【摘要　摘要】针对矿井提升机的高可靠性要求，设计了一种基于故障树的故障诊断系统。利用故障树建立专家系统解决了知识获取的瓶颈问题。 ？决定了。矿井提升机是矿山生产中的主要设备。提升机故障诊断系统首先要能够准确诊断常见故障和过去发生过的故障，并提供排除故障的建议；但实际上，可能出现的故障也需要一定的处理能力。电梯系统的故障现象多种多样，产生故障的原因也多种多样。许多故障现象只能用操作人员的语言来描述，能够实时使用的传感器信号很少。为了建立电梯故障诊断系统，对故障树分析方法进行了综合研究。 、专家系统、神经网络和信息融合等人工智能故障诊断方法是必要的。
　　1。故障树分析法
　　故障树分析法（FTA）以系统中发生的不良事件（顶级事件）为分析目标，逐层调查所有可能的原因，找出系统部件的故障、环境影响、人为错误和程序处理硬件和软件因素（底层事件）与系统故障顶层事件之间的逻辑关系。故障树可以定性地分析各种底层事件对顶层事件影响的组合和传播路径，识别可能的系统故障模式。还可以用来定量计算各个组件对系统的影响，计算整个系统或者某个顶级事件。失败概率。顶部事件和底部事件之间的中间事件也称为故障事件；底部事件位于故障树的底部，其故障数据不再分解。
　　电梯主要故障现象的故障树如图1所示。严重的机械故障主要有制动事故、断绳事故和翻滚事故；主电路过流、控制电源失压、低压电源漏电等电气故障，这些故障不仅会严重影响矿井提升机的运行，还会对提升系统设备造成严重损坏和人员伤亡。后果是非常严重的。 ？方法。将故障树应用于制动系统故障诊断专家系统将大大降低知识获取的难度。故障树的顶事件是专家系统要分析和解决的任务；故障树的最小割集是系统的一种故障模式，对应于专家系统推理的最终结果；故障树自上而下的逻辑关系 对应于专家系统的推理过程，故障树的分支对应于知识库中的规则，故障树的分支数等于知识库中包含的规则。知识库中的知识来自于故障树。故障树模型是描述诊断对象的结构、功能和关系的定性因果模型。它体现了故障传播的层次结构和因果链。这种因果关系链本质上与“如果……那么……”式的故障诊断规则一致，两者可以相互转换。由于计算机软件技术的快速发展，面向对象编程（OOP）已成为当前应用软件开发的主导技术。 OOP技术可以很容易地与故障树模型结合，将故障树模型表示成适当的数据结构。
　　2.2 基于故障树的专家知识库
　　 电梯故障检测诊断系统，根据技术资料适当补充和开发的基于故障树分析方法的故障诊断功能，目前还不足以适应所有可能的实际情况，因此调查了许多煤矿主、副井提升机操作人员的经验，得到了20多种其他故障现象、30多种故障原因和相应的故障处理方案，形成了较为丰富的故障诊断知识。为了便于计算机处理，特别是为了能够与所采用的故障诊断方法相配合，系统采用多维关系表（表1）的形式来组织、存储和利用这些故障知识。
　　表1　故障诊断知识库多维关系描述
　　表1的每一行对应专家系统知识库中的一条故障诊断知识规则。假设专家完成诊断所需的信息有n个方面，分别对应多维关系表中的故障现象S1～Sn；系统有m项可能的故障原因，对应表中的故障原因F1～Fm。多维关系表适合计算机数据库存储、检索和管理，可以方便地转化为“If...then...”式的故障诊断规则。值得注意的是，在专家系统初始建立时，ηik(k=1~m)可以是二元变量，即“，ηik=1表示当前的故障现象组合可以导致故障Fk，而ηik=0 表示当前故障现象不可能是由故障 Fk 引起的，随着故障诊断知识的逐渐积累，etaik 可以取闭区间 [0, 1] 内的值来进一步描述故障发生的可能性目前的故障现象，每台提升机的使用寿命、结构、运行环境都有较大差异，不同提升机上某一故障原因导致同一套故障的可能性也不完全相同。如果某台电梯确实因某种故障原因而引发了某种故障现象，则该故障原因在未来再次引发相同故障现象的可能性就会显着增加，因此对历史故障记录数据进行统计分析为确定多维关系表中etaik值的重要依据。另外，当有新的故障诊断知识时，也可以通过神经网络学习来调整etaik的值。专家系统方法的引入，显着增强了电梯故障检测诊断系统的处理能力和实用性。它不仅可以处理电梯系统原始技术资料提供的几种基本故障，还可以处理历史上发生过的各类故障。所有故障均已诊断出来。同时，提高了电梯控制系统的安全性，保证诊断结果准确可靠。
　　3。结论
　　将故障树引入专家系统，利用故障树分析方法对构建的故障树进行定性分析，进而建立基于简化故障树的专家系统知识库，不仅解决了问题很好地解决了建立知识库知识获取困难的问题，也保证了诊断知识获取的完整性，减少冗余，保证故障诊断结果准确可靠。推理引擎采用Rete匹配算法，大大提高了推理速度。