基于T-S 模糊故障樹(shù)的煤礦坑道鉆機(jī)液壓動(dòng)力系統(tǒng)故障診斷研究

劉若君，張幼振，姚 克

(1.煤炭科學(xué)研究總院，北京 100013；2.中煤科工西安研究院(集團(tuán))有限公司，陜西 西安 710077)

煤礦坑道鉆機(jī)作為煤礦安全與地質(zhì)保障的基礎(chǔ)裝備，在煤礦井下瓦斯抽采治理、礦井水害防治、地質(zhì)異常體探查和井下救援施工等方面發(fā)揮著重要作用[1-3]。隨著煤礦坑道鉆機(jī)向大功率智能化發(fā)展，鉆機(jī)液壓動(dòng)力系統(tǒng)也更趨復(fù)雜化，及時(shí)掌握液壓動(dòng)力系統(tǒng)的故障信息，準(zhǔn)確高效地識(shí)別其運(yùn)行狀態(tài)并進(jìn)行故障診斷，是保障鉆機(jī)穩(wěn)定高效運(yùn)行的關(guān)鍵。

目前，煤礦坑道鉆機(jī)液壓動(dòng)力系統(tǒng)故障診斷算法主要為優(yōu)化和改進(jìn)后的專家系統(tǒng)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、故障樹(shù)等[4-6]，智能診斷算法雖然可以有效地提高鉆機(jī)故障診斷的準(zhǔn)確率，但是多依賴大量的故障數(shù)據(jù)和清晰的故障機(jī)理。液壓動(dòng)力系統(tǒng)出現(xiàn)故障時(shí)，各元件間的邏輯關(guān)系模糊，故障機(jī)理不明確[7-8]。故障樹(shù)分析能將系統(tǒng)故障與導(dǎo)致該故障的各種原因形象直觀地展現(xiàn)出來(lái)，但傳統(tǒng)的邏輯門對(duì)鉆機(jī)液壓動(dòng)力系統(tǒng)故障間存在的耦合現(xiàn)象，難以建立較為精準(zhǔn)的模型[9-10]。同時(shí)，由于煤礦坑道鉆機(jī)工作所處環(huán)境的復(fù)雜性和多樣性，鉆機(jī)在工程應(yīng)用中存在介于正常和故障間的退化狀態(tài)，使得故障原因、故障部位及故障程度的診斷比較困難，傳統(tǒng)的故障樹(shù)模型無(wú)法處理多故障狀態(tài)問(wèn)題，在煤礦坑道鉆機(jī)的工程應(yīng)用中存在一定的局限性。為了克服傳統(tǒng)故障樹(shù)的局限性，姚成玉等[11]將模糊可能性用于對(duì)液壓系統(tǒng)部件的故障概率的描述中，求解頂事件發(fā)生不同故障程度時(shí)的模糊概率。徐廷學(xué)等[12]采用T-S 模糊故障樹(shù)對(duì)慣性導(dǎo)航系統(tǒng)進(jìn)行故障診斷，用模糊門算法表征各部件及系統(tǒng)間的關(guān)系，解決了故障診斷中的不確定性問(wèn)題及多狀態(tài)問(wèn)題。陳紫起等[13]根據(jù)專家調(diào)查法獲得柴油機(jī)缸套的底事件模糊概率，利用T-S 模糊故障樹(shù)確定缸套在不同磨損程度時(shí)的薄弱環(huán)節(jié)，為提升柴油機(jī)缸套的可靠性提供參考依據(jù)。

