(中车唐山机车车辆有限公司 产品研发中心,河北 唐山 064000)
摘要:针对轨道交通产品故障诊断与预测问题,本文提出了一种基于失效模式症状的测试性扩展分析方法。在传统FMECA基础上,开展监测优先数(MPN)等级评估、故障症状/先兆分析、测试点/传感器布局分析、故障诊断/预测技术分析,得到最适合于故障检测、诊断和预报的故障模式,突变故障/渐变故障诊断分析清单、不可诊断故障清单和不可预测故障清单,为轨道交通产品故障预测预警与修程修制优化提供了支持。最后给出了某空调压缩机案例分析,验证了方法的有效性。
关键词:故障诊断与预测;失效模式;测试性;监测优先数(MPN);
中图分类号:U271.1文献标志码:B doi:
1 概述
为了提高轨道交通产品的故障诊断能力,在设计过程中应尽早考虑测试性方面的问题。故障模式影响及危害性分析(FMECA)是测试性分析的重要基础之一,可以得到功能、故障模式、故障原因、故障影响及严重度、故障检测及措施、故障率等信息。FMECA的结果为产品的测试性指标分配、测试性预计、故障注入或模拟、优选测试点等方面提供支持[1,2]。
近年来,随着故障预测与健康管理(PHM)技术的发展,故障诊断与预测成为轨道交通产品研究的重要内容。由于传统FMECA方法并不支持故障预测,为了满足故障诊断和故障预测的设计需求,本文在传统FMECA方法的基础上,提出了一种基于失效模式症状的测试性扩展分析,参考GB/T 22394-2008《机器状态监测与诊断 数据判读和诊断技术的一般指南》等文献[3,4],增加了监测优先数(MPN)等级评估、故障症状/先兆分析、测试点/传感器布局分析、故障诊断/预测技术分析等内容。
2 基于失效模式症状的测试性扩展分析
基于失效模式症状的测试性扩展分析(以下简称FMECA测试性扩展分析)流程如下:
(1)识别设备结构和功能;
(2)确定故障模式;
(3)故障演变特性分类;
(4)监测优先数(MPN)等级评估;
(5)故障症状/先兆分析;
(6)测试点/传感器布局分析;
(7)故障诊断/预测技术分析;
(8)分析结果。
2.1识别设备结构和功能
根据既有项目故障统计,定义项目工作对象和范围:
(1)根据技术需求书,识别要求的设备结构和功能;
(2)识别在线可更换单元(LRU),即可在工作现场(基层级)从系统或设备上拆卸并更换的单元[3];
(3)审核供应商FMECA;
(4)基于既有项目运维故障模式影响及危害性分析更新项目的FMECA。
2.2 确定故障模式
根据产品/系统的组成结构和FMECA结果,确定被分析产品的功能故障模式。在初步设计阶段,重点是进行系统级产品的故障模式分析工作;在详细设计阶段,重点是进行LRU和SRU的故障模式分析工作[3]。
为了体现故障模式的不同重要程度,根据FMECA结果给出故障模式的严酷度。
根据EN 50126-1:2017规定的危害严酷度等级划分严重度等级[5],如表1所示。
表1 危害严重度等级
严重度等级 | 对人或环境的影响 | 对运行/性能的影响 | |
S1 | 灾难性 | 影响大量人员并导致多人死亡,和/或对环境的破坏很大 | 在对人或环境造成影响的情况下发生下列任何一种后果 |
S2 | 关键 | 影响很小部分人员,和导致至少一人死亡,和/或对环境的破坏很大 | 主要系统的损失 |
S3 | 临界 | 较小的损伤,和/或对环境的明显影响 | 严重系统损害 |
S4 | 微不足道 | 可能存在的较小的伤害 | 轻微的系统损害 |
如果没有可用的FMECA报告,则需要独立进行故障模式的确定。一般通过统计、试验、分析等方法获取产品的故障模式。
2.3 故障演变特性分类
在确定故障模式之后,进行故障演变特性分类,确定是突变故障还是渐变故障。突变故障也称为二值故障,容易进行检测,但不利于进行有效的预测。渐变故障也称退化型故障,可以使用系统模型和事件关联跟踪参数方法进行检测和预测[3]。
