CN102955715A - 一种故障树的建立方法 - Google Patents
一种故障树的建立方法 Download PDFInfo
- Publication number
- CN102955715A CN102955715A CN2012104719486A CN201210471948A CN102955715A CN 102955715 A CN102955715 A CN 102955715A CN 2012104719486 A CN2012104719486 A CN 2012104719486A CN 201210471948 A CN201210471948 A CN 201210471948A CN 102955715 A CN102955715 A CN 102955715A
- Authority
- CN
- China
- Prior art keywords
- reason
- weight coefficient
- layer
- order
- coefficient matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种故障树的建立方法,包括如下步骤:对故障原因进行逐层分解,获得各层原因;确定各层原因的严重程度权重系数;确定各层原因的频繁程度权重系数;建立故障树,故障现象及各原因构成故障树的各组分,各组分按分解关系排列,由同一组分分解出的各原因按照严重程度权重系数从小到大或从大到小进行排列,并表示出各原因和由其分解出的下一层原因间的逻辑关系,及为各原因标注自身的频繁程度权重系数。本发明的故障树的建立方法在体现引发故障现象的各原因间的相互关系的同时也能够体现各故障现象的严重程度和权重系数,并且无需建立复杂的数学模型,本发明通过特定的流程设计可以针对输入的故障现象快捷地建立故障树。
Description
技术领域
本发明属于故障诊断领域,尤其涉及一种故障树的建立方法。
背景技术
故障树分析是用于大型复杂系统可靠性、安全性分析和风险评价的一种重要方法,它是通过对造成产品故障的硬件、软件、环境、人为因素进行分析,建立故障树模型,从而确定产品故障的各种可能原因。传统的故障树建立方法存在如下不足:1)在故障树建立的过程中未考虑故障原因严重程度和频繁程度;2)即使考虑了故障原因严重程度和频繁程度,但计算过程需要数学模型,在工程上难于实现。
发明内容
本发明的目的是针对传统的故障树建立方法存在的不足,提供一种新的故障树的建立方法,该建立方法不但能够反映故障现象与故障原因之间的相互关系,而且能够快捷地得出故障原因的严重程度和频繁程度权重系数,具有良好的工程实现性。
本发明采用的技术方案为:一种故障树的建立方法,包括如下步骤:
步骤1,故障分析单元根据输入的故障现象从知识库中获得引起所述故障现象的各直接原因,并将各直接原因设定为第一层;故障分析单元通过Rij代表与所述故障现象有关的各原因,i代表原因所在的层数,j代表原因Rij在第i层的序号,对应第i层的j的取值为1至Ni的所有自然数,其中,Ni为第i层的原因的数量,i=1的各原因为所述直接原因;
步骤2:故障分析单元计算第一层的直接原因的数量N1;
步骤3,故障分析单元执行j=1,i=1,之后执行步骤4;
步骤4,故障分析单元通过查询知识库判断原因Rij是否存在可分解的下一层原因,如存在则执行步骤5,如不存在则执行步骤6;
步骤5,故障分析单元从知识库中读出由原因Rij分解出的原因,并将分解出的原因列至第i+1层,之后执行步骤6;
步骤6,故障分析单元执行j=j+1,之后执行步骤7;
步骤7,故障分析单元判断j是否小于等于Ni,如是则执行步骤4,如否则执行步骤8;
步骤8,故障分析单元根据查询结果判断第i层各原因是否均无法分解,如是则执行步骤11,如否则执行步骤9;
步骤9,故障分析单元计算第i层分解出的第i+1层的原因的数量Ni+1,之后执行步骤10;
步骤10,故障分析单元执行i=i+1,j=1,之后执行步骤4;
步骤11,严重程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m,并执行i=1,之后执行步骤12;
步骤12,确定第i层原因的严重程度权重系数,之后执行步骤13;确定严重程度权重系数的方法如下:
严重程度权重系数矩阵建立单元对第i层原因按第i顺序排列,并针对第i层原因建立Ni×Ni的严重程度权重系数矩阵ui;严重程度权重系数矩阵ui的元素ui(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,ui(x,y)表示严重程度权重系数矩阵ui的第x行第y列元素;x、y的取值均为从1至Ni的所有自然数;严重程度权重系数矩阵建立单元将严重程度权重系数矩阵ui的所有元素的数值均发送至严重程度权重系数计算单元,严重程度权重系数计算单元计算严重程度权重系数矩阵ui的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化后向量中的各元素值按第i顺序对应第i层各原因的严重程度权重系数;
