一种基于FMEA的模糊推理方法与流程

文档序号:11231497阅读:332来源:国知局
一种基于FMEA的模糊推理方法与流程
本发明属于采用fmea报告评价故障模式的风险水平排序的可靠性领域,尤其涉及一种基于fmea的模糊推理方法。
背景技术
:故障模式及影响分析报告(failuremodesandeffectsanalysis,fmea)是可靠性领域非常重要的一种分析方法。通过汇总历史信息,包括产品项目名称及代号,产品功能,故障模式、原因及影响,危险严重性、危险可能性及检测方法,改进措施和补偿措施,故障数量统计结果,实现产品故障模式的风险水平预警。fmea对于产品薄弱环节和高风险故障模式有前瞻性,确定可靠性关键项目,并从设计、生产、试验、管理等方面采取针对性的改进或纠正措施,防止故障模式发生。在fmea中,分析产品薄弱环节和高风险故障模式现有的方法是参考gjb900-90系统安全性通用大纲,但是存在以下问题:(1)得到的产品及故障模式风险等级信息主要是定性的形式,无法定量判断不同故障模式的差异;(2)风险水平的排序1到20的确定是稍带有任意性的,不能提供直观和有逻辑性的排序。通过以上分析可以看出,可靠性研究中的fmea不能给工程人员提供定量和直观逻辑的参考。因此需要对fmea继续深入研究,以提供更加完善合理的方法。技术实现要素:本发明解决的技术问题是:相比于现有技术,提供了一种基于fmea的模糊推理方法,能够得到故障模式的风险水平排序,同时确定薄弱环节和高风险故障模式。本发明目的通过以下技术方案予以实现:一种基于fmea的模糊推理方法,该方法包括如下步骤:(1)根据fmea报告,提取fmea报告中的每一项故障模式所对应的危险严重性和危险可能性;(2)根据步骤(1)中的危险严重性的各个等级得到各个等级相对应的危险严重性的隶属度函数,根据各等级相对应的危险严重性的隶属度函数得到危险严重性的隶属度函数的横坐标范围[a1,d1],其中,a1为横坐标最小值,d1为横坐标最大值;(3)根据步骤(1)中的危险可能性的各个等级得到各个等级相对应的危险可能性的隶属度函数,根据各等级相对应的危险可能性的隶属度函数得到危险可能性的隶属度函数的横坐标范围[a2,d2],其中,a2为横坐标最小值,d2为横坐标最大值;(4)根据去模糊化公式,将危险严重性的隶属度函数和危险可能性的隶属度函数去模糊化得到危险严重性的明确值r(m)和危险可能性的明确值r(k);(5)确定专家权重:根据n个评价人员对危险严重性和危险可能性的评价得到专家权重;(6)利用步骤(4)中危险严重性的明确值r(m)和危险可能性的明确值r(k),结合步骤(5)中的专家权重,得到故障模式的风险水平f的大小排序。上述基于fmea的模糊推理方法中,在步骤(2)中,危险严重性的隶属度函数为φ(m)=φ(am,bm,cm,dm),其中,m为危险严重性的等级,am为危险严重性的隶属度函数左下底点横坐标,bm为危险严重性的隶属度函数左上顶点横坐标,cm为危险严重性的隶属度函数右上顶点横坐标,dm为危险严重性的隶属度函数右下底点横坐标。上述基于fmea的模糊推理方法中,在步骤(3)中,危险可能性的隶属度函数为其中,k为危险可能性的等级,ak为危险可能性的隶属度函数左下底点横坐标,bk为危险可能性的隶属度函数左上顶点横坐标,ck为危险可能性的隶属度函数右上顶点横坐标,dk为危险可能性的隶属度函数右下底点横坐标。上述基于fmea的模糊推理方法中,在步骤(4)中,危险严重性的明确值r(m)为如下公式:上述基于fmea的模糊推理方法中,危险可能性的明确值r(k)为如下公式:上述基于fmea的模糊推理方法中,在步骤(5)中,确定专家权重包括:将ωi(i=1,2,…,n)表示第i名评价人员的权重值,将ωim和ωik(i=1,2,…,n)分别表示第i名评价人员危险严重性的权重值和危险可能性的权重值,并且ωim+ωik=1,其中,i=1,2,…,n。