張紫葉

[摘 要]本文綜合TOPSIS和灰色關聯(lián)分析方法用于產(chǎn)品故障診斷研究，運用優(yōu)選法和灰色理想解逼近模型，找出故障模式診斷中可靠性最低的部分，從而進行設計和生產(chǎn)改進，以提高產(chǎn)品的可靠性。筆者以汽車發(fā)動機線束為例，運用此法，通過模型的建立和計算得出以下結論：線束磨損的權重最大，可靠性最低，是首先需要進行分析和改進的環(huán)節(jié)。此方法的計算結果和實際情況相符，說明該方法運用到產(chǎn)品故障診斷中是實際可行的，為故障診斷提供了一個新的方法和研究思路。

[關鍵詞]故障診斷；可靠性；TOPSIS；灰色關聯(lián)

doi：10.3969/j.issn.1673 - 0194.2018.06.028

[中圖分類號]TD771 [文獻標識碼]A [文章編號]1673-0194（2018）06-00-03

1 研究背景

近年來，汽車行業(yè)的迅速發(fā)展使電子系統(tǒng)在汽車上得到了廣泛應用，不僅使整車的電氣功率變大，也使整車的可靠性下降。2016年，國家質檢總局共發(fā)布117次進口汽車召回信息，涉及近173萬輛進口汽車車型的質量問題，涉及品牌包括大眾、現(xiàn)代、保時捷、本田、法拉利和福特等，造成故障的原因大多是氣囊缺陷。這直接影響了購車者的行車安全和汽車制造廠的聲譽，因此，汽車線束質量控制和可靠性提高成為了重點。

與國外相比，國內(nèi)的汽車診斷故障模式研究起步較晚，相關學者將歷來的汽車故障診斷方法總結為人工診斷法、儀器設備診斷法、汽車自診斷法三種方法。目前，有的企業(yè)緊跟國內(nèi)的學術研究路徑，將經(jīng)多方認證的灰色理論知識引入機械設備故障領域，利用已知的故障特征判別機械系統(tǒng)的狀態(tài)，這有利于預報故障、及時決策。將故障樹分析法和基于規(guī)則的診斷專家系統(tǒng)有機地結合起來，能很好地解決基于規(guī)則的診斷專家系統(tǒng)的識別獲取問題；利用模糊綜合評判方法對故障模式、影響及危害性分析方法（FMECA）進行改進，分析產(chǎn)品中所有可能產(chǎn)生的故障模式對產(chǎn)品和系統(tǒng)造成的影響，并按每一個故障模式的嚴重程度、發(fā)生頻度和危害程度進行分類的一種歸納分析方法。由于人工神經(jīng)網(wǎng)絡具有大規(guī)模并行處理、分布式信息存儲、自組織與自學習等特點，因此人工神經(jīng)網(wǎng)絡適合處理機理復雜、故障類型繁多的產(chǎn)品故障，是未來研究的方向和重點。

目前，關于綜合運用TOPSIS和灰色關聯(lián)分析方法的文章，多用在某項目風險評價、某網(wǎng)站指標評價上，很少運用在故障診斷中。在汽車零部件的故障診斷中，本文舍棄了以往的單一故障概率指標，添加多個指標集進行分析，先用TOPSIS優(yōu)選法通過函數(shù)曲線方式反映故障模式與正負理想值之間的距離，再用灰色關聯(lián)度法說明各故障模式內(nèi)部因素的變化趨勢與理想值之間的區(qū)別，最后根據(jù)得出的貼近度在綜合指標集的基礎上進行排序，從而依次找出各故障模式的原因進行改進，從而提高線束的可靠性。

2 汽車零部件故障模式評價指標的確定

一輛汽車的零部件有很多，本文選擇發(fā)動機線束進行故障模式分析。接下來本文將從故障危害性評價指標入手，遵循全面性、獨立性和可量化的指標選取原則，選取故障概率、故障嚴重度、檢測難易程度和維修難易程度4個評價指標，具體評價指標如下。

（1）故障概率。每年都會有汽車因質量問題或發(fā)生故障而被召回，所以必須將提高線束可靠性作為目的。故障概率是指在指定的時間段里某種故障模式次數(shù)占總故障次數(shù)的百分比，需要從極少、偶爾、有時和經(jīng)常發(fā)生4個方面來評估。

