基于贝叶斯网络和AMESim仿真的液压系统故障诊断方法.pdf

2 0 1 3年 7月 第4 1卷 第 1 3期 机床与液压 MACHI NE T OOL HYDRAUL I CS J u 1 ． 2 01 3 V0 1 ． 41 No ．1 3 D OI 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 13 8 8 1 ． 2 0 1 3 ． 1 3 ． 0 4 9 基于贝叶斯网络和 A M E S i m仿真的液压系统故障诊断方法 姚成玉 ，刘文静 ，赵静一 ，冯中魁 1 ．燕山大学河北省工业计算机控制工程重点实验室，河北秦皇岛0 6 6 0 0 4 ； 2 ． 燕山大学河北省重型机械流体动力传输与控制重点实验室，河北秦皇岛0 6 6 0 0 4 摘要为考虑多属性信息和验证故障分析结果，提出基于贝叶斯网络和 A ME S i m仿真的液压系统故障诊断方法。根据 转向沉重故障征兆建造 T ． s故障树 ，求得基本事件的T ． s关键重要度；建造故障搜索决策的贝叶斯网络拓扑结构，考虑基 本事件的搜索成本、维修综合代价和T ． S关键重要度等属性，根据求得的综合评价值进行故障诊断排序；按故障诊断的顺 序利用 A M E S i m进行故障仿真，将仿真得到的压力流量特性与实际故障征兆对比，指导完成故障诊断。 关键词 液压系统 ；故障诊断 ；贝叶斯网络；T S故障树；A M E S i m仿真 中图分类号T H1 3 7 ． 7 文献标识码A 文章编号 1 0 0 1 3 8 8 1 2 0 1 3 1 31 7 2 6 Fa u l t Di a g n o s i s M e t h o d o f Hy dr a u l i c Sy s t e m Ba s e d o n Ba y e s i a n Ne t wo r k a nd AM ESi m Si mul a t i o n Y A O C h e n g y u ，L I U We n j i n g ，Z H A O J i n g y i ，F E N G Z h o n g k u i 1 ． K e y l a b o f I n d u s t r i a l C o m p u t e r C o n t r o l E n g i n e e r i n g o f H e b e i P r o v i n c e ，Y a n s h a n U n i v e r s i t y ，Q i n h u a n g d a o H e b e i 0 6 6 0 0 4，C h i n a 2 ． K e y L a b o f He a v y Ma c h i n e r y F l u i d P o we r T r a n s mi s s i o n a n d C o n t r o l o f He b e i P r o v i n c e ， Y a n s h a n U n i v e r s i t y ，Q i n h u a n g d a o He b e i 0 6 6 0 0 4，C h i n a Ab s t r a c t I n o r d e r t o c o n s i d e r t h e mu l t i a t t rib u t e i n f o r ma t i o n a n d v e rif y f a u l t a n a l y s i s r e s u l t ， t h e f a u l t d i a g n o s i s me t h o d o f h y d r a u l i c s y s t e m b a s e d o n Ba y e s i a n n e t w o r k a n d AMES i m s i mu l a t i o n w a s p r o p o s e d ． T S f a u l t t r e e w a s e s t a b l i s h e d b y h y d r a u l i c u n d e r s t e e ri n g s y mp t o ms S O a s t o c a l c u l a t e T S c rit i c a l i t y i mp o r t a n c e o f b a s i c e v e n t s ． B a y e