应用贝叶斯理论评估水下采油树可靠性

水下采油树作为水下油气开采的重要设备,长期处于深海中,其可靠性直接影响整个水下生产系统的安全稳定运行。因此,为研究水下采油树系统的工作可靠性问题,提出一种基于贝叶斯理论的可靠性评估方法,该方法在融合模糊理论的基础上,并考虑到部件失效概率的动态性问题,并以构造的动态模糊子集来表述各根节点的失效概率。该方法有效改善了传统贝叶斯网络在处理故障信息存在模糊性及动态性等方面的问题,提高了系统可靠性分析结果的准确性。通过利用贝叶斯网络对水下采油树系统进行可靠性分析,以期为水下采油树的故障诊断与维修提供了理论依据和数据支撑。     

基于离散时间贝叶斯网络的复杂机械系统重要度计算方法

为了对复杂动态系统部件进行有效的重要度分析,在构建基于事件树-动态故障树(ET-DFT)的概率安全评价模型的基础上,把ET-DFT模型映射为离散时间贝叶斯网络(DTBN),给出各静态和动态逻辑门向DTBN转化的方法以及各逻辑门条件概率表的计算方法。利用DTBN节点的独立性和双向推理功能,给出ET-DFT分层模型FV、RRW、BM和RAW等重要度的计算方法。数控机床液压系统应用实例的分析验证结果表明,基于离散时间贝叶斯网络的复杂机械系统重要度计算方法既能有效得到元件在各时间区间内的重要度,又能准确求出系统故障时各元件在各时间区间的故障概率以及某元件在某时间区间故障时各节点的故障概率。     

基于T-S故障树和贝叶斯网络的模糊可靠性评估方法

针对贝叶斯网络方法存在的贝叶斯网络模型和节点条件概率表难以构造、根节点故障率和故障概率数据难以精确获取等不足,以及T-S故障树分析方法存在的计算复杂、不能进行反向推理等不足,提出基于T-S故障树和贝叶斯网络的模糊可靠性评估方法:利用T-S故障树构造贝叶斯网络模型、T-S门规则构造节点条件概率表;用模糊数描述节点的多种故障状态,模糊子集描述节点各故障状态下的故障率、故障概率;结合贝叶斯网络推理给出在仅知根节点故障状态条件下,叶节点各故障状态的发生概率、根节点状态重要度;以及已知根节点各故障状态的故障率、故障概率模糊子集条件下,叶节点各故障状态的故障率、故障概率模糊子集,以及根节点模糊重要度、后验概率。通过与文献[5]的T-S故障树分析方法、文献[10]的贝叶斯网络方法对比,验证所提方法的可行性。对巷道运输车液压系统进行模糊可靠性评估,计算根节点状态重要度等可靠性指标,为提高系统可靠性和进行故障诊断提供依据。     

多维动态贝叶斯网络及其重要度分析方法

贝叶斯网络分析方法是可靠性分析的重要方法,但传统贝叶斯网络分析方法局限于分析单因素影响,当系统可靠性受多因素影响时会产生较大分析偏差。为此,提出多维动态贝叶斯网络分析方法,借助单位阶跃函数与冲激函数进行贝叶斯网络时间连续化构造,建立根节点受多因素影响时系统的失效概率分布函数。在此基础上,对传统重要度分析方法进行多维扩展,提出多维动态贝叶斯网络重要度分析方法。通过对斗轮机张紧机构液压系统进行工程实例分析,并与离散时间贝叶斯网络分析方法分析结果对比,验证了多维动态贝叶斯网络及其重要度分析方法的可行性和优越性,为系统改进与薄弱环节识别提供了更为准确的量化依据。     

贝叶斯网络在液压系统可靠性分析中的应用

贝叶斯网络具有双向推理功能,不但可以计算系统的可靠性指标,而且还能进行故障诊断的反向推理。通过与或门故障树算例验证了贝叶斯网络正向推理方法与故障树分析方法的计算结果是相同的。将贝叶斯网络应用于塔式起重机液压系统可靠性分析中,建立故障树并将其转化为贝叶斯网络,利用桶排除法计算出顶事件发生概率,利用反向推理求得各部件在顶事件故障发生条件下的后验概率,得到系统薄弱环节,为提高系统可靠性提供依据。     