在鉆機(jī)故障診斷的現(xiàn)有研究成果中，主要關(guān)注的是系統(tǒng)的功能故障[14-17]，系統(tǒng)中存在多種故障狀態(tài)且故障機(jī)理不明確時(shí)的診斷問(wèn)題仍是鉆機(jī)故障診斷研究的重點(diǎn)。本文以大功率ZDY25000LK 型鉆機(jī)液壓動(dòng)力系統(tǒng)為研究對(duì)象，將T-S 模糊故障樹(shù)與基于質(zhì)心距離相似度的專家調(diào)查法結(jié)合，分析實(shí)際工況下的鉆機(jī)液壓動(dòng)力系統(tǒng)壓力異常故障，求解液壓動(dòng)力系統(tǒng)在不同故障程度時(shí)的模糊概率，并對(duì)各底事件進(jìn)行重要度排序，確定系統(tǒng)中的薄弱環(huán)節(jié)，實(shí)現(xiàn)對(duì)易損部件的快速定位。

1 T-S 模糊故障樹(shù)模型

T-S 模糊故障樹(shù)是由一系列基于專家知識(shí)的IFTHEN 模糊規(guī)則組成的萬(wàn)能逼近器，用T-S 模糊門表征事件間的關(guān)系[18]。T-S 模糊故障樹(shù)在傳統(tǒng)故障樹(shù)二態(tài)假設(shè)的基礎(chǔ)上引入多態(tài)假設(shè)及模糊概念，解決工程應(yīng)用中無(wú)法精確表達(dá)的模糊現(xiàn)象，建模分析流程如圖1 所示。

圖1 T-S 模糊故障樹(shù)建模流程Fig.1 T-S fuzzy fault tree modeling process

根據(jù)所選頂事件對(duì)系統(tǒng)構(gòu)建T-S 模糊故障樹(shù)，用梯形模糊數(shù)描述各部件故障程度及故障概率。依據(jù)專家經(jīng)驗(yàn)和各事件故障數(shù)據(jù)等信息建立T-S 門規(guī)則，確定各部件的故障程度及模糊可能性，分析各級(jí)事件間的邏輯關(guān)系。利用T-S 模糊門算法，由底事件故障概率獲得上級(jí)事件及頂事件在各故障狀態(tài)時(shí)的概率值。對(duì)T-S 模糊故障樹(shù)結(jié)果進(jìn)行分析，得出重要度排序，為煤礦坑道鉆機(jī)的故障診斷提供有效依據(jù)。

1.1 模糊數(shù)

在T-S 模糊故障樹(shù)分析中，通常用模糊數(shù)F來(lái)描述事件的模糊故障程度及故障可能性[19]。系統(tǒng)及部件的故障程度用[0,1]區(qū)間內(nèi)模糊數(shù)表示，采用梯形隸屬度函數(shù)μF作為隸屬度的模糊數(shù)來(lái)描述故障概率，梯形隸屬度函數(shù)有4 個(gè)特征參數(shù)tf、ts、mf、ms，表示為：

式中：F0為模糊數(shù)支撐集中心；mf、ms分別為左右支撐半徑；tf、ts分別為左右模糊區(qū)域。

當(dāng)tf=ts=mf=ms=0 時(shí)，梯形模糊數(shù)失去模糊性轉(zhuǎn)化為確定值，表明此時(shí)部件概率為確定值。當(dāng)mf=ms=0時(shí)，梯形模糊數(shù)退化為三角形模糊數(shù)，即三角形模糊數(shù)是梯形模糊數(shù)的特殊情況[20]，所以選擇普遍適應(yīng)性更強(qiáng)的梯形模糊數(shù)對(duì)鉆機(jī)進(jìn)行故障樹(shù)分析，其隸屬函數(shù)如圖2 所示。

圖2 梯形模糊數(shù)隸屬度函數(shù)Fig.2 Membership function of trapezoidal fuzzy number

1.2 T-S 模糊門算法

T-S 模型是由不同個(gè)底事件和中間事件作為輸入事件，1 個(gè)頂事件作為輸出事件，并結(jié)合一系列IFTHEN 規(guī)則構(gòu)成[21]。以輸入為i個(gè)底事件x1,x2,···,xi，輸出為1 個(gè)上級(jí)事件y為例，假設(shè)各底事件x1,x2,···,xi的故障程度用表示，上級(jí)事件y的故障程度用(y1,y2,···,ykj)表示，其中，則T-S 模糊門規(guī)則r=(1 ,2,···,l)，見(jiàn)表1，l=k1k2···ki為規(guī)則總數(shù)。

