SFT中因素间因果概念提取方法研究

为了分析空间故障树中实际故障数据与影响因素之间的因果关系,基于因素空间思想,在空间故障树理论框架内提出一种因素间因果概念的提取方法。针对故障数据分析,将影响元件故障的使用时间和使用温度作为影响因素;将元件故障概率作为目标因素。通过背景关系分析和基本概念半格分析得出影响因素和目标因素之间的因果概念。将理论和实际中概念的外延和内涵统一,使方法兼顾理论和实际。分析结果中包括了三种基本概念：不可再分的基本概念、中间基本概念、不包含故障概率相的概念。前者属于真概念,可用于实例因果概念分析;后两者不能用于实例因果概念分析,只可作为根据影响因素对对象进行分类的概念。     

SFT中故障及其影响因素的背景关系分析

为了使空间故障树具有智能推理的能力,采用因素空间中背景关系分析的基本原理,提出了可分析实际故障数据的故障及影响因素关系分析方法。将影响故障因素设为影响因素,将故障概率设为目标因素,通过建立相空间,制定背景关系状态对应表来分析背景空间,计算因素边缘分布,最终得到影响因素对目标因素的影响情况。该方法可通过定性分析后根据故障状态频率定量得到影响因素对目标因素的影响程度。最后通过实例分析得到元件使用时间和使用温度对故障概率的影响情况,并给出分析的具体过程。     

故障概率与影响因素因果关系的推理方法研究

为了研究元件故障发生概率与影响故障因素之间的因果关系,基于因素空间理论的基本思想,在空间故障树框架内提出了影响因素和目标因素因果逻辑关系的两种推理方法。即状态吸收法和状态复现法,前者尽量使最终推理结果包含所有状态信息,是广度优先方法;后者尽量使出现频率大的状态信息起主导作用,是深度优先方法。解释了上述两种方法出现的必然性。应用上述方法分析了故障概率与使用时间和使用温度之间的因果逻辑关系,并与已有分析结果进行比较。表明所得因果关系基本覆盖了故障概率分布特征,验证了方法的正确性。给出了方法的适应性特点及缺点。     

SFT下的云化概率和关键重要度分布的实现与研究

为了完善空间故障树(Space Fault Tree,SFT)理论,特别是离散型空间故障树(Discrete Space Fault Tree,DSFT)对于系统实际运行过程中产生的具有离散性、随机性和模糊性的可靠性数据的适应性,提出了云化SFT方法。该方法利用云模型能表示数据的离散性、随机性和模糊性特点,重构SFT的计算基础,即特征函数。进而在SFT计算中保留原始数据特征,使最终结果也能诠释原始数据特征。论文主要完成了云化SFT理论环节中的一部分,即云化概率重要度分布和关键重要度分布。论文论证了引入云模型表示系统可靠性数据的必要性和可行性。给出了云化概率重要度分布和关键重要度分布的计算推导过程。并通过实例对这两个云化概念进行了计算。研究表明云化SFT结果要比原SFT结果更为接近现实,包含了更多数据的原始特征。     

空间故障网络及其与空间故障树的转换

空间故障树是一种研究系统可靠性与影响因素关系的理论体系,用树型结构描述元件与系统之间的可靠性关系。但实际故障发生过程是复杂的,难以表示成树型结构,而更为广泛的是网状结构。因此,尝试将空间故障树中的树型结构转换为网络结构,进而形成空间故障网络。给出空间故障网络的定义、性质及其与空间故障树的转换方法。目的是将空间故障网络转换为空间故障树,以利用空间故障树已有研究结果。给出一般结构和多向环结构的空间故障网络,及其转换为空间故障树的方法。为使用空间故障树理论研究一般网络结构故障发生过程提供方法。     

基于集对分析的SFT特征函数重构及性质研究

为研究系统功能状态中确定(可靠及失效)和不确定状态之间的关系,本文提出使用联系数重构空间故障树(space fault tree,SFT)的特征函数.确定和不确定状态使用二元联系数特征函数;可靠、不确定和失效状态使用三元联系数特征函数.本文论述了使用集对分析思想研究系统功能状态的可行性,得到了元件故障概率分布和系统故障...     