严重程度权重系数矩阵建立单元确定严重程度权重系数矩阵ui的各元素的数值的方法为:使第i层的每个原因均与第i层的所有原因进行两两比较,第x个原因与第y个原因同样严重则标度值为1,第x个原因比第y个原因稍微严重则标度值为3,第x个原因比第y个原因明显严重则标度值为5,第x个原因比第y个原因强烈严重则标度值为7,第x个原因比第y个原因极端严重则标度值为9;x、y取值互置的元素ui(x,y)的数值互为倒数,x、y取值相同的元素ui(x,y)的数值为1;所述严重程度权重系数矩阵建立单元从知识库获得对第i层的所有原因进行针对严重程度进行两两比较的标度值;
步骤13,严重程度权重系数矩阵建立单元执行i=i+1,之后执行步骤14;
步骤14,严重程度权重系数矩阵建立单元判断i是否小于等于m,如是则执行步骤12,如否则执行步骤15;
步骤15,频繁程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m,并执行i=1,之后执行步骤16;
步骤16,确定第i层原因的频繁程度权重系数,之后执行步骤17;确定频繁程度权重系数的方法如下:
频繁程度权重系数矩阵建立单元对第i层原因按第i顺序排列,并针对第i层原因建立Ni×Ni的频繁程度权重系数矩阵fi;频繁程度权重系数矩阵fi的元素fi(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,fi(x,y)表示频繁程度权重系数矩阵fi的第x行第y列元素;x、y的取值均为从1至Ni的所有自然数;频繁程度权重系数矩阵建立单元将频繁程度权重系数矩阵fi的所有元素的数值均发送至频繁程度权重系数计算单元,频繁程度权重系数计算单元计算频繁程度权重系数矩阵fi的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化后向量中的各元素值按第i顺序对应第i层各原因的频繁程度权重系数;
频繁程度权重系数矩阵建立单元确定频繁程度权重系数矩阵fi的各元素的数值的方法为:使第i层的每个原因均与第i层的所有原因进行两两比较,第x个原因与第y个原因同样频繁则标度值为1,第x个原因比第y个原因稍微频繁则标度值为2,第x个原因比第y个原因明显频繁则标度值为4,第x个原因比第y个原因强烈频繁则标度值为6,第x个原因比第y个原因极端频繁则标度值为8;x、y取值互置的两个元素fi(x,y)的数值互为倒数,x、y取值相同的元素fi(x,y)的数值为1;所述频繁程度权重系数矩阵建立单元从知识库获得对第i层的所有原因进行针对频繁程度进行两两比较的标度值;
步骤17,频繁程度权重系数矩阵建立单元执行i=i+1,之后执行步骤18;
步骤18,频繁程度权重系数矩阵建立单元判断i是否小于等于m,如是则执行步骤16,如否则执行步骤19;
步骤19,故障树建立单元从故障分析单元读取所述故障现象,从严重程度权重系数计算单元读取各原因的严重程度权重系数,从频繁程度权重系数计算单元读取各原因的频繁程度权重系数,并建立故障树,故障现象和各原因构成故障树的各组分,故障树的树根为故障现象,各组分按分解关系排列,由同一组分分解出的各原因按照严重程度权重系数从小到大或从大到小进行排列,并表示出各组分和由其分解出的下一层原因间的逻辑关系,及为各原因标注自身的频繁程度权重系数,所述逻辑关系由故障树建立单元从所述知识库中获取。
其中,所述建立方法为针对电子信息系统的故障检测的建立方法。
本发明的有益效果为:本发明的故障树的建立方法在体现引发故障现象的各原因间的相互关系的同时也能够体现各故障现象的严重程度和权重系数,并且无需建立复杂的数学模型,本发明通过特定的流程设计可以针对输入的故障现象快捷地建立故障树。
附图说明
图1为本发明的故障树的建立方法的流程示意图的一部分;
图2为本发明的故障树的建立方法的流程示意图的与图1承接的另一部分;
图3为本发明的实施例根据图1和2所述建立方法得到的故障树的一种结构。
具体实施方式
本实施例将如图1和2所示的故障树的建立方法应用于电子信息系统,当电子信息系统出现“电脑屏幕无显示”的故障现象时,对应该故障现象的故障树的建立过程如下:
步骤1,故障分析单元根据输入的故障现象从知识库中获得引起该故障现象的各直接原因,其中,知识库中对应“电脑屏幕无显示”的直接原因为主机损坏、屏幕损坏和接线损坏,故障分析单元将获得的各直接原因表示为主机损坏R11、屏幕损坏R12和接线损坏R13;在此,故障分析单元通过Rij代表与该故障现象有关的各原因,i代表原因所在的层数,j代表原因Rij在第i层的序号(即故障分析单元将对各层原因进行排序),对应第i层的j的取值为1至Ni的所有自然数,其中,Ni为第i层的原因的数量,i=1的各原因为上述直接原因;
步骤2:故障分析单元计算第一层的直接原因的数量N1,对于本实施例N1=3;
