基于二叉决策图的故障树求解法

探讨了二叉决策图(BDD)求解故障树失效概率和最小割集(MCS)的方法,包括如何将故障树转化为BDD、用BDD求解最小割集、利用零压缩二叉决策图(ZBDD)表示最小割集以减少存储空间、基于BDD求解故障树顶事件失效概率。用程序实现了BDD算法,以某电厂PSA模型部分分枝为对象,通过手工计算和RiskSpectrum PSA程序验证了该程序的正确性,对比结果显示该程序可用于求解小规模故障树失效率和MCS。

一种用于BDD网络可靠性分析的启发式排序新方法

BDD(binary decision diagram)模型大小严重影响基于BDD的网络可靠性分析方法的性能,而所选定的变量排序又决定着BDD模型大小.然而,选择最佳变量排序是一个NP-hard问题,在实际应用中,通常采用启发式排序.其中,BFS(breadth-first-search)应用最为广泛,也被认为是最好的排序.为寻找新的高性能启发式排序,从分析基于边界集的BDD模型构建的动态过程入手,研究影响BDD模型大小的因素,得到启发式指导参数:BDD模型宽度和边界集总长度,提出排序起点选择方法和BDD模型宽度小优先的排序策略.大量实验表明,新提出的启发式排序能指导生成更小的BDD模型,从而提升基于BDD的网络可靠性分析方法的性能.