表1 T-S 模糊門規(guī)則Table 1 Rules of T-S fuzzy gate

則上級(jí)事件y發(fā)生故障程度(y1,y2,···,)的可能性為：

當(dāng)不同故障程度底事件模糊概率已知，上級(jí)事件模糊概率求解如下。

假設(shè)P()(k=1,2,···,n)為底事件在各故障程度時(shí)i的發(fā)生模糊概率，上級(jí)事件的模糊概率為：

1.3 T-S 模糊故障樹(shù)重要度分析

底事件xi在故障程度為時(shí)，對(duì)頂事件T在故障程度為Tq時(shí)的T-S 概率重要度[23]為：

式中：P()為底事件xi出現(xiàn)故障程度為時(shí)的模糊概率。頂事件T在故障程度為Tq時(shí)，底事件xi對(duì)頂事件的T-S 概率重要度為：

2 鉆機(jī)液壓動(dòng)力系統(tǒng)T-S 模糊故障樹(shù)分析

2.1 構(gòu)建T-S 模糊故障樹(shù)

鉆機(jī)液壓動(dòng)力系統(tǒng)由電機(jī)泵組、冷卻器、油箱、空氣濾清器、吸油濾油器和回油濾油器等組成，電動(dòng)機(jī)帶動(dòng)各泵工作，泵從油箱吸油并排出高壓油，通過(guò)油泵的排量控制鉆機(jī)輸出的轉(zhuǎn)速，驅(qū)動(dòng)各執(zhí)行機(jī)構(gòu)動(dòng)作。油箱由油箱體、吸油濾油器、回油濾油器等部件組成，用于過(guò)濾、冷卻和儲(chǔ)存工作介質(zhì)，為液壓泵提供所需油液，系統(tǒng)各執(zhí)行元件的回油通過(guò)回油濾油器回到油箱。液壓動(dòng)力系統(tǒng)故障中存在機(jī)械、液壓、電氣等多方面信息，液壓動(dòng)力系統(tǒng)靠液壓油來(lái)傳遞動(dòng)力能，油壓對(duì)液壓動(dòng)力系統(tǒng)運(yùn)行狀態(tài)的反應(yīng)較為敏感，本文以大功率ZDY25000LK 型煤礦用全液壓坑道鉆機(jī)液壓動(dòng)力系統(tǒng)壓力異常為例進(jìn)行故障分析。通過(guò)跟蹤記錄ZDY 系列大功率全液壓坑道鉆機(jī)在各礦區(qū)施工情況，統(tǒng)計(jì)整理故障返修表中故障信息。將現(xiàn)場(chǎng)故障數(shù)據(jù)與專家經(jīng)驗(yàn)結(jié)合，以液壓動(dòng)力系統(tǒng)壓力異常為頂事件建立T-S 模糊故障樹(shù)如圖3 所示，記頂事件為T，中間事件分別為yj(j=1,2,···,5)，底事件為xi(i=1,2,···,12)，各事件明細(xì)見(jiàn)表2。

表2 T-S 模糊故障樹(shù)各事件明細(xì)Table 2 T-S fuzzy fault tree event details

圖3 “液壓動(dòng)力系統(tǒng)壓力異?！盩-S 模糊故障樹(shù)Fig.3 T-S fuzzy fault tree of “insufficient hydraulic power system pressure”

