基于蒙特卡洛仿真求解动态故障树模型的风险分析方法技术

本发明专利技术公开了一种基于蒙特卡洛仿真求解的动态故障树模型的定量分析方法，所述方法首先对系统建立动态故障树模型，而后利用其组件故障概率数据进行故障概率参数动态估计，作为动态故障树运算的输入值，采用蒙特卡洛方法，对所述动态故障树模型进行仿真，通过所述仿真求解动态故障树模型，得到所述系统的故障概率分布分析数据和所述系统的组件重要度分析数据。本发明专利技术的风险分析方法不仅可以对状态数量巨大的复杂系统进行有效的风险估计，同时也可以得到系统组件的重要度分析数据，即同时也可以对组件的故障率未知及其故障率的变化情况进行有效的风险分析。

【技术实现步骤摘要】

本专利技术属于系统安全及风险分析
，具体涉及一种基于蒙特卡洛仿真求解动态故障树的风险分析方法。
技术介绍
随着计算机技术的不断普及，各类控制系统在各行各业发挥着越来越重要的作用，如飞行控制系统、列车控制系统、生产控制系统等。由于控制系统的重要性，其系统的安全可靠性就显得尤为重要，而准确的分析系统面临的风险，对系统的开发和安全运行具有重要意义。例如，得益于计算机技术、电子技术和控制技术的飞速发展，列车控制系统获得了很好的发展机遇，目前已经在高速铁路上广泛使用CTCS-3基于通信的列车控制系统，其主要包括三个模块，即地面子系统(轨道电路、列控中心、车站计算机联锁、列控中心等)、车载子系统(安全计算机、测速定位、无线通信模块、人—机接口等)和信息传输子系统(如GSM—R等)。在铁路不断向着高速、高密度的方向发展的现实前提下，对控制系统这样由一系列子系统模块组成来控制列车运行速度，为了保障列车运行安全和提高运输能力，列车控制系统需要满足的安全条件愈发严酷，控制要求也越来越高，系统的结构也日趋复杂。随着系统包含的组件也越来越多的情况下，虽然列车控制系统在保障列车安全可靠高速运行方面有着优异的表现，但是存在的风险也不容忽视。由于系统中组件数量巨大且系统使用数量亦较大，由组件的随机故障导致的系统风险也不断加大。列控系统一旦发生故障，将会带来巨大的经济损失，且有可能危机乘客的生命安全，造成严重的社会影响。目前，对控制系统的风险分析方法有几十种之多，近年来，风险分析方法向正向定性与定量结合、注重动态系统描述能力、计算机仿真等方向发展。在现有技术中，对列车控制系统的风险分析，在利用了概率方法和衡量指标之后得到广泛的发展，方法和指标的选择需要根据具体的问题及假设来选定，而风险分析所使用的模型有效性，直接关系到风险分析的有效性。在选用合适的风险分析模型时，也要考虑到实际的故障分布无法与分析中所用的分布模式完全匹配的问题，从而避免在简化时引入关键性错误。因此，目前常采用动态故障树模型对列车控制系统进行风险分析。在对于动态故障树模型的求解上，通常采用将动态故障树模型转换为马尔科夫模型从而使用解析法进行求解。但当动态故障树规模增大时，马尔科夫模型中的状态量增加速度太快，存在状态爆炸问题。虽然以往的研究者提出了各种改进方法，但对于存在大量状态的复杂系统仍然应用有限。另外，将动态故障树模型转化为马尔科夫模型，使用解析法来求解时，对于组件的故障率均只能假设为常数，而实际的控制系统运行过程中组件的故障率往往随着时间的变化有所变化，这就使得所求解的组件的故障率偏离真实值，无法真实的反映组件故障率的变化情况，导致无法进行有效的风险估计。
技术实现思路
本专利技术的目的是提供一种基于蒙特卡洛仿真求解动态故障树模型的风险分析方法，对状态数量巨大的复杂系统进行有效的风险估计，同时得到组件的重要度分析数据，对组件的故障率及其故障率的变化情况进行有效的风险分析。根据本专利技术的一个方面，提供了一种基于蒙特卡洛仿真求解动态故障树模型的风险分析方法，所述方法包括：对需要进行风险分析的系统建立动态故障树模型；估计所述系统的组件故障概率参数；将所述组件故障概率参数作为动态故障树模型运算的输入值，采用蒙特卡洛仿真方法对所述动态故障树模型进行求解，得到所述系统的故障概率分布分析数据和所述系统的组件重要度分析数据。上述方案中，所述建立动态故障树模型，进一步包括：根据所述系统的结构，以系统故障为顶事件，以所述系统的组件故障为基事件，建立所述系统的动态故障树模型。上述方案中，所述估计所述系统的组件故障概率参数，进一步包括：根据组件的故障时间数据，采用预设的参数估计，得到组件故障概率参数。上述方案中，所述预设的参数估计，包括最小二乘估计、最大似然估计、贝叶斯估计中的一种或多种。上述方案中，所述预设的参数估计为贝叶斯最大似然估计。上述方案中，所述贝叶斯最大似然估计的参数估计过程中，通过马尔科夫-蒙特卡洛方法建立马尔科夫链，使马尔科夫链的稳定分布和贝叶斯最大似然估计的后验分布一致，当马尔科夫链收敛时，将马尔科夫链的模拟值作为从后验分布中抽取的样本。上述方案中，所述采用蒙特卡洛仿真方法对所述动态故障树模型进行求解，进一步包括：选取仿真时间步长；依据概率分布或概率密度判断组件状态；根据所述组件状态对所述动态故障树进行逻辑门运算。上述方案中，所述时间步长为固定步长或可变步长。上述方案中，所述依据概率分布判断组件状态，进一步包括：将仿真时间与所述组件的故障时间进行比较，判断当前所述时间步长内的组件状态。上述方案中，所述依据概率密度判断组件状态，进一步包括：设定所述组件的故障概率为f；根据所述组件的故障概率密度函数，在预设时间区间上抽取服从均匀分布的随机数r，若r≤f，则判断所述组件故障；若r＞f，则判断所述组件非故障。本专利技术实施例的基于蒙特卡洛仿真求解的动态故障树模型的风险分析方法，首先对需要进行风险分析的系统建立动态故障树模型，而后估计所述系统的组件故障概率数据，并将所述组件故障概率数据作为动态故障树运算的输入值，采用蒙特卡洛方法，对所述动态故障树模型进行仿真，通过所述仿真求解动态故障树模型，得到所述系统的故障概率分布分析数据和所述系统的组件重要度分析数据。本专利技术的风险分析方法不仅可以对状态数量巨大的复杂系统进行有效的风险估计，同时也可以得到系统组件的重要度分析数据，即同时也可以对组件的故障率及其故障率的变化情况进行有效的风险分析。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术第一实施例的基于蒙特卡洛仿真求解动态故障树模型的风险分析方法流程示意图；图2为图1所示风险分析方法的流程框图；图3为本专利技术第二实施例的基于蒙特卡洛方仿真求解动态故障树模型的风险分析方法流程示意图；图4a为图3所示风险分析方法的参数估计过程的α值随迭代次数的变化图；图4b为图3所示风险分析方法的参数估计过程的实现中的α取值直方图；图4c为图3所示风险分析方法的参数估计过程的β值随迭代次数的变化图；图本文档来自技高网...

