基于空间故障树理论的系统可靠性评估方法研究

为了研究可靠性对工作环境变化敏感的一类系统,利用空间故障树SFT的思想和方法,并结合T-S模糊故障树和贝叶斯网络,建立了一种系统可靠性评估方法。总结了T-S模糊故障树和BN网络评价系统可靠性时存在的问题,并在所提出的方法中予以解决。方法中将事件的故障状态划分为：无故障a、轻度故障b、严重故障c、完全故障d四种状态,分别用a,b,c,d表示。故障率为[0~30%）、[30%~60%）、[60%~85%）、[85%~100%）,并得到了划分的规则。研究了该系统在不同故障状态下的有效范围。得到了系统在不同状态之间过渡时的特征,并分析了过渡期间的可靠性对因素敏感度问题。

空间故障树的径集域与割集域的定义与认识

为从系统工作环境的角度分析条件因素对系统可靠性的影响,找出适合系统运行的环境条件,基于已有空间故障树的定义,提出空间故障树的径集域与割集域的定义。从关注于基本事件的组合转移到关注于系统运行条件的组合,进而达到从工作环境角度定义系统的故障情况和可靠性。以某电气系统为例,考虑使用时间t和使用温度c等2个因素,构建单一基本事件和系统的径集域、割集域和域边界。结果表明:研究区域可划分为径集域、割集域和域边界。实施合理的更换方案后的系统径集域不断扩大,割集域不断减小,所以可根据径集域占整个区域的比例判断更换方案的优劣程度。

连续型空间故障树中因素重要度分布的定义与认知

为了解工作环境条件因素对系统故障概率的影响的特征,同时丰富连续型空间故障树(CSFT)的理论框架,提出因素重要度分布的概念。因素重要度分布从经典故障树的概率重要度发展而来,目的是研究系统所处环境因素变化导致系统可靠性变化的程度。给出元件和系统的因素重要度分布概念、公式及所需基础数据,并分析因素重要度分布的正负分布特点。使用该概念研究元件X1和系统T的因素t重要度分布和因素c重要度分布。结果表明:在不同环境中,对于因素t或c变化影响元件或系统的故障概率变化程度是不同的。因素重要度分布有效地表达了t和c对元件或系统的故障概率影响特征。

01型空间故障树的结构化表示方法

为了实现系统结构反分析的人机认知体,提出了01空间故障树的概念,以表示元件结构或因素结构两个层面上的基本事件和系统的关系.同时为了实现认知体中的数据库向知识库的转化,提出01型空间故障树的结构化表示方法,即图法和表法.具体论述了两种方法表示系统的过程.从该过程可知图法可以表示任意结构系统的01空间故障树;而表法所得结构化信息更适合于使用因素空间的相关理论进行分析.这两种结构化表示法为系统结构反分析奠定了基础.

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。

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。

空间故障树与空间故障网络理论综述

为了研究多因素变化对系统可靠性的影响,在2012年提出空间故障树理论。随着研究的深入,在2015年逐渐将智能科学和大数据技术引入空间故障树,作为分析故障大数据和因素间因果逻辑关系的处理方法。进一步地,由于实际故障发生过程中事件和影响因素多是相互联系的网状结构,在空间故障树基础上提出空间故障网络理论。其主要用于描述自然灾害和人工系统故障发生过程,是研究系统故障演化过程的理论。上述理论发展可归纳为3个阶段:空间故障树基础、空间故障树改进、空间故障网络基础。通过综述形式总结并论述了以往空间故障树及空间故障网络的提出、发展过程和作用,以使读者对空间故障树和空间故障网络有一个较为全面的认识,并以此为基础在安全科学,特别是系统可靠性领域做出更大贡献。

基于空间故障树理论的配电网弱馈线路断线故障识别方法

针对当前弱馈线路的研究成果较少,一旦发生断线故障则严重威胁电网安全的问题。采用空间故障树理论,提出一种面向弱馈线路的断线故障识别方法。设定时间与温度作为配电网弱馈线路工作状态的主要影响因素,构建空间故障树的空间域,获取断线故障发生后各元件的贡献程度,根据断线故障与各元件故障间的相关性,联立相关性排序中前列元件与割集组合中各事件间的匹配关系,实现断线故障定位;依据线路某相下游电压向量与无线链路控制层协议回路输入电压向量之间的夹角,通过对比夹角绝对值与识别阈值的大小,完成断线故障识别。仿真实验结果表明,所提方法较好地抑制了影响因素的干扰程度,识别结果具有一定的有效性与可信度。

离散型空间故障树构建及其性质研究

为了充分利用已有的长期监测得到的元件故障记录数据,根据其数据稀疏且离散的特点,在作者提出的连续型空间故障树(CSFT)基础上,提出适合于处理这些数据的离散型空间故障树(DSFT).首先对元件故障记录数据分别按照元件的工作时间t和工作温度c进行统计,然后分别在t和c方向投影且归一化数据,最后对故障概率分布点进行拟合得到特征函数,进而得到元件故障概率空间分布.研究表明:DSFT是由表及里地研究元件的故障概率空间分布.将CSFT与DSFT结合分析得到,除t和c外仍有其它环境因素影响着元件故障概率空间分布,并得到了影响范围和特征.

