基于T-S模糊和粒子群算法的液压系统故障树分析理论及应用

建立能够反映系统工艺特点和参数、充分利用现场数据和专家知识的故障树分析（FTA）方法对液压可靠性工程具有重要意义。.　　本课题提出将T-S模糊模型、粒子群（PSO）算法引入到液压系统FTA领域：首先，为克服现有FTA方法在描述事件故障概率、事件联系以及部件故障程度方面的不足，构建T-S模糊门代替传统逻辑门，实现对各种信息的融合与处理，从而形成一种新型的T-S模糊FTA方法，给出重要度指标计算方法，完成可靠性预测、分析，降低建树难度，拓宽适用范围；然后，融合事件实测数据、重要度、搜索代价及影响程度等信息，研究利用T-S模糊FTA方法进行故障诊断的求解算法，实现故障的快速、准确诊断；最后，考虑可靠性指标并兼顾系统能耗、花费等参数，集成T-S模糊FTA和PSO算法来研究可靠性分配与优化问题，提高系统可靠性设计水平。.　　结合实验验证和工程实例，验证并完善理论分析内容，使之更适用于液压系统。

针对研究内容提出的T-S故障树分析方法以及基于此的故障诊断和可靠性优化等问题，项目组进行了理论分析及仿真、工程实践与试验研究，达到了预期研究目标，取得了以下研究成果：.　　1、建立并完善了T-S故障树理论，发展了故障树理论，解决了传统故障树及重要度存在的不足：验证了T-S故障树算法的可行性，提出了三种T-S传统重要度（T-S结构重要度、T-S概率重要度、T-S关键重要度）、两种T-S模糊重要度（T-S模糊重要度、T-S状态重要度）算法。这五种T-S重要度从不同角度反映了部件对系统的贡献，为不同条件下的可靠性工程应用提供了依据。.　　2、提出了基于T-S故障树和贝叶斯网络的可靠性分析评估方法：完成了贝叶斯网络正向推理与故障树分析等效性验证，提出了三种可靠性分析评估方法（模糊子集与贝叶斯网络结合，T-S故障树与贝叶斯网络结合，T-S故障树、贝叶斯网络及模糊子集结合），既解决了T-S故障树不能双向推理的缺点，又弥补了已有贝叶斯网络可靠性分析方法的不足，丰富并发展了贝叶斯网络、T-S故障树理论，有利于在工程实际中推广应用。.　　3、提出了基于T-S故障树及T-S重要度的故障诊断方法：提出了基于最小割集综合排序、基于T-S关键重要度、基于T-S故障树灰色模糊多属性决策、基于贝叶斯网络和理想解动态群决策、基于T-S故障树与贝叶斯网络和AMESim仿真，考虑不同工程条件与现场信息的故障诊断方法，并研究了基于泄漏检测的液压元件在线测试方法、改进小波包特征提取方法等问题。这些方法，拓展了T-S故障树的应用。.　　4、提出了基于T-S故障树和PSO（粒子群优化）算法的可靠性优化方法：在可靠性优化模型方面，用故障概率替代可靠度，基于T-S故障树构造故障函数，避免了不交化处理，降低了模型构造的难度。在PSO算法改进方面，提出了混合μPSO算法、混合扩展微PSO算法等；在PSO与其他算法融合方面，提出了细菌群觅食优化算法等；避免了PSO算法的早熟现象、提高了全局搜索能力。.　　开发了液压系统T-S故障树分析及优化程序。上述研究成果，共发表和录用论文25篇，其中，机械工程学报、中国机械工程8篇，EI收录5篇；出版著作1部；获批专利1项。