（2）故障嚴重度。任何產(chǎn)品都有可能被損壞，且一件產(chǎn)品損壞的程度也關乎產(chǎn)品的可靠性大小。本文從極輕度、輕度、中等和致命4個方面衡量故障嚴重度。

（3）檢測難易程度。每個故障都有一定的發(fā)生概率，但與是否能夠進行檢測和檢測難易程度也有關聯(lián)，所以有必要將該指標考慮在內(nèi)。本文從能夠準確檢測、不易檢測、很難檢測和無法檢測4個等級進行評價。

（4）維修難易程度。本文從簡單調(diào)試、重新安裝、更換零件、更換整機4個方面進行評價。

3 研究方法

TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）法是1981年由C.L.Hwang和K.Yoon首次提出的，是在現(xiàn)有的對象中依據(jù)有限的評價方案與理想化目標的接近程度進行優(yōu)劣排序。其基本思想是：通過熵權法得出最佳和最差方案，然后計算項目中的每個方案和它們之間的距離，最后利用最優(yōu)理想解的相對接近度作為綜合評估的標準?；赥OPSIS和灰色關聯(lián)度的汽車零部件故障模式診斷有如下三大步驟。

3.1 熵權法確定權重，并列出加權標準化矩陣

（1）構建評價指標矩陣。假如有m個樣本和n個評價指標，則各指標相對應的值為xij（i=1，2，…，m，j=1，2，…，n），形成的指標矩陣為X=（xij）m×n。

（2）指標矩陣標準化。對各評價指標進行標準化處理，得出其無量綱化指標矩陣p=（pij）m×n。

（1）

（3）確定指標權重。確定指標權重的方法如式（2）和式（3）所示。

（2）

（3）

式中aij表示在第j種評價指標下第i個樣本的比重是多少。

④構造指標矩陣加權標準化Z。將相應的指標權重與標準化后的指標矩陣相乘，得到加權標準化矩陣Z如式（4）所示。

Z=（zij）m×n=（pijvj）m×n（4）

3.2 確定歐式距離和灰色關聯(lián)度

（1）確定正負理想解。得出每個加權標準化之后，分別確定同一指標集下的最大值與最小值，并以最大正向指標j +值與最小負向指標j -值構成正理想解，以最小正向指標j +值與最大負向指標j -值構成負理想解。其正理想解Z +和負理想解Z -如式（5）和式（6）所示。

（5）

（6）

（2）計算樣本到正負理想解的歐氏距離。在本文中，樣本到正負理想解的距離稱為歐式距離，假如樣本i到正負理想解的歐式距離分別為D +，和D -，即可得到以式（7）。

（7）

（3）計算樣本到正負理想解的灰色關聯(lián)度。首先，在加權標準化矩陣下，計算第i個樣本與正負理想解關于第j個評價指標的正負灰色關聯(lián)系數(shù)，其公式如式（8）所示。

（8）

式中：

兩級最小差為：

、

為兩級最大差為：

兩級最小差為：

、

兩級最小差為：

ρ為分辨系數(shù)且ρ∈（0，1），一般取ρ=0.5。則樣本與正負理想樣本的灰色關聯(lián)系數(shù)矩陣如式（9）所示。

（9）

（4）第i個樣本與正負理想解的灰色關聯(lián)度。第i個樣本與正負理想解的灰色關聯(lián)度如式（10）所示。

（10）

3.3 計算相對貼近度，實現(xiàn)樣本的優(yōu)劣排序

（1）無量綱化后的歐氏距離和灰色關聯(lián)度。無量綱化后的歐氏距離和灰色關聯(lián)度如式（11）所示。

（11）

式（11）中，代表D+i、D-i、W +i、W -i。d +i、d -i、w+i、w-i分別為無量綱化后歐式距離和灰色關聯(lián)度值。

（2）綜合無量綱化后的歐氏距離與灰色關聯(lián)度。d -i和w+i數(shù)值越大，樣本越接近理想解；d +i和w-i數(shù)值越大，樣本越偏離理想解。