s i a n n e t w o r k t o p o l o g y s t r u c t u r e o f f a u l t s e a r c h i n g d e t e rm i n a t i o n wa s e s t a b l i s h e d，t h e mu l t i a t t r i b u t e o f s e a r c h i n g c o s t s ， c o mp r e h e n s i v e ma i n t e n an c e c o s t s a n d T S c ri t i c a l i t y i mp o r t an c e o f b a s i c e v e n t s w e r e c o n s i d e r e d ， a n d the s e q u e n c e o f f a u l t d i a g n o s i s wa s o b t a i n e d b y t h e c o mp r e h e n s i v e e v alu a t i o n v alu e ． F a u l t s i mu l a t i o n w a s c o mp l e t e d b y u s i n g o f AME S i m a c c o r d i n g t o the s e q u e n c e o f f a u l t d i a g n o s i s ． T h e r e f o r e f a u l t d i a g n o s i s i s a c c o mp l i s h e d u n d e r g u i d a n c e b y c o mp a r i n g t h e p r e s s u r e an d fl o w c h a r a c t e ris t i c s o b t a i n e d f r o m s i mu l a t i o n w i t h t h e a c t u a l f a u l t s y mp t o ms ． Ke y wo r d s Hy d r a u l i c s y s t e m； F a u l t d i a g n o s i s ； Ba y e s i an n e t w o r k；T S f a u l t t r e e ； AMES i m s i mu l a t i o n 液压系统是载重车的主要动力总成，其可靠性问 题对整车有至关重要的影响。因此，研究有效的液压 系统故障诊断方法，实现现场快速定位故障、检查处 理及修复使用，具有重要的现实意义。 贝叶斯网络以概率 的形式定量地描述不确定问 题 ，以因果图的形式有效地处理诊断过程中的各种信 息 。文献[ 2 ]通过系统分析建造贝叶斯 网络模 型，根据贝叶斯网络推理计算 ，完成了系统的故障检 测 ，并验 证 了该法的可行性。文献 [ 3 ] 利用贝 叶斯 网络结构与概率分布表达装备中各部件故障状态及关 联关系，结合贝叶斯网络推理能力进行了故障诊断， 并验证了该模型的有效性。文献 [ 4 ]利用基于贝叶 斯网络和策略优化算法的混合快速诊断算法进行故障 诊断，并以电控发动机为例验证了该法的正确性和有 效性。但上述诊断方法并没有考虑对故障分析结果进 行 验证 。 A ME S i m是多学科复杂工程系统高级建模和仿真 平台，通过设置系统模型在异常状态下的参数，可以 方便地模拟系统故障，得到相应的故障样本曲线，从 而对 故 障分析结 果进行 验证 。文献 [ 6 ]利用 A M E S i m建立了液压泵的故障仿真模型 ，对液压泵在 正常及常见故障状况下的流量和压力曲线进行分析， 实现了液压泵故障诊断。文献 [ 7 ]采用 A ME S i m进 行液压系统故障仿真，通过修改系统模型的下级子模 型参数来注入系统故障信息，验证了该仿真模型的正 确性。文献 [ 8 ]根据 A ME S i m故障仿真的结果，对 收稿 日期 2 0 1 2 0 6 0 5 基金项目国家 自然科学基金资助项 目 5 0 9 0 5 1 5 4 ；河北省自然科学基金资助项目 E 2 0 1 2 2 0 3 0 1 5 ；河北省教育厅资助科 研项 目 Z H 2 0 1 2 0 6 2 ；秦皇岛市科技支撑计划项目 2 0 1 2 0 2 1 A 0 7 8 作者简介姚成玉 1 9 7 5一 ，男，教授，博士 后 ，研究方向为液压系统故障诊 断及可靠性。