步骤3,故障分析单元执行j=1,i=1,之后执行步骤4;
步骤4,故障分析单元通过查询知识库判断原因Rij是否存在可分解的下一层原因,如存在则执行步骤5,如不存在则执行步骤6;
步骤5,故障分析单元从知识库中读出由原因Rij分解出的原因,并将分解出的原因列至第i+1层,之后执行步骤6;
步骤6,故障分析单元执行j=j+1,之后执行步骤7;
步骤7,故障分析单元判断j是否小于等于Ni,如是则执行步骤4,如否则执行步骤8;
步骤8,故障分析单元根据查询结果判断第i层各原因是否均无法分解,如是则执行步骤11,如否则执行步骤9;
步骤9,故障分析单元计算第i层分解出的第i+1层的原因的数量Ni+1,之后执行步骤10;
步骤10,故障分析单元执行i=i+1,j=1,之后执行步骤4;
在本实施例中,通过以上步骤2至步骤10,故障分析单元得到屏幕损坏R12和接线损坏R13不能够再分解,而主机损坏R11可以再分解为电源损坏R21、通信板卡损坏R22和主板损坏R23这三个原因,且电源损坏R21、通信板卡损坏R22和主板损坏R23这三个原因均不能再向下分解的分析结果;
步骤11,严重程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m=2,并执行i=1,之后按照步骤12至14执行以下流程:
(1)确定第一层原因的严重程度权重系数:严重程度权重系数矩阵建立单元对第一层原因按第一顺序排列(本实施例中该第一顺序采用故障分析单元对第一层的排列顺序),并针对第一层原因建立3×3的严重程度权重系数矩阵u1;严重程度权重系数矩阵u1的元素u1(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,u1(x,y)表示严重程度权重系数矩阵u1的第x行第y列元素;x、y的取值均为1、2和3;严重程度权重系数矩阵建立单元从知识库中查询到如下结果:主机损坏R11与屏幕损坏R12相比,标度值为7;主机损坏R11与接线损坏R13相比,标度值为9;屏幕损坏R12与接线损坏R13相比,标度值为5。
严重程度权重系数矩阵建立单元获得的严重程度权重系数矩阵u1的各元素的数值为:
u1(1,1)=1; u1(1,2)=7; u1(1,3)=9;
u1(2,1)=1/7; u1(2,2)=1; u1(2,3)=5;
u1(3,1)=1/9; u1(3,2)=1/5; u1(3,3)=1。
严重程度权重系数矩阵建立单元将严重程度权重系数矩阵u1的所有元素的数值均发送至严重程度权重系数计算单元,严重程度权重系数计算单元计算严重程度权重系数矩阵u1的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化得到的特征向量为[77.2%,17.3%,5.5%],归一化后向量中的各元素值按第一顺序对应第一层各原因的严重程度权重系数,即主机损坏R11、屏幕损坏R12和接线损坏R13的严重程度权重系数分别为77.2%、17.3%和5.5%。
(2)确定第二层原因的严重程度权重系数:严重程度权重系数矩阵建立单元对第二层原因按第二顺序排列(本实施例中该第二顺序采用故障分析单元对第二层的排列顺序),并针对第二层原因建立3×3的严重程度权重系数矩阵u2;严重程度权重系数矩阵u2的元素u2(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,u2(x,y)表示严重程度权重系数矩阵u2的第x行第y列元素;x、y的取值均为1、2和3;严重程度权重系数矩阵建立单元从知识库中查询到如下结果:主板损坏R23与通信板卡损坏R22相比,标度值为5;主板损坏R23与电源损坏R21相比,标度值为9;通信板卡损坏R22与电源损坏R21相比,标度值为7。
严重程度权重系数矩阵建立单元获得的严重程度权重系数矩阵u2的各元素的数值为:
u2(1,1)=1; u2(1,2)=1/7; u2(1,3)=1/9;
u2(2,1)=7; u2(2,2)=1; u2(2,3)=1/5;
u2(3,1)=9; u2(3,2)=5; u2(3,3)=1。
严重程度权重系数矩阵建立单元将严重程度权重系数矩阵u2的所有元素的数值均发送至严重程度权重系数计算单元,严重程度权重系数计算单元计算严重程度权重系数矩阵u2的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化得到的特征向量为[5.5%,17.3%,77.2%],归一化后向量中的各元素值按第二顺序对应第二层各原因的严重程度权重系数,即电源损坏R21、通信板卡损坏R22和主板损坏R23的严重程度权重系数分别为5.5%、17.3%和77.2%。
步骤15,频繁程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m=2,并执行i=1,之后按照步骤16至18执行以下流程:
(1)确定第一层原因的频繁程度权重系数:频繁程度权重系数矩阵建立单元对第一层原因按第一顺序排列(本实施例中该第一顺序采用故障分析单元对第一层的排列顺序),并针对第一层原因建立3×3的频繁程度权重系数矩阵f1;频繁程度权重系数矩阵f1的元素f1(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,f1(x,y)表示频繁程度权重系数矩阵f1的第x行第y列元素;x、y的取值均为1、2和3;频繁程度权重系数矩阵建立单元从知识库中查询到如下结果:屏幕损坏R12与主机损坏R11相比,标度值为2;接线损坏R13与主机损坏R11相比,标度值为6;接线损坏R13与屏幕损坏R12相比,标度值为4。
频繁程度权重系数矩阵建立单元获得的频繁程度权重系数矩阵f1的各元素的数值为:
f1(1,1)=1; f1(1,2)=1/2; f1(1,3)=1/6;
f1(2,1)=2; f1(2,2)=1; f1(2,3)=1/4;
f1(3,1)=6; f1(3,2)=1/4; f1(3,3)=1。
频繁程度权重系数矩阵建立单元将频繁程度权重系数矩阵f1的所有元素的数值均发送至频繁程度权重系数计算单元,频繁程度权重系数计算单元计算频繁程度权重系数矩阵f1的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化得到的特征向量为[10.6%,19.3%,70.1%],归一化后向量中的各元素值按第一顺序对应第一层各原因的频繁程度权重系数,即主机损坏R11、屏幕损坏R12和接线损坏R13的频繁程度权重系数分别为10.6%、19.3%和70.1%。
(2)确定第二层原因的频繁程度权重系数:频繁程度权重系数矩阵建立单元对第二层原因按第二顺序排列(本实施例中该第二顺序采用故障分析单元对第二层的排列顺序),并针对第二层原因建立3×3的频繁程度权重系数矩阵f2;频繁程度权重系数矩阵f2的元素f2(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,f2(x,y)表示频繁程度权重系数矩阵f2的第x行第y列元素;x、y的取值均为1、2和3;频繁程度权重系数矩阵建立单元从知识库中查询到如下结果:通信板卡损坏R22与主板损坏R23相比,标度值为4;电源损坏R21与主板损坏R23相比,标度值为6;电源损坏R21与通信板卡损坏R22相比,标度值为2。
频繁程度权重系数矩阵建立单元获得的频繁程度权重系数矩阵f2的各元素的数值为:
f2(1,1)=1; f2(1,2)=2; f2(1,3)=6;
f2(2,1)=1/2; f2(2,2)=1; f2(2,3)=4;
f2(3,1)=1/6; f2(3,2)=1/4; f2(3,3)=1。
频繁程度权重系数矩阵建立单元将频繁程度权重系数矩阵f2的所有元素的数值均发送至频繁程度权重系数计算单元,频繁程度权重系数计算单元计算频繁程度权重系数矩阵f2的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化得到的特征向量为[70.1%,19.3%,10.6%],归一化后向量中的各元素值按第二顺序对应第二层各原因的严重程度权重系数,即电源损坏R21、通信板卡损坏R22和主板损坏R23的严重程度权重系数分别为70.1%、19.3%和10.6%;
步骤19,故障树建立单元从故障分析单元读取所述故障现象,从严重程度权重系数计算单元读取各原因的严重程度权重系数,从频繁程度权重系数计算单元读取各原因的频繁程度权重系数,并建立故障树,其中,如图3所示,故障树的树根为故障现象,即“电脑屏幕无显示”,故障现象及各原因,即“电脑屏幕无显示”,主机损坏R11、屏幕损坏R12和接线损坏R13,以及电源损坏R21、通信板卡损坏R22和主板损坏R23,构成故障树的各组分,各组分按分解关系排列,同一组分分解出的各原因按照严重程度权重系数从大到小进行排列,即由故障现象分解出的直接原因按主机损坏R11、屏幕损坏R12和接线损坏R13顺序排列,而由主机损坏R11分解出的第二层原因按主板损坏R23、通信板卡损坏R22和电源损坏R21排列;并表示各组分和由其分解出的下一层原因间的逻辑关系,及为各原因标注自身的频繁程度权重系数,所述逻辑关系由故障树建立单元从所述知识库中获取,在本实施例中,第一层与故障现象之间的逻辑关系为“或”,第二层各原因与主机损坏R11之间的逻辑关系也为“或”。
以上所述仅为本发明较佳的实施方式,并非用来限定本发明的实施范围,但凡在本发明的保护范围内所做的等效变化及修饰,皆应认为落入了本发明的保护范围内。
Claims (2)
1.一种故障树的建立方法,其特征在于,包括如下步骤:
步骤1,故障分析单元根据输入的故障现象从知识库中获得引起所述故障现象的各直接原因,并将各直接原因设定为第一层;故障分析单元通过Rij代表与所述故障现象有关的各原因,i代表原因所在的层数,j代表原因Rij在第i层的序号,对应第i层的j的取值为1至Ni的所有自然数,其中,Ni为第i层的原因的数量,i=1的各原因为所述直接原因;
