考虑多种故障状态的机械系统可靠性评估方法研究

为解决传统可靠性分析方法在多状态且难以获得精确故障率的机械系统可靠性评估中的不足,以及T-S故障树存在计算复杂、不能逆向推理等问题,提出一种将T-S故障树和区间模糊多态贝叶斯网络相结合的系统可靠性评估方法.将T-S故障树映射成贝叶斯网络,在模糊贝叶斯网络可靠性分析方法中引入区间理论,对模糊子集边界值进行模糊化处理,构建...     

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。     

模糊多态贝叶斯网络在冗余液压系统可靠性分析中的应用

为解决传统方法在状态多样化且精确故障率难以获得的复杂冗余系统的可靠性分析中的局限性,提出一种改进的基于模糊多态贝叶斯网络的可靠性分析方法。该方法基于二态故障树来构建多态贝叶斯网络结构,利用模糊数描述根节点故障率,结合工程经验构造出体现冗余系统及单元多态性和多态节点故障间不确定逻辑关系的条件概率表。通过理论推算得到系统故障概率与可靠度、后验概率计算及根节点重要度的分析过程,并将其应用到船舶推进器液压系统可靠性分析实例中,结果表明该方法能较好地满足冗余系统可靠性评估、已知当前状态时的系统故障预测和实施关键单元可靠性增长的实际需要,对类似系统可靠性研究具有参考价值。     

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。     

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。     

基于贝叶斯网络和灰关联法的多态液压系统故障诊断

提出基于贝叶斯网络和灰关联法并综合考虑根节点后验概率和故障诊断处理成本的故障诊断方法。考虑根节点故障状态的多态属性,利用贝叶斯网络推理求得根节点后验概率,利用模糊子集描述故障诊断处理成本,通过灰关联法建立故障诊断决策矩阵,计算故障诊断决策方案的灰关联度,进而确定故障决策方案的搜索序列以得出系统故障原因。通过液压系统实例,分别求解出半故障状态和故障状态下的故障诊断序列,同时也验证该方法的可信度和可行性。     

基于模糊概率贝叶斯网络的起重机械制动器可靠性分析

针对传统的故障树(FAT)可靠性分析方法,提出了一种基于模糊概率与贝叶斯网络(BN)相结合的分析方法。文中的BN模型通过FAT模型得到,根据专家综合评定BN模型中每一个根节点的语言变量,得出每一个根节点发生故障的精确概率。通过BN模型的正逆互推原理算出每一个叶节点的失效概率和每一个根节点的后验失效概率,进一步进行每个根节点重要度分析。最后通过该方法对桥式起重机用制动器的可靠性分析,发现其具有很高的分析效率。     

系统可靠性评估的超椭球贝叶斯网络及其灵敏度方法

利用区间模型描述根节点的失效可能性,解决根节点的失效可能性不易精确获取的问题;通过引入超椭球模型来界定不确定性参量的取值范围,解决区间贝叶斯网络在求取可靠性指标时计算结果相对保守的问题;定义超椭球贝叶斯网络的灵敏度指标,为找到系统的关键环节提供依据;结合贝叶斯网络双向推理求解出在根节点失效可能性已知的条件下,叶节点的失效可能性、根节点状态的后验可能性;给出了可靠性评估实例。     

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。     

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。     

[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。     

基于证据理论和贝叶斯网络的液压驱动系统可靠性分析

为解决因结构复杂、数据缺乏、人的认知水平不足等导致液压系统存在不确定性,以及液压系统存在多性能、多故障状态等多态性问题,提出了液压系统证据理论和贝叶斯网络相结合的可靠性分析方法。证据理论能够很好地处理不确定信息,利用证据理论的似然概率和信任概率描述根节点的失效可能性区间,解决根节点的故障概率存在不确定性及不易精确获取的问题;利用贝叶斯网络描述系统多态性,运用其推理算法给出了叶节点故障概率区间、根节点重要度区间以及根节点的灵敏度区间的计算方法。将该方法运用到工程机械液压驱动系统中,通过分析表明该方法能够有效地描述不确定性及多态性问题。     

The weakest t-norm based intuitionistic fuzzy fault-tree analysis to evaluate system reliability

In this paper, a new approach of intuitionistic fuzzy fault-tree analysis is proposed to evaluate system reliability and to find the most critical system component that affects the system reliability. Here weakest t-norm based intuitionistic fuzzy fault tree analysis is presented to calculate fault interval of system components from integrating expert's knowledge and experience in terms of providing the possibility of failure of bottom events. It applies fault-tree analysis, α-cut of intuitionistic fuzzy set and T(ω) (the weakest t-norm) based arithmetic operations on triangular intuitionistic fuzzy sets to obtain fault interval and reliability interval of the system. This paper also modifies Tanaka et al.'s fuzzy fault-tree definition. In numerical verification, a malfunction of weapon system "automatic gun" is presented as a numerical example. The result of the proposed method is compared with the listing approaches of reliability analysis methods.     