假設(shè)將各事件的故障程度分為正常運(yùn)行、輕微故障和嚴(yán)重故障，分別用0、0.5 和1 表示。以T-S 門4為例，結(jié)合專家數(shù)據(jù)得到T-S 模糊門規(guī)則，見(jiàn)表3。表中每一行代表一條模糊規(guī)則，其中規(guī)則2 的具體意義為：當(dāng)x10安全閥開(kāi)啟電壓正常、x11安全閥閥芯無(wú)故障且x12密封圈發(fā)生輕度損壞時(shí)，y3安全閥溢流正常的可能性為P2()，發(fā)生輕微故障的可能性為P2()，發(fā)生嚴(yán)重故障的可能性為P2()。

表3 T-S 模糊門4 規(guī)則Table 3 Rules for T-S fuzzy gate 4

2.2 根據(jù)部件故障狀態(tài)確定頂事件模糊可能性

同理根據(jù)各執(zhí)行度求得上級(jí)事件y的模糊可能性，將y1、y2、y3作為輸入事件，計(jì)算頂事件T在不同故障程度時(shí)的模糊可能性。

2.3 根據(jù)部件模糊概率確定頂事件模糊概率

故障樹(shù)中各底事件模糊概率的原始數(shù)據(jù)由專家調(diào)查法確定，根據(jù)專家工作經(jīng)驗(yàn)和鉆機(jī)的故障數(shù)據(jù)，對(duì)造成液壓動(dòng)力系統(tǒng)壓力異常的因素以梯形模糊數(shù)的形式對(duì)各底事件發(fā)生概率進(jìn)行評(píng)估。由于各專家經(jīng)驗(yàn)豐富度的和擅長(zhǎng)領(lǐng)域不同，本文采用質(zhì)心距離相似度的度量方法，得到不同的權(quán)重系數(shù)加權(quán)評(píng)估概率，集成專家判斷，提高評(píng)估結(jié)果與實(shí)際情況的吻合度。

具體方法如下：n位專家根據(jù)自己的經(jīng)驗(yàn)以梯形模糊數(shù)的形式對(duì)某一底事件xi發(fā)生概率的評(píng)估為ue=(ae,be,ce,de)(e=1,2,···,n)，計(jì)算各專家對(duì)底事件評(píng)估ue的質(zhì)心

根據(jù)不同專家對(duì)同一底事件發(fā)生概率的評(píng)估ue，每?jī)蓚€(gè)評(píng)估間的距離為：

則每?jī)蓚€(gè)評(píng)估間的相似度為：

由上式可知兩個(gè)評(píng)估的質(zhì)心距離越大，相似度越低，當(dāng)兩個(gè)概率的質(zhì)心重合時(shí)，相似度為1。則每個(gè)概率間的相對(duì)一致度系數(shù)為：

其中，0＜ωe＜1，由相對(duì)一致度系數(shù)得到專家調(diào)查的權(quán)重系數(shù)。其值越接近1，表明該專家判斷的相對(duì)價(jià)值較高[24]。最終加權(quán)獲得各底事件的模糊概率Q為：

由各底事件的模糊概率得到上級(jí)事件的模糊概率。

將求出的上級(jí)事件模糊概率作為輸入，最終獲得頂事件T的模糊概率。

2.4 模糊概率重要度分析

重要度是T-S 模糊故障樹(shù)定量分析的一個(gè)關(guān)鍵指標(biāo)，重要度能反映各部件是否發(fā)生故障及故障程度對(duì)頂事件的貢獻(xiàn)度。底事件xi在不同故障程度時(shí)對(duì)頂事件發(fā)生故障程度為0.5 的重要度為：

由式(8)可得，底事件xi對(duì)頂事件T在故障狀態(tài)為0.5 和1 時(shí)的T-S 概率重要度分別為：

3 實(shí)例分析

3.1 液壓動(dòng)力系統(tǒng)T-S 模糊樹(shù)故障診斷方法

將液壓動(dòng)力系統(tǒng)壓力異常為頂事件的T-S 模糊故障樹(shù)中各事件的故障程度分為正常運(yùn)行、輕微故障和嚴(yán)重故障，則隸屬度函數(shù)F0分別取0、0.5 和1，此時(shí)梯形隸屬度函數(shù)為正梯形，隸屬度函數(shù)的參數(shù)確定為tf=ts=0.3、mf=ms=0.1。根據(jù)歷史故障數(shù)據(jù)和專家經(jīng)驗(yàn)判斷得到各T-S 模糊門規(guī)則，見(jiàn)表4、表5。

