Diagnosis strategy for micro-computer controlled straight electro-pneumatic braking system using fuzzy set and dynamic fault tree

• Autorzy: Duan R. , Zhou H.

Warianty tytułu

PL

Wykorzystanie zbiorów rozmytych i dynamicznego drzewa uszkodzeń w strategii diagnostyki elektro-pneumatycznego układu hamulcowego sterowanego za pomocą mikrokomputera

• Języki publikacji: EN

Abstrakty

EN

In this paper, a new diagnosis strategy for micro-computer controlled straight electro pneumatic braking system is developed to improve the diagnostic efficiency, which makes full use of some reliability theories and fuzzy set techniques. Specifically, it adopts expert elicitation and fuzzy set theory to evaluate the failure rate of the basic events for the braking system, and uses a dynamic fault tree model to capture the dynamic failure mechanisms and calculates some reliability results by mapping a dynamic fault tree into an equivalent Bayesian network (BN). Furthermore, the schemes are proposed to update the diagnostic importance factor (DIF) and the cut sets according to the sensors data. Finally, an efficient diagnostic algorithm is developed based on these reliability results to guide the maintenance crew to diagnose the braking system. The experimental results demonstrate that the proposed method can locate the fault of the braking system with less diagnosis cost.

PL

W niniejszej pracy, opracowano nową strategię diagnostyki elektro-pneumatycznego układu hamulcowego sterowanego za pomocą mikrokomputera Celem badań była poprawa efektywności diagnostycznej. Strategię oparto na wybranych teoriach niezawodności oraz technikach zbiorów rozmytych. W szczególności, strategia wykorzystuje ocenę ekspercką oraz teorię zbiorów rozmytych do określania intensywności uszkodzeń dla podstawowych zdarzeń zachodzących w układzie hamulcowym oraz posługuje się modelem dynamicznego drzewa uszkodzeń aby uchwycić dynamiczne mechanizmy uszkodzeń. Za pomocą przedstawionej strategii oblicza się także wyniki analiz niezawodnościowych poprzez mapowanie dynamicznego drzewa błędów do równoważnej sieci bayesowskiej (BN). Ponadto w artykule zaproponowano schematy służące do aktualizacji czynnika ważności diagnostycznej (DIF) oraz przekrojów niezdatności zgodnie z danymi z czujników. Wreszcie, w oparciu o uzyskane wyniki analiz niezawodnościowych, opracowano wydajny algorytm diagnostyczny, który zawiadamia załogę konserwatorką o konieczności przeprowadzenia diagnostyki układu hamulcowego. Wyniki doświadczeń pokazują, że proponowana metoda pozwala na zlokalizowanie usterki układu hamulcowego przy mniejszych kosztach diagnozy.

Słowa kluczowe

EN

diagnosis strategy; fuzzy set; dynamic fault tree; expected diagnosis cost

PL

strategia diagnostyki; zbiór rozmyty; dynamiczne drzewo błędów; przewidywany koszt diagnozowania

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2014
• Tom: Vol. 16, no. 2
• Strony: 217--223
• Opis fizyczny: Bibliogr. 22 poz., rys., tab.

Twórcy

autor

Duan R.

• School of Information Engineering Nanchang University Xuefu Rd., 999 Jiangxi, China

autor

Zhou H.

• School of Information Engineering Nanchang University Xuefu Rd., 999 Jiangxi, China