一种新型动态贝叶斯网络分析方法

为充分发挥T-S动态故障树和动态贝叶斯网络分别在分析建模与推理计算方面的优势,提出了一种新型动态贝叶斯网络分析方法——基于T-S动态故障树的动态贝叶斯网络分析方法。将T-S动态故障树转化为动态贝叶斯网络有向无环图,再将T-S动态门及其描述规则转化为动态贝叶斯网络条件概率表,进而提出了正向推理叶节点失效概率、反向推理根节点后验概率和求解根节点概率重要度、关键重要度、风险业绩值、风险降低值、微分重要度与灵敏度的新型动态贝叶斯网络算法。通过与基于Dugan动态故障树的动态贝叶斯网络分析方法和静态贝叶斯网络分析方法对比,验证了所提方法的可行性。最后,用所提方法对液压缸同步系统进行可靠性分析,计算得到系统失效概率、根节点后验概率、重要度与灵敏度,为提高系统可靠性和进行故障诊断提供依据。     

模糊贝叶斯网络在启动系统可靠性中的应用

飞机涡轮风扇发动机的组成结构极其精密复杂,且启动系统的健康状态对发动机的影响尤为重大,因此对发动机启动系统的可靠性评估不管是对航空工程的安全性和稳定性,都有着举足轻重的作用。为提高系统可靠性分析的准确性,将原始故障数据进行梯形模糊处理,并结合专家经验进行两种重要度分析和后验概率计算,完成对涡扇发动机启动系统可靠性评估的建模。通过实例验证,对某型航空涡扇发动机的启动系统进行可靠性评估,计算系统中各组件的不同状态对启动系统产生的影响及其重要程度,找出系统易出故障的薄弱环节,为提高整个发动机系统的安全性和可靠性寻找思路与方法。     

基于T-S模糊故障树和贝叶斯网络的多态液压系统可靠性分析

为解决T-S模糊故障树分析方法在液压系统可靠性分析过程中运算复杂和只能单向推理的问题,提出一种基于T-S模糊故障树与贝叶斯网络的多态系统可靠性分析方法。根据给出的T-S模糊故障树向贝叶斯网络转化的方法确定贝叶斯网络的模型结构与条件概率表,利用贝叶斯网络的推理算法计算顶事件发生概率、事件后验概率以及底事件重要度。该方法既能进行计算系统可靠性指标及重要度的前向推理,又能进行故障诊断的反向推理,而且计算公式简单。最后通过900t提梁机液压驱动系统工程实例验证了算法的可行性与有效性。     

基于故障树贝叶斯网络的液压启闭机故障诊断方法

针对液压启闭机设备专业性强,故障原因复杂等特点,该研究提出了一种基于故障树建立贝叶斯网络的故障诊断方法。首先建立了液压启闭机系统的故障树,然后将故障树转化为贝叶斯网络,计算出顶事件的发生概率并运用贝叶斯网络推理对可能造成故障的原因进行重要度分析,实例表明该方法能有效克服传统故障树分析法的局限性。     

基于贝叶斯网络的复杂系统故障诊断

系统结构和部件关系复杂、试验费用昂贵是小样本下基于不确定性信息的决策问题。针对其特点，建立了基于贝叶斯网络的复杂系统故障诊断模型，并提出采用Leaky Noisy-OR模型来降低数据需求量和计算复杂度。经研究表明，这种方法能综合利用各种来源信息，具有知识表达明确、样本需求量小、故障诊断准确度高等特点，可为复杂系统故障诊断提供决策支持。     

基于离散时间贝叶斯网络的列控中心可靠性分析

针对动车组列控中心在实际工作环境中的故障同时具有多态性和动态性的问题,提出一种依据列控中心各单元的功能逻辑关系来建立离散时间贝叶斯网络的分析方法.归纳部件的多种故障模式并描述列控中心故障的多态特性,采用EM算法优化更新条件概率表;针对列控中心动态失效问题,建立动态贝叶斯网络模型,将一次任务划分为启动、运行、制动三个阶段...     

基于贝叶斯网络的复杂系统多态可靠性分析

为了评估多态复杂系统的可靠性,识别系统中的薄弱环节,提出了一种基于贝叶斯网络的多态系统可靠性评估方法。在运用故障树进行分析的基础上进一步将故障树映射为贝叶斯网络。考虑到部件故障状态以及部件间故障逻辑关系的不确定性,该方法运用贝叶斯网络的条件概率描述部件间的不确定联系,采用三状态节点来描述系统和部件不同的故障状态,融合各验前信息计算各底事件和顶事件的发生概率,分析各个底事件对系统整体可靠性的影响,并计算各事件的重要度指标,通过分析查找系统的薄弱环节,以应用实例对提出方法的可靠性进行了验证。     

