机电液系统在国民经济和国防装备中扮演着十分重要的角色,这类系统通常组成结构复杂,体系规模庞大,并且与人员、环境的联系十分紧密。机电液系统一旦发生故障,不但可能导致系统本身发生安全事故,同时也可能间接引发人员伤亡和环境破坏。因此,对机电液系统开展全面综合的故障安全分析具有十分重要的理论和现实意义。然而,由于某些机电液系统的历史故障数据匮乏,传统的故障安全分析方法难以发挥作用。针对上述问题,本文研究了虚拟样机技术在机电液系统故障安全分析中的应用,主要工作如下:(1)研究了机电液系统虚拟样机建模技术,介绍了虚拟样机的概念内涵,给出了机电液系统虚拟样机的建模流程,并以操舵系统为研究对象,展示了大型机电液系统虚拟样机建模的主要流程和技术要点。进而研究了虚拟样机校核验证与确认(Verification,Validation and Accreditation,VV&A)技术,介绍了VV&A的概念内涵,给出了机电液系统虚拟样机VV&A的实现流程,提出了机电液系统虚拟样机VV&A中的结果验证方法。采用操舵系统案例验证了所提出方法的有效性。(2)研究了虚拟样机故障植入与仿真方法,为基于虚拟样机的安全性分析方法提供仿真数据基础。进而提出了基于虚拟样机仿真的机电液系统定性安全性分析方法,获得典型故障模式导致的安全问题的定性结论。在此基础上提出了基于虚拟样机与蒙特卡洛仿真的定量概率风险评估方法,充分利用了仿真技术灵活高效的优势,有效缓解了传统安全性分析中历史故障数据不足的问题。采用操舵系统案例对以上提出方法的有效性进行了验证。(3)提出了基于虚拟样机模型的故障诊断方法,将虚拟样机作为一种特殊的数学模型,研究基于模型的机电液系统故障诊断方法。进而提出了基于神经网络预测的故障检测方法,将虚拟样机输入输出数据作为神经网络预测模型的训练样本,实现机电液系统输出的准确预测,从而进行基于残差检验的故障检测。进而提出了基于虚拟样机仿真知识与集成分类器的故障诊断方法,基于虚拟样机故障仿真数据进行故障特征提取,并用多种模式识别方法对特征进行训练,从而生成诊断知识库,用集成分类器实现故障诊断。操舵系统虚拟样机的案例研究分别验证了以上三种故障诊断方法的有效性。(4)提出了基于模糊-事件树的混合评价决策方法。提取故障发生时涉及到安全状态的关键参数,根据模糊安全评价理论确定当前安全状态等级。绘制事故事件树,根据安全状态等级对事件树进行反推,确定决策措施。采用水下航行器案例对该方法进行了验证。进而提出了基于广义回归神经网络的预警信息生成方法,提取决策措施中的关键特征参数,并基于Simulink模型仿真获取预警信息的样本数据,用这些样本训练广义回归神经网络模型,并用此模型对预警信息进行预测。采用水下航行器案例对上述方法有效性进行了验证。(5)提出了机电液系统故障安全分析软件平台的设计和开发方法。以操舵系统为研究案例,首先进行了软件平台的系统方案设计,进而提出了基于Matlab/Simulink、AMESim、Matlab/VR综合集成的软件平台开发方法,突破了软件平台中涉及到的关键技术,最后以案例形式对典型功能实现进行了展示。综上所述,本文研究了基于虚拟样机的机电液系统故障安全分析方法。论文以机电液系统故障安全为主线,以虚拟样机为应用基础,以操舵系统为案例背景,综合研究了机电液系统发生故障“会怎样”、“怎么查”以及“怎么救”的问题,并在软件平台上对所研究内容进行了综合集成应用,有望为机电液系统的故障安全分析提供有益参考。