一种确定系统云化故障概率分布变化趋势的方法技术方案

本发明专利技术公开了一种确定系统云化故障概率分布变化趋势的方法，其特征在于，是处理具有离散性、随机性和模糊性(不确定性)的实际运行中系统产生的故障数据，利用云模型重构系统故障概率分布变化趋势的计算方法，通过故障概率分布变化趋势可得到系统故障概率随某一因素变化情况，建立云化故障概率分布变化趋势方法的目的在于，1）对于可靠性数据普遍存在的不确定性可使用云模型进行表示；2）构建的故障概率分布函数是连续的，可进行函数求导以方便得到变化趋势；其包括如下步骤：首先构造云化特征函数，对系统进行事故树分析，根据分析结果计算系统云化故障概率分布变化趋势；本发明专利技术可用于确定故障概率分布变化趋势。

【技术实现步骤摘要】

本专利技术涉及安全系统工程，特别是涉及系统可靠性分析中的故障概率变化趋势的确定。
技术介绍
安全系统工程是研究系统实现其自身功能的能力的学科，其中一项重要研究内容就是预测系统的故障发生，也是就系统在什么情况，什么状态下发生什么样的故障。对于系统发生故障的预测一方面可以从系统内部出发，研究系统内在结构从而了解系统可靠性；或者从系统实际运行的故障数据来了解其可靠性。但基于这些数据，通过传统的安全系统工程方法分析系统可靠性的变化程度是比较困难的，但是很有意义的。因为无论根据系统自身结构或实际运行得到的数据均无法进行导数意义上的计算，但导数计算是分析数据变化的最直接，最普遍，也是最简单的方法。目前对于系统故障变化的研究主要有：李辉等进行了考虑运行功率变化影响的风电变流器可靠性评估；陈永进等研究了考虑天气变化的可靠性评估模型与分析；赵洪山等针对考虑元件故障率变化的配电网进行了可靠性评估；欧阳稳等对发电系统可靠性随可靠性参数和电气参数变化规律进行了建模；杨珍贵等基于器件的结温变化评估风机中参数差异对网侧变流器可靠性进行了研究；覃庆努等建立了变环境变工作条件下电子系统的可靠性评价方法。但这些方法第一仅针对某一个特定系统而言，并不是通行方法，第二这些方法的构建过程均不能方便的进行导数计算，所以仍有较大的研究余地。针对上述问题，在提出的空间故障树（SpaceFaultTree，SFT）理论框架下，使用云模型重构了特征函数，并使用这种云化特征函数来求解元件或系统的故障概率分布变化趋势问题。这种做法的出发点主要考虑两种情况，1）对于可靠性数据普遍存在的离散性、随机性和模糊性(下文简称“不确定性”)特点，云模型可较好的表现含有这些不确定性的数据；2）使用云化特征函数构建的故障概率分布函数是连续的，可以就某一个因素对这个函数求导，进而得到对这个因素的故障概率分布变化趋势。下面分别介绍了SFT与云化的基础，故障概率分布变化趋势的构建和计算过程，并以实例进行分析。
技术实现思路
1SFT基本理论与云化基础空间故障树理论SFT是12年提出的一个理论框架，是为了从因素角度研究系统可靠性随影响因素变化的特征。该理论认为系统工作于环境之中，由于组成系统的基本事件或物理元件的性质决定了其在不同条件下工作的故障发生概率不同。现有SFT框架可分为三个分支：1）连续型空间故障树（ContinuousSpaceFaultTree，CSFT），其更接近于经典故障树，完成了与经典故障树中概念和方法相似的功能，并发展了其特有方法。其从系统内部开始研究，再研究系统对外部的响应。2）离散型空间故障树(DiscreteSpaceFaultTree，DSFT)，其不需要了解系统内部构造和元件性质，研究基础是系统对外界环境变化所进行的响应特征。其从系统对外部响应的监测数据入手分析系统可靠性，是从外至内的研究方法。3）系统结构反分析(Inwardanalysisofstructuralsystems，IASS)，在不清楚系统内部具体构造情况下，通过系统对外界环境因素变化的响应来剖析和窥探系统内部结构。某个因素与元件可靠性关系的特征函数是SFT分析的基础，特征函数的确定是SFT方法使用的前提。但实际的故障及可靠性监测数据有不确定性特点，即模糊性、随机性和离散型，所以需要特征函数能表现这些特点。元件可靠性数据一般认为服从指数分布，或峰值具有稳定区的指数分布(如浴盆曲线)。理论上通过实验或实际运行得到的可靠性数据应是正态的分布在这个曲线周围的。越接近曲线数据密度越大，远离则减小，那么特征函数应能表示这个特征。云模型发生器生成的云滴正是围绕着发生器解析式曲线正态分布的数据点，与可靠性数据分布特征相同。云滴隶属度为[0,1]与可靠性值域[0,1]相同。另外云模型有多种衍生形式，可满足可靠性数据的分析要求，所以利用正向云模型发生器解析式构造特征函数是可行的。形成云化特征函数的主要步骤为：首先将根据某因素得到的元件可靠性数据带入逆向云模型发生器，得到特征参数，然后带入正向云模型发生器解析式，最终将该解析式被1减作为元件对于该因素的云化特征函数。正向云模型生成器解析式如式(1)所示。元件对于某因素的可靠性可以用表示，而元件对于该因素的特征函数可以使用=1-表示，即式(2)。（1）（2）式中：d表示某因素，x表示该因素的数值，i表示第i个元件。期望Ex表示因素变化过程中元件可靠性最大时的因素值；熵En表示因素变化过程中的可靠性数据的离散程度；超熵He描述熵的不确定性度量，即可靠性数据真实度的不确定性。式(2)这类特征函数是用正态云表示的，也可以使用半云与分段函数联合表示，或梯形云模型，或非对称云模型表示。但这些云模型终究是正态云模型的变形，所以用式(2)作为代表将特征函数云化，进而构建云化特征函数和云化SFT框架系统。2云化故障概率分布变化趋势构建对于概率分布变化趋势的云化，要首先明确如下SFT中的相关概念。基本事件的发生概率分布定义为：基本事件在n个影响因素影响下，随他们的变化在多维空间内表现出来的发生概率变化。n个影响因素作为相互独立的自变量，基本事件发生概率作为函数值，用表示，即，k=1,…，n。表示某因素，表示因素的具体数值，同下。顶上事件发生概率分布定义为：经过事故树结构化简后得到的顶上时间发生概率的表达式，在n维影响因素变化的情况下，在n+1维空间中表现出来的分布。用表示。基本事件发生概率分布变化趋势：就基本事件发生概率分布对某一影响因素求导后得到的针对的n+1维的分布，用表示，k=1,…，n。顶上事件发生概率分布变化趋势：就顶上事件发生概率分布对某一影响因素求导后得到的针对的n+1维的分布，用表示，k=1,…，n。为了对故障概率分布变化趋势进行云化，要对上述概念先进行云化，基于第一节式(2)的云化特征函数表达式，对上述概念进行云化。在多因素影响下元件故障发生（基本事件）概率分布的云化，即云化元件故障概率分布表示为式(3)所示。在多因素影响下云化系统故障概率分布表示为式(4)所示。（3）（4）式中：Kj(j=1,2,…,r)表示故障树r个最小割集的第j个。在多因素影响下云化元件故障概率分布变化趋势表示为式(5)所示。在多因素影响下云化系统故障概率分布变化趋势表示为式(6)所示。当然，具体的最小割集还要看系统结构。(5)(6)对式(5)和式(6)的实际意义和理论意义进行说明。元件或系统的可靠性随某影响因素<本文档来自技高网...