基于故障树和贝叶斯网络的履带车辆行星变速机构可靠性分析

行星变速机构作为履带车辆传动系统的核心部件,其可靠性直接影响履带车辆的正常运行。以履带车辆行星变速机构为研究对象,基于实测试验结果建立故障树,将故障树转化为贝叶斯网络(Bayesian Network, BN)模型,并考虑行星变速机构正常、普通故障、严重故障3种状态进行可靠性分析。研究结果表明,行星变速机构失效概率为89.34×10^-8 h^-1,其工作400 h的可靠度为0.999 64,符合设计要求;利用贝叶斯网络双向计算的功能,可知当行星变速机构发生失效,由主轴断裂或摩擦片烧蚀、翘曲、断裂或齿轮疲劳断齿引起的可能性较大。为后续装备检修、改进设计提供理论依据。     

基于贝叶斯网络的垃圾压块机可靠性分析

针对垃圾压块机的工作可靠性问题,对垃圾压块机的压缩机构进行了分析,将贝叶斯网络应用到液压系统可靠性分析之中。提出了贝叶斯网络的概念与公式,给出了贝叶斯网络的构建方法,采用基于图形结构精确推理方法,建立了压缩机构的贝叶斯网络。通过手册查阅了各液压元件发生故障的概率,最后结合贝叶斯网络求得了系统发生故障的概率。研究结果表明,该液压系统发生故障的概率为0.057 4,换向阀发生故障的概率为0.252。通过建立贝叶斯网络,求得极易发生故障部件概率的方法,直观地表示出了该系统故障的因果关系,找到了系统的薄弱环节,提高了系统的可靠性。     

故障贝叶斯网络及其在液压缸爬行诊断中的应用

利用故障树分析能明确表达逻辑关系和贝叶斯网络解决不确定性问题能力强的优点,通过转化算法建立两者之间的联系,研究了一种基于二状态故障贝叶斯网络模型,采用分层处理思想,进而计算出模型中任意结点的概率。液压缸爬行诊断分析实例证明了应用故障贝叶斯网络的实用性和有效性。     

基于故障树分析的塞拉门系统可靠性分析

客室车门是列车系统重要组成部分,在列车运营过程中,车门的动作可靠性影响轨道交通运营的质量。结合广州地铁2号线的车门故障历史记录,对塞拉门车门系统进行故障模式分析,建立了车门系统故障树。采用定性和定量分析方法得到了车门系统的故障模式和可靠度,为可靠性设计和故障诊断提供了依据。     

液压ABS系统的故障树分析

以寻找液压制动防抱死系统(ABS)的薄弱环节,及出现故障时更加快速的找到故障位置为研究目的,对液压ABS系统的组成和原理进行分析,采用故障树分析方法。以ABS系统发生故障为顶事件建造故障树,对故障树进行定性分析,找出ABS故障树的最小割集,定量分析底事件发生故障的概率及重要度,最后算出各中间事件发生故障的概率。根据各系统发生故障概率的大小,可以为ABS系统故障时的诊断及排查顺序提供合理建议,减少故障诊断过程中的不必要操作,提高了诊断效率,为系统部件的优化与改进提供一定参考价值。     

基于模糊贝叶斯网络的多态系统可靠性分析及在液压系统中的应用

为使贝叶斯网络能够对模糊信息和不确定信息进行处理,提出一种新的基于模糊贝叶斯网络的多态系统可靠性分析方法。该方法将模糊集合理论引入到贝叶斯网络可靠性分析中,考虑部件故障状态、部件故障率的模糊性以及部件间故障逻辑关系的不确定性,使贝叶斯网络具有处理模糊信息的能力。该方法采用模糊数描述系统和部件的故障状态,利用模糊子集描述部件的故障率,运用贝叶斯网络的条件概率表描述部件间的不确定联系。该方法应用到载重车液压悬架系统的可靠性分析实例中,分析结果表明该方法在进行系统可靠性分析时能够充分利用系统的模糊信息和不确定信息,从而提高系统可靠性分析的效率。     

[轨道交通运维技术]基于离散时间贝叶斯网络的列控中心可靠性分析

针对动车组列控中心在实际工作环境中的故障同时具有多态性和动态性的问题,提出一种依据列控中心各单元的功能逻辑关系来建立离散时间贝叶斯网络的分析方法。归纳部件的多种故障模式并描述列控中心故障的多态特性,采用EM算法优化更新条件概率表;针对列控中心动态失效问题,建立动态贝叶斯网络模型,将一次任务划分为启动、运行、制动三个阶段,在各个阶段通过重要度和敏感性对该模型进行可靠性分析。最后,以CTCS-2级列控系统的列控中心为例,对该离散时间贝叶斯网络模型进行验证和分析,结果表明该方法能够很好地表征列控中心的多态性和动态性。