基于信息融合及模糊FMECA的小子樣系統(tǒng)可靠性增長(zhǎng)設(shè)計(jì)研究

王保昌，周金宇，莊百亮

（1.江蘇理工學(xué)院“結(jié)構(gòu)/材料多尺度協(xié)同設(shè)計(jì)與制造”江蘇省高校優(yōu)秀科技創(chuàng)新團(tuán)隊(duì)，江蘇 常州 213001；2.機(jī)械科學(xué)研究總院江蘇分院有限公司，江蘇 常州 213001）

1 前言

系統(tǒng)的可靠性增長(zhǎng)研究工作是一個(gè)重復(fù)“試驗(yàn)—改進(jìn)—再試驗(yàn)”的過(guò)程，通過(guò)試驗(yàn)暴露出系統(tǒng)的故障，分析故障原因并采取相應(yīng)的改進(jìn)措施，隨后再進(jìn)行試驗(yàn)，重復(fù)上述步驟，可以確?？煽啃苑€(wěn)步增長(zhǎng)，最終達(dá)到規(guī)定數(shù)值[1]。

系統(tǒng)故障分析常用的方法主要有故障樹分析（FTA）和故障模式影響及危害性分析（FMECA），通過(guò)分析系統(tǒng)故障，給出相應(yīng)的改進(jìn)措施來(lái)提高系統(tǒng)的可靠性。

但是系統(tǒng)故障模式的分散性較強(qiáng)，失效或故障可檢測(cè)的程度不一樣，有的癥狀難以直接觀察，故障發(fā)生的可能性難以得到準(zhǔn)確描述等特點(diǎn)使得故障模式的質(zhì)量評(píng)估帶有很強(qiáng)的模糊性。在對(duì)故障模式做危害度評(píng)價(jià)的過(guò)程中，由于個(gè)體間認(rèn)識(shí)的差異，給定量分析添加了很多主觀色彩，而且隨著影響因素的增多，各因素互相制約、互相影響，很難客觀地給出綜合評(píng)判結(jié)果[2]。此外，在小子樣系統(tǒng)中，由于數(shù)據(jù)匱乏，難以對(duì)系統(tǒng)進(jìn)行準(zhǔn)確的可靠性評(píng)估[3]，給系統(tǒng)的可靠性增長(zhǎng)工作帶來(lái)了極大的困難。

針對(duì)上述問(wèn)題，這里將基于相關(guān)函數(shù)的多源信息融合方法及模糊FMECA故障分析方法綜合運(yùn)用于小子樣系統(tǒng)的可靠性增長(zhǎng)設(shè)計(jì)研究中，解決小子樣系統(tǒng)數(shù)據(jù)匱乏及模糊信息的影響，對(duì)系統(tǒng)進(jìn)行準(zhǔn)確的故障分析和評(píng)估，制定有效的改進(jìn)措施提升系統(tǒng)的可靠性。

最后以某新型沖壓機(jī)的可靠性增長(zhǎng)設(shè)計(jì)為例對(duì)這里提出的方法進(jìn)行了驗(yàn)證。

2 可靠性增長(zhǎng)建模

2.1 Bayes模型

由于貝葉斯可靠性增長(zhǎng)模型可以有效利用產(chǎn)品的試驗(yàn)數(shù)據(jù)和工程信息預(yù)測(cè)可靠性，符合小子樣、復(fù)雜系統(tǒng)的特點(diǎn)，它從20世紀(jì)80年代以來(lái)有了長(zhǎng)足的發(fā)展，是可靠性增長(zhǎng)模型研究的重點(diǎn)。

考慮某個(gè)隨機(jī)試驗(yàn)，在這個(gè)試驗(yàn)中，有n個(gè)不相容的基本事件B（ii=1，2，…n），記A為試驗(yàn)中可能發(fā)生的任一事件，在離散情況下的貝葉斯定理為：