【技术保护点】
一种确定系统云化故障概率分布变化趋势的方法，其特征在于，是处理具有离散性、随机性和模糊性(不确定性)的实际运行中系统产生的故障数据，利用云模型重构系统故障概率分布变化趋势的计算方法，通过故障概率分布变化趋势可得到系统故障概率随某一因素变化情况，建立云化故障概率分布变化趋势方法的目的在于，1）对于可靠性数据普遍存在的不确定性可使用云模型进行表示；2）构建的故障概率分布函数是连续的，可进行函数求导以方便得到变化趋势；其包括如下步骤：首先构造云化特征函数，对系统进行事故树分析，根据分析结果计算系统云化故障概率分布变化趋势；本专利技术可用于确定故障概率分布变化趋势。

【技术特征摘要】
1.一种确定系统云化故障概率分布变化趋势的方法，其特征在于，是处理具有离散性、
随机性和模糊性(不确定性)的实际运行中系统产生的故障数据，利用云模型重构系统故障
概率分布变化趋势的计算方法，通过故障概率分布变化趋势可得到系统故障概率随某一因
素变化情况，建立云化故障概率分布变化趋势方法的目的在于，1）对于可靠性数据普遍存
在的不确定性可使用云模型进行表示；2）构建的故障概率分布函数是连续的，可进行函数
求导以方便得到变化趋势；其包括如下步骤：首先构造云化特征函数，对系统进行事故树分
析，根据分析结果计算系统云化故障概率分布变化趋势；本发明可用于确定故障概率分布
变化趋势。
2.根据权利要求1所述的云化特征函数的步骤，其特征在于，首先将根据某因素得到的
元件可靠性数据带入逆向云模型发生器，得到特征参数，然后带入正向云模型发生器解析
式，最终将该解析式被1减作为元件对于该因素的云化特征函数。
3....

【专利技术属性】
技术研发人员：孟锐，李莎莎，王伟，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：辽宁;21