（12）

（13）

在式（12）和式（13）中，e1+e2=1，一般取e1=e2=0.5。T+i和T-i分別反映了樣本與正負理想解的接近程度。

（3）計算相對貼近度。相對貼近度反映了在態(tài)勢變化上，待評價樣本與正負理想解的接近程度。

（14）

（4）樣本優(yōu)劣排序。根據(jù)式（14）的δi值的大小對樣本進行排序，δi值越大，表示待評樣本越接近正理想樣本，樣本越優(yōu)；反之，樣本越劣。

4 案例分析

本文以某汽車維修廠發(fā)動機線束的故障模式作為研究對象，通過對維修記錄進行篩選和總結，發(fā)現(xiàn)發(fā)動機線束主要故障模式有線束燒焦、線束磨損、線束斷裂、線束總成插接件接觸不良和線束總成插接件損壞5種故障模式。然后筆者根據(jù)大量的數(shù)據(jù)匯總獲得故障模式概率，通過行業(yè)專家對故障模式的重要度、檢測難易程度和維修難易程度進行打分（范圍是0～1），得出具體的數(shù)據(jù)如表1所示。

根據(jù)公式（1）～（13），得出故障模式的貼近度，評價結果如表2所示。

貼近度表示的是各故障模式的綜合發(fā)生概率、嚴重度、檢測難易程度和維修難易程度4個評價指標評判的結果，由表2的數(shù)值可以看出，線束斷裂>線束總成插接件損壞>線束燒焦、燒蝕>線束總成插接件接觸不良>線束磨損。通過結果也可以看出：第一，數(shù)值越大越接近正理想解，數(shù)值越小越接近負理想解，所以在汽車發(fā)動機線束的5大故障模式中，線束磨損這一故障模式應該首先找到產(chǎn)生問題的具體原因，從而進行改進；第二，線束總成插接件接觸不良、線束燒焦、線束總成插接件損壞、線束斷裂也需要改進，以此提高產(chǎn)品的可靠性。

5 結 語

TOPSIS是一種很好的評價方法，本文在故障診斷中運用TOPSIS和灰色關聯(lián)分析相結合的方法是一次新的嘗試，也是一次挑戰(zhàn)。通過研究可見，此方法既能客觀直接地診斷各種故障，又能預測各故障模式的權重，從而進行設計、生產(chǎn)改進，進而提高發(fā)動機線束的可靠性。

主要參考文獻

[1]李源.淺談汽車故障診斷常用方法[J].昆明冶金高等?？茖W校學報，2016（3）.

[2]梁恩勝，劉文科，王濤，等.灰色關聯(lián)分析法在船舶柴油機故障診斷中的應用[J].艦船科學技術，2016（8）.

[3]王傳軍，李懷珍，姚金生.電動汽車電機及控制器故障診斷專家系統(tǒng)的研究[J].電機與控制應用，2016（5）.

[4]周真，馬德仲，于曉洋，等.用于產(chǎn)品可靠性分析的模糊FMECA方法[J].電機與控制學報，2010（10）.

[5]劉小平，鄂東辰，高強，等.基于BP神經(jīng)網(wǎng)絡的翻車機液壓系統(tǒng)故障診斷[J].液壓與氣動，2016（8）.

[6]黃輝.基于不同目標的城市污水處理項目投資方案評價研究[D].重慶：重慶大學，2014.

[7]李彥斌，于心怡，王致杰.采用灰色關聯(lián)度與TOPSIS法的光伏發(fā)電項目風險評價研究[J].電網(wǎng)技術，2013（6）.

[8]李峰，劉正超，賈曉希，等.基于全壽命周期理論的風電項目投資風險評價模型[J].華東電力，2012（4）.

[9]Li Feng，Liu Zhengchao，Jia Xiaoxi.Based on the Whole Life Cycle Theory of Wind Power Project Investment Risk Evaluation Model[J].East China Electric Power，2012（4）.

[10]王桂萍，賈亞洲，申桂香，等.基于故障比重比的加工中心整機故障分析及可靠性改進措施[J].吉林大學學報：工學版， 2008（z1）.

[11]張海波，黃勝全，賈亞洲.數(shù)控系統(tǒng)可靠性增長應用技術研究[J]. 機械設計與制造，2007（12）.

[12]依志國.汽車故障診斷[M].北京：人民郵電出版社，2010.

[13]楊綸標.模糊數(shù)學原理及應用[M].廣州：華南理工大學出版社， 2011.

[14]王文晶.基于故障樹與實例推理的汽車故障診斷系統(tǒng)的研究與設計[D].銀川：寧夏大學，2014.

[15]樊少華.基于模糊理論的數(shù)控車床可靠性分配[D].長春：吉林大學，2011.