表4 T-S 模糊門4 規(guī)則Table 4 Rules for T-S fuzzy gate 4

表5 T-S 模糊門6 規(guī)則Table 5 Rules for T-S fuzzy gate 6

(1)由底事件故障狀態(tài)計(jì)算上級(jí)事件出現(xiàn)不同故障狀態(tài)的可能性。

假設(shè)各底事件故障狀態(tài)為：x1=0.2，x2=0.2，x3=0.1，x4=0.1，x5=0，x6=0.2，x7=0.1，x8=0.1，x9=0.6，x10=0.1，x11=0，x12=0.2 時(shí)，以T-S 模糊門4(表4)為例，根據(jù)式(2)—式(4)得出x10、x11、x12隸屬度及執(zhí)行度，見(jiàn)表6。

表6 T-S 模糊門4 底事件隸屬度及執(zhí)行度Table 6 Degree of membership and execution of T-S fuzzy gate 4

由式(5)可得，上級(jí)事件y3故障程度的模糊可能性為：

同理根據(jù)x1、x2、x3隸屬度及執(zhí)行度求得y1的模糊可能性：

計(jì)算各上級(jí)事件y在不同故障程度時(shí)的模糊可能性，將y4、y5各自模糊可能性代替各自隸屬度求解y2的模糊可能性：

將y1、y2、y3作為輸入事件，則頂事件T的模糊可能性為：

由上述結(jié)果可知，x10和x12發(fā)生輕微故障、x11和x5不發(fā)生故障時(shí)，y3發(fā)生故障的可能性較小。當(dāng)子系統(tǒng)中部件故障呈輕微故障時(shí)，子系統(tǒng)發(fā)生故障的可能性較低，但系統(tǒng)中多個(gè)部件發(fā)生輕微故障時(shí)，造成系統(tǒng)嚴(yán)重故障的可能性較大。

(2)由底事件失效的模糊概率計(jì)算上級(jí)事件在不同故障狀態(tài)時(shí)模糊概率。

將專家給出的原始數(shù)據(jù)按質(zhì)心距離相似度的度量方法處理后，得到加權(quán)后的各底事件故障狀態(tài)為0.5時(shí)的模糊概率見(jiàn)表7，并假設(shè)各底事件故障狀態(tài)為0.5與1 時(shí)的概率相同。

表7 各底事件模糊故障率Table 7 Fuzzy failure rate of each bottom even

以表4 模糊門4 安全閥溢流異常及表5 模糊門6電機(jī)泵組故障為例，由底事件模糊概率根據(jù)式(6)、式(7)確定y3及y5的模糊概率：類似地，可以確定液壓系統(tǒng)內(nèi)漏、過(guò)濾器故障、電機(jī)泵組故障、油泵排油異常等中間事件的模糊概率，見(jiàn)表8。

表8 各中間事件模糊故障率Table 8 Fuzzy failure rate of each intermediate event

根據(jù)以上數(shù)據(jù)，頂事件T液壓動(dòng)力系統(tǒng)壓力異常的模糊概率為：

由上述結(jié)果可知，各中間事件發(fā)生故障的模糊概率與各底事件故障的模糊概率數(shù)量級(jí)相同，部件級(jí)到系統(tǒng)級(jí)事件發(fā)生嚴(yán)重故障的概率呈遞增趨勢(shì)，頂事件發(fā)生嚴(yán)重故障的可能性遠(yuǎn)大于各底事件發(fā)生故障的概率，與工程實(shí)際情況一致。在能確定各部件發(fā)生故障的概率時(shí)，可以根據(jù)此方法對(duì)整個(gè)系統(tǒng)的故障情況進(jìn)行預(yù)測(cè)，對(duì)嚴(yán)重故障率較高的系統(tǒng)進(jìn)行定期維護(hù)，從而提高鉆機(jī)整機(jī)可靠性，在實(shí)際作業(yè)中減少停機(jī)時(shí)間。