空间故障树与因素空间融合的智能可靠性分析方法

现有系统可靠性分析方法一般具有针对性,缺乏广泛的适应性和扩展性。由于智能科学、信息科学和大数据技术的涌现和发展,使得传统可靠性分析技术难以适应新的需要。因此作者提出了空间故障树理论,目的是分析多因素影响下的系统可靠性变化特征。将空间故障树理论与因素空间理论、云模型、模糊数学及系统稳定性等相结合,使其具有智能分析和故障大数据处理能力,以满足未来技术环境下的分析要求。本文论述了空间故障树和因素空间的发展史及主要理论与功能;以及两种理论结合,描述和分析系统演化过程的可行性。研究表明,空间故障树理论具有良好的扩展性和适应性,可适应未来技术环境,也可作为系统演化过程分析的普适框架。     

临床路径在实际操作过程中的作用

对临床路径在实际操作中所遇到的问题进行探讨,从而使开展临床路径这种先进的医疗管理方法得以普及和发展,研究2011年一家省级三甲医院的6种采用这一方法的病,若持续时间相等,采取这种方法与不采取这种方法的病人,平均的住院时间和花费的金钱有何差异。发现:实施这种方法后,病人平均的住院时间大大减少(P<0.01),所用的费用也明显减少(P<0.01),这具有统计学意义。从而得出:作为一种新型的医疗服务管理方法,临床路径在优化资源配置、降低成本方面有很大的作用,有必要大力推广。     

系统故障演化过程描述方法研究

为了解系统故障演化过程,提供可行的描述方法,进一步对空间故障网络理论进行研究。将原有空间故障网络结构◢W=（V,L,R,H,B）改为W=（O,S,L,X）,即用四要素对象、状态、连接和因素描述故障演化过程构建空间故障网络。提出枚举法和实例法具体进行故障演化过程描述。研究三级往复式压缩机的第一级故障过程,并辨识了事件的对象、对象的状态及事件的逻辑关系,绘制了空间故障网络。以V▼10▽和V▼2▽为例得到了转换的空间故障树,并以V▼2▽为例研究了故障演化过程。得到了127种故障模式,其中64种有利于V▼2▽◣发生,剩余63种不利于发生。根据演化过程描述需要将故障演化过程进一步分类,论述了故障演化机理。     

基于ANN求导的DSFT中故障概率变化趋势研究

为了在遇到不利工作环境之前,提前采取措施控制元件故障发生,提出基于ANN求导的元件故障概率变化趋势的确定方法。该方法可在不了解系统或元件构成和性质的情况下,仅利用实际故障监测数据分析不同工作环境下元件故障概率变化的趋势和程度。同时该方法也充实了空间故障树(SFT)下的离散型空间故障树(DSFT)理论。论文给出了ANN求导法处理问题的理论基础和公式推导。结合了一个元件进行了方法的应用,并最终得到了该元件的故障概率变化趋势。为实际生产中“先知先觉”的故障预防控制措施提供参考。     

基于Markov和SFT的同类元件系统中元件维修率分布确定

为了扩展空间故障树SFT理论,研究可表示工作环境影响的元件维修率,借助Markov链理论对元件维修率分布进行推导。所研究系统的特点为由相同元件所构成,进而使Markov链中失效率和维修率相同。用SFT中的特征函数代替Markov链中失效率,并根据实际情况设定状态转移概率,从而可得SFT下的元件维修率分布。维修率分布是由工作环境因素作为自变量的函数。考虑工作时间t和工作温度c影响下,对一混联系统进行元件维修率分布计算。最终得到了元件维修率分布和正常状态转移概率范围,其具体计算要依赖于实例系统结构。最后论述了方法的不足及其原因。     

基于云模型和SFT的可靠性数据不确定性评价

为了分析和评价系统可靠性数据中的不确定性,即随机性、离散性和模糊性,将云模型与空间故障树(Space Fault Tree,SFT)理论相结合,使用云化SFT作为基础对数据不确定性进行评价。首先使用云模型能表示数据不确定性的特点,将SFT的相关概念进行云化。将其中云化系统故障概率分布对在某因素影响下,可靠性数据生成的云模型特征参数Ex、En和He进行求导。根据在系统工作环境范围内的求导结果,并结合提出的模糊性 、离散性 和随机性 计算数据的不确定性。使用该方法对经典实例进行了分析,得到了一些定性和定量结果。但Q和 两个参数应该具体问题具体分析。