CN103235881B

CN103235881B - 一种基于最小割集的核反应堆故障监测系统

Info

Publication number: CN103235881B
Application number: CN201310139327.2A
Authority: CN
Inventors: 汪进; 陈珊琦; 胡丽琴; 李亚洲; 吴宜灿
Original assignee: Hefei Institutes of Physical Science of CAS
Current assignee: Hefei Institutes of Physical Science of CAS
Priority date: 2013-04-21
Filing date: 2013-04-21
Publication date: 2016-07-20
Anticipated expiration: 2033-04-21
Also published as: CN103235881A

Abstract

一种基于最小割集的核反应堆故障监测系统，为核反应堆系统的故障诊断提供决策支持，该系统也能够应用于航空、航海、化工等相关领域。该系统主要由以下6个模块组成：模型解析器、任务分发器、并行机、结果收集器、割集解析器、故障诊断器。该系统具有存储效率高、计算速度快、容易部署与维护等特点。与现有技术相比，本发明利用并行机对故障树每层节点并行计算，较大程度的提高了计算速度和准确性，能够有效地对核反应堆故障进行诊断和监测。

Description

一种基于最小割集的核反应堆故障监测系统

技术领域

本发明涉及一种基于最小割集的核反应堆故障监测系统，属于复杂核反应堆系统可靠性与故障诊断领域。

背景技术

故障树分析(FaultTreeAnalysis，FTA)方法最早是1964年由贝尔电话实验室，60年代初在航空航天工业中得到应用，此后有了迅速发展，并成为反应堆、化工等领域不可缺少的分析工具之一。故障树分析是在系统设计过程中通过对可能造成系统失效的各种因素进行分析，画出逻辑框图，进而确定系统故障原因的各种组合方式和发生概率，并采取相应的改进措施，是提高系统可靠性的一种设计分析方法。其中系统故障原因的各种组合方式就是故障树的最小割集，最小割集是用于寻找系统薄弱环节的最有效方法之一。基于最小割集的故障监测就是利用系统最小割集来辅助寻找系统的可能故障模式，因此最小割集的获取是该方法的基础。

随着故障树技术的广泛应用，故障树最小割集求法也得到了快速发展。目前故障树最小割集求法主要分为以下四类：(1)第一类是传统的上行法、下行法，这类方法由于对故障树的所有路径进行搜索，超大型复杂系统的故障树路径数高达几十万以上，计算速度基本无法忍受；(2)第二类是基于Petri网的方法、矩阵化方法，基于Petri网的求解方法实际上是下行法的变种，路径数量并没有减少，只是采用了关联矩阵的形式，计算效率依然很低；矩阵化方法的矩阵维度过大，导致一般的计算机内存无法存储，同时计算量也很大；(3)第三类是基于二元决策图、零压缩二元决策图的方法，这种方法尽管存储效率比上述方法较高，但是由于计算过程产生的中间结果较多，计算量非常大，计算速度仍然有待提高；(4)第四类是近年来提出的分支演绎法，分支演绎法基于一定规则选取事件组合，判断是否满足故障树结构函数，该方法的求解思路尽管与上述方法不同，但是求解速度依赖于事件组合选取的合理性，不合理情况下需要判断的次数大得惊人，其效率具有一定的不确定性。

针对大型复杂系统，如核反应堆系统的故障树模型，这些方法的计算速度和结果的精度仍然有待提高，尤其是针对核电厂、核反应实验装置这一类超大型复杂系统。经过对目前国际上主流的基于上述方法的代表性商用系统RiskSpectrum、CAFTA、XFTA进行测试，一个拥有12000个逻辑门和8000个底事件的超大核电厂故障树，需要计算10-20分钟不等，计算速度过慢，无法做到及时响应，影响对这些系统故障的及时甄别和诊断，同时由于计算量过大而不得不采取截断策略，导致了最终结果有一定误差，不够精确，影响对系统故障的判断。

