基于离散时间贝叶斯网络的CBTC车载设备可靠性分析

基于通信的列车控制系统(CBTC)车载设备用于实现列车安全防护和自动运行,其可靠性直接关系到列车的运行安全和效率。针对设备运营过程中的动态失效问题,基于离散时间贝叶斯网络(DTBN)对CBTC车载设备可靠性进行分析。首先,在分析CBTC车载设备功能结构的基础上构建系统动态故障树模型,基于动态故障树模型与DTBN模型的转换规则以及DTBN逻辑门条件概率表,建立基于DTBN的可靠性分析模型;其次,通过DTBN的正向推理实现CBTC车载设备的可靠度评估;最后,通过DTBN的反向推理及重要度计算,实现CBTC车载设备薄弱环节分析及重要度排序。结果表明:ATP子系统中输出继电器板、输出板等是CBTC车载设备最薄弱的板卡级设备,需重点关注。该方法能为CBTC车载设备的可靠性分析提供依据,有效提升系统智能运维水平。

基于离散时间贝叶斯网络的动态故障树分析方法

提出了一种基于离散时间贝叶斯网络的动态故障树分析方法.首先给出优先与门、顺序相关门、备件门、功能相关门等动态逻辑门向离散时间贝叶斯网络的转化方法,在得到动态故障树对应的离散时间贝叶斯网络之后,再利用贝叶斯网络推理算法计算、诊断和预计顶事件概率、重要度等常规分析结果.对数字飞控计算机系统进行的分析表明,该方法能够保证较高的求解精度,其相对误差均保持在0.4%以内,而且易于扩展到多态和非确定性逻辑关系的情形.

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。

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。

基于贝叶斯网络的系统可靠性评估方法研究

为了有效评估动态系统要素间的复杂行为和交互特性,提出了一种基于贝叶斯网络(Bayesian Network,BN)的可靠性建模与分析的新方法。该方法利用BN的不确定性推理和图形化表达的优势,能够很好地捕捉系统要素的行为与交互,以结构的方式组合各种基本BN架构为用户提供模块化和分级的途径对系统进行建模。实验结果表明该方法的可行性和有效性。从而提高了系统的灵敏度,减少了其不确定性。

基于DTBN与T-S故障树的电池热管理系统可靠性分析

提出一种评估电动汽车动力电池热管理系统的可靠性分析算法。构建了电池热管理系统T-S动态故障树,转化为离散时间Bayes网络(DTBN)模型。同时将T-S动态门规则转化为网络节点的条件概率表。依据所建可靠性模型和部件的故障率,计算得到动力电池热管理系统在任务时间内的故障概率值为0.453,并获得各部件的后验概率、概率重要度和关键重要度。结果表明:对比Monte Carlo仿真方法,本方法的故障概率计算值误差小于5%,概率重要度靠前的是单体电池温度传感器、电池冷却液泵、电池冷却液管路等部件。该方法能克服传统故障树分析难以构建Bayes网络条件概率表等问题。

DTBN在复杂系统动态概率安全评价中的应用

基于事件树-动态故障树(ET-DFT)模型的动态概率安全评价(IDPSA)方法将ET和DFT结合,能充分描述系统动态行为对其可靠性与风险性的影响,但将DFT转化为马尔科夫链时,存在状态空间爆炸和易出错等问题。为此,建立基于离散时间贝叶斯网络(DTBN)的复杂系统DPSA方法,将ET-DFT模型转化为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(CPT)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DTBN的DPSA方法既能得到系统故障时各个底事件发生故障的后验概率,又能得到系统薄弱环节在各时间区间内发生故障的概率,从而实现对系统较为精确的DPSA。

基于DTBN的液压调高系统动态故障树分析

针对液压调高系统存在动态失效特性问题,采用基于离散时间贝叶斯网络(DTBN)的动态故障树分析方法进行分析。研究一种基于DTBN的动态故障树分析方法,给出动态故障树向DTBN转化以及用DTBN求解各时间段和任务时间内顶事件的发生概率、基本事件的后验概率和概率重要度的方法。利用基于DTBN的动态故障树分析方法构建液压调高系统动态故障树,并将其转化为DTBN。利用贝叶斯网络双向推理计算各时间段和任务时间内液压调高系统的失效概率和各元件的后验概率与概率重要度,为发现液压调高系统薄弱环节、提高系统可靠性提供依据。

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T-S动态故障树的桁架机器人系统可靠性分析

为了提高桁架机器人系统的动态可靠性,并且在发生故障时提升排查故障的效率,提出一种对桁架机器人系统动态可靠性分析的方法。首先,对桁架机器人系统建立T-S动态故障树;然后,把T-S动态故障树和T-S动态门规则分别转化为离散时间贝叶斯网络(DTBN)与相应网络节点的条件概率表,根据DTBN正反向推理分别计算得到各时间段以及任务时间内系统失效概率和根节点后验概率,并获得各根节点的T-S概率重要度、T-S关键重要度和灵敏度;最后,应用Monte Carlo仿真法进行验证,结果显示相对误差为0.29%,证明所提方法可行。给出当系统发生故障时应优先排查的零部件,并确定了系统薄弱环节,得出应优先提高可靠度的零部件,为桁架机器人系统的动态可靠性分析提供了理论依据。

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。

采用动态故障树分析诊断系统故障的信息融合法

为提高系统故障诊断效率,提出了一种利用动态故障树分析诊断系统故障的信息融合方法,该方法充分发挥动态故障树建模和贝叶斯网络推理各自优势,通过集成系统结构信息和传感器信息来诊断系统故障.采用高效的零压缩二元决策图生成系统所有最小割集,并采用贝叶斯网络方法计算部件和最小割集的诊断重要度;根据传感器证据信息对系统特征函数化简,同时对部件和证据条件下割集的诊断重要度进行更新;综合考虑部件和割集诊断重要度设计了系统诊断决策算法,生成诊断决策树以指导维修人员恢复系统故障;最后通过实例验证了该故障诊断方法的有效性.

基于动态故障树的辅助给水系统可靠性分析

华龙一号辅助给水系统属于专设安全设施,在丧失主给水系统的事故工况下向蒸汽发生器二次侧供水,以导出堆芯余热。其可靠性是核电厂安全水平的重要影响因素之一。针对丧失主给水并使用辅助给水系统进行热停堆的Ⅱ类工况对系统进行可靠性分析。构建系统的动态故障树模型,并将其转换为离散时间贝叶斯网络(DTBN),然后采用概率编程语言Figaro实现定量分析,得到了系统的可靠度曲线,初步验证了所开发程序的工程适用性。