CN101196743A

CN101196743A - 基于因果网络模型的机电系统安全分析装置及方法

Info

Publication number: CN101196743A
Application number: CNA2007103077132A
Authority: CN
Inventors: 高建民; 陈富民; 高智勇; 李果
Original assignee: Xian Jiaotong University
Current assignee: Xian Jiaotong University
Priority date: 2007-12-26
Filing date: 2007-12-26
Publication date: 2008-06-11
Anticipated expiration: 2027-12-26
Also published as: CN100530016C

Abstract

本发明涉及一种基于因果网络模型的系统安全分析装置及方法，该装置包括故障模式信息库、安全分析流程模块、过程数据管理模块、安全分析调度模块和人机交互模块。采用本发明的基于因果网络模型的系统安全分析装置及方法能够快速、准确地识别设备系统的关键部位，据此可以合理地、有针对性地配置系统安全资源或制定合理的预防维护措施，解决了过去依赖人的知识或经验来安排维修的缺陷，不仅增强了生产设备安全运行的稳定性，而且在很大程度上提高了企业有限资源的利用效率。

Description

基于因果网络模型的机电系统安全分析装置及方法

技术领域

本发明涉及一种机电系统安全分析装置与方法，特别是涉及一种基于因果网络模型的机电系统安全分析装置及方法。

背景技术

对于一些大型机电设备(或系统)，特别是冶金、石化以及电力行业的关键设备，其故障往往会造成灾难性的后果。我们不期望亡羊补牢式的事后诊断、维修工作，而是希望尽可能的做到事前预防和维护。因此对机电设备系统的故障因果知识进行建模，对其因果机理进行分析，找到那些系统安全敏感部位并制定合理的预防维护措施是非常重要的。由于大型机电设备自身结构复杂，故障模式多种多样，而且故障模式和组件之间不存在一一对应的简单关系，因此很难确定设备系统的安全敏感部位。传统的安全分析方法如安全检查表法(SCL)、预先危险分析(PHA)、故障模式与影响分析(FMEA)、故障树分析(FTA)、危险可操作性分析(HAZOP)等虽然在故障原因、后果及危害性分析上提供了足够的支持，但偏重于对单一故障进行分析，不能保障多因素共同作用下复杂系统安全分析的准确性。如何在企业有限的资源条件下，对设备系统薄弱部位以及关键环节进行辨识，并据此对系统进行改进或制定合理的预防维护计划，是急需解决且意义重大的问题。

发明内容

本发明的目的在于提供一种基于因果网络模型的机电系统安全分析装置及方法，以便在设备使用过程中能有效地找到设备的关键部位并加以预防控制，从而减少故障发生的次数。

为了实现上述任务，本发明采取如下的技术解决方案：

一种基于因果网络模型的机电系统安全分析装置，其特征在于，该装置包括：

一故障模式信息库，用于存储故障模式数据结构模型的相关信息；

一安全分析流程模块，用于机电系统安全分析的执行，并对安全分析的工作流程进行管理；

一过程数据管理模块，对安全分析过程中得到的各种中间数据和结果数据进行综合管理；

一安全分析调度模块，负责对其他各个模块进行统一调度，完成安全分析工作，同时将分析结果通过人机交互模块显示出来；

一人机交互模块，用于实现用户和安全分析系统的交互，包括被分析对象的相关信息输入以及分析结果的输出；它能够修改故障模式信息库、过程数据以及安全分析流程；

故障模式信息库、安全分析流程模块、过程数据管理模块分别与安全分析调度模块连接，安全分析调度模块与人机交互模块相连。

上述基于因果网络模型的机电系统安全分析装置的安全分析方法，其特征在于，具体包括以下步骤：

1)通过FMEA分析获得机电设备系统各个故障模式的数据结构模型，该数据结构模型至少包括故障原因及影响，采用布尔矩阵(因果关系矩阵)形式对不同层次级别故障模式之间的因果关系进行描述，并存储于故障模式信息库中；

2)选择不同的系统级故障模式作为顶事件，对步骤1)形成的因果关系矩阵进行层级式搜索，构造出相应的故障因果网络模型，存储于过程数据管理模块中；

3)在因果网络模型的基础上进行定性分析，找到故障顶事件相应的最小路集，并对最小路集中故障模式出现的频次进行统计；

4)根据最小路集中故障模式出现的频次、可能性大小以及相应故障顶事件的危害程度，评估出故障模式的重要性；

5)将分析结果通过人机交互模块显示出来。

整个安全分析过程的主体由安全分析流程模块实现，安全分析流程模块与其它各个模块之间的交互由安全分析调度模块实现。

采用本发明的基于因果网络模型的系统安全分析装置及方法能够快速、准确地识别机电设备系统的关键部位，据此可以合理地、有针对性地配置系统安全资源或制定合理的预防维护措施，解决了过去依赖人的知识或经验来安排维修的缺陷，不仅增强了生产设备安全运行的稳定性，而且在很大程度上提高了企业有限资源的利用效率。