发明内容

本发明的目的在于：克服现有技术的不足，提出一种基于最小割集的核反应堆故障监测系统，使计算速度和精度得到提高，从而提高了系统故障的判断效率。

本发明的技术方案如下：一种基于最小割集的核反应堆故障监测系统，如图1所示包括：

(1)模型解析器：对给定的核反应堆系统的常规故障树模型进行解析，构建一种分层结构故障树模型，分离出故障树每层节点列表，每层节点的具体信息包括：名称、节点类型、所属分层行号和父亲节点名称；

(2)任务分发器：将解析后的分层结构故障树模型，按照自底向上的顺序，依次将每层节点分发给不同的并行机节点进行处理，当该层节点全部处理完毕之后才能处理上一层节点，直到处理完顶层节点为止；

(3)并行机：配置一定数量的计算节点，每个计算节点上部署一个计算引擎，计算引擎针对任务分发器发送来的分层结构故障树模型某一层节点中的某一个节点进行处理，将以该节点为头节点的子故障树转换成零压缩二元决策图，并将这些零压缩二元决策图送至结果收集器；

(4)结果收集器：收集并行机得到的计算结果，即零压缩二元决策图，当并行机处理的不是顶节点时，此结果收集器将计算结果反馈给任务分发器，当并行机处理的是顶节点时，此结果收集器将计算结果送至割集解析器；

(5)割集解析器：将结果收集器发送的零压缩二元决策图进行解析，得到所分析核反应堆系统的最小割集，并将该最小割集送至故障诊断器；

(6)故障诊断器：根据割集解析器发送过来的核反应堆系统最小割集，进行系统故障排除与诊断工作。

其具体实现步骤如下：

(1)安全分析人员对核反应堆系统进行故障树建模，得到核反应堆系统的常规故障树模型；

(2)模型解析器对步骤1得到的该核反应堆系统常规故障树模型解析称分层结构故障树模型；

(3)任务分发器自底向上将步骤2得到分层结构故障树模型中每一层节点的每一个节点发送个并行机进行计算，结果收集器将每一层计算结果反馈给任务分发器，当并行机处理完顶节点后，结果收集器将该计算结果送至割集解析器；

(4)割集解析器对步骤3中结果收集器送来的结果进行解析，得到核反应堆系统故障树的最小割集；

(5)故障诊断器根据步骤4得到的最小割集辅助展开系统故障排出与诊断工作。

所述模型解析器中对给定的核反应堆系统的常规故障树模型进行解析的具体实现方式如下：

先定义一种存储故障树结构的基本单元，该单元表示如下：<TOP,K,{INPUT₁,INPUT₂…INPUT_n}>，上述基本单元中TOP代表每个子故障树的顶节点，K代表该节点的类型，INPUT₁,INPUT₂…INPUT_n代表顶门的所有输入节点，n表示该节点的输入节点个数，当k＝1<n时表示该节点为“或”门，当1<k<n时表示该节点为n取k表决门，当k＝n时表示该节点为“与”门；

从故障树顶节点开始自上往下分层遍历，初始时给故障树顶节点赋予层号为1，并将该节点置于下标为1的数组中；将该节点的所有的INPUT层号设为2，记录这些节点的名称、节点类型、所属分层行号、父亲节点名称，并将这些节点置于下标为2的数组中；对所有INPUT节点进行递归操作，这些节点的所有INPUT层号则设为3，记录这些节点的名称、节点类型、所属分层行号、父亲节点名称，并将所有这些节点置于下标为3的数组中；依此类推，直到所有叶子节点全部加入相应的哈希表位置中为止。

从所述模型解析器中构建一种分层结构故障树模型到所述割集解析器中得到所分析核反应堆系统的最小割集，具体实现过程如下：从底往上，任务分发器先将模型解析器构建的分层结构故障树模型最底层节点依次发送到并行机的不同计算节点，进行并行计算，直到该层所有节点全部转化为零压缩二元决策图，这些零压缩二元决策图将反馈给任务分发器，任务分发器再连同这些结果与分层结构故障树模型从底向上倒数第二层节点一起分发给并行机进行并行计算，依此类推，直到将顶节点处理完毕为止，此时所得到的零压缩二元决策图即为整个故障树的零压缩二元决策图，该过程中每层节点的计算是并行的，相较于传统的自底向上或自顶向下的串行方法节省了计算时间。

