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。

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。

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。