根據(jù)各底事件發(fā)生故障的模糊可能性及重要度計(jì)算公式，對(duì)造成液壓動(dòng)力系統(tǒng)壓力異常的因素進(jìn)行重要度分析。以底事件x9油泵內(nèi)部磨損過(guò)度為例，其在不同故障程度時(shí)對(duì)頂事件故障程度為0.5 的重要度為：

由式(8)可得，底事件x9對(duì)頂事件T在故障狀態(tài)為0.5 和1 時(shí)的T-S 概率重要度分別為：

同理可求得各底事件在對(duì)頂事件在不同故障程度時(shí)T-S 概率重要度，見(jiàn)表9。

表9 各底事件T-S 模糊概率重要度Table 9 T-S fuzzy probability importance of each bottom event

當(dāng)液壓動(dòng)力系統(tǒng)壓力故障狀態(tài)為0.5 時(shí)，各底事件的對(duì)其影響程度排序?yàn)椋?/p>

當(dāng)液壓動(dòng)力系統(tǒng)壓力故障狀態(tài)為1 時(shí)，各底事件的對(duì)其影響程度排序?yàn)椋?/p>

結(jié)果表明，當(dāng)液壓動(dòng)力系統(tǒng)故障狀態(tài)為0.5 時(shí)，油液黏度過(guò)高的概率重要度最大，實(shí)際作業(yè)中應(yīng)優(yōu)先排查油液黏度。當(dāng)鉆機(jī)開(kāi)機(jī)時(shí)，電機(jī)轉(zhuǎn)向錯(cuò)誤會(huì)造成液壓動(dòng)力系統(tǒng)壓力嚴(yán)重偏離正常值。在鉆機(jī)運(yùn)行過(guò)程中，當(dāng)液壓動(dòng)力系統(tǒng)故障狀態(tài)為1 時(shí)，安全閥閥芯卡死的概率重要度最大，其次為內(nèi)部串油和油泵內(nèi)部過(guò)度磨損，實(shí)際作業(yè)中應(yīng)加強(qiáng)對(duì)以上問(wèn)題的排查與維護(hù)，避免出現(xiàn)壓力嚴(yán)重偏離正常值造成停機(jī)，減少停機(jī)等待時(shí)間。

3.2 工程試驗(yàn)

2021 年初，ZDY25000LK 型煤礦用全液壓坑道鉆機(jī)在鄂爾多斯淮河能源唐家會(huì)煤礦進(jìn)行了現(xiàn)場(chǎng)試驗(yàn)。唐家會(huì)煤礦地質(zhì)條件復(fù)雜并受底板奧灰水和頂板砂巖水的雙重威脅，結(jié)合該礦6 煤南回風(fēng)大巷2 號(hào)聯(lián)巷內(nèi)開(kāi)展的頂板定向長(zhǎng)鉆孔試驗(yàn)，對(duì)鉆機(jī)鉆進(jìn)作業(yè)情況和實(shí)際發(fā)生故障進(jìn)行了監(jiān)測(cè)與記錄，并驗(yàn)證了T-S 模糊故障樹(shù)在鉆機(jī)液壓動(dòng)力系統(tǒng)故障分析的可靠性。現(xiàn)場(chǎng)試驗(yàn)中完成了直徑165 mm 順煤層鉆孔一個(gè)，孔深806、278 m 處側(cè)鉆分支一個(gè)，總進(jìn)尺822 m。