所述并行机中配置一定数量的计算节点，该数量处于故障树每层节点数的平均值与最大值之间，K为故障树层数，且每层节点数自顶向下依次为N₁,N₂,...,N_k，所需的并行机总计算核数在区间内。

本发明与现有技术相比优点在于：

(1)由于故障树是一个树形逻辑结构，父亲节点与孩子节点之间有较明显的输入输出关系，父亲节点的转化依赖于孩子节点的转化结果，因此故障树最小割集求解并行化的最大难点在于分析过程中独立子任务的划分。本发明通过模型解析器将常规故障树解析成分层故障树，克服了传统最小割集求解方法在划分独立子任务方面的不足；并采用新的处理流程，利用并行机对故障树每层节点进行并行计算。经过验证，该方法能得到更好的计算速度，对同样拥有12000个逻辑门和8000个底事件的超大核电厂故障树进行计算，仅需1分钟左右。

(2)由于并行机的部署大大提高了模型处理规模，不需要通过截断策略也能解决大规模计算难题，克服传统方法采用截断策略从而降低结果精度的缺点，使得计算结果更精确，从而较大程度提高了核电系统故障的监测效率。

(3)本发明通过合理配置并行机的计算核心数量，在计算速度与计算资源利用率上找到一个恰当的平衡点，在提高计算速度的基础上同时做到充分利用计算资源；同时本发明系统易于部署，使得成本相对可控；由于计算节点之间的独立性，使得本系统还具有较高的可靠性和易维护性，即单个节点故障不会对系统整体功能产生较大的影响，便于较短时间内恢复性能。

附图说明

图1是本发明的系统结构图；

图2是本发明的系统工作总流程图；

图3是本发明的模型解析器工作流程图；

图4是本发明的任务分发器工作流程图；

图5a是本发明的并行机工作流程图，图5b是其工作原理示意图；

图6是本发明的结果收集器工作流程图；

图7是本发明的割集解析器工作流程图；

图8是本发明的故障诊断器工作流程图；

图9是本发明的一个具体应用实例的常规故障树模型。

具体实施方式

为了更好地理解本发明，先对一些基本概念进行一下解释说明。

故障树：一种表达系统失效模型的树形结构，通过对系统失效机理进行逐层展开建模，直至无需或无法继续展开的基本部件为止；

最小割集：系统的故障模式，表示能导致系统失效的若干基本部件失效的组合，而且其中任何一个部件不失效则系统也不失效；

中间事件：故障树中逻辑门的输出即为中间事件；

顶事件：故障树的顶节点，通常为系统失效，是一种特殊的中间事件；

底事件：故障树的叶子节点，即系统故障树中无需或无法继续展开的基本部件；

ITE结构：一种逻辑表达式，是if-then-else的缩写，即表示ITE顶节点发生则取左支，不发生则取右支，如f＝ite(x,f1,f0)表示若x发生(即x＝1)，则f＝f1,若x不发生(即x＝0)，则f＝f0，不同的算法对ITE语义的解释是不一样的，比如二元决策图的ITE结构表达式语义为f＝ite(x,f1,f0)＝x·f1+^-x·f0，而零压缩二元决策图的ITE结构表达式语义为f＝ite(x,f1,f0)＝x·f1+f0；

零压缩二元决策图：一种有向无环图，作为将故障树转化为割集的中间状态，具有压缩率高，转换效率好的优点，其计算公式如下：

f＝ite(x,f1,f0)＝x·f1+f0(1)

ite(x,L1,R1)·ite(x,L2,R2)＝ite(x,(L1·L2+L1·R2+R1·L2),R1·R2)(2)

ite(x,L1,R1)+ite(x,L2,R2)＝ite(x,(L1+L2),(R1+R2))(3)

ite(x,L1,R1)·ite(y,L2,R2)＝ite(x,L1·h,R1·h)(4)

ite(x,L1,R1)+ite(y,L2,R2)＝ite(x,L1,(R1+h))(5)