Em a i l c h y y a o y s u ． e d u ． e n 。 第 1 3期 姚成玉 等 基于贝叶斯网络和 A ME S i m仿真的液压系统故障诊断方法 1 7 3 可观测到的异常状况进行分类和逆向推理归纳出故障 诊断方法 ，并利用数学公式对一些故障量化评估 ，实 现了故障部件的定位。 为此，提出基于贝叶斯网络和 A M E S i m仿真的液 压系统故障诊断方法。首先，利用 T ． s 故障树求得T s 关键重要度 ；然后 ，利用 贝叶斯 网络 拓扑 ，考 虑 T - S 关键重要度、搜索成本和维修综合代价等属性进行故 障诊断排序 ；最后 ，基于排序结果，利用 A M E S i m进 行故障仿真，验证故障分析结果，为进行现场故障诊 断提 出指导性方法。主要思路及流程如图 1 所示 。 lT ．s 故 障 树 l f J 故 障 征 兆 H H 擘 票 H 墓 蠢 H ． 图 1 故障诊断流程图 1 载重车液压转向系统 1 ． 1 系统 概述 液压载重车一般是指具有液压驱动 、转 向及提升 装置的多轴线、多悬挂、多轮驱动的专用运输车辆， 由发动机、液压系统、微机电控制系统 、车架及辅助 操控装置组成。载重车液压系统一般包括液压驱动系 统 、液压转 向系统 、液压悬 挂 系统 和液压 支腿 系统 。 针对载重车对发动机功率匹配、差速和差力等技术要 求 ，液压驱动系统采用闭式容积调速 ，即用双向变量 泵调节油路中液压油的流量和方向，实现载重车的前 进、后退、驻车和制动等运动模式。 为实现全方位转 向，完 成 复 杂 的 现场 作业任务 ，载重车转 向系统 一 般采 用 独立 转向，即每个悬挂都 有单独 的转 向驱动。 载 重 车一 般采 用 单泵 给 多个 执 行机 构 供油 的开式回路模式，图 2为 一个 悬 挂 的液 压 转向系统原理图。该 载重 车采 用 A 1 1 V O 1 4 5 变量 柱 塞 泵 ，为恒 功 率控制方式，并带有 压力切断阀和负载敏 感阀进行相应的控制。 恒功率控制是调节泵 的工作压力和输 出流 量 ，且 不超 过 预 定 的 功率，可以得到很好 l 一油箱2 一变量柱塞泵 3 一压力切断阀4 _负载敏感阀 5 一比例多路阀6 _ _ 转向油缸 图2 液压转向系统原理图 的功率利用；压力切断阀控制是指，当系统压力达到 泵的预定压力时泵的摆角变小，起到保护泵和系统的 作用；负载敏感阀控制可根据负载压力调节泵的排量， 从而使泵的压力达到系统要求。同时，带负载敏感的 比例多路阀为液压转向系统的控制阀，通过控制转向 油缸带动双摇杆铰接四连杆控制整车的转向，其 中， 比例多路阀带 L s压力反馈，先将转向油缸的所需压力 通过梭阀进行比较，然后将最高压力反馈给泵。 1 ． 2 故 障征 兆及初步分析 在载重车 转 向系 统 调试 过程 中 ，空载 时 转 向正 常，重载时转向沉重，即转向速度慢且转不到位。空 载 时转 向正常表 明液 压转 向系统能够实现 空载 时的正 常工作机能，重载时转向沉重表明转向液压缸获得的 转向压力不足。出现此故障的原因可能为变量柱塞泵 供油不足，或是油箱液位过低，也有可能是转向油缸 泄漏量过大或比例多路阀故障等原因造成。 载重车液压系统故障诊断问题有其 自身的特点 工作环境恶劣且属于地面移动设备，液压故障率高 ； 闭式回路与开式回路相结合 ，构成复杂、空间狭小 ， 不利于排查故障；限于成本考虑 ，现有系统均未安装 故障检测系统。因此 ，基于知识推理的诊断方法是主 要的故障诊断方法，且利于在现场安装调试、系统维 护中使用。 下面，对该故障征兆进行T ． s 故障树分析及计算。 2 T ． S故障树及 T S关键重要度计算 2 ． 1 T S故障树的建造 根据上述分析，建造以转向沉重为顶事件 的 T ． s 故障树如图3所示。其中，基本事件 一‰代表 的部件名称及故障率见表 1 ，中间事件 Y 、Y 2 分别代 表油源和控制阀。 图3 液压转向系统 T 。 s故障树 表 1 基本事件名称及其故障率 1 7 4 机床与液压 第 4 1 卷 设 。 、Y 、Y 2 、T的常见故 障程度为 0 ， 0 ． 5 ，1 ，且 的故障状态为 0 ． 5的故障率与为 1 的故障率相同。构建 T ． S门规则如表 2 _ 4 所示。 表 2 T ． S门 1 规则 2 ． 