式中：P（A│B）i—條件概率；P（Bi│A）—后驗(yàn)信息；P（B）i—先驗(yàn)信息。在連續(xù)條件下，貝葉斯定理表示為：

式中：θ—分布參數(shù)；X—觀測(cè)數(shù)據(jù)樣本；

Θ—參數(shù)取值空間；

π（θ）—先驗(yàn)分布密度函數(shù)；

π（θ│X）—驗(yàn)后分布概率密度；

（fX│θ）—參數(shù)θ給定之后，X的密度函數(shù)。

2.2 基于相關(guān)函數(shù)的多源信息融合方法

復(fù)雜系統(tǒng)的統(tǒng)計(jì)推斷問(wèn)題[4]與驗(yàn)前信息有很大關(guān)系，利用多源信息融合方法[5?6]融合多種驗(yàn)前信息，可以保證統(tǒng)計(jì)推斷具有較高的置信度。這里采用基于相關(guān)函數(shù)的多源信息融合方法來(lái)構(gòu)建融合驗(yàn)前分布。設(shè)系統(tǒng)的可靠性指標(biāo)隨機(jī)變量為T，概率密度為（ft│θ）。通過(guò)現(xiàn)場(chǎng)試驗(yàn)獲得n個(gè)故障間隔時(shí)間數(shù)據(jù)X={t1，t2，…，tn}，此外有相似型號(hào)故障數(shù)據(jù)、仿真數(shù)據(jù)、專家經(jīng)驗(yàn)等z個(gè)信息源t1（i），...，tn（i）（i=1，2，…，z），則：

式中：π（iθ）—每個(gè)信息源的驗(yàn)前分布，i=1，2，…，z；

π（θ）—所有信息源的融合驗(yàn)前分布；εi—權(quán)系數(shù)。

式（3）中需要根據(jù)相關(guān)函數(shù)計(jì)算權(quán)系數(shù)εi，令：

式中：u′—第i個(gè)信息源驗(yàn)后分布的期望；

uj—每個(gè)信息源驗(yàn)前分布的均值，j=1，2，...，z；

u—融合驗(yàn)后分布的期望；

b′ki、bk—未知常數(shù)，k=0，1，...，z。

通過(guò)每個(gè)信息源的驗(yàn)前和驗(yàn)后分布采用抽樣技術(shù)分別產(chǎn)生z+1組隨機(jī)樣本，用每組樣本的均值分別替代式（4）中的u′i及uj，從而對(duì)b′ki進(jìn)行求解。

通過(guò)融合驗(yàn)后分布采用抽樣技術(shù)產(chǎn)生z+1組隨機(jī)樣本，用每組樣本的均值分別替代式（5）中的u，同時(shí)利用每個(gè)信息源驗(yàn)前分布的隨機(jī)樣本均值分別替代式（5）中的uj，從而解出含有權(quán)系數(shù)εi的bk表達(dá)式。

將求解出的b′ki及含有權(quán)系數(shù)εi的bk表達(dá)式帶入式（6）中，求出含有權(quán)系數(shù)εi的相關(guān)函數(shù)表達(dá)式，隨后將其帶入式（7）中，通過(guò)對(duì)z組方程組進(jìn)行求解，求出權(quán)系數(shù)εi的值。

式中：ηπiπ—相關(guān)函數(shù)；

—每組信息源驗(yàn)后分布的方差。

從信息論的角度，（一）方面，該方法在確定融合權(quán)重的過(guò)程中，充分考慮各單一驗(yàn)后分布與融合驗(yàn)后分布的相關(guān)程度，可以充分體現(xiàn)各來(lái)源驗(yàn)前信息的質(zhì)量；（二）方面，該方法充分利用了多源驗(yàn)前信息，在融合驗(yàn)后分布基礎(chǔ)上進(jìn)行統(tǒng)計(jì)推斷，增強(qiáng)了統(tǒng)計(jì)推斷結(jié)論的穩(wěn)健性。

3 基于信息融合的可靠性指標(biāo)估計(jì)

3.1 模型假設(shè)

實(shí)踐證明，機(jī)械產(chǎn)品的壽命分布以Weibull分布[7?8]、對(duì)數(shù)正態(tài)分布等為主要分布形式，這里假設(shè)系統(tǒng)壽命T服從雙參數(shù)Weibull分布，其分布函數(shù)為：

