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),考虑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,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。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,给出云化概率重要度分布和关键重要度分布的计算推导过程。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。