附图说明

图1为本发明所述装置的结构示意图。

图2为故障模式的数据结构模型图；

图3为故障模式-结构单元层级式关联图；

图4为本发明的工作流程图；

图5为本发明实施例结构模型图；

图6为本发明实施例的因果网络模型示意图。其中标号分别表示：1、压力过低，压缩容量不足；2、压缩机中空气流量不足；3、压缩机排气参数不合格；4、压缩机压力不正常；5、卸载阀部分打开；6、空气过滤器堵塞；7、气阀泄漏；8、垫圈泄漏；9、盖垫密片故障；10、汽缸泄漏；11、活塞环磨损；12、活塞杆磨损。

图7为图6所示因果网络模型转换成的最小路集表示的等价示意图；

以下结合附图对本发明作进一步的详细说明。

具体实施方式

首先对本发明中的故障模式与影响分析、因果网络模型和最小路集作如下的定义：

故障模式与影响分析(简称FMEA)：是指在产品设计过程中，对产品的子系统、零部件等组成单元逐一进行分析，找出所有可能的潜在故障模式，分析其可能的原因及后果，并对其危害性进行分析，预先采取措施，减少其严重程度，降低其发生的概率，以提高产品可靠性的一种系统化的活动。

传统的基于表单形式的FMEA是一种单模式分析法，它只针对单点故障进行分析，而不考虑多重故障。此外，FMEA只对故障原因、影响及危害性等作了分析，但并未考虑系统安全敏感环节的辨识问题，而这恰恰是企业实现设备预防维护和安全生产管理的保证。

因果网络模型：一种具有概率推理的图形化网络，由节点和有向弧段组成。节点代表事件或变量，弧段代表节点之间的因果关系，弧的权值表示节点之间的因果关联强度。因果网络模型是完全基于概率论的，有良好的理论基础，能够处理因果环路结构，同时因果关联强度适合于表达显性的知识，便于专家给定知识。

将因果网络模型用于故障因果知识的描述时，网络节点表示不同的故障事件。

顶事件：最不希望发生的并影响系统功能及性能的故障事件。所述的顶事件可由FMEA分析确定。

底事件：因果网络模型中仅导致其它事件发生的原因事件。

中间事件：位于底事件和顶事件之间的结果事件。

最小路集：如果因果网络模型的某几个底事件都不发生时，就能保证顶事件不发生，那么这几个底事件所构成的集合称为因果网络模型的路集(Path sets)，记为PS。对于故障因果网络的任一路集，若将其所含底事件任意去掉一个就不再是路集，则该路集称为该因果网络的最小路集(Minimal path sets)，记为MPS。

一个路集表示了顶事件不发生的一个条件，而最小路集则表示了为使顶事件不发生，至少不发生的底事件的集合。

下面，参照附图对本发明的具体实施方式加以说明：

参考图1，机电系统安全分析装置包括计算机和设置在该计算机上的安全分析系统，安全分析系统包括：安全分析调度模块、故障模式信息库、安全分析流程模块、过程数据管理模块和人机交互模块。可以采用计算机存储器对故障模式信息、过程数据和安全分析流程进行存储，并采用输入输出接口连接键盘、外部存储器和显示器，分析过程中生成的因果网络模型、最小路集以及分析结果等可以采用人机交互的形式在显示器中表达出来。

故障模式信息库：通过关系数据库对故障模式数据结构模型中的相关信息进行存储，包括对因果关系矩阵的存储。

安全分析流程模块：负责机电系统安全分析的执行，对安全分析的具体流程进行管理，可以通过用户控制台对其进行修改和补充。

过程数据管理模块：对安全分析过程中得到的各种中间数据和结果数据进行综合管理；包括存储、修改和删除。

安全分析调度模块：整个安全分析系统的核心，由计算机处理器运行它，对安全分析流程模块进行调用，使分析流程按照既定顺序进行。同时安全分析调度模块是用户与其他模块交互的枢纽，通过它和可以用户进行信息交互，下发各种命令对其他模块进行处理，同时将处理结果通过人机交互模块输出。