Bibliografia

• 1. Assaf T, Dugan JB. Design for diagnosis using a diagnostic evaluation measure. IEEE Instrumentation and Measurement Magazine 2006; 9(4):37-43.
• 2. Assaf T, Dugan JB. Diagnosis based on reliability analysis using monitors and sensors. Reliability Engineering and System Safety 2008;93(4): 509-521.
• 3. Ayhan Mentes, Ismail H. Helvacioglu. An application of fuzzy fault tree analysis for spread mooring systems. Ocean Engineering 2011; 38:285–294.
• 4. Doguc O, Ramirez-Marquez JE. Using Bayesian approach for sensitivity analysis and fault diagnosis in complex systems. Journal of Integrated Design and Process Science 2009; 3(1): 33-48.
• 5. E Jafarian, Rezvani MA. Application of fuzzy fault tree analysis for evaluation of railway safety risks. Proceedings of the Institution of Mechanical Engineers, Part F: Journal of Rail and Rapid Transit 2012; 226: 14-25.
• 6. Boudali H, Dugan JB. Discrete-time Bayesian network reliability modeling and analysis framework. Reliability Engineering and System Safety 2005; 87: 337-349.
• 7. Huang D, Chen T, Wang MJJ. A fuzzy set approach for event tree analysis. Fuzzy Sets and Systems 2001; 118 (1): 153–165.
• 8. Julwan Hendry Purba, Jie Lu, Guangquan Zhang, Da Ruan. An Area Defuzzification Technique to Assess Nuclear Event Reliability Data from Failure Possibilities. International Journal of Computational Intelligence and Applications 2012; 11(4): 1250022-1-16.
• 9. Koutsoukos X, Zhao F, Haussecker H, Reich J, Cheung P. Fault modeling for monitoring and diagnosis of sensor-rich hybrid systems. Proceedings of the 40th IEEE conference on decision and control 2001; 793-801.
• 10. Li YF, Huang HZ, Liu Y, Xiao, Li HQ. A new fault tree analysis method: fuzzy dynamic fault tree analysis. Eksploatacja i Niezawodnosc –Maintenance and Reliability 2012; 14 (3): 208-214.
• 11. Li YF, Mi J, Huang HZ, Xiao NC, Zhu SP. System reliability modeling and assessment for solar array drive assembly based on Bayesian networks. Eksploatacja i Niezawodnosc - Maintenance and Reliability 2013; 15 (2): 117–122.
• 12. Manjit Verma, Amit Kumar. Fuzzy fault tree approach for analysing the fuzzy reliability of a gas power plant. International Journal of Reliability and Safety 2012; 6(4): 354-370.
• 13. Mansour MM, Wahab MAA, Soliman WM. Bayesian networks for fault diagnosis of a large power station and its transmission lines. Electric Power Components and Systems 2012; 40(8): 845-863.
• 14. Mengling Wu. Discussion of the Reliability Model of the Micro-computer Controlled Straight Electro-pneumatic Braking System. Rolling Stock 2006; 44(3): 20-23.
• 15. Rongxing Duan, Guochun Wan, Decun Dong. Intelligent Fault Diagnosis Method Based on Dynamic Fault Tree Analysis. Journal of Computational Information Systems 2010; 6(3): 949-957.
• 16. Rongxing Duan, Dongxiu Ou, Huilin Zhou, Optimal Sensor Placement for Fault Diagnosis based on diagnosis cost specifications. Journal of Computational Information Systems 2011; 7(9): 3253-3260.
• 17. Shaoxu Ni, Yufang Zhang, Xiaofeng Liang. Intelligent Fault Diagnosis Method Based on Fault Tree. Journal of Shanghai Jiaotong University 2008; 42(8):1372-1386.
• 18. Takehisa Onisawa. An approach to human reliability in man-machine systems using error possibility. Fuzzy Sets and System 1988; 27 (2) 87-103.
• 19. Tang, Zhihua, Dugan, Joanne Bechta. Minimal cut set sequence generation for dynamic fault trees. Proceedings of annual reliability and maintainability symposium on product quality and integrity 2004; 207-213.
• 20. Tong DW, Jolly CH, Zalondek KC. Diagnostic tree design with model-based reasoning. Proceedings of IEEE automatic testing conference 1989; 161-167.
• 21. Wu Mengling, Wang Xiaoyan, Yan Kaijun. Analysis by FMEA and FTA Method of Micro-computer Controlled Directacting Electropneumatic Braking System. Electric Drive for Locomotives 2008; 1: 32-36.
• 22. Yongjian Tao, Decun Dong, Peng Ren. An improved method for system fault diagnosis using fault tree analysis. Journal of Harbin Institute of Technology 2010; 42(8): 143-147.