概率密度函數(shù)為：

式中：t—測(cè)試時(shí)間；m、η—形狀參數(shù)和尺度參數(shù)。

通過(guò)現(xiàn)場(chǎng)試驗(yàn)獲得n個(gè)失效數(shù)據(jù)X={t1，t2，…，tn}，其中tk為失效時(shí)間，k=1，2，...，n。此時(shí)條件分布為：

3.2 可靠性指標(biāo)估計(jì)

假設(shè)有兩組信息源，且樣本數(shù)據(jù)均為獨(dú)立同分布，每組參數(shù)m、η的先驗(yàn)分布分別為π（1m）、π（1η）及π（2m）、π（2η），每組信息源的聯(lián)合驗(yàn)前分布為：

根據(jù)式（3）可以得到兩組信息源的融合驗(yàn)前分布，其數(shù)學(xué)擬合式為：

根據(jù)式（2）求得參數(shù)m、η的聯(lián)合驗(yàn)后分布為：

參數(shù)m、η的驗(yàn)后邊際密度分別為：

式中：k1、k2—常數(shù)，其值可以通過(guò)下式求解；

在Bayes模型中，參數(shù)的估計(jì)可選用后驗(yàn)分布的某個(gè)位置特征量，如后驗(yàn)分布的眾數(shù)、中位數(shù)、期望值或最大后驗(yàn)值[9]。

為了減少估計(jì)誤差，這里采用后驗(yàn)均值作為參數(shù)的估計(jì)值，兩參數(shù)的估計(jì)值分別為：

于是，可靠度和失效率的點(diǎn)估計(jì)分別為：

4 模糊FMECA故障分析及改進(jìn)措施

在利用FMECA 對(duì)系統(tǒng)進(jìn)行故障分析時(shí)經(jīng)常會(huì)遇到大量模糊信息，在這種情況下難以對(duì)故障模式進(jìn)行準(zhǔn)確的綜合評(píng)價(jià)。

針對(duì)此類情況可以將模糊理論與FMECA相結(jié)合，構(gòu)成模糊FMECA[10]，通過(guò)模糊FMECA 分析解決模糊信息的影響，以改善FMECA方法的不足。

模糊FMECA分析的步驟為：

（1）建立因素集

因素集是影響評(píng)估對(duì)象的各因素集合，通常用字母U來(lái)表示，即

式中：Ux—第x個(gè)影響因素，x=1，2，…，n。

（2）建立評(píng)價(jià)集

式中：Vl—評(píng)價(jià)集的第l個(gè)等級(jí)，l=1，2，…，m。

（3）建立模糊因素評(píng)價(jià)矩陣

模糊綜合評(píng)價(jià)一般由H人組成評(píng)價(jià)小組，小組中的成員分別對(duì)影響因素Uxk評(píng)出一個(gè)因素水平Vl。當(dāng)H位成員中評(píng)定Uxk隸屬于Vl的有Hxlk個(gè)人，就得到U的評(píng)價(jià)集為：

式中：rxlk—第x個(gè)影響因素的評(píng)價(jià)集，l=1，2，…，m；

k—第k個(gè)故障模式。

將得到的n個(gè)模糊評(píng)價(jià)向量依次排列組成矩陣，即為模糊因素評(píng)價(jià)矩陣

（4）確定各個(gè)影響因素權(quán)重集

設(shè)第k個(gè)故障模式的因素加權(quán)項(xiàng)為w，其權(quán)重集為：

（5）I級(jí)模糊綜合評(píng)價(jià)

當(dāng)權(quán)重集Wk和評(píng)價(jià)矩陣Rk已知時(shí)，就可以得到第k個(gè)故障模式的I級(jí)模糊綜合評(píng)價(jià)，即：

式中：Bk—故障模式k的I級(jí)模糊綜合評(píng)價(jià)向量。

（6）確定模糊危害度等級(jí)