2 T ． S关键 重要度计算 假设模糊可能性 P T， ‘ ，P ； ，⋯，P 分 别用来描述基本事件出现各种故障状态的发生概率， 则规则 z 执行的可能性为 P o P ‘ P ⋯P 1 因此 ，上级事件 Y的模糊可能性为 P y t P ZoP y P p t y 2 i P y l毫 尸 y 基本事件 故障状态为 的模糊可能性 P x 7 ‘ f 1 ， 2 ， ⋯， k 对系统顶事件 为 的 T s概率重 要度 片 x 7 ‘ 为 哆 ‘ P ， P 。 1 一 P ， P x i 0 3 其中P ， P 1 表示当基本事件 故障状态 为 的模糊可能性；P ‘ 为 1时引起系统顶事件 为 的模糊可能性；P T q ，P 0 表示 P ‘ 为 0引起系统顶事件 为 的模糊可能性。 基本事件 的故障状态 的模糊可能性 P 1 ， 2 ， ⋯， k 对系统顶事件 为 的 T s关键重 要度 ‘ 为 啦 4 其中P TT q 表示顶事件 故障状态为 的概 率 。 基本事件 对系统顶事件 为 的 T S关键重 要度审 为 5 其中k 表示第 i 个基本事件的非 0 故障程度的个 数 ，若故障程度用模糊数 0 、0 ． 5 、1 描述，则 k 为 2。 由表 1 _ _ 4 ，利用式 1 一 5 求得基本事件 的 T S 关键重要度见表 5 。 表 5 基本事件的T ． s关键重要度 3 贝叶斯网络拓扑决策 根据上述液压转向沉重的 T ． S 故障树分析，选择 基本事件 一 作为备选方案，考虑基本事件的搜 索成本、维修综合代价和 T S 关键重要度作为备选方 案 的属性 口 1 、0 2 、0 3 。 第 l 3期 姚成玉 等基于贝叶斯网络和 A M E S i m仿真的液压系统故障诊断方法 1 7 5 搜索成本 n 。 、维修综合代价 。 、T - S 关键重要度 表7 节点n 的条件概率表 o 和故 障维修时 间 t 受 方案 的影 响 ，同 时，维修综合代价 还受 故 障维修 时 间 的影响。由此建造 故 障搜索决策的贝叶斯 网络 拓 扑 结 构 如 图 4 所示 。 图4 贝叶斯网络拓扑结构 在给定上述信息的情况下，在备选方案中选择最 优方案或对这些方案进行排序，属于不确定多属性决 策问题_ 9 。第 i 个备选方案的综合评价值 为 n K ． r 蓦 f ， 0 k P 0 ； lP 1 6 其中 ， 为第_『 个属性的权重 ；a k1 ， 2 ， ⋯， 为 第 i 个备选方案的第 个属性的评价值 o 的第 k个取 值； P a l P 1 表示采取方案 的前提下，o 的条件概率。 语言变量非常适于常规定量表达中的那些太复杂 或定义不完善因而不能合理加以描述的现象 ，可使用 语言值集合 { 低，中等 ，高} 、 { 短，中等，长 }等 来表示属性的语言评价 ，这里用模糊数 { L ，M，H} 统一描述。结合液压系统的特点及专家经验，选用代 表语言值的模糊数如图5所示。 。． 懈 0 ． 图5 代表语言值的模糊数 假设维修综合代价 o 分为低、高两种情况 ，分 别用 。 o 描述；故障维修时间 t 分为短、中等、 长 3种情况 ，分别用 t t M 、t 描述，确定各个节点 的条件概率表如表 6 7所示。 表 6 节点 t 的条件概率表 假设属性 o 、o 。 、a 的权重分别为 0 ． 3 、 0 ． 2 、伽 ， 0 ． 5 ，搜索成本 口 的评价值为口 0 ． 4 、o 0 ． 6 ，维修综合代价 o 的评价值为。 0 ． 3 、o 0 ． 7 ，以基本事件对系统故障程度为 1的 T S 关键重要度作为属性。根据式 6 求得的综合 评价值见表 8 。 表 8 综合评价值 根据综合评价值对备选方案进行排序 、 、 ， 、 、 、 。 ，即故 障诊断顺 序为比例多路 阀、 负载敏感阀、压力切断阀、变量柱塞泵、转向油缸、 油箱。 4 A ME S i m故障仿真及结果分析 基于求得的故障诊断顺序 ，可依次对液压转向系 统的组成部件利用 A ME S i m进行故障仿真。 4 ． 1 模型建立及参数设置 1 建立液压转向系统模型 在 A ME S i m的 “ S k e t c h m o d e ”模式下 ，根据液 压转向系统原理 ，运用液压库、液压元件设计库和机 械库构建液压系统的仿真模型如图6 所示。 1 7 6 机床与液压 第 4 1卷 图6 液压转向系统仿真模型 图 6中连杆 机构模 型建立后，对连杆机构 设置相应参数 ，确定机 构的位置以及每个构件 的长度，为了验证模型 的合理性，双击平面机 构图标可以查看所建立 模型的平面机构图，如 图 7所示 。 