1、 基于故障樹和貝葉斯網絡的煤礦帶式輸送機故障診斷 王君莉Summary：為有效診斷煤礦帶式輸送機故障，首先，提出一種集成故障樹和貝葉斯網絡的帶式輸送機故障診斷模型;其次，系統分析了導致帶式輸送機故障的各種原因事件及其內在邏輯門關系以編制出帶式輸送機故障樹，并依據相關規則將故障樹轉換為對應的貝葉斯網絡模型;在基于故障樹確定基本事件風險率的基礎上，利用貝葉斯網絡模型反向推理能力對風險率進行修正及優化，得出更為可靠的基本事件風險率;最后，結合工程實例，對某煤礦水平運輸大巷帶式輸送機進行故障診斷，并對診斷結果進行原因分析.結果表明：該帶式輸送機故障診斷結果為存在事故風險，該結果與工程實際較為吻合，同時

2、提出了對輸送帶接頭不夠平直、單側托輥失靈、缺損、滾筒接觸面積水或積油、輸送物料中摻雜異物等進行著重檢修與排查的建議.Key：帶式輸送機;故障診斷模型;故障樹;貝葉斯網絡;故障風險：TD528 ：A ：1673-260X（2019）09-0080-04帶式輸送機是煤礦井下開采的一種重要運輸設備，具有運輸能力大、工作阻力小以及耗電量低等優點，在采區平巷、采區上下山和運輸大巷等場所廣為應用1-3.煤礦帶式輸送機系統結構復雜，所處工作環境惡劣，一旦發生事故，極易造成設備損壞或經濟損失，甚至出現人員傷亡的嚴重后果，如輸送帶打滑，輕則將輸送帶磨損，導致帶式輸送機停止運行;重則燒毀輸送帶，引起煤礦重大火災事

3、故4-7.為此，煤礦帶式輸送機故障診斷工作已成為煤礦企業及學術界亟待解決的問題之一.分析現有煤礦帶式輸送機故障診斷研究方法和模型，如于淑政等8分析了帶式輸送機的各種故障，并以此編制了相應的故障樹，進而預測帶式輸送機出現故障的可能性;馬振華9基于事故致因理論研究煤礦帶式輸送機故障成因，結合統計分析提出了減少或避免帶式輸送機故障的有效措施;楊清翔等10采用粗糙集和神經網絡建構了煤礦帶式輸送機故障診斷模型，以此提高了帶式輸送機故障診斷精度，這些研究成果均集中在單一的定性或定量分析煤礦帶式輸送機故障方面，其故障診斷結果具有較強的主觀性.為解決上述方法或模型的不足，提出基于故障樹和貝葉斯網絡的故障診斷模

4、型，該模型從定性和定量兩個方面診斷煤礦帶式輸送機故障，使得故障診斷結果更為精準、可靠.1 理論與算法1.1 故障樹故障樹11（Fault Tree Analysis，簡稱FTA）是由美國貝爾電話研究所的維森（H. A. Watson）于1961年率先提出，并用它預測導彈發射的隨機故障概率，后被美國原子能委員會用于商業核電站的風險評價，同時發表了關于核電站危險性評價報告，即著名的“拉斯姆森報告”，該報告大量、有效地應用了故障樹，從而極大地推動了它的發展，目前故障樹已從航天、核工業進入礦山、機械、化工、電力、交通等領域，它可以進行故障診斷、分析系統的薄弱環節，指導系統的日常維護，實現系統的安全運行

5、.故障樹是從一個可能的故障開始一層一層地逐步尋找引起故障的觸發事件、直接原因和間接原因，并分析這些故障原因之間的內在邏輯關系，并用邏輯樹圖把這些原因及其相互間的邏輯關系表示出來.故障樹采用的符號通常包括事件符號、邏輯門符號和轉移符號3類，其中事件符號分為結果事件（頂事件、中間事件）、底事件和特殊事件;邏輯門符號分為與門（AND）、或門（OR）、非門（NOT）和特殊門;轉移符號分為轉入符號和轉出符號.運用故障樹模型時應當滿足以下3條性質：（1）獨立性.故障樹的所有基本事件是相互獨立的，彼此之間沒有任何影響或干擾.（2）“0-1”狀態性.故障樹的基本事件和頂事件僅存在兩種狀態，即事件不發生（用“0