步骤2:故障分析单元计算第一层的直接原因的数量N1;
步骤3,故障分析单元执行j=1,i=1,之后执行步骤4;
步骤4,故障分析单元通过查询知识库判断原因Rij是否存在可分解的下一层原因,如存在则执行步骤5,如不存在则执行步骤6;
步骤5,故障分析单元从知识库中读出由原因Rij分解出的原因,并将分解出的原因列至第i+1层,之后执行步骤6;
步骤6,故障分析单元执行j=j+1,之后执行步骤7;
步骤7,故障分析单元判断j是否小于等于Ni,如是则执行步骤4,如否则执行步骤8;
步骤8,故障分析单元根据查询结果判断第i层各原因是否均无法分解,如是则执行步骤11,如否则执行步骤9;
步骤9,故障分析单元计算第i层分解出的第i+1层的原因的数量Ni+1,之后执行步骤10;
步骤10,故障分析单元执行i=i+1,j=1,之后执行步骤4;
步骤11,严重程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m,并执行i=1,之后执行步骤12;
步骤12,确定第i层原因的严重程度权重系数,之后执行步骤13;确定严重程度权重系数的方法如下:
严重程度权重系数矩阵建立单元对第i层原因按第i顺序排列,并针对第i层原因建立Ni×Ni的严重程度权重系数矩阵ui;严重程度权重系数矩阵ui的元素ui(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,ui(x,y)表示严重程度权重系数矩阵ui的第x行第y列元素;x、y的取值均为从1至Ni的所有自然数;严重程度权重系数矩阵建立单元将严重程度权重系数矩阵ui的所有元素的数值均发送至严重程度权重系数计算单元,严重程度权重系数计算单元计算严重程度权重系数矩阵ui的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化后向量中的各元素值按第i顺序对应第i层各原因的严重程度权重系数;
严重程度权重系数矩阵建立单元确定严重程度权重系数矩阵ui的各元素的数值的方法为:使第i层的每个原因均与第i层的所有原因进行两两比较,第x个原因与第y个原因同样严重则标度值为1,第x个原因比第y个原因稍微严重则标度值为3,第x个原因比第y个原因明显严重则标度值为5,第x个原因比第y个原因强烈严重则标度值为7,第x个原因比第y个原因极端严重则标度值为9;x、y取值互置的元素ui(x,y)的数值互为倒数,x、y取值相同的元素ui(x,y)的数值为1;所述严重程度权重系数矩阵建立单元从知识库获得对第i层的所有原因进行针对严重程度进行两两比较的标度值;
步骤13,严重程度权重系数矩阵建立单元执行i=i+1,之后执行步骤14;
步骤14,严重程度权重系数矩阵建立单元判断i是否小于等于m,如是则执行步骤12,如否则执行步骤15;
步骤15,频繁程度权重系数矩阵建立单元从故障分析单元读取各层原因,计算最大层数m,并执行i=1,之后执行步骤16;
步骤16,确定第i层原因的频繁程度权重系数,之后执行步骤17;确定频繁程度权重系数的方法如下:
频繁程度权重系数矩阵建立单元对第i层原因按第i顺序排列,并针对第i层原因建立Ni×Ni的频繁程度权重系数矩阵fi;频繁程度权重系数矩阵fi的元素fi(x,y)的数值为第x个原因与第y个原因相比得到的标度值,其中,fi(x,y)表示频繁程度权重系数矩阵fi的第x行第y列元素;x、y的取值均为从1至Ni的所有自然数;频繁程度权重系数矩阵建立单元将频繁程度权重系数矩阵fi的所有元素的数值均发送至频繁程度权重系数计算单元,频繁程度权重系数计算单元计算频繁程度权重系数矩阵fi的最大特征值所对应的特征向量,并将得到的特征向量归一化,归一化后向量中的各元素值按第i顺序对应第i层各原因的频繁程度权重系数;
频繁程度权重系数矩阵建立单元确定频繁程度权重系数矩阵fi的各元素的数值的方法为:使第i层的每个原因均与第i层的所有原因进行两两比较,第x个原因与第y个原因同样频繁则标度值为1,第x个原因比第y个原因稍微频繁则标度值为2,第x个原因比第y个原因明显频繁则标度值为4,第x个原因比第y个原因强烈频繁则标度值为6,第x个原因比第y个原因极端频繁则标度值为8;x、y取值互置的两个元素fi(x,y)的数值互为倒数,x、y取值相同的元素fi(x,y)的数值为1;所述频繁程度权重系数矩阵建立单元从知识库获得对第i层的所有原因进行针对频繁程度进行两两比较的标度值;
步骤17,频繁程度权重系数矩阵建立单元执行i=i+1,之后执行步骤18;
步骤18,频繁程度权重系数矩阵建立单元判断i是否小于等于m,如是则执行步骤16,如否则执行步骤19;