試驗(yàn)期間由于鉆機(jī)總工作時(shí)長(zhǎng)較短，未發(fā)生油泵內(nèi)部過(guò)度磨損造成的停機(jī)情況。鉆機(jī)高負(fù)荷運(yùn)行時(shí)冷卻效果不佳，油液黏度過(guò)高，造成油泵排量不足噪聲過(guò)大，壓力值偏低，但未造成鉆機(jī)停工；I 泵高壓過(guò)濾器出口三通兩處組合墊破裂漏油兩次，內(nèi)部串油造成停機(jī)更換“鋼槽+O 型圈”密封，此故障情況與T-S 模糊故障樹(shù)對(duì)液壓動(dòng)力系統(tǒng)發(fā)生輕微故障時(shí)應(yīng)優(yōu)先排查油液黏度，發(fā)生嚴(yán)重故障時(shí)優(yōu)先篩查內(nèi)部串油情況的判斷相匹配。鉆機(jī)工程試驗(yàn)結(jié)果與T-S 模糊故障樹(shù)在鉆機(jī)液壓動(dòng)力系統(tǒng)輕微故障和嚴(yán)重故障時(shí)對(duì)各底事件概率重要度的排序吻合，驗(yàn)證了該方法用于鉆機(jī)液壓動(dòng)力系統(tǒng)故障診斷的可行性和有效性。

4 結(jié)論

a.通過(guò)T-S 模糊故障樹(shù)對(duì)大功率ZDY25000LK型鉆機(jī)液壓動(dòng)力系統(tǒng)壓力異常進(jìn)行分析，提出基于質(zhì)心距離相似度的專家調(diào)查法與模糊理論結(jié)合引入多態(tài)分析克服了故障機(jī)理存在較大模糊性的問(wèn)題，將故障診斷從二元狀態(tài)拓展到多元狀態(tài)，并通過(guò)集成專家意見(jiàn)有效提升了T-S 模糊故障樹(shù)分析中賦值的準(zhǔn)確率。

b.若故障發(fā)生時(shí)各底事件出現(xiàn)故障的模糊概率已知，通過(guò)T-S 門算法可以獲得液壓動(dòng)力系統(tǒng)在不同故障程度時(shí)的模糊概率，確定造成系統(tǒng)嚴(yán)重故障的關(guān)鍵因素，為鉆機(jī)故障情況的預(yù)測(cè)提供參考方向，對(duì)嚴(yán)重故障率較高的系統(tǒng)及部件進(jìn)行定期維護(hù)，提高鉆機(jī)可靠性。

c.若故障發(fā)生時(shí)底事件出現(xiàn)故障的概率不明確，根據(jù)故障程度通過(guò)重要度分析能夠?qū)崿F(xiàn)頂事件發(fā)生時(shí)對(duì)各底事件概率重要度的排序，在實(shí)際作業(yè)中由概率大小進(jìn)行逐一排查實(shí)現(xiàn)快速定位故障，對(duì)易損元件做備品計(jì)劃，減少停機(jī)等待時(shí)間和施工成本。

d.試驗(yàn)結(jié)果表明，T-S 模糊故障樹(shù)在鉆機(jī)液壓動(dòng)力系統(tǒng)發(fā)生輕微故障和嚴(yán)重故障時(shí)，對(duì)各底事件概率重要度分析結(jié)果與現(xiàn)場(chǎng)實(shí)際情況吻合較好，證明了該方法用于鉆機(jī)液壓動(dòng)力系統(tǒng)故障診斷的可行性和有效性。未來(lái)將持續(xù)統(tǒng)計(jì)煤礦坑道鉆機(jī)在工程應(yīng)用中的故障樣本，保證故障樹(shù)和事件失效概率的準(zhǔn)確性，綜合考慮時(shí)間、環(huán)境和機(jī)型等對(duì)診斷結(jié)果的影響，結(jié)合深度學(xué)習(xí)理論，完善多因素下T-S 模糊故障樹(shù)模型，使該方法在鉆機(jī)故障診斷領(lǐng)域具有更寬闊的工程應(yīng)用前景。