為了能夠得到更加清晰的評(píng)價(jià)結(jié)果，需要對(duì)Bk進(jìn)行加權(quán)平均法處理，得到一個(gè)具體的數(shù)值Ck來(lái)表示故障模式k對(duì)系統(tǒng)的綜合危害等級(jí)，即：

式中：VT—評(píng)價(jià)集V的轉(zhuǎn)置向量。

（7）Ⅱ級(jí)模糊綜合評(píng)價(jià)

Ⅱ級(jí)模糊綜合評(píng)價(jià)中因素集的組成是I級(jí)模糊評(píng)價(jià)的各故障模式，保持評(píng)價(jià)集V不變，由評(píng)價(jià)小組重新確定各因素的權(quán)重向量W，按照I級(jí)模糊評(píng)判的思想進(jìn)行，就可以得到Ⅱ級(jí)模糊綜合評(píng)價(jià)。

在通過(guò)模糊FMECA方法對(duì)系統(tǒng)進(jìn)行綜合評(píng)價(jià)后，需要將各潛在故障模式按照危害度從大到小的順序進(jìn)行排序，按照此順序先后采取相應(yīng)的改進(jìn)措施，提高系統(tǒng)的可靠性。

5 應(yīng)用實(shí)例

某新型沖壓機(jī)的主要系統(tǒng)組成，如圖1所示。

圖1 沖壓機(jī)主要系統(tǒng)組成Fig.1 Main System Composition of Stamping Machine

該機(jī)經(jīng)現(xiàn)場(chǎng)試驗(yàn)得到的故障間隔時(shí)間數(shù)據(jù)X1={92，310，445，283，606，408，224，383，534，379}，試驗(yàn)數(shù)據(jù)服從兩參數(shù)Weibull分布。

此外有來(lái)自該機(jī)仿真數(shù)據(jù)及類似型號(hào)沖壓機(jī)的故障數(shù)據(jù)，分別為Y1={185，402，124，553，398，672，530，375，490，208}，H1={230，102，423，502，610，439，420，275，198，401}。

下面按這里所述的方法對(duì)該沖壓機(jī)進(jìn)行可靠性增長(zhǎng)設(shè)計(jì)研究。

5.1 原機(jī)可靠性指標(biāo)估計(jì)

采用抽樣技術(shù)分別對(duì)Y1、H1兩組數(shù)據(jù)進(jìn)行500 組的隨機(jī)抽樣，根據(jù)式（16）計(jì)算每組再生樣本的尺度參數(shù)和形狀參數(shù)值并進(jìn)行分布擬合，通過(guò)觀察兩個(gè)參數(shù)的經(jīng)驗(yàn)曲線、概率密度函數(shù)曲線的形狀特點(diǎn)確立兩組參數(shù)均服從Weibull分布。

通過(guò)參數(shù)估計(jì)，確定各參數(shù)的先驗(yàn)分布分別為：

式中：πY1(m)、πY1(η)—仿真數(shù)據(jù)Y1的形狀參數(shù)和尺度參數(shù)的驗(yàn)前分布；πH1(m)、πH1(η)—類似型號(hào)沖壓機(jī)故障數(shù)據(jù)H1的形狀參數(shù)和尺度參數(shù)的驗(yàn)前分布。

根據(jù)式（11）可以分別得到兩組參數(shù)的聯(lián)合驗(yàn)前分布，其數(shù)學(xué)擬合式為：

利用這里所述的權(quán)系數(shù)求解方法，求得權(quán)系數(shù)ε1和ε2的值分別為0.917、0.083。于是融合驗(yàn)前分布為：

試驗(yàn)樣本失效數(shù)據(jù)個(gè)數(shù)為10，根據(jù)式（10）求得條件分布為：

根據(jù)式（13）可以得到融合驗(yàn)后分布π（m，η│X1），隨后利用這里所述的參數(shù)求解方法求得參數(shù)m、η的估計(jì)值分別為1.54、431.27，于是原沖壓機(jī)的可靠度R（t）及失效率λ（t）的點(diǎn)估計(jì)為：