2.4 监测优先数(MPN)等级评估
监测优先数(MPN)等级评估是对检测等级评估(DET)、失效严酷等级(SEV)、诊断结论置信度(DGN)、预报置信度(PGN)每一列赋值,以评估监测和预报准确性的概率和严酷等级。
检测等级评估(DET)评估的等级为1-5级,如下:
1——该失效模式被检测到的可能非常小;
2——该失效模式被检测到的概率低;
3——该失效模式被检测到的概率中等;
4——该失效模式被检测到的概率高;
5——该失效模式一定会被检测到。
失效严酷等级(SEV)评估的等级为1-4级,如下:
1——对系统或环境的损害可以忽略不计,对生命或肢体没有损伤;
2——对系统或生命或肢体没有明显的损伤;
3——引起系统会其环境的严重损害,但对生命或肢体的伤害可以忽略不计;
4——引起系统会其环境的严重损害,而且会引起人体伤亡。
诊断结论置信度(DGN)评估的等级为1-5级,如下:
1——该失效模式被准确诊断的可能非常小;
2——该失效模式被准确诊断的概率低;
3——该失效模式被准确诊断的概率中等;
4——该失效模式被准确诊断的概率高;
5——该失效模式一定能被准确诊断。
预报置信度(PGN)评估的等级为1-5级,如下:
1——该失效模式被准确预报的可能非常小;
2——该失效模式被准确预报的概率低;
3——该失效模式被准确预报的概率中等;
4——该失效模式被准确预报的概率高;
5——该失效模式一定能被准确预报。
监测优先数(MPN)是前面四个等级的乘积,得到每个失效模式的综合等级。
高MPN值表示指定的技术最适合于相应的失效模式的检测、诊断和预报。但是MPN值低并不意味这监测不必要,而是只能得到低置信度的结果[4]。
2.5 故障症状/先兆分析
在FMECA中,已经具有了与故障症状分析相似的内容,即故障影响分析。故障模式分析是通过局部影响分析、上一层及影响的迭代分析,获得故障模式的最终故障影响,以获得故障模式的严酷度类别。
在FMECA的故障影响分析结果的基础上,进一步分析故障症状。
故障症状主要体现为故障模式在系统范围内的定量、定性影响或表现。
通常对故障症状进行描述时,可以考虑的因素见表2。
表3列举了症状定量表述中可用的常见参数[3,4]。
在故障症状分析基础上,对于可以预测的故障模式,还需要进一步分析故障先兆。故障先兆是指可以在故障模式确实发生之前或者在故障模式演变的初期可以观测到的故障症状[3]。
表2 描述症状的因素
因素 | 含义 | 定量 | 定性 | 示例 |
参数 | 原始参数、处理后参数、导出参数 | 适用 | 不适用 | 温度,振动位移的一次谐波 |
变化/表现 | 参数量值的变化形式 | 适用 | 适用 | >10,200,存在,变形 |
位置 | 能观察到症状的地方 | 适用 | 适用 | 管路,输出接口 |
工况 | 看见症状时的运行工况 | 适用 | 适用 | 冷启动后,100%功率 |
表3 用于诊断的测量和参数举例
性能 | 机械的 | 电气的 | 油分析、产品质量和其他 |
功率损耗 效率 温度 红外辐射热成像 压力 流量 | 热膨胀 位置 液面 振动位移 振动速度 振动加速度 可听见的噪声 超声波 | 电流 电压 电阻 电感 电容 磁场 绝缘电阻 局部放电 | 油分析 铁谱磨屑分析 产品尺寸 产品物理性质 产品化学性质 —颜色 —视觉 —嗅觉 —其他无损测试 |
2.6 传感器布局分析
在确定故障模式的症状和先兆后,将进一步分析确定测量参数和测试点。
在测试点的确定中,应根据产品的设计图纸,确定需要检测的信号流向与可以选用的候选测量位置,然后根据诊断预测需求、效费比或者其他的因素确定最后的测试点。
根据需要观测的症状/先兆物理量及其敏感程度,确定应采用的传感器和放置位置[3]。
2.7 诊断与预测技术分析