步骤19,故障树建立单元从故障分析单元读取所述故障现象,从严重程度权重系数计算单元读取各原因的严重程度权重系数,从频繁程度权重系数计算单元读取各原因的频繁程度权重系数,并建立故障树,故障现象和各原因构成故障树的各组分,故障树的树根为故障现象,各组分按分解关系排列,由同一组分分解出的各原因按照严重程度权重系数从小到大或从大到小进行排列,并表示出各组分和由其分解出的下一层原因间的逻辑关系,及为各原因标注自身的频繁程度权重系数,所述逻辑关系由故障树建立单元从所述知识库中获取。
2.根据权利要求1所述的建立方法,其特征在于:所述建立方法为针对电子信息系统的故障检测的建立方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104719486A CN102955715A (zh) | 2012-11-20 | 2012-11-20 | 一种故障树的建立方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012104719486A CN102955715A (zh) | 2012-11-20 | 2012-11-20 | 一种故障树的建立方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102955715A true CN102955715A (zh) | 2013-03-06 |
Family
ID=47764544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012104719486A Pending CN102955715A (zh) | 2012-11-20 | 2012-11-20 | 一种故障树的建立方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102955715A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104683129A (zh) * | 2013-11-28 | 2015-06-03 | 富士通株式会社 | 诊断树建立方法、网络故障诊断方法及其节点 |
CN108900520A (zh) * | 2018-07-11 | 2018-11-27 | 广州虎牙信息科技有限公司 | 直播卡顿因素确定方法、装置、服务器及存储介质 |
CN110716539A (zh) * | 2019-11-26 | 2020-01-21 | 宁波市轨道交通集团有限公司 | 一种故障诊断分析方法和装置 |
CN111027218A (zh) * | 2019-12-12 | 2020-04-17 | 电子科技大学 | 考虑权重及相关性的复杂系统风险优先数分析计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1252556A1 (de) * | 2000-01-29 | 2002-10-30 | ABB Research Ltd. | Verfahren zum automatisierten generieren einer fehlerbaumstruktur |
US20050149570A1 (en) * | 2003-12-19 | 2005-07-07 | Kabushiki Kaisha Toshiba | Maintenance support method, storage medium, and maintenance support apparatus |
CN101984441A (zh) * | 2010-10-27 | 2011-03-09 | 哈尔滨工业大学 | 基于eda技术的电子系统多目标可靠性容差设计方法 |
-
2012
- 2012-11-20 CN CN2012104719486A patent/CN102955715A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1252556A1 (de) * | 2000-01-29 | 2002-10-30 | ABB Research Ltd. | Verfahren zum automatisierten generieren einer fehlerbaumstruktur |
US20050149570A1 (en) * | 2003-12-19 | 2005-07-07 | Kabushiki Kaisha Toshiba | Maintenance support method, storage medium, and maintenance support apparatus |
CN101984441A (zh) * | 2010-10-27 | 2011-03-09 | 哈尔滨工业大学 | 基于eda技术的电子系统多目标可靠性容差设计方法 |
Non-Patent Citations (1)
Title |
---|