5.2 模糊FMECA分析及可靠性增長(zhǎng)措施

在進(jìn)行模糊FMECA 分析前，這里根據(jù)設(shè)計(jì)、制造和使用者的經(jīng)驗(yàn)以及類似沖壓機(jī)的維修信息，確立了機(jī)床每個(gè)零部件可能發(fā)生的故障模式，之后基于模糊FMECA對(duì)各種潛在故障模式進(jìn)行了模糊綜合評(píng)價(jià)，以故障模式C?0207 為例，其模糊評(píng)價(jià)過(guò)程為：

（1）確定該型沖壓機(jī)的影響因素U為：U={故障概率，嚴(yán)重度，檢測(cè)難易程度，維修難易程度}；

（2）這里設(shè)立5個(gè)評(píng)價(jià)等級(jí)，即V={1，2，3，4，5}；

（3）經(jīng)過(guò)評(píng)價(jià)小組的評(píng)價(jià)，確認(rèn)該故障模式的故障概率集R1={1.2，0，0，0，0}，嚴(yán)重度集R2={1，1，0，0，0，0}，難易程度集R3={0，0.4，0.4，0，0.3}，維修難易程度集R4={0.6，0.4，0，0，0}，評(píng)價(jià)矩陣R為：

（4）由評(píng)價(jià)小組確立的因素權(quán)重集W為：

（5）根據(jù)式（24）求得該故障模式的Ⅰ級(jí)模糊綜合評(píng)價(jià)B為：

（6）根據(jù)式（25）求得該故障模式的模糊危害度C為：

式中：VT—評(píng)價(jià)集V的轉(zhuǎn)置向量。

通過(guò)相同的方法獲得全部潛在故障模式的模糊危害度，如表1所示。

表1 沖壓機(jī)故障模式模糊危害度等級(jí)排序表Tab.1 Fuzzy Hazard Ranking Table of Stamping Machine Failure Mode

氣壓管路破裂主電機(jī)無(wú)法運(yùn)轉(zhuǎn)放松裝置失效壓力表無(wú)指示過(guò)濾器堵塞軸承組件間隙增大聯(lián)軸器斷裂換向時(shí)沖擊較大上橫梁傳動(dòng)筒瓦損壞減速箱軸承斷裂飛輪皮帶脫落氣壓壓力繼電器漏氣油缸密封損壞固定臺(tái)螺栓斷裂、脫落飛輪油封漏油泵吸油口進(jìn)氣錯(cuò)誤報(bào)警氣動(dòng)系統(tǒng)Q其它系統(tǒng)Z其它系統(tǒng)Z電氣系統(tǒng)D潤(rùn)滑系統(tǒng)R傳動(dòng)系統(tǒng)C傳動(dòng)系統(tǒng)C液壓系統(tǒng)Y傳動(dòng)系統(tǒng)C傳動(dòng)系統(tǒng)C傳動(dòng)系統(tǒng)C氣動(dòng)系統(tǒng)Q液壓系統(tǒng)Y其他系統(tǒng)Z傳動(dòng)系統(tǒng)C液壓系統(tǒng)Y電氣系統(tǒng)D損壞型02狀態(tài)型05功能型01功能型01堵漏型06損壞型02損壞型02狀態(tài)型05損壞型02損壞型02松動(dòng)型03堵漏型06損壞型02損壞型02堵漏型06其它型07其他型07 Q?0206 Z?0507 Z?0103 D?0104 R?0602 C?0207 C?0208 Y?0508 C?0209 C?0210 C?0302 Q?0603 Y?0211 Z?0212 C?0604 Y?0701 D?0702 2.27 2.18 2.15 2.03 1.97 1.92 1.89 1.71 1.62 1.51 1.47 1.42 1.39 1.3 1.22 1.17 1.13

從表中可以看出元器件的損壞以及液、氣、油滲漏等問(wèn)題占了很大的比例，因此，在選擇設(shè)備零件的采購(gòu)來(lái)源時(shí)應(yīng)特別注意零件的質(zhì)量，確保系統(tǒng)具有較高的初始可靠性。為進(jìn)一步提升系統(tǒng)的可靠性，這里根據(jù)表中的潛在故障模式分別給出了相應(yīng)的故障原因及改進(jìn)措施，具體內(nèi)容，如表2所示。