其中公式(1)表示二元决策图基本语义，f是零压缩二元决策图，x是该图的顶事件，f1代表x的左分支，f0代表x的右分支。公式(2)-(5)分别表示两个零压缩二元决策图之间的“与”和“或”操作。以二元决策图算法为例，(2)、(3)表示顶事件相同的两个二元决策图的“与”和“或”操作，(4)、(5)表示顶事件不同的两个二元决策图的“与”和“或”操作，其中x,y代表故障树底事件，而且x的事件编号小于y，L1、R1分别代表第一个参与操作的二元决策图的顶事件的左分支，L2、R2分别代表该二元决策图的顶事件的右分支，h代表第二个参与操作的顶事件编号偏大的二元决策图，即ite(y,L2,R2)，“·”代表“与”操作，“+”代表“或”操作。

下面结合附图对本发明进行详细说明。

如图1所示，本发明面向核反应堆系统故障诊断的故障树最小割集并行求解系统包括模型解析器、任务分发器、并行机、结果收集器、割集解析器、故障诊断器6大模块。

图2是该系统的工作总流程图，整个实现过程如下：

(1)首先获取核反应堆系统常规故障树模型，经过模型解析器的处理，构建一种分层的故障树结构；

(2)基于上一步得到的分层故障树结构，自底向上逐层处理，由任务分发器将每一层节点发送并行机计算，若非最终结果，则由结果收集器将计算结果反馈给任务分发器进行下一步分发，直到处理完顶层节点为止；

(3)处理完顶层节点之后，将所得到的零压缩二元决策图发往割集解析器，获取系统的最小割集；

(4)将得到的最小割集发往故障诊断器，对系统发生的故障进行排查和甄别，为故障诊断提供决策支持。

上述各模块的具体实现过程如下：

1.模型解析器

该模块的实现流程如图3所示：

先定义一种存储故障树结构的基本单元，该单元表示如下：<TOP,K,{INPUT₁,INPUT₂,…,INPUT_n}>，上述基本单元中TOP代表每个子故障树的顶节点，K代表该节点的类型，n表示该节点的输入节点个数，当k＝1<n时表示该节点为“或”门，当1<k<n时表示该节点为n取k表决门，当k＝n时表示该节点为“与”门。

根据外部程序构造的故障树模型，从故障树顶点开始进行先根遍历，获取分层信息，即每层对应一个一维节点数组；根据第一步的分层信息，从最下面一层开始构建故障树，拥有相同父亲的节点相邻的排列在一起；根据第k层的父亲信息，依次排列第k+1层的节点，并通过第k层节点的“父亲节点名称”属性与第k层关联起来；同时针对第k+1层节点按照第二步进行排列；如此不断重复第三步，直到故障树最上面一层。

具体的，初始时给故障树顶节点赋予层号为1，并将该节点置于下标为1的数组中；将该节点的所有的INPUT层号设为2，记录这些节点的名称、节点类型、所属分层行号、父亲节点名称，并将这些节点置于下标为2的数组中；对所有INPUT节点进行递归操作，这些节点的所有INPUT层号则设为3，记录这些节点的名称、节点类型、所属分层行号、父亲节点名称，并将所有这些节点置于下标为3的数组中；依此类推，直到所有叶子节点全部加入相应的哈希表位置中为止。

2.任务分发器

该模块的实现流程如图4所示：

从最下面一层开始，依次遍历一层的全部节点，如果是叶子节点，将其作为一个子任务放入任务列表；如果是非叶子节点，将其所有孩子的某种操作(操作类型与该节点的门类型一致)作为一个子任务放入任务列表；