人机交互模块：用于实现用户和安全分析系统的交互，包括被分析对象的相关信息输入以及分析结果的输出，通过它可以修改故障模式信息库、过程数据以及安全分析流程。

参考图2，图2是本发明的故障模式数据结构模型，该模型存储于故障模式信息库中，信息主要包括故障模式、故障原因、故障影响、发生可能性、严酷度、控制措施等。故障影响包括同层次影响、高一层次影响和最终影响。故障模式即故障的表现形式。故障模式发生的各种原因，包括直接导致故障或引起使设备缺陷发展为故障的物理或化学过程、设计缺陷、零件使用不当、操作失误等。此外，还应考虑相邻约定层次的故障原因。一般地说，上层次分析的故障原因就是下层次分析的故障模式。故障影响是故障模式对设备的使用、功能或状态所导致的结果。故障影响一般可分为三级：同级的、上级的和最终的。同级影响是指所分析的故障模式对当前所分析约定层次设备的使用、功能或状态的影响。上级影响是指所分析的故障模式对当前所分析约定层次同高一层次设备使用、功能或状态的影响。最终影响是指所假设的故障模式对最高约定层次设备的使用、功能或状态的总的影响。严酷度指故障模式所产生后果的严重程度。发生可能性是指故障发生的概率有多大。控制措施指分析人员应指出并评价那些能够用来消除或减轻故障发生概率及影响的措施，包括预防维护、维修和设计更改等。

参考图3，该图体现了故障模式信息库中各个故障模式之间的关联关系。复杂系统的故障一般具有层次性和相关性。任何故障都同系统的某一层次相联系，高层次的故障可由低层次的故障所引起，而低层次的故障必定造成高层次的故障。此外，同一层次级别中的故障之间会发生相互影响，从而造成多个故障的并存。为了对复杂系统的故障模式空间进行表示，将系统的结构(或功能)逐层分解，同时把系统及构成系统的各种结构元素定义为结构单元(SU)，将单元所有可能发生的故障模式(FM)定义为单元固有的属性，建立层级式故障结构关联模型。故障建模的目的是为故障推理分析建立形式化和结构化的基础，为分析者提供因果逻辑关系的思维方法，从而改善故障推理的过程。

参阅图4，基于因果网络模型的系统安全分析方法包括如下步骤：

步骤1：通过FMEA分析得到故障模式的数据结构模型，并存储在故障模式信息库中：

FMEA分析主要包括：(1)确定系统的结构分解模型，以反映系统结构的分级顺序，分解模型能详细到最小可更换单元。(2)确定系统故障模式的原因及影响。其中故障影响包括对同一层次、高一层次以及最高层次的影响。(3)确定各个故障模式的严酷度、发生可能性大小及相应的预防控制措施。

通过系统的FMEA分析，得到该系统各个层次故障模式之间的因果关联关系，采用布尔矩阵(因果关系矩阵)的形式对其进行描述和存储，得到各个层次级别的因果关系矩阵。该分析过程采用自下而上的方式，直到到达系统的约定层次。

步骤2：选择不同的系统级故障模式作为顶事件，对步骤1中形成的FMEA表格进行自上而下的搜索，构造相应的因果网络模型，该模型中的各个故障模式均表示故障事件。因果网络模型可通过过程数据管理模块进行存储。

针对每个系统故障(顶事件)均可生成一个因果网络模型，在该模型中包括了各个层次故障模式之间的因果关系。该因果网络模型的构造过程基本上又分成如下几个步骤：

1、确定顶事件集。顶事件来源于设备故障模式库中的系统故障表现。

2、构造故障因果网络模型，确定底事件的发生可能性大小。

顶事件集确定后，需要对每个顶事件构造相应的因果网络模型：对顶事件集的每一个顶事件进行分析，通过搜索与之关联的因果关系矩阵，找出导致每个顶事件的直接原因，即对应该顶事件的中间事件，在确定第一层中间事件后，然后再查找导致第一层中间事件发生的原因，即第二层中间事件，通过这样逐层查找，直到将系统故障的原因定位到最小结构单元，即底事件。根据搜索到的所有故障事件即可生成因果网络模型。此外，还可由专家给出各个故障模式之间的因果关联强度，即某个故障模式直接导致其它故障模式发生的可能性大小，以便于定量分析。

步骤3：在故障因果网络模型的基础上进行定性推理分析，获得系统故障的最小路集，并对最小路集中故障模式出现的次数进行统计。

由于最小路集中的故障模式(底事件)都不发生时能够确保顶事件的不发生，因此求得顶事件的最小路集并对其中的故障模式进行预防控制，能够有效防止系统故障的发生，这比基于最小割集的故障事后诊断更具有现实意义。在所有最小路集中，如果某个故障模式出现频率越高，表明该故障模式越重要，对其进行有效控制能够防止更多系统故障的出现。

