系统故障演化过程的事件故障概率分布熵构建及其性质研究

为研究系统故障演化过程带来的系统功能状态的不确定性,提出事件故障概率分布熵的概念和计算方法。系统故障演化过程的不确定性来源于事件故障概率分布和演化过程本身的不确定性,可等效为概率分布和演化的混乱性。基于上述考虑,借助信息熵的思想建立事件故障概率分布熵,对演化过程中事件故障概率分布的变化混乱程度进行度量。考虑事件故障概率分布特征,确定了分布熵模型的各参数,给出了模型推导过程,建立了分布熵表达式。研究表明:分布熵具有对称性、确定性、非负性、扩展性、可加性和极值性,符合信息熵规则;分布熵与因素数量、因素值域的等距划分点数量、故障概率变化程度均存在正相关性。通过实例演示了事件故障概率分布熵的计算过程,得到了不同事件分布熵的大小关系,表明了不同事件对系统功能状态不确定性的影响。为下一步建立系统故障演化过程的熵理论提供基础。

系统故障演化过程中故障事件发生概率的修正方法研究

为修正系统故障演化过程中故障事件发生概率,提出了一种故障事件发生概率修正方法。基于多专家经验融合,对专家给出的不同因素条件下故障事件发生概率的评估值进行修正。方法涉及DS证据论、皮尔逊相关性、信息熵等方法。讨论了系统故障演化过程与故障事件发生概率的关系;研究了故障事件发生概率不准确的原因;构建了故障事件发生概率修正方法的数学模型。通过实例演示了分析流程。研究表明:故障事件发生概率是实现系统故障演化过程定量描述的基础;概率不准确的原因在于方法论、系统及因素、技术限制三方面;修正过程中也可得到评估数据重要度、概率波动重要度、专家重要度和因素重要度等相关系数。研究可对故障事件发生概率进行修正。

系统故障演化过程中事件综合效用系数计算方法研究

为确定各事件在系统故障演化过程(System Fault Evolution Process,SFEP)中的效用,衡量对演化过程的贡献,提出了事件综合效用及系数计算方法。研究认为,影响SFEP的要素包括事件、事件故障概率、影响因素、演化过程中的事件演化关系和事件逻辑关系;进而提出了事件效用系数、事件逻辑效用系数和事件结构效用系数来表征这些要素;给出了3个系数的推导过程和计算方法;综合3个系数形成了事件综合效用系数。通过实例展示了计算流程,得到了实例SFEP中各事件的综合效用系数。结果表明:事件综合效用从大到小依次为过程事件、最终事件、边缘事件;对比事件效用系数,事件逻辑效用系数和结构效用系数对实现演化的作用更大;事件综合效用系数是通过所有因素的具体值确定的,只对确定因素值有效。成果可为SFEP增加研究事件效用的新方法。