基于FFAT的装载机液压系统故障诊断

在分析装载机液压系统故障特征的基础上,建立了液压系统的故障树层次模型,针对故障树底事件和中间事件发生概率情况获取不足的现状,将模糊集合理论引入到故障树分析中,采用模糊数来刻画事件发生概率,利用模糊重要度来描述底事件对顶事件的影响,并以装载机液压系统中"工作泵"故障树为例进行了分析.结果说明,该方法具有较强的灵活性和适用性.     

一种动态故障树顶事件发生概率的近似算法

本文提出了一种动态故障树顶事件发生概率的近似算法,该算法不需要把动态故障树转化为马尔可夫链,而是直接分析故障树模块,并用梯形公式得到近似数值解。最后通过一个实例说明了该方法的有效性。     

基于模块化分解的故障树分析方法

传统故障树分析算法存在诊断成本高和耗时长的问题,为此,在研究故障树结构中的特殊规律的基础上,采用深度优先最左遍历算法对故障树进行模块化分解,减小故障树分析的规模。结合if-then-else运算符,将最左底层模块子树转化为相应的二元决策图结构。运用深度优先最左遍历算法得到该二元决策图结构中的割集和最小割集,用相同故障概率的基本事件替代最左底层模块子树得到新故障树。采用自底向上、从左至右的递归综合分析思想,获得系统元件故障发生的概率,实现对故障树的分析。对故障实例的分析诊断结果表明,该方法可有效提高诊断速度,减少诊断成本。     

基于改进DFTA的安全苛求系统可靠性分析

针对传统可靠性分析方法容易忽视冗余多态性、可修复性等安全苛求系统特性问题,在形式化的系统可靠性建模中引入可修复因子,提出一种模块化动态故障树分析方法。在动态和静态相结合的模块化定量分析过程中,利用马尔可夫模型和顶事件发生概率逼近算法,有效避免动态故障树分析过程中的状态组合爆炸问题,提高安全苛求系统可靠性分析的可行性和实践效率。     

基于动态故障树的信息物理融合系统风险分析

针对信息物理融合系统（CPS）中的网络安全攻击会导致系统失效的问题，提出一种基于动态故障树的CPS风险建模及分析方法。首先，对动态故障树和攻击树集成建模，构建攻击-动态故障树（Attack-DFTs）模型；然后，分别采用二元决策图和输入输出马尔可夫链给出攻击-动态故障树中的静态子树和动态子树的形式化模型，并在此基础上给出攻击-动态故障树的定性分析方法，即分析网络安全攻击导致系统失效的基本事件路径；最后，通过一个典型的排污系统应用实例对方法的有效性进行验证。案例分析结果表明，所提方法能够分析CPS中由于网络安全攻击导致系统失效的事件序列，有效实现了CPS的综合安全评估。     

传感器可靠性技术－传感器的故障树分析

介绍了传感器故障树的建立规则，顶事件发生概率及底事件概率重要度的计算方法。     

传感器可靠性技术－传感器的故障树分析

介绍了传感器故障树的建立规则，顶事件发生概率及底事件概率重要度的计算方法。     

动态故障树割序集分析的模块化方法

针对割序集模型较高的复杂度,提出静态子树模块化和动态子树模块化2种简化方法。利用模块化方法将动态故障树划分为多个静态子树和动态子树。对完全由静态门构成的静态子树采用二叉决策图计算其发生概率;对动态子树采用割序集模型进行分析,将其中包含的静态子树作为一个整体进行处理。通过实例阐述模块化方法的应用过程,算例分析结果表明,该方法能有效降低割序集模型的复杂度。     

基于BDD的关联故障树定量分析法研究

利用二元决策图(BDD)中的B—割集和节点概率,提出了基于BDD的关联故障树定量分析新算法。推导了故障树顶事件发生概率和绝对失效强度算法公式,将故障树顶事件发生概率和绝对失效强度计算结合起来,避免了复杂的最小割集和不交化求解过程,显著地减少了布尔代数运算量,给出了算法递归步骤。大量的实例分析验证了此算法的工程实用性。     

一种适用于具有相互依赖基本事件和重复事件的动态故障树独立模块识别方法

为减小时间开销,动态故障树经常被模块化分解为独立的静态子树和独立的动态子树,然后分别使用二叉决策图和马尔卡夫模型求解;其中的一个关键问题便是识别具有相互依赖基本事件和重复事件的动态故障树中所有的独立模块和最小独立模块.文中提出了一个基于亲戚依赖关系的独立模块识别方法IIMKDR,该方法将故障树按照其事件之间的依赖关系转换为依赖树;基于面向对象思想,为依赖树及其节点构建对象;通过对各节点对象属性的分析,得出独立模块集并进而求出最小独立模块集.最后对IIMKDR方法进行了理论分析和实验验证,分析表明该方法适用于具有相互依赖基本事件和重复事件的动态故障树独立模块识别.与其它方法从多个角度所进行的实验对比显示,当故障树没有相互依赖基本事件和重复事件时,该方法的开销略高于其它方法;当故障树具有相互依赖基本事件和重复事件时,该方法能够正确识别其中所有的独立模块,而其它方法不具备这样的功能.