步骤4：按照故障模式出现的频度(F)、可能性大小(O)以及严酷度(S)对故障模式的重要程度(C)进行综合评估。

在实际应用中，复杂系统故障发生的概率数据很难获得，可以采用专家评估和打分的形式给出故障发生的可能性以及严酷度的大小。故障模式的重要度可由下式给出：

C＝w_fF×w_pP×w_sS

式中，w_f、w_p、w_s分别为故障模式发生频度、可能性大小以及严酷度的权重，可根据实际情况给出。

步骤5：将分析结果通过人机交互模块显示出来。

根据故障模式的重要度可合理制定安全控制措施，如安装实时监控装置，定期进行零部件检查和更换等，这是防止系统故障发生的根本保障。由于企业维护资源的有限性，完全消除系统中存在的危险是不现实的，但是如果系统只存在低风险的危险状态，则此系统的危险是“可接受”的。为了消除高风险危险状态，申请人力图找到能确保高风险危险状态不发生的故障底事件，并采取一定的预防措施，进而避免系统从初始故障状态到达高风险状态的可能。

图5为原有本发明给出的空气压缩机的结构分解模型，空气压缩机通常可以包括机体组件、活塞组件、曲轴组件、汽缸组件、连杆组件、气阀组件、润滑系统、气路系统和冷却系统等几大部分，每个部分可以进一步细分。

参阅图6和图7的分析示例：

在空气压缩机系统中存在“压力过低、压缩容量不够”的多重故障，通过FMEA分析得到如图6的因果网络模型，该因果网络模型对应的由最小路集表示的因果树模型如图7所示。通过统计分析，垫圈泄漏、盖垫密片破损和汽缸泄漏出现频次相对较高，需要增加巡检或更换的次数。

实际生产中多故障出现的概率很高，因此故障因果网络模型会更加复杂。由于在分析过程中存在分析不全面的情况，可能的故障原因遗漏在一定程度上是存在的，分析的全面性依赖于分析人员的能力。为满足这种要求，该安全分析方法是开放式的，便于添加和修改。

Claims

1.一种基于因果网络模型的机电系统安全分析装置，其特征在于，该装置包括：

2.如权利要求1所述的基于因果网络模型的系统安全分析装置，其特征在于，所述的故障模式信息库中的信息主要包括：故障模式、故障原因、故障影响、发生可能性、严酷度、控制措施；故障模式信息库中各个故障模式之间存在层次性和相关性，任何故障都同系统的某一层次相联系，高层次的故障可由低层次的故障所引起，而低层次的故障必定造成高层次的故障；此外，同一层次级别中的故障之间会发生相互影响，从而造成多个故障的并存；将机电系统的结构或功能逐层分解，同时把机电系统及构成系统的各种结构元素定义为结构单元(SU)，将单元所有可能发生的故障模式(FM)定义为单元固有的属性，建立层级式故障结构关联模型。

3.权利要求1所述的基于因果网络模型的系统安全分析装置的安全分析方法，其特征在于，包括下列步骤：

1)通过FMEA分析获得故障模式的数据结构模型，并存储在故障模式信息库中，该故障模式数据结构模型至少包括故障原因及影响，采用布尔矩阵形式对不同层次级别故障模式之间的因果关系进行描述；

2)选择不同的系统级故障模式作为顶事件，对步骤1)形成的因果关系矩阵进行层级式搜索，构造出相应的故障因果网络模型；故障因果网络模型由过程数据管理模块进行存储；

5)将分析结果通过人机交互模块显示出来。

4.如权利要求3所述的方法，其特征在于：所述的因果网络模型的构造包括如下步骤：

1)确定顶事件集，顶事件来源于设备故障模式库中的系统故障表现；

2)构造故障因果网络模型，确定底事件的发生可能性大小，顶事件集确定后，对每个顶事件构造相应的因果网络模型；对顶事件集的每一个顶事件进行分析，通过搜索与之关联的因果关系矩阵，找出导致每个顶事件的直接原因，即对应该顶事件的中间事件，在确定第一层中间事件后，然后再查找导致第一层中间事件发生的原因，即第二层中间事件，通过这样逐层查找，直到将系统故障的原因定位到最小结构单元，即底事件；

3)根据搜索到的所有故障事件生成因果网络模型。

5.如权利要求3所述方法，其特征在于：在故障因果网络模型的基础上进行定性推理分析是，获得系统故障的最小路集，并对最小路集中故障模式出现的次数进行统计，以最小路集中故障模式出现的频次作为其重要程度的关键指标。

6.如权利要求3所述方法，其特征在于，所述的FMEA分析主要包括：

1)确定系统的结构分解模型，以反映系统结构的分级顺序，分解模型能详细到最小可更换单元；

2)确定系统故障模式的原因及影响，其中故障影响包括对同一层次、高一层次以及最高层次的影响；

3)确定各个故障模式的严酷度、发生可能性大小及相应的预防控制措施。