将同一层的所有子任务，提交多核处理器机群计算，转换为零压缩二元决策图；

重复上面两个步骤，直到故障树最上面一层。

3.并行机及计算核心模块

该模块的实现流程图如图5a所示，一个转换实例如图5b所示：

从任务分发器的任务队列中接收第一个子任务，调用第一个计算核心，下一个子任务调用下一个计算核心，直到该层故障树任务队列中子任务全部处理完毕，或者计算核心使用完毕；

对于每个计算核心而言，若当前节点为叶子节点，直接将其用ITE结构表示，若x为某个叶子节点，那么对应的ITE结构为ite(x,1,0)，这个结构即为该叶子节点对应的零压缩二元决策图，将该图反馈给任务分发器，作为中间结果提供给下一轮子任务；

若当前节点为逻辑门，则调用任务分发器接收到的从结果搜集器返回的上一论计算结果，根据该门的类型以及前两个输入的编号顺序，选择零压缩二元决策图方法中相对应的转换公式进行转换，得到以该门为顶节点的子故障树对应的零压缩二元决策图，若该门不是故障树顶节点则将结果反馈给任务分发器，作为中间结果提供给下一轮子任务，否则发往割集解析器。

4.结果收集器

该模块的实现流程如图6所示：

结果收集器从并行机收到处理结果后，判断该结果是否为顶层节点的处理结果，若不是就反馈给任务分发器，这些结果在下一轮任务分发时和子任务一起发送给并行机，用于处理上层节点对应的子故障树；

如果是顶层节点的处理结果，即最终结果，就直接发送给割集解析器即可。

5.割集解析器

该模块的实现流程如图7所示：

割集解析器收到结果收集器发送过来的最终处理结果，即整个故障树对应的零压缩二元决策图，然后开始对改图进行解析。解析过程是从零压缩二元决策图的顶节点开始，寻找该节点到左子树所有叶子节点的路径，每条路径对应一条割集，且仅将出现在左支末端的节点加入该割集；

然后对顶节点的右支进行上面同样的操作；

最后直到所有节点均被解析完毕，得到整个系统的割集，并将割集最小化后得到的最小割集发送到故障诊断器提供故障诊断的决策支持。

6.故障诊断器

该模块的实现流程如图8所示：

故障诊断器接收到系统的最小割集后，根据已知系统状态信息对最小割集进行排除，基于以往诊断经验按照重要基本部件库中的部件重要性逐个对故障诊断工程师进行提问；

从重要基本部件库取出第一个部件，询问故障诊断工程师该部件是否故障，工程师可以回答“是”、“否”、“不确定”三种答案，若得到的答案是“是”则将该部件从所有最小割集中去除(若某个最小割集仅包含1个底事件即该部件，则表明找到故障！)，并对处理后的结果进行割集最小化；若得到的答案是“否”，则将包含该部件的最小割集删掉；若得到的答案是“不确定”则不对最小割集进行任何操作，并取下一个部件重新进行上述操作，直到所有部件全部处理完；

对于不在重要基本部件库中的部件，故障诊断工程师可以根据自己掌握的确切信息(比如该部件确定故障或无故障)自定义部件库重复上述操作，从剩余的最小割集中继续进行筛选，直到无法进一步筛选为止；

故障诊断工程师可按照割集概率进行排序，从大到小逐个检查各个割集中出现的部件是否故障，知道排查出故障为止。

下面以全超导托卡马克核聚变实验装置EAST的氦气压缩段故障作为例子进行详细说明。图9为核能系统可靠性分析人员建立的EAST氦气压缩段常规故障树模型，其中氦气压缩段故障为故障树的顶事件，一级压缩故障、二级压缩故障、过滤纯化系统故障等为中间事件，X1-X16为底事件，并假设其节点顺序为X1<X2<…<X16。

