【技术实现步骤摘要】
一种基于不完整状态监测数据学习的系统可靠性模型构建与评估方法所属
本专利技术公开了一种系统、分系统和单元的状态监测数据存在缺失的情况下,利用不完整的状态监测数据学习系统可靠性模型,并对系统可靠性进行评估的方法。该方法可以有效利用不完整的状态监测数据,由收集的运行数据中挖掘出单元、分系统和系统之间的可靠性关系。该方法是对于复杂多状态系统的传统建模方法的一种有效的补充,可以提高复杂多状态系统的建模效率,扩展系统建模的应用场景。本专利技术属于可靠性与系统工程领域。
技术介绍
传统的二态模型难以满足当前复杂系统的可靠性分析要求,建立的二态模型往往与系统真实的运行状态存在较大差距,因此为了更加准确地描述复杂系统,更加准确地评估系统的可靠性或可用性,需要引入能表征更复杂特性的多态模型来描述系统。在多态模型中,系统、分系统和单元不再局限于正常工作与故障两种状态,其中间态也被纳入模型中。因此,如何对系统和单元的降级过程及单元间、单元与分系统、分系统与系统的可靠性关系建模,成为准确评估复杂多状态系统可靠性的关键问题。当前已有多种多状态模型应用于复杂多态系统的建模,如通用生成函数、多值决策图、贝叶斯网络、马尔科夫模型、多态故障树和仿真方法等。但是上述模型在应用过程中都是基于产品的功能原理图结合专家经验建立的,因此模型的准确性依赖于明晰的功能原理和专家的个人经验。不同的专家即使对于同一产品,也可能由于其对于系统的理解深浅、个人的工程经验多少以及建模方法的难易而得到不同的可靠性模型。基于上述原因,如何有效地建立相对一 ...
【技术保护点】
1.一种基于系统、分系统和单元不完整状态监测数据学习系统可靠性模型,并对系统进行可靠性进行评估的方法,其特征在于,包括以下实现步骤:/nA、根据系统的设计原理、单元的工作模式和传感器监测的指标特性,划分系统和单元的状态空间,将单元和系统的状态分别用离散值进行表示。/nB、单元和系统的状态监测数据预处理。/nC、系统可靠性模型的结构和参数学习。利用步骤B中处理后的数据作为输入,采用SEM算法建立单元间、单元与分系统、系统间的可靠性关系。/nD、利用步骤C中得到的可靠性模型,评估系统的可靠性水平。其可靠性用如下公式表示:/nR(t)=P(S(t)≥w(t))/nS(t)表示系统当前时刻所处的状态;w(t)表示当前时刻任务对系统的性能需求,这里同样将连续的性能指标与离散的状态值进行映射,从而可与系统的状态进行比较,因此不再在符号上区分性能指标与状态值。/n由学习到的可靠性模型,可得到如下的系统状态及单元状态的联合概率分布:/nP(S,X
【技术特征摘要】
1.一种基于系统、分系统和单元不完整状态监测数据学习系统可靠性模型,并对系统进行可靠性进行评估的方法,其特征在于,包括以下实现步骤:
A、根据系统的设计原理、单元的工作模式和传感器监测的指标特性,划分系统和单元的状态空间,将单元和系统的状态分别用离散值进行表示。
B、单元和系统的状态监测数据预处理。
C、系统可靠性模型的结构和参数学习。利用步骤B中处理后的数据作为输入,采用SEM算法建立单元间、单元与分系统、系统间的可靠性关系。
D、利用步骤C中得到的可靠性模型,评估系统的可靠性水平。其可靠性用如下公式表示:
R(t)=P(S(t)≥w(t))
S(t)表示系统当前时刻所处的状态;w(t)表示当前时刻任务对系统的性能需求,这里同样将连续的性能指标与离散的状态值进行映射,从而可与系统的状态进行比较,因此不再在符号上区分性能指标与状态值。
由学习到的可靠性模型,可得到如下的系统状态及单元状态的联合概率分布:
P(S,X1,…,Xj,…,Xm)
其中节点Xj既可表示单元,也可以表示分系统。m为系统中单元和分系统的总数。由此,可以得到系统的状态概率分布:则可知
2.根据权利要求1所述的基于不完整数据学习系统可靠性模型,并对系统可靠性进行评估的方法,其特征在于所述步骤A具体包括以下步骤:
A1、根据系统、分系统和单元的任务目标,明确系统、分系统和单元的工作模式,定义其正常工作状态和失效状态,并确定监测的指标。
A2、若系统、分系统和单元的状态监测数据是连续值,则使用性能显著变化的点划分不同的数据范围,并用离散状值表示单元或系统的状态值。若系统、分系统和单元的状态监测数据本身是离散值,则可以直接与离散状态值建立一一对应关系即可。如单元的状态表示为i为单元的标识,Ni表示单元i的状态个数。ci1表示单元处于失效状态,表示单元i处于正常工作状态,其他的值表示单元i处于任一中间态。系统的状态表示为S={s1,s2,…,sM},即系统有M个状态,s1表示系统处于失效状态,sM表示系统处于正常工作状态。
3.根据权利要求1所述的基于不完整数据学习系统可靠性模型,并对系统可靠性进行评估的方法,其特征在于所述步骤B具体包括以下步骤:
B1、将收集的原始数据按照步骤A2中定义的映射规则进行转换,若是原始数据中某一单元的某一状态数据缺失,则用“[]”表示。
B2、将转换后的数据以表形式存储,其中列名为单元和系统的标识,且最后一列为系统的标识,即数据表中的任一行都表示了当前单元状态和系统状态的一种组合关系。
4.根据权利要求1所述的基于不完整数据学习系统可靠...
【专利技术属性】
技术研发人员:任羿,李志峰,孙博,杨德真,冯强,王自力,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。