郑传材,等: "云广特高压直流故障特性及其强迫停运对受端系统影响评估", 《电网技术》, vol. 36, no. 1, 31 January 2012 (2012-01-31), pages 32 - 38 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104683129A (zh) * | 2013-11-28 | 2015-06-03 | 富士通株式会社 | 诊断树建立方法、网络故障诊断方法及其节点 |
CN104683129B (zh) * | 2013-11-28 | 2019-02-15 | 富士通株式会社 | 诊断树建立方法、网络故障诊断方法及其节点 |
CN108900520A (zh) * | 2018-07-11 | 2018-11-27 | 广州虎牙信息科技有限公司 | 直播卡顿因素确定方法、装置、服务器及存储介质 |
CN108900520B (zh) * | 2018-07-11 | 2021-04-20 | 广州虎牙信息科技有限公司 | 直播卡顿因素确定方法、装置、服务器及存储介质 |
CN110716539A (zh) * | 2019-11-26 | 2020-01-21 | 宁波市轨道交通集团有限公司 | 一种故障诊断分析方法和装置 |
CN111027218A (zh) * | 2019-12-12 | 2020-04-17 | 电子科技大学 | 考虑权重及相关性的复杂系统风险优先数分析计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106227977B (zh) | 一种基于bim的钢结构网架液压提升时变有限元分析的方法 | |
CN104156224B (zh) | 一种软件构建持续集成方法及系统 | |
CN103077253B (zh) | Hadoop框架下高维海量数据GMM聚类方法 | |
RU2016142123A (ru) | Способ оценки нормальности или ненормальности измеренного значения физического параметра двигателя летательного аппарата | |
CN103268450B (zh) | 基于测试的移动智能终端系统安全评估体系模型与评估方法 | |
CN102955715A (zh) | 一种故障树的建立方法 | |
CN104820771B (zh) | 一种航天工程制造成熟度等级确定方法 | |
CN104636251B (zh) | 一种多浏览器兼容性测试方法及系统 | |
US10295435B1 (en) | Model-based damage detection technique for a structural system | |
CN109840205A (zh) | 应用程序测试方法、装置、可读存储介质及终端设备 | |
Solari et al. | Dynamic response of structures to thunderstorm outflows: Response spectrum technique vs time-domain analysis | |
CN109145446B (zh) | 一种基于模态应变能和卷积神经网络的结构损伤识别方法 | |
CN103399815A (zh) | 自动化测试方法和装置 | |
JP2017161504A (ja) | 複合材料の層内欠陥モードの試験データを整理する方法 | |
CN107016260B (zh) | 一种基于跨平台基因表达数据的基因调控网络重建方法 | |
US20100251204A1 (en) | System and method for determining software test cycle effectiveness | |
CN103076556B (zh) | 航电组件功能维护测试点选取方法 | |
CN107515971B (zh) | 一种基于维修性和功能结构的产品设计方法及装置 | |
CN108509340A (zh) | 一种舰艇指控系统软件质量要素的确定与量化评估方法 | |
CN106095746A (zh) | 文字情感辨识系统及方法 | |
CN104133808A (zh) | 基于复杂对应系统的用户行为一致性度测量方法 | |
CN105022864B (zh) | 一种基于扩展依赖矩阵的系统测试点选取方法 | |
CN102981073A (zh) | 一种便携式电子信息系统故障检测仪 | |
CN103226470B (zh) | 一种确定基于bvs的检查项权重值的方法及装置 | |
CN106649501B (zh) | 变电站监控数据库访问模型与scd一致性校验系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130306 |