上述基于fmea的模糊推理方法中,在步骤(6)中,故障模式的风险水平f的公式如下:上述基于fmea的模糊推理方法中,在步骤(1)中,危险严重性包括ⅰ,ⅱ,ⅲ和ⅳ四个等级,其中,危险严重性等级ⅰ为灾难的,出现人员伤亡或系统报废;危险严重性等级ⅱ为严重的,出现人员严重受伤、严重的职业病或系统严重损坏;危险严重性等级ⅲ为轻度的,出现人员轻度受伤、轻度职业病或系统轻度损坏;危险严重性等级ⅳ为轻微的,人员轻于ⅲ级损伤。上述基于fmea的模糊推理方法中,在步骤(1)中,危险可能性包括a,b,c,d和e五个等级,其中,危险可能性等级a为频繁的,产品寿命周期内频繁发生;危险可能性等级b为很有可能,产品寿命周期内出现若干次;危险可能性等级c为很时,产品寿命周期内可能有时发生;危险可能性等级d为极少,产品寿命周期内不易发生,但有可能;危险可能性等级e为不可能,产品寿命周期内很不容易发生以至可以认为不会发生。本发明与现有技术相比具有如下有益效果:(1)本发明能够确定故障模式危险严重性和危险可能性的隶属度函数,能够从定性的分析转化为精确的区间函数表达形式,将模糊语言进行量化;(2)本发明可以明确危险严重性和危险可能性每一等级的数值,以利于相互比较,确定风险水平高低,直观定位薄弱环节和高风险故障模式;(3)本发明充分考虑了边界效应,对于隶属度函数的左右区间加以考虑,抑制奇异点和数据溢出的影响;(4)本发明可以辨识不同故障模式的危险严重性和危险可能性的差异,从而进行风险水平排序,解决了目前的fmea分析中,无法区分不同故障模式危险严重性和危险可能性的差异;(5)本发明的风险水平排序结合专家经验,同时统筹不同评价的权重值,将客观事实和主观经验有效结合,利用贝叶斯的思想来解决模糊化问题,优化可信度、直观度和精准度的多重要求。附图说明图1是本发明的基于fmea的模糊推理方法的流程图;图2是本发明的危险严重性的隶属度函数的示意图;图3是本发明的危险可能性的隶属度函数的示意图。具体实施方式下面结合附图对本发明作进一步详细说明:本发明的实现原理是:根据故障模式及影响分析报告(failuremodesandeffectsanalysis,fmea)中的危险严重性和危险可能性,建立两者模糊语言的隶属度函数,对模糊语言去模糊化,得到危险严重性和危险可能性的明确值。确定专家权重,结合危险严重性和危险可能性的明确值得到故障模式的风险水平排序,确定薄弱环节和高风险故障模式。该方法思路清晰,逻辑严密,有效解决了传统fmea报告的不确定性和模糊性。下面给出基于fmea的模糊推理方法,如图1所示,该方法包括如下步骤:(1)根据fmea报告,提取fmea报告中的每一项故障模式所对应的危险严重性和危险可能性。具体的,危险严重性包括ⅰ,ⅱ,ⅲ和ⅳ四个等级,其中,危险严重性等级ⅰ为灾难的,出现人员伤亡或系统报废;危险严重性等级ⅱ为严重的,出现人员严重受伤、严重的职业病或系统严重损坏;危险严重性等级ⅲ为轻度的,出现人员轻度受伤、轻度职业病或系统轻度损坏;危险严重性等级ⅳ为轻微的,人员轻于ⅲ级损伤。危险可能性包括a,b,c,d和e四个等级,其中,危险可能性等级a为频繁的,产品寿命周期内频繁发生;危险可能性等级b为很有可能,产品寿命周期内出现若干次;危险可能性等级c为很时,产品寿命周期内可能有时发生;危险可能性等级d为极少,产品寿命周期内不易发生,但有可能;危险可能性等级e为不可能,产品寿命周期内很不容易发生以至可以认为不会发生。(2)根据步骤(1)中的危险严重性的各个等级得到各个等级相对应的危险严重性的隶属度函数φ(m)=φ(am,bm,cm,dm)(m=ⅰ,ⅱ,ⅲ,ⅳ),根据各等级相对应的危险严重性的隶属度函数φ(m)=φ(am,bm,cm,dm)得到危险严重性的隶属度函数的横坐标范围[a1,d1],取最小值为a1,取最大值为d1,得到横坐标的区间为[a1,d1],m为危险严重性的等级,am为危险严重性的隶属度函数左下底点横坐标,bm为危险严重性的隶属度函数左上顶点横坐标,cm为危险严重性的隶属度函数右上顶点横坐标,dm为危险严重性的隶属度函数右下底点横坐标。