在明确了故障模式对应的测量参数以及测试点/传感器设置之后,需要分析确定可用的故障诊断与故障预测技术/方法。对于突变故障,只需确定故障诊断技术/方法;对于渐变故障,需要确定故障诊断和故障预测技术/方法。
表4给出了可用的故障诊断技术/方法的类别[2,3]。
表4 可用的故障诊断技术
故障诊断技术 | 说明 |
机内测试(BIT) | 利用设计到系统或设备内的测试硬件和软件对系统或设备全部或局部进行自动测试的方法,如连续BIT、周期BIT、启动BIT、通电BIT、维修BIT等。 |
外部自动测试设备(ATE) | 利用外部的ATE或自动测试系统对系统或设备进行自动测试的方法。 |
人工测试 | 以维修人员为主进行故障诊断测试。对于难于实现自动检测的故障模式或部件,需要采用人工测试。人工测试可以使用通用仪器设备工具和(或)专用外部测试设备。 |
表5给出了可用的故障预测技术/方法的类别[3]。
表5 可用的故障预测技术
故障预测技术 | 说明 |
预置损伤标尺法 | 通过在实际产品中增加保险或预警装置来提供故障的早期警告。预警装置(或者损伤标尺)的预期寿命一般都比被监控对象短,通过增加一系列不同健壮程度的预警装置,可以实现产品损伤过程的连续定量监控。 |
性能状态监测法(数据驱动方法) | 通过监测产品的性能或者状态变化,分析计算进行故障预测的方法。一般分为统计方法和机器学习方法。 |
环境应力检测法(失效物理方法) | 失效物理(PoF)方法是利用产品的生命周期载荷和失效机理知识来评估产品的可靠性。PoF方法基于对设备、产品或系统的潜在失效机理和失效位置进行判别。根据收集到的运行和环境数据来估算产品的健康状态,还可以根据故障物理模型来计算损坏量,以获得剩余寿命数据。 |
2.8 分析结果
表6给出了FMECA测试性扩展分析表格的模板。主要输出包括FMECA测试性扩展分析表、突变故障/渐变故障诊断分析清单、不可诊断故障清单和不可预测故障清单。
3 案例分析
以某空调压缩机为例进行分析,如表7所示。根据FMECA测试性扩展分析,空调压缩机的故障模式主要包括不启动、停机、振动/噪音等。空调压缩机不启动是渐变故障,停机是渐变故障,振动/噪音是突变故障。空调压缩机停机的检测优先数(MPN)最高,最适合做故障检测、诊断和预报,可通过在压缩机定子接线处的电流传感器进行测量,通过BIT进行故障诊断,通过预置损伤标尺法增加预警装置进行故障预报。空调压缩机不启动可通过人工测试进行故障诊断,通过性能状态监测法进行故障预测。空调压缩机振动/噪音可通过人工测试进行故障诊断,不可以做故障预测。上述分析结果可为空调压缩机维修优化提供依据。
表6 FMECA测试性扩展分析
列标题 | 定义 | |
编号 | FMECA的编号,命名规则为“FMECA-系统英文首字母缩写-001开始顺序编号”。 | |
产品名称 | 系统 | FMECA的故障所在的系统名称。 |
子系统 | FMECA的故障所在的子系统名称。 | |
部件 | FMECA的故障所在的部件名称。 | |
LRU | 判断部件是否是的LRU“Y/N”。 | |
故障模式 | FMECA的故障模式。 | |
故障原因 | FMECA的故障原因。 | |
故障检测方法 | 操作人员检查 | 判断故障是否可以通过操作人员检查发现“Y/N”。 |
维修人员检查 | 判断故障是否可以通过维修人员检查发现“Y/N”。 | |
内置测试系统 | 判断故障是否可以通过内置测试系统发现“Y/N”。 | |
故障影响 | FMECA的最终故障影响。 | |
严酷度等级 | FMECA的故障严酷度等级,参见表1。 | |
故障率 | 每列车数量 | FMECA的每列车的部件数量 |
部件故障率 | FMECA的部件的故障率 | |
故障模式频数比 | FMECA的故障模式占部件故障率的频数比 | |