6、”表示）或事件發生（用“1”表示）.若故障樹有n個相互獨立的基本事件，xi表示基本事件的狀態變量（i=1，2，n），xi僅取0或1兩種狀態;？椎表示故障樹頂事件的狀態變量，？椎也僅取0或1兩種狀態，則有如下定義：（3）邏輯性.底事件和結果事件通過邏輯門表征其相互間的邏輯關系，從而更加直觀地表明事件之間的因果關系以及結果事件的發生是由一種或幾種基本事件的發生導致的.1.2 貝葉斯網絡貝葉斯網絡12（Bayesian Network，簡稱BN）是一種基于數理統計、概率推理和圖形理論的智能預測、診斷和自學習的集成模型，被廣泛應用于解決復雜設備的不確定性和關聯性引起的故障問題.貝葉斯網絡由網絡結構圖與

7、條件概率表兩部分構成，其中網絡結構圖是一個由若干節點和連接節點的有向線段組成的有向無環圖，每個節點代表一個事件或隨機變量，另外節點的取值是完備互斥的.在貝葉斯網絡結構圖中節點劃分為父節點和子節點，圖1所示的互相連接的節點AC與BC中，節點A、B稱作節點C的子節點，節點C稱作節點A、B的父節點.通常運用全概率公式（見式（1）計算子節點的先驗概率，運用貝葉斯公式（見式（2）求取父節點的后驗概率.（1）全概率公式.如果事件組B1，B2，Bn滿足：B1，B2，Bn兩兩互斥，即BiBj=？覫，且P（Bi）0，其中i，j=1，2，n，同時B1B2Bn=？贅，則稱事件組B1，B2，Bn是樣本空間？贅的一個劃

8、分或稱為一個完備事件組，任一個關聯事件A，則存在：式（1）即為全概率公式.（2）貝葉斯公式.由條件概率及概率乘法定理知：P（A|Bj）P（Bj）=P（Bj|A）P（A），結合式（1）得出：式（2）即為貝葉斯公式，其中P（Bi）表示各事件的概率，又稱先驗概率，P（Bj|A）表征在事件A發生的前提下，事件Bj發生的概率，又稱后驗概率.1.3 基于故障樹建構貝葉斯網絡模型在故障樹建構貝葉斯網絡模型時，首先需要解決故障樹的邏輯門關系如何有效轉換為貝葉斯網絡的節點和條件概率表的問題，為此，引入三個規則：（1）故障樹的頂上事件、中間事件和基本事件與貝葉斯網絡的父節點、中間節點和子節點一一對應;（2）若故障

9、樹中存在多個相同的基本事件，則在貝葉斯網絡中只需設定一個節點;（3）故障樹的邏輯門關系與貝葉斯網絡的有向邊相互映射.基于上述規則，可將故障樹轉化為貝葉斯網絡模型，如圖2所示.2 煤礦帶式輸送機故障診斷以河南省登封市某煤礦的一條水平運輸大巷的帶式輸送機為例，該水平運輸大巷標高為-85m，采用DSJ100/80/2160型帶式輸送機輸送原煤、矸石及物料等，現結合該帶式輸送機運行狀況及可能存在的故障，運用故障樹和貝葉斯網絡模型開展故障診斷工作.2.1 煤礦帶式輸送機故障樹編制首先，確定帶式輸送機故障樹的頂上事件為帶式輸送機故障T;其次，選取輸送帶跑偏A1、輸送帶打滑A2、輸送帶損傷A3（包括輸送帶斷