基于空间故障树理论的系统故障定位方法研究

为了系统发生不同类型故障后快速定位可能引起该故障的系统元件,通过分析系统结构和元件故障概率分布,以及系统在不同工作环境中发生各类型故障的统计数量,提出基于空间故障树（Space Fault Tree,SFT）理论的系统故障定位方法。该方法使用SFT概念得到系统内部结构及元件的故障概率矩阵P（Xi）,分析元件X_i故障对于所在割集S_j及系统T故障的贡献度,结合系统故障次数统计矩阵Γ（mq）,最终得到元件X（1～I）与故障m（1～Q）的相关度矩阵。这个矩阵可反映出对于任意系统故障m_q与故障元件X（1～I）的相关性排序、对应的割集、及保证结论正确的可能性,还可优化系统故障分类。实例研究表明：方法可确定各故障的至因故障元件,并根据可能性进行排序,排序靠前的元件组合正是系统的割集,这从侧面也说明了方法正确性。

事件故障状态量子博弈过程的参与者收益研究

为了解事件故障状态量子博弈过程中参与者收益随各影响因素的变化情况,提出在空间故障树(Space Fault Tree, SFT)框架内,以事件故障状态为对象,对参与者收益进行研究。事件故障状态使用量子态表示,管理者和操作者的不同行为对事件故障状态的作用使用博弈表示。考虑因素包括安全产出价值、安全收益分配系数、安全措施成本。研究了事件故障状态与量子博弈的关系;纠缠与非纠缠态下的参与者收益;参与者收益受到各因素影响的特征等。研究得到了管理者和操作者考虑纠缠和非纠缠态的收益函数。结合SFT理论方法,提出了针对收益的因素重要度、因素联合重要度、收益风险区和安全区、因素区域重要度。理论上SFT可用于量子博弈参与者收益的分析。也论述了使用因素空间理论解决该问题的可能性。

空间故障网络理论与系统故障演化过程研究

为描述和分析系统故障演化过程,提出了空间故障网络理论。该理论基于先期提出的空间故障树理论,继承了其多因素影响分析、故障大数据处理及因果关系分析的能力。实际系统故障演化过程较为复杂,使用空间故障树树形结构难以描述,因此提出空间故障网络。故障演化过程的实质是由事件和连接组成的按照一定因果关系相连的网络结构。又由于事件由对象及其状态表示,空间故障网络研究的是故障演化过程中对象、状态和连接之间的关系。论述了以往研究的不足,给出了各概念的物理含义、转化步骤、单向环分类、最终事件发生概率计算方法等。论述了空间故障网络研究存在的不足及今后需要研究的关键问题。

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。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该方法的应用,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。

含有单向环的多向环网络结构及其故障概率计算

树形拓扑结构是网状拓扑结构的特例,即空间故障树（SFT）是空间故障网络（SFN）的特殊形式。研究更广泛的系统的可靠性与影响因素的关系,将SFT理论中系统结构的树形表示改为网状表示,形成SFN。给出SFN的性质、基本结构及其与SFT转化方法。SFN的结构包括一般网络结构、多向环网络结构及含有单向环的多向环网络结构。由于单向环的特殊性,具有循环连锁发生故障的特征,无法单独构成SFN,因此将其加入多向环网络结构形成含有单向环的多向环网络结构。重点论述含有单向环的多向环网络结构的表示方法和故障概率计算方法。研究结果表明：构建的SFN可处理具有网络结构的故障发生过程,同时SFN可转化为SFT,进而可利用SFT现有理论方法分析故障过程。

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。

基于信息增益的SFT中故障影响因素降维方法研究

为了研究空间故障树降维方法,参考因素空间中的信息增益法,构建了空间故障树中影响因素的降维方法。通过影响因素对目标因素的信息增益情况判断该因素被删除降维的可能性,分为可被忽略和可等同2种情况并给出了判断此2种情况的条件及降维方法的过程描述和涉及的定义。应用该方法分析了故障状态数据,设使用时间、使用温度和使用湿度为影响因素,元件故障概率为目标因素。分析结果表明,使用时间和使用湿度对故障概率的影响接近;使用温度对故障概率的影响最小,但3个因素都不能作为可降维的影响因素而被删除。

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。

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。

安全科学中的故障信息转换定律

为在安全科学领域实现从故障信息到安全决策过程,本文提出了安全科学中的故障信息转化定律。安全科学核心之一是系统可靠性。随着信息数据和智能科学的发展,系统可靠性理论也应跟随并发展。信息生态方法论是不同于传统机械还原论的方法论,可全方位研究故障信息。因素空间理论是基于因素的智能科学数学基础。空间故障树理论则是研究可靠性与因素关系的系统科学方法。因此三者在因素、系统变化及其特征研究方面具有天然的集成性。分别提供了研究系统可靠性的方法论、智能数学基础和具体实施平台。信息生态方法论和因素空间理论可指导并融入空间故障树理论的发展。从而为安全科学基础理论提供符合信息和智能科学的系统可靠性分析理念和方法,为安全科学的信息化及智能化作出尝试。

人工智能系统故障分析原理研究

为研究未来系统在人工智能控制下的系统故障预测、预防、控制和恢复能力,提出一种基于信息生态方法论的人工智能系统故障分析方法。将研究对象划分为人、功能、自然和智能系统;以智能系统为核心,研究故障信息、知识和智能安全生成原理;论述了基础故障意识、情感和理智的特点。研究表明,系统故障的人工智能分析必须采用信息生态方法论结合安全科学理论进行。分析原理是基于信息生态方法论,考虑基础故障意识、情感与理智,及即时故障语义信息进行的综合决策与反应,以确保系统在规定条件下完成预定功能。