图7 转向机构平面机构图 2 设定模型参数 进入 “ S u b m o d e l m o d e ”模式，为仿真模型中的 每个图形模块选取子模型。即选用 A ME S i m提供 的 “ P r e m i e r s u b m o d e l ”模型 。 在 “ P a r a m e t e r s m o d e ”模式下，设定系统正常运 行参数如表 9所示。 表9 液压转向系统主要仿真参数 4 ． 2 A ME S i m故障仿真 1 无故障情况下的压力和流量仿真 进入 “ R u n m o d e ”模式，设置仿真时间 1 5 s 、仿 真步长 0 ． 0 1 s ，运行仿真模型得到泵出口压力 曲线和 图 8 泵出 口压力 输出曲线 -9所示 。 20 言 - s 茸 s 0 厂 、 | ／ 0 2 4 6 8 1 0 1 2 1 4 1 6 时 间， s 图 9 转向油缸流 量输出曲线 2 设置比例多路阀故障的压力和流量仿真 比例多路阀中的溢流阀是一个插装阀，人为设置 溢流阀的预紧力为6 M P a ，来模拟溢流阀弹簧故障， 导致系统无法达到工作压力。在重载下得到的泵出口 4 如图 1 0 一l 1 所示。 图 1 0 故障模式下泵出 图 1 1 故障模式下转向油 口压力输出曲线 缸流量输出曲线 4 ． 3 仿真结果分析 由图8 岫9可知，在运行 8 s 左右，转向油缸到达 终点，此后压力保持在 3 2 MP a 左右，系统处于压力 切断状态，油缸到达行程后流量变为零，即油缸完成 转向动作后停止运行。 由图1 0 1 1 可知 ，由于溢流阀弹簧故障，泵出 口压力 达到溢 流 压力 后 油 液 经溢 流 阀 直 接 回油 箱 ， 因而，泵出口压力仅为 6 ． 5 M P a 左右。同时 ，在系 统工作中随着负载增大系统压力升高，系统无法建 立起所需的工作压力，而达到溢流压力后 ，转 向油 缸没有流量输入即流量逐渐变为零 ，最终造成转向 动作停止。 通过分析可知，溢流阀弹簧故障后的压力流量特 性与载重车调试过程中遇到的重载时转向沉重故障征 兆一致，因此，最终确定转向比例多路阀中的溢流阀 弹簧出现故障。比例多路阀及其安全阀如图l 2所示。 通过故障诊断、修复及调试 ，重载时转向系统工作正 常 。 第 l 3期 姚成玉 等基于贝叶斯网络和 A ME S i m仿真的液压系统故障诊断方法 1 7 7 【 a l b J 图 1 2 比例多路阀及其安全阀 如果对 比例多路阀仿真得到 的压力流量特性与 实际故障征兆不一致 ，则按照故 障诊断顺序继续对 其他部件进行仿真 ，直到诊断出系统的故障部件为 止 。 5结 论 1 建造 以故障征兆为顶事件的 T s故 障树并 构建 T ． s门规则，求得基本事件的 T s关键重要度， 为更准确地确定故障诊断顺序提供了前提条件。 2 通过 系统分析建造故障搜索决策的贝叶斯 网络拓扑结构，考虑备选方案的搜索成本、维修综合 代价和 T ． s关键重要度等属性 ，根据求得各方案的综 合评价值确定故障诊断顺序。 3 提 出了基于故障诊断顺序进行 A ME S i m仿 真的方法，如果对某部件故障仿真得到的特性与实际 故障征兆不一致 ，则按照故障诊断顺序继续对其他部 件进行仿真 ，直到诊断出系统的故障部件为止 ，从而 提高了故障诊断的效率。 4 以 “ 机制分析计算一诊断顺序求解一故障 仿真分析验证一现场故障诊断”为主线 ，提出了基 于贝叶斯网络和 A ME S i m仿真的载重车液压系统故障 诊断方法。该方法不仅能够处理复杂系统在不确定、 不完整信息下的故障诊断，而且增强了故障诊断的可 信度 ，具有重要的现实意义。 参考文献 【 1 】方甲永， 肖明清 ， 王学奇 ， 等． 测试不可靠条件下多故障 诊断方法[ J ] ． 北京航空航天大学学报， 2 0 1 1 ， 3 7 4 4 3 34 3 8 ． 【 2 】V E R R O N S ， L I J ， T I P L I C A T ．F a u l t D e t e c t i o n a n d I s o l a - t i o n o f F a u h s i n a Mu l t i v a r i a t e P r o c e s s w i t h B a y e s i a n N e t w o r k [ J ] ．J o u rnal of P r o c e s s C o n t r o l ， 2 0 1 0 ， 2 0 8 9 0 2 9l1 ． 