模型解析器将该模型解析成分层结构故障树模型，得到4层节点列表，分别是：

第一层节点共1个，列表如下：

{“氦气压缩段故障”，OR，1，“NULL”}；

第二层节点共3个，列表如下：

{“一级压缩故障”，OR，2，“氦气压缩段故障”}；

{“二级压缩故障”，OR，2，“氦气压缩段故障”}；

{“过滤纯化系统故障”，OR，2，“氦气压缩段故障”}；

第三层节点共11个，列表如下：

{“压缩机1故障”，OR，3，“一级压缩故障”}；

{“压缩机2故障”，OR，3，“一级压缩故障”}；

{“压缩机3故障”，OR，3，“一级压缩故障”}；

{“压缩机4故障”，OR，3，“二级压缩故障”}；

……

{“手动阀外漏X13”，EVENT，3，“过滤纯化系统故障”}；

{“过滤器A1730堵塞”，EVENT，3，“过滤纯化系统故障”}；

{“过滤器故障”，OR，3，“过滤纯化系统故障”}；

第四层节点共20个，列表如下：

{“压缩机1运行故障”，EVENT，4，“压缩机1故障”}；

{“电源故障”，EVENT，4，“压缩机1故障”}；

……

{“过滤器A1731堵塞”，EVENT，4，“过滤器故障”}；

{“过滤器A1732堵塞”，EVENT，4，“过滤器故障”}

部署并行机的总计算核心数处于区间[(1+3+11+20)/4,20]即[9,20]之间，取计算核心数为16。

任务分发器先取第四层节点的20个任务发往并行机，由于20>16，因此先将20个任务中的前16个发往并行机，根据公式1进行计算，得到16个零压缩二元决策图，结果分别为：

ZBDD401＝ite(X1,1,0)；

ZBDD402＝ite(X2,1,0)；

ZBDD403＝ite(X3,1,0)；

ZBDD404＝ite(X2,1,0)；

……

ZBDD415＝ite(X9,1,0)；

ZBDD416＝ite(X10,1,0)；

该16个任务计算完毕后再分发剩下的4个任务，根据公式1进行计算，得到4个零压缩二元决策图，结果分别为：

ZBDD417＝ite(X11,1,0)；

ZBDD418＝ite(X12,1,0)；

ZBDD419＝ite(X15,1,0)；

ZBDD420＝ite(X16,1,0)；

结果收集器将第4层节点的20个结果反馈给任务分发器，以便进行第3层节点的任务分发。任务分发器将上20个结果与第3层节点的11个任务发往并行机，根据公式1-5进行计算，得到11个零压缩二元决策图，结果分别为：

ZBDD301＝ZBDD401+ZBDD402＝ite(X1,1,ite(X2,1,0))；

ZBDD302＝ZBDD403+ZBDD404＝ite(X3,1,ite(X4,1,0))；

……

ZBDD309＝ite(X13,1,0)；

ZBDD310＝ite(X14,1,0)；

ZBDD311＝ZBDD419+ZBDD420＝ite(X15,1,ite(X16,1,0))；

结果收集器将第3层节点的11个结果反馈给任务分发器，以便进行第2层节点的任务分发。任务分发器将上11个结果与第2层节点的3个任务发往并行机，根据公式2-5进行计算，得到3个零压缩二元决策图，结果分别为：

ZBDD201＝ZBDD301+ZBDD302+ZBDD303

＝ite(X1,1,ite(X2,1,ite(X3,1,ite(X4,1,0))))；

ZBDD202＝ZBDD304+ZBDD305+ZBDD306+ZBDD307

＝ite(X2,1,ite(X5,1,ite(X6,1,ite(X7,1,ite(X8,1,0)))))；

ZBDD203＝ZBDD308+ZBDD309+ZBDD310+ZBDD311

＝ite(X9,1,ite(X10,1,ite(X11,1,ite(X12,1,ite(X13,1,ite(X14,1,ite(X15,1,ite(X16,1,0))))))))；

结果收集器将第2层节点的3个结果反馈给任务分发器，以便进行第1层即顶节点的任务分发。任务分发器将上3个结果与顶节点发往并行机，根据公式2-5进行计算，得到最终结果，如下：

ZBDD101＝ZBDD201+ZBDD202+ZBDD203

＝ite(X1,1,ite(X2,1,ite(X3,1,ite(X4,1,ite(X5,1,ite(X6,1,ite(X7,1,ite(X8,1,ite(X9,1,ite(X10,1,ite(X11,1,ite(X12,1,ite(X13,1,ite(X14,1,ite(X15,1,ite(X16,1,0))))))))))))))))；