太阳翼驱动机构的模糊动态故障树分析

作为航天器重要的组成部分之一的太阳翼驱动机构,故障频发,它的可靠性研究凸显出重要的价值。根据太阳翼驱动机构的组成和工作原理,建立了相应的动态故障树。考虑到现实中太阳翼驱动机构的故障现象、故障状态与故障原因等存在着大量的不确定性,将模糊集理论引入动态故障树分析中,采用三角模糊数表示太阳翼驱动机构故障树的各个底事件的失效参数,将 截集理论与区间运算相结合,对太阳翼驱动机构进行模糊动态故障树分析,从而得到系统的顶事件模糊发生概率与各个底事件的模糊概率重要度,并对模糊概率重要度进行分析,得出太阳翼驱动机构中的关键部件为系统中的轴承及谐波减速器,找到了系统的薄弱环节。     

基于贝叶斯网络的多状态系统可靠性建模与评估

利用贝叶斯网络(Bayesian network, BN)的不确定性推理和图形化表达的优势,提出一种基于BN的多状态系统可靠性建模与评估的新方法,确定BN的结点及系统各元件的多个状态,并给出各状态的概率,进而用概率分布表(Conditional probability distributing, CPD)描述元件各状态之间的关系来表达关联结点的状态,建立多状态系统BN模型.该模型表达直观,能够清晰地表示系统和元件的多种状态以及状态概率,并能够根据元件多种状态概率直接计算系统可靠度,对多状态系统可靠性进行定性分析和定量评估.实例分析表明了应用BN方法进行多状态系统可靠性评估的有效性.     

Method of Judging Potential Failure States of Electronic Instruments

Potential failures of electronic instrument are very common in the engineering practice.In this paper,potential failure state model is analyzed based on dynamic characteristics of electronic instrument at work and a comprehensive method of judging multi-state reliability is put forward.Then,a multi-state electronic instrument reliability analysis model is built based on Bayesian Networks(BN).Considering the failure-potential failure-normal work states,the model is built to estimate reliability of the system and the conditional probability of the elements.Finally,the model is proved corrective and effective by examples.     

凸模型T-S故障树及重要度分析方法

针对故障数据缺乏、故障机理复杂多样等原因导致T-S故障树底事件的失效可能性具有不确定性的问题,以及概率和模糊T-S故障树以及布尔逻辑门故障树适用性的不足,提出凸模型T-S故障树及重要度分析方法：将区间模型引入到T-S故障树分析方法中,利用区间模型描述底事件的失效可能性,提出区间T-S故障树分析方法,解决底事件的失效可能性不易精确获取的问题;在此基础上,引入超椭球模型来界定不确定性参量的取值范围,进而提出超椭球T-S故障树分析方法,解决区间T-S故障树在进行可靠性分析时,分析结果相对保守的问题;进而,定义凸模型T-S故障树的重要度指标,为找到系统的关键环节提供依据;求解出上级事件的失效可能性、底事件的T-S凸模型重要度和T-S凸模型关键重要度,通过与凸模型布尔逻辑门故障树、T-S故障树进行对比,验证所提方法的可行性。最后,给出了组合导航系统可靠性分析实例。     

T-S模糊故障树重要度分析方法

传统部件重要度分析方法建立在布尔逻辑门的基础上,需要精确已知部件之间的联系,并且不能全面考虑部件所有状态及部件之间的联系对多状态系统可靠性的影响。针对上述问题,首先通过给出传统二态、多态逻辑门的T-S门规则形式,验证了T-S模糊故障树分析方法的可行性,进而将传统二态和多态部件重要度分析方法推广到T-S模糊故障树中,提出了T-S重要度概念及其计算方法,包括T-S结构、概率及关键重要度。然后,与传统部件重要度分析方法进行算例对比与分析,验证方法的可行性。最后,给出了液压系统T-S模糊故障树分析及其重要度计算实例。