【 3 】蔡志强， 司书宾 ， 孙树栋 ， 等． 基于贝叶斯网络的不确定 环境装备故障推理模型[ J ] ． 西北工业大学学报 ， 2 0 1 1 ， 2 9 4 5 0 9 5 1 4 ． 【 4 】张大伟 ， 巫世晶， 罗小华， 等． 基于贝叶斯理论的复杂系 统快速诊断算法[ J ] ． 武汉大学学报 工学版 ， 2 0 1 1 ， 4 4 1 1 2 81 3 2 ． 【 5 】 胡宁， 陈真． 基于 A M E S i m的 A T液压控制系统可靠性 分析[ J ] ． 机床与液压， 2 0 1 1 ， 3 9 3 1 4 51 4 7 ． 【 6 】 Z H A O Z h e n ， J I A M i n g x i n g ， WA N G F u l i ， e t a 1 ． I n t e r m i t t e n t Ch a o s a n d S l i d i n g W i n d o w S y mb a S e q u e n c e S t a t i s t i c s b a s e d E a r l y F a u l t D i a g n o s i s f o r Hy d r a u l i c P u mp o n Hy - d r a u l i c T u b e T e s t e r [ J ] ．Me c h a n i c a l S y s t e m s a n d S i g n al P r o c e s s i n g ， 2 0 0 9 ， 2 3 5 1 5 7 31 5 8 5 ． 【 7 】张宪宇 ， 陈小虎， 何庆飞． 基于 A M E S i m的液压缸故障建 模与仿真[ J ] ． 液压气动与密封， 2 0 1 1 1 0 2 62 8 4 ． 【 8 】 付永领， 庞尧， 刘和松， 等． 基于故障建模的双余度舵机 故障诊断技术 [ J ] ． 北京航空航天大学学报， 2 0 1 1 ， 3 7 1 1 1 3 7 21 3 7 7 ． 【 9 】叶跃祥 ， 糜仲春， 王宏宇， 等． 基于贝叶斯网络的不确定 环境下多属性决策方法 [ J ] ． 系统工程理论 与实践， 2 0 0 7 4 1 0 71 1 3 ． 上接第 1 9 6页 诊断出瓦斯传感器的冲击故障。系统开始时预测的输 出值与实际观测值出现偏差，在不断调节下 ，到 t 8 2 m i n时跟踪上了观测输出值。 从图2的结果可以看出在 t 5 0 m i n时加入时 变漂移故障后，预测值和观测值的偏差超过了限定的 阈值 。因为故障随时间变化 ，所以预测偏差一直处于 波动状态，到了 9 5 m i n后，预测值才跟踪上实际 观测 数据。 图3为t 5 0 m i n时刻系统输 出恒定在 0 ． 7 5 ，瓦 斯传感器的观测曲线和预测曲线。从仿真曲线可见 传感器出现恒定输出后 ，灰色动态预测模型通过不断 调整系数，在 6 8 ra i n 后 ，逐渐跟踪上实际观测到 的状态 。 4结论 提出了基于灰色动态预测的瓦斯传感器故障诊断 模型，运用先验数据对运行参数进行预测，相对于其 他方法具有硬件投资少 、易于建模、预测精度高的特 点。仿真结果表明灰色动态预测模型可以准确模拟 瓦斯传感器的动态特性 ，为井下传感器故障检测提供 信息和支持。 参考文献 【 1 】 孙继平． 煤矿监控关键科学技术问题 [ J ] ． 神华科技 ， 2 0 0 9 ， 7 3 3 5 ． 【 2 】王其军． 瓦斯监测系统故障智能诊断技术研究 [ D ] ． 济 南 山东科技大学， 2 0 0 7 ． 【 3 】 林秀娟 ， 王优强． 一种数据处理的灰色预测新方法[ J ] ． 机床与液压 ， 2 0 0 4 3 1 2 61 2 7 ． 【 4 】 李二超 ， 李战明， 李炜． 基于模糊控制和灰色预测的机器 人力控制 [ J ] ． 机床与液压 ， 2 0 1 0 ， 3 8 2 0 7 8 7 9 ． 【 5 】 刘思峰， 谢乃明． 灰色系统理论及其应用 [ M] ． 北京 科 学出版社 ， 2 0 1 0 ． 【 6 】 姚成玉 ， 王旭峰， 陈东宁， 等． 故障搜索的灰色关联度模 糊多属性决策方法[ J ] ． 煤矿机械， 2 0 1 0， 3 1 5 2 3 8 2 4 1 ． 【 7 】 周公博 ， 朱真才， 陈光柱． 基于传感器网络的瓦斯传感器 故障诊断[ J ] ． 振动、 测试与诊断， 2 0 1 0 ， 3 0 1 2 3 2 7 ．