糊產(chǎn)生式理論，應(yīng)用于復(fù)雜機(jī)電系統(tǒng)的故障推理，從而更加直觀、明確地描述故障狀態(tài)及信息。對(duì)故障系統(tǒng)進(jìn)行功能與結(jié)構(gòu)層次分析后，采用面向IFFPN模型的FMEA分析法處理故障數(shù)據(jù)，然后根據(jù)建模規(guī)則建立IFFPN故障模型。IFFPN模型的正向推理反映了故障傳播的固有特性，采用基于智能點(diǎn)

3、火判斷矩陣的正向演繹算法，實(shí)現(xiàn)了故障狀態(tài)快速、準(zhǔn)確的智能評(píng)價(jià)。IFFPN模型的逆向推理為故障診斷過程，引入智能的逆向推理矩陣，并結(jié)合基于Petri網(wǎng)關(guān)聯(lián)矩陣的最小割集診斷法，實(shí)現(xiàn)了模型中任意庫所故障的逆向自動(dòng)診斷，同時(shí)根據(jù)故障易發(fā)率得出最小割集優(yōu)先順序，提高故障診斷的效率。
　　最后，以某系列數(shù)控機(jī)床為例，對(duì)故障頻發(fā)的子系統(tǒng)建立了IFFPN故障模型。并進(jìn)一步展示了進(jìn)給系統(tǒng)故障評(píng)價(jià)與診斷的實(shí)現(xiàn)過程。然后，采用皮爾森相關(guān)系數(shù)對(duì)所提出模