故障模式的故障率 | FMECA的故障模式的故障率=每列车数量×部件故障率×故障模式频数比 | |
数据源 | FMECA的故障率的数据来源。 | |
故障演变特性分类 | 按照故障演变特性将故障分为“突变故障/渐变故障"。 | |
监测优先数(MPN)方法 | 检测等级评估(DET) | 评估的等级为1-5级,参见2.4节。 |
失效严酷等级(SEV) | 评估的等级为1-4级,参见2.4节。 | |
诊断结论置信度(DGN) | 评估的等级为1-5级,参见2.4节。 | |
预报置信度(PGN) | 评估的等级为1-5级,参见2.4节。 | |
检测优先数(MPN) | MPN=DET×SEV×DGN×PGN | |
故障症状/先兆分析 | 失效症状 | 故障模式会导致的各种影响或症状表现,参见表2和3。 |
故障先兆 | 判断故障症状是否属于故障先兆“Y/N”。 | |
关联的产品/功能 | 故障症状/先兆表现所在的产品/功能,或者受影响的产品/功能。 | |
测试点/传感器布局分析 | 测试点/传感器选择 | 故障症状/先兆所需的测量参量或传感器种类。 |
测试点/传感器布局 | 根据故障症状/先兆关联的产品/功能确定测试点的位置或传感器布局。 | |
故障诊断/预测技术分析 | 故障诊断技术/方法 | 根据测试点/传感器数据进行故障诊断的技术或方法,如BIT、外部自动测试、人工测试等,参见表4。 |
故障预测技术/方法 | 根据测试点/传感器数据进行故障预测的技术或方法,如预置损伤标尺法、性能状态监测法、环境应力检测法,参见表5。 |
4结论
本文在传统FMECA方法的基础上,提出了一种基于失效模式症状的测试性扩展分析,增加了监测优先数(MPN)等级评估、故障症状/先兆分析、测试点/传感器布局分析、故障诊断/预测技术分析,为轨道交通产品故障预测预警与修程修制优化提供了支持。最后给出了某地铁空调压缩机案例分析,验证了方法的有效性。
参考文献:
[1]GB/T 9414.7-2000 设备维修性导则 第四部分:诊断测试[S]. 2000.
GB/T 9414.7-2000 Guide on Maintainability of Equipment - Part 4: Diagnostic testing[S]. 2000.
[2]GJB/Z 1391-2006 故障模式影响及危害性分析指南[S]. 2006.
GJB/Z 1391-2006 Guide to Failure Mode, Effects and Criticality Analysis[S]. 2006.
[3]石君友. 测试性设计分析与验证[M]. 北京:国防工业出版社,2015:79-89.
Shi Junyou. Testability Design Analysis and Verification[M]. Beijing: National Defense Industry Press, 2015:79-89.
[4]GB/T 22394-2008 机器状态监测与诊断 数据判读和诊断技术的一般指南[S]. 2000.
GB/T 22394-2008 Condition Monitoring and Diagnostics of Machines - General Guidelines on data interpretation and diagnostics Techniques[S]. 2008.
[5]CEN. Railway applications - The Specification and Demonstration of Reliability, Availability, Maintainability and Safety (RAMS) - Part 1: Generic RAMS Process: EN 50126-1:2017 [S]. 2017.