10、帶B1、輸送帶撕裂B2）、輸送機啟動故障A4、托輥運轉失效A5和輸送機火災A6等6種典型的帶式輸送機故障作為故障樹的中間事件，逐項分析中間事件產生的原因，以確定故障樹的基本事件;最后，結合Free Fta軟件編制圖3所示的煤礦帶式輸送機故障樹，其中，X1X42為故障樹的基本事件代碼，其具體含義見表1.2.2 煤礦帶式輸送機故障的貝葉斯網絡建立結合圖3所示的故障樹，將故障樹的頂上事件 轉換為貝葉斯網絡的父節點，中間事件A1A6、B1、B2轉換為中間節點，基本事件X1X42轉換為子節點，并借助圖2所示的流程圖，建立圖4所示的煤礦帶式輸送機故障的貝葉斯網絡.2.3 煤礦帶式輸送機故障診斷2.3.1

11、煤礦帶式輸送機故障樹的基本事件風險率確定通過調研上述實例帶式輸送機近5年（20142018年）故障情況，并邀請行業相關高級工程師、高校教授以及一線有經驗的技術員工等組建故障診斷小組，參照表2對故障樹基本事件存在風險進行賦值，經折中處理后確定基本事件的風險率（風險率=事故頻率嚴重度）.利用式（2）與貝葉斯網絡模型的反向推理修正已得的基本事件風險率，進而得到更為精確的基本事件風險率，同時對修正后風險率進行歸一化處理，詳見表3.2.3.2 煤礦帶式輸送機故障診斷在進行煤礦帶式輸送機故障診斷時，應明確風險因素（故障樹基本事件）的危險性等級，本文將危險性等級分為5個級別，并用相應的語義表征危險性以及給出

12、對應的分值區間，見表4.由故障診斷組專家結合實例中帶式輸送機運行現狀，參照表4對基本事件逐一進行賦值，然后與表3中對應的歸一化風險率相乘并求和，如對基本事件X1X8賦值為60、80、85、30、75、50、80、95;其對應的風險率分別為0.017、0.027、0.041、0.007、0.010、0.004、0.048、0.017，那么相應的危險等級分值S為S=600.017+800.027+950.017=13.28類似地，基本事件XX的危險等級分值S為50.32，所以該帶式輸送機的危險分值S為S=S+S=63.60危險分值63.60屬于60，70），表明該帶式輸送機的危險等級為級，處于中等

13、危險狀態，即故障診斷結果為帶式輸送機存在事故風險，需著重對輸送帶接頭不夠平直、單側托輥失靈、缺損、滾筒接觸面積水或積油、輸送物料中摻雜異物等進行系統檢修與排查，防止帶式輸送機重大事故的發生.3 結語（1）編制了煤礦帶式輸送機故障樹，其中包含6個中間事件和42個基本事件;借助故障樹與貝葉斯網絡轉換流程圖繪制了對應的貝葉斯網絡.（2）采用貝葉斯網絡模型修正了故障樹的基本事件風險率;將故障樹和貝葉斯網絡模型應用到工程實踐，診斷出煤礦帶式輸送機故障等級為級，存在一定風險事故，需要及時進行檢修與排查，同時對重點檢查部位提出參考性建議.Reference：1崔揚揚.可伸縮帶式輸送機故障診斷與對策D.邯鄲：

14、河北工程大學，2013.2向秀華.煤礦帶式輸送機智能故障診斷方法的研究D.徐州：中國礦業大學，2017.3孫志剛，張翠平，胡建功，等.帶式輸送機的輸送帶保護及故障診斷J.煤礦機械，2011，32（03）：242-244.4朱慧慧.基于改進FMECA與DFTA的帶式輸送機可靠性分析D.廣州：華南理工大學，2017.5阮慎.基于粗糙集和遺傳算法的帶式輸送機的故障診斷研究J.煤礦機械，2013，34（09）：280-282.6荊輝.帶式輸送機風險評估研究D.太原：太原科技大學，2015.7任海東.基于D-S證據理論的帶式輸送機故障診斷J.煤炭技術，2017，36（11）：273-275.8于淑政，崔揚揚，曹艷芳.帶式輸送機故障分析與處理J.煤礦機械，2012，33（10）