表2 沖壓機(jī)故障模式原因及可改進(jìn)措施表（續(xù)）Tab.2 Stamping Machine Failure Mode Reasons and Improvement Tables（Continued）

Y?0701管路松動(dòng)D?0702檢測(cè)系統(tǒng)發(fā)生故障緊固管路并定期開(kāi)放氣閥排氣聯(lián)系廠商設(shè)計(jì)人員檢測(cè)維修

表2 沖壓機(jī)故障模式原因及改進(jìn)措施表Tab.2 Stamping Machine Failure Mode Reasons and Improvement Tables

D?0102 Y?0402 R?0504 Q?0205 Y?0601溢流閥平衡缸震動(dòng)導(dǎo)出油管變形或Q?0505 C?0403 C?0506 Q?0206 1.旋轉(zhuǎn)凸輪發(fā)生故障；2.計(jì)數(shù)器損壞1.閥的工作壓力設(shè)定太低；2.閥體或密封件磨損產(chǎn)生內(nèi)部泄漏設(shè)定值不當(dāng)致緊固螺栓松開(kāi)，現(xiàn)裂縫有雜質(zhì)進(jìn)入油管泄壓閥閥芯卡死或彈簧失效變頻器過(guò)流、過(guò)載、過(guò)壓等故障1.制動(dòng)力調(diào)整過(guò)?。?.制動(dòng)帶損壞氣壓壓力過(guò)大、溫度過(guò)高Z?0507 1.電機(jī)線路脫落或斷線；2.沖床熱繼電器跳動(dòng)或損壞Z?0103 1.放松電磁閥無(wú)動(dòng)作；2.放松凸輪角度過(guò)小導(dǎo)致放松動(dòng)作未完成D?0104 R?0602 1.管內(nèi)污物淤積阻塞；2.扇形齒輪與小齒輪阻力過(guò)大密封損壞，油液中進(jìn)入雜質(zhì)C?0207組件間存在間隙，在沖擊作用下間隙越來(lái)越大C?0208 Y?0508 C?0209振動(dòng)導(dǎo)致傳遞扭矩不均1.換向時(shí)瞬時(shí)關(guān)閉、開(kāi)啟造成動(dòng)能或勢(shì)能相互轉(zhuǎn)換時(shí)產(chǎn)生沖擊；2.閥芯卡死潤(rùn)滑不良1.更換微動(dòng)開(kāi)關(guān)；2.檢修更換1.重新調(diào)整設(shè)定壓力；2.檢查修復(fù)或更換新備件重新設(shè)定溢流閥參數(shù)緊固螺栓重新緊固并采取措施減小震動(dòng)情況更換油管并定期清潔保證油液清潔并更換、維修泄壓閥定期保養(yǎng)及備件更換1.適當(dāng)調(diào)大制動(dòng)力；2.更換制動(dòng)帶調(diào)整氣壓壓力和溫度，更換管路1.檢查并上緊螺絲，連接線路；2.按下熱繼電器復(fù)位手柄，或更換熱繼電器1.更換電磁閥；2.調(diào)節(jié)放松凸輪角度，延遲放松時(shí)間，使沖床氣動(dòng)送料機(jī)放松夾板放松時(shí)張開(kāi)足夠的距離1.用鋼絲疏通污染物2.調(diào)整配合間隙至適中更換密封件并保證清潔工作采用通過(guò)檢驗(yàn)的、口碑好的品牌的軸承，此外，采取滑動(dòng)軸承和滾動(dòng)軸承混合使用的設(shè)計(jì)防止軸承問(wèn)隙過(guò)大影響滑塊下死點(diǎn)精度設(shè)置減震裝置并保證潤(rùn)滑1.延長(zhǎng)換向時(shí)間；2.設(shè)計(jì)并更換帶緩沖的閥芯更換筒瓦并保證潤(rùn)滑