由于是最终结果，结果收集器将该结果发往割集解析器。割集解析器对ZBDD101进行解析，得到16个最小割集，结果如下：

{“压缩机1运行故障X1”}；

{“电源故障X2”}；

……

{“过滤器A1732堵塞X16”}；

割集解析器将上述16个割集发往故障诊断器提供故障诊断的决策支持，故障诊断器收到这16个割集后，第一步根据已知系统状态信息对最小割集进行排除，假设氦气压缩段系统的重要基本部件库及其重要性排序为“电源”，“压缩机2”，“过滤器F1721”，“手动阀”，故障诊断器依次询问故障诊断工程师上述4个重要部件是否故障，若“电源”，“压缩机2”，“过滤器F1721”，“手动阀”均没有故障，则可以排除割集中的{X2}，{X3}，{X9}，{X13}4条割集；第二步根据剩下的割集概率进行排序，假设X1概率最大，取出X1询问故障诊断工程师该部件是否故障，故障诊断工程师进行检查后发现X1确实发生了，从而诊断系统故障为“压缩机1运行故障”。

本发明通过前期试验，结果表明不仅计算速度快，能对系统所发生故障进行快速甄别和排除，还具有很高的精度，为系统安全员的最终判断提供决策支持等。

本发明未详细描述的部分属于本领域公知技术。

Claims

1.一种基于最小割集的核反应堆故障监测系统，其特征在于包括：

模型解析器：对给定的核反应堆系统的常规故障树模型进行解析，构建一种分层结构故障树模型，分离出故障树每层节点列表，每层节点的具体信息包括：名称、节点类型、所属分层行号和父亲节点名称；

任务分发器：将解析后的分层结构故障树模型，按照自底向上的顺序，依次将每层节点分发给不同的并行机节点进行处理，当该层节点全部处理完毕之后才能处理上一层节点，直到处理完顶层节点为止；

并行机：配置一定数量的计算节点，每个计算节点上部署一个计算引擎，计算引擎针对任务分发器发送来的分层结构故障树模型某一层节点中的某一个节点进行处理，将以该节点为头节点的子故障树转换成零压缩二元决策图，并将这些零压缩二元决策图送至结果收集器；

结果收集器：收集并行机得到的计算结果，即零压缩二元决策图，当并行机处理的不是顶节点时，此结果收集器将计算结果反馈给任务分发器，当并行机处理的是顶节点时，此结果收集器将计算结果送至割集解析器；

割集解析器：将结果收集器发送的零压缩二元决策图进行解析，得到所分析核反应堆系统的最小割集，并将该最小割集送至故障诊断器；

故障诊断器：根据割集解析器发送过来的核反应堆系统最小割集，进行系统故障排除与诊断工作。

2.根据权利要求1所述的基于最小割集的核反应堆故障监测系统，其特征在于：所述模型解析器中对给定的核反应堆系统的常规故障树模型进行解析的具体实现方式如下：

3.根据权利要求1所述的基于最小割集的核反应堆故障监测系统，其特征在于：从所述模型解析器中构建一种分层结构故障树模型到所述割集解析器中得到所分析核反应堆系统的最小割集具体实现过程如下：从底往上，任务分发器先将模型解析器构建的分层结构故障树模型最底层节点依次发送到并行机的不同计算节点，进行并行计算，直到该层所有节点全部转化为零压缩二元决策图，这些零压缩二元决策图将反馈给任务分发器，任务分发器再连同这些结果与分层结构故障树模型从底向上倒数第二层节点一起分发给并行机进行并行计算，依此类推，直到将顶节点处理完毕为止，此时所得到的零压缩二元决策图即为整个故障树的零压缩二元决策图，该过程中每层节点的计算是并行的，相较于传统的自底向上或自顶向下的串行方法节省了计算时间。

4.根据权利要求1所述的基于最小割集的核反应堆故障监测系统，其特征在于：所述并行机中配置一定数量的计算节点，该数量处于故障树每层节点数的平均值与最大值之间，K为故障树层数，且每层节点数自顶向下依次为N₁,N₂,...,N_k，所需的并行机总计算核数在区间内。