【技术保护点】
一种基于蒙特卡洛仿真求解动态故障树模型的风险分析方法，其特征在于，所述方法包括：对需要进行风险分析的系统建立动态故障树模型；估计所述系统的组件故障概率参数；将所述组件故障概率参数作为动态故障树模型运算的输入值，采用蒙特卡洛仿真方法对所述动态故障树模型进行求解，得到所述系统的故障概率分布分析数据和所述系统的组件重要度分析数据。

【技术特征摘要】
1.一种基于蒙特卡洛仿真求解动态故障树模型的风险分析方法，其特征
在于，所述方法包括：
对需要进行风险分析的系统建立动态故障树模型；
估计所述系统的组件故障概率参数；
将所述组件故障概率参数作为动态故障树模型运算的输入值，采用蒙特
卡洛仿真方法对所述动态故障树模型进行求解，得到所述系统的故障概率分
布分析数据和所述系统的组件重要度分析数据。
2.根据权利要求1所述的风险分析方法，其特征在于，所述建立动态故
障树模型，进一步包括：根据所述系统的结构，以系统故障为顶事件，以所
述系统的组件故障为基事件，建立所述系统的动态故障树模型。
3.根据权利要求1所述的风险分析方法，其特征在于，所述估计所述系
统的组件故障概率参数，进一步包括：根据组件的故障时间数据，采用预设
的参数估计得到组件故障概率参数。
4.根据权利要求3所述的风险分析方法，其特征在于，所述预设的参数
估计包括最小二乘估计、最大似然估计、贝叶斯估计中的一种或多种。
5.根据权利要求3所述的风险分析方法，其特征在于，所述预设的参数
估计为贝叶斯最大似然估计。
6.根据权利要求5所述的风险分析方法，其特征在于，所述贝叶斯最...

【专利技术属性】
技术研发人员：牛儒，苗祚雨，唐涛，马慧茹，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京;11