(3)根据步骤(1)中的危险可能性的各个等级得到各个等级相对应的危险可能性的隶属度函数根据各等级相对应的危险可能性的隶属度函数得到危险可能性的隶属度函数的横坐标范围,取最小值为a2,取最大值为d2,得到横坐标的区间为[a2,d2]。其中,k为危险可能性的等级,ak为危险可能性的隶属度函数左下底点横坐标,bk为危险可能性的隶属度函数左上顶点横坐标,ck为危险可能性的隶属度函数右上顶点横坐标,dk为危险可能性的隶属度函数右下底点横坐标。(4)根据去模糊化公式,将危险严重性的隶属度函数和危险可能性的隶属度函数去模糊化得到危险严重性的明确值r(m)和危险可能性的明确值r(k),具体公式如下:其中,r(m)去模糊化后得到危险严重性的明确值,r(k)去模糊化后得到危险可能性的明确值,a1是危险严重性隶属度函数左区间值,d1是危险严重性隶属度函数右区间值,a2是危险可能性隶属度函数左区间值,d2是危险可能性隶属度函数右区间值。(5)确定专家权重:根据n个评价人员对危险严重性和危险可能性的评价得到的权重。具体的,将ωi(i=1,2,…,n)表示第i名评价人员的权重值,将ωim和ωik(i=1,2,…,n)分别表示第i名评价人员危险严重性的权重值和危险可能性的权重值,并且ωim+ωik=1,其中,i=1,2,…,n。(6)利用步骤(4)中危险严重性的明确值r(m)和危险可能性的明确值r(k),结合步骤(5)中的专家权重,得到故障模式的风险水平f的大小排序,具体公式如下:通过上述方法即可完成fmea的模糊推理,得到故障模式的风险水平f的大小排序。实施例:在一次fmea分析中,如图2所示,令a1=-10,d1=0,给出危险严重性m(m=ⅰ,ⅱ,ⅲ,ⅳ)的隶属度函数,其中横坐标为伤亡率的指数,纵坐标为概率;如图3所示,令a2=-10,d2=0,给出危险可能性k(k=a,b,c,d,e)的隶属度函数,其中横坐标为失效率的指数,纵坐标为概率。如表1所示,将每一等级的危险严重性和危险可能性进行去模糊化得到危险严重性明确值r(m)和危险可能性明确值r(k)。表1如表2所示,一共有n=5名专家评价人员给出的权重。表2评价人员nωiωioωis10.100.50.520.300.50.530.250.50.540.150.50.550.200.50.5利用风险水平计算公式得到不同故障模式的风险水平,如表3所示。表3根据不同故障模式的风险水平,得到表4的风险水平排序。至此完成fmea的模糊推理。表4风险排序ⅰⅱⅲⅳa12512b34715c681017d9111419e13161820本发明能够确定故障模式危险严重性和危险可能性的隶属度函数,能够从定性的分析转化为精确的区间函数表达形式,将模糊语言进行量化;并且本发明可以明确危险严重性和危险可能性每一等级的数值,以利于相互比较,确定风险水平高低,直观定位薄弱环节和高风险故障模式;本发明充分考虑了边界效应,对于隶属度函数的左右区间加以考虑,抑制奇异点和数据溢出的影响;本发明可以辨识不同故障模式的危险严重性和危险可能性的差异,从而进行风险水平排序,解决了目前的fmea分析中,无法区分不同故障模式危险严重性和危险可能性的差异;本发明的风险水平排序结合专家经验,同时统筹不同评价的权重值,将客观事实和主观经验有效结合,利用贝叶斯的思想来解决模糊化问题,优化可信度、直观度和精准度的多重要求。以上所述的实施例只是本发明较优选的具体实施方式,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。当前第1页12
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1