5.3 改進(jìn)后新機(jī)的可靠性指標(biāo)估計(jì)

對(duì)改進(jìn)后的沖壓機(jī)進(jìn)行可靠性增長(zhǎng)試驗(yàn)，得到的故障數(shù)據(jù)X2={394，630，589，830，230，1020}，此外實(shí)施改進(jìn)措施后得到新機(jī)的仿真數(shù)據(jù)及類似型號(hào)沖壓機(jī)故障數(shù)據(jù)分別為Y2={436，642，1123，346，598，632}，H2={639，348，423，1089，610，647}。

按照原機(jī)的可靠性指標(biāo)計(jì)算方法求得改進(jìn)后新機(jī)的形狀參數(shù)和尺度參數(shù)分別為1.07、598.15，于是改進(jìn)后新機(jī)可靠度R（2t）及失效率λ（2t）的點(diǎn)估計(jì)為：

根據(jù)式（33）、式（39）和式（34）、式（40）繪制了該沖壓機(jī)改進(jìn)前后可靠度及失效率的曲線變化對(duì)比圖，如圖2、圖3所示。

從圖2中可以看出在時(shí)間間隔[0，300h]內(nèi)改進(jìn)前后沖壓機(jī)的可靠度基本一致，當(dāng)超過(guò)300h后，原機(jī)的可靠度開(kāi)始急劇下降，最終在1300h時(shí)可靠度達(dá)到最低點(diǎn)，而改進(jìn)后新機(jī)的可靠度下降較緩，直到2800h后達(dá)到可靠度最低點(diǎn)，可靠性遠(yuǎn)遠(yuǎn)超過(guò)了原機(jī)。

圖2 沖壓機(jī)改進(jìn)前后可靠度曲線對(duì)比圖Fig.2 Reliability Curve Contrast Diagram of Press Before and After Improvement

從圖3中可以明確地看出在時(shí)間間隔[0，3000h]內(nèi)，改進(jìn)后新機(jī)的失效率基本浮動(dòng)在（0.0015~0.0022）之間，比原機(jī)的失效率低了數(shù)倍，系統(tǒng)可靠性得到了極大的提升。

圖3 沖壓機(jī)改進(jìn)前后失效率曲線對(duì)比圖Fig.3 Failure Rate Curve Contrast Diagram of Press Before and After Improvement

6 結(jié)論

針對(duì)小子樣系統(tǒng)數(shù)據(jù)少且存在模糊信息不易進(jìn)行準(zhǔn)確的可靠性增長(zhǎng)分析和評(píng)估的情況，這里將基于相關(guān)函數(shù)的多源信息融合方法及模糊FMECA故障分析方法綜合運(yùn)用于小子樣系統(tǒng)的可靠性增長(zhǎng)設(shè)計(jì)研究中，并以某新型沖壓機(jī)為例，通過(guò)模糊FMECA方法對(duì)沖壓機(jī)的潛在故障模式進(jìn)行了分析，給出了各潛在故障模式的故障原因及改進(jìn)措施，結(jié)合信息融合方法先后將實(shí)施改進(jìn)措施前后的仿真數(shù)據(jù)、類似型號(hào)沖壓機(jī)故障數(shù)據(jù)與現(xiàn)場(chǎng)試驗(yàn)數(shù)據(jù)融合，根據(jù)Bayes方法對(duì)原機(jī)和新機(jī)的可靠性指標(biāo)進(jìn)行了評(píng)估，并繪制出它們的可靠度及失效率函數(shù)對(duì)比圖，通過(guò)函數(shù)對(duì)比圖來(lái)看，實(shí)施改進(jìn)措施后的新機(jī)可靠性明顯高于原機(jī)，極大程度的實(shí)現(xiàn)了系統(tǒng)的可靠性增長(zhǎng)。

因此，這里所提出的方法是可行、有效的，對(duì)小子樣系統(tǒng)數(shù)據(jù)少且信息模糊情況下的可靠性增長(zhǎng)分析和評(píng)估具有一定的借鑒意義。