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。     

考虑共因失效的新型连续时间动态 贝叶斯网络可靠性分析方法

现代系统失效行为复杂,动态性与相关性并存。首先为直观准确地刻画分析系统中的动态失效行为,提出新型连续时间动态贝叶斯网络分析方法,利用节点时序条件概率表刻画事件关系,进而提出基于节点时序条件概率表规则执行度与冲激函数抽样性质的子节点故障概率、根节点后验概率及重要度的计算方法;进一步,针对共因失效引起的系统相关性失效行为,提出考虑共因失效的新型连续时间动态贝叶斯网络分析方法,解决系统失效逻辑动态性和相关性的重叠问题。通过与贝叶斯网络、离散时间动态贝叶斯网络分析方法、Markov链、Monte Carlo法对比,验证所提方法的可行性与优越性。最后,对动态失效相关系统进行可靠性分析,结果表明,本文方法能够直观有效地刻画动态性与相关性失效行为,得到准确的系统可靠性指标,考虑共因失效相比于忽略共因失效,在任务时间为5×10~6 h时能够提高系统29%的可靠性分析精度,更加符合实际。     

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。     

基于模糊贝叶斯理论的汽车起重机起升系统可靠性分析

针对汽车起重机起升液压系统可靠性的问题,提出了基于模糊集理论、T-S模糊故障树和BN网络相结合的系统可靠性分析方法。将T-S模糊故障树转化为BN(贝叶斯)网络,运用模糊集理论,利用专家对基本事件的主观评价转化为模糊数,得到精确失效概率。通过BN网络的双向推理计算能力,得到顶事件发生概率,各基本事件的后验概率及其重要度。通过对汽车起重机起升系统分析,发现系统薄弱环节,全面高效的对系统进行可靠性分析。     

空间索杆铰接式伸展臂动态故障树建模及其可靠性评估

由于空间索杆铰接式展臂伸机构复杂,部分失效过程出现动态特性,如冗余备份以及功能相关性等,故采用基于离散时间贝叶斯网络的动态故障树分析方法对伸展臂系统进行可靠性评估。首先分析逻辑门向离散时间贝叶斯网络的转化方法,建立逻辑门的贝叶斯网络模型以及相关事件的条件概率分布。根据上述转换原理,将空间索杆铰接式伸展臂的动态故障树转化为对应的离散时间贝叶斯网络模型,最后利用贝叶斯网络推理计算伸展臂系统的失效概率以及各失效模式的后验概率,实现对其可靠性的评估。     

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BN和T-S模糊故障树的起重机变幅机构可靠性评估

针对汽车起重机变幅机构的复杂性以及故障状态的模糊性,提出了一种模糊贝叶斯网络与T-S模糊故障树相结合的可靠性评估方法。首先,通过建立T-S模糊故障树,映射为模糊贝叶斯网络;其次,结合专家利用"信心指数法"得到的底事件的故障概率,正向推理得到顶事件的故障概率以及底事件的重要度,再通过反向推理可以得到系统出现故障后底事件的后验概率。该算法对2种算法进行结合,优势互补,算法符合客观实际,为评估系统可靠性、找出系统薄弱环节提供了依据。     

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。     

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。     

T-S动态故障树分析方法

DUGAN动态故障树由静态子树和动态子树组成,静态子树为传统故障树并用与、或门等传统逻辑门描述静态失效行为,动态子树用优先与门、功能相关门、顺序相关门、备件门等动态逻辑门描述动态失效行为。相对于传统故障树,T-S故障树可以刻画任意形式的组合、多态等静态失效行为,但仍不能刻画系统的动态失效行为。为进一步增强故障树描述静、动态失效逻辑的能力,提出了T-S动态故障树分析方法,首先定义并提出了描述静、动态逻辑关系的T-S动态门及描述T-S动态门的时间状态规则和事件发生规则构建方法,进而提出了基于T-S动态门输入、输出规则算法的T-S动态故障树分析求解计算方法。T-S动态故障树的T-S动态门规则可无限逼近现实系统的失效行为,不仅可以描述DUGAN动态门所刻画的动态失效行为,还可以描述DUGAN动态门不能刻画的静、动态失效行为。最后,将T-S动态故障树分析方法分别与离散时间贝叶斯网络、Markov链和顺序二元决策图求解DUGAN动态故障树的方法进行对比,验证了所提方法的可行性和计算的简便性。     

区间三角模糊多态贝叶斯网络可靠性分析方法研究

针对传统系统可靠性分析方法在处理模糊信息方面的不足,建立了基于区间三角模糊贝叶斯网络的多态系统可靠性分析方法。通过区间三角模糊子集来描述根节点故障率;基于区间三角模糊子集,构建了区间三角模糊多态贝叶斯网络模型;研究了区间三角模糊多态贝叶斯网络可靠性分析算法,给出了求解叶节点故障模糊可能性与去模糊根节点后验概率的计算方法。最后,对塔机倾覆事故进行了可靠性分析,验证了该方法的有效性。     

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。     

基于贝叶斯方法的智能诊断系统中的故障树排序

主要解决了在以故障树为基础的数控机床智能诊断系统中,面对多棵故障树如何确定各故障树的诊断顺序的问题。在故障树诊断方法中融合贝叶斯算法定位已发生故障所在的故障树,利用已有的机床异常状态信号来计算各故障树被触发的后验概率,概率高的故障树优先被诊断,其后对优先级高的故障树采用最小割集的方法进行诊断。这种方法提高了诊断速度,同时避免了贝叶斯网络进行故障诊断时故障诊断系统可靠性低这一弊端。     

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。     

基于贝叶斯网络和理想解动态群决策的故障诊断方法

为综合利用多属性信息和历次故障搜索结果反馈信息进行故障诊断,提出一种基于贝叶斯网络和理想解动态群决策的故障诊断方法。以砼泵分配阀液压系统为例,利用贝叶斯网络对系统进行分析并求解根节点的后验概率和关键重要度;根据本次诊断成功与否对下次最优搜索决策影响程度的大小,定义出启发函数求解启发式信息价值;考虑后验概率、关键重要度和启发式信息价值等因素,利用基于熵权的理想解法求取搜索方案的群体理想解和逆理想解,得到故障搜索最佳方案;考虑历次故障搜索最佳方案对当前搜索方案的影响,最终求得故障搜索的最佳方案序列。该方法克服了单属性决策和群决策方法的不足,提高了故障诊断的可行性和诊断效率。       

[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。     

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。