CN104318110B - 一种提高大型复杂系统风险设计及维修效率的方法 - Google Patents
一种提高大型复杂系统风险设计及维修效率的方法 Download PDFInfo
- Publication number
- CN104318110B CN104318110B CN201410592313.0A CN201410592313A CN104318110B CN 104318110 B CN104318110 B CN 104318110B CN 201410592313 A CN201410592313 A CN 201410592313A CN 104318110 B CN104318110 B CN 104318110B
- Authority
- CN
- China
- Prior art keywords
- parameter
- importance
- frequency values
- event
- elementary
- 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.)
- Active
Links
Landscapes
- Complex Calculations (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于重要度和敏感性复合排序的提高大型复杂系统风险设计及维修效率的方法,其中全局敏感性能反映部件的参数值的不确定性对顶事件失效概率或频率值不确定性的影响,而FV重要度则能反映部件的参数值对顶事件失效概率或频率值的风险贡献。具体实施步骤为先通过统计方法计算获得部件的全局敏感性和FV重要度,再根据对他们进行加权计算的结果生成系统中部件的复合排序,最后根据部件的复合排序结果制定大型系统风险设计及维修的策略,从而减少经济投入,增加系统可靠性,提高风险维修效率。该方法考虑了部件参数值的不确定性对部件重要度排序结果的影响,从而能够获得更具有现实意义的部件复合排序列表,进而更有效的指导风险设计及维修行为。
Description
技术领域
本发明涉及复杂系统的概率安全评价与可靠性分析领域,具体来说是一种基于重要度和敏感性复合排序的提高大型复杂系统风险设计及维修效率的方法。
背景技术
大型复杂系统(如大型强子对撞器、航天航空系统、核电厂等系统)在设计、运行和维护等阶段中需要对系统的可靠性和风险进行评价分析,从而及时发现系统中的薄弱环节以及甄别系统可能产生的异常甚至不可逆结果,进而对系统的设计、运行和维护过程进行改进和修正。这样才能在总资源有限的前提下,更加合理有效的对系统进行优化,提升经济效益和系统可靠性。
核电厂中通常采用PSA(概率安全分析)技术对电厂系统的可靠性和风险进行评价分析,而PSA技术中最常用的方法就是故障树分析(Fault Tree Analysis,FTA)方法。故障树分析方法包括定性和定量分析:故障树定性分析是在系统设计、运行和维护过程中通过对可能造成系统失效的原因从系统到部件再到零件逐层分析并绘制出一个逐渐展开的树状分支图,进而求出造成系统失效的各种可能组合方式;而故障树定量分析是在故障树定性分析的基础上,通过定量计算求得顶事件失效概率或频率的分布或者点估计以及各部件或零件的重要度,并通过重要度进行排序,根据排序结果及时发现系统中的薄弱环节从而更加合理有效的对系统进行优化。
FV重要度是上世纪70年代由J.B.Fussel和W.E.Vesely提出的一种用于系统故障诊断的重要度方法。FV重要度因为能够直观、简明的确定部件应该被考虑的先后顺序,而被广泛的应用在PSA中。
全局敏感性是一种基于方差的不确定性重要度方法,其在上世纪90年代被M.D.McKay引入PSA中。因为全局敏感性考虑到参数值的分布信息,所以其可以反映出模型中每一个参数值的不确定性对顶事件失效概率或频率值的不确定性的影响。
在针对大型复杂系统的PSA中,通常仅通过计算传统的重要度(如FV重要度,RAW重要度等)对部件进行排序,而传统的重要度计算都是建立在顶事件失效概率或频率值的点估计的基础之上的;但在实际中,部件的参数值是以概率分布的形式存在的,部件的参数值的不确定性会对部件和顶事件的失效概率或频率值的不确定性产生直接和重要的影响。因此,通过计算传统的重要度对部件进行排序的结果是不完备且不够准确的。
发明内容
本发明技术解决问题:克服现有技术的不足,提出一种基于重要度和敏感性复合排序的提高大型复杂系统风险设计及维修效率的方法。该方法改进了传统PSA方法中基于单一重要度的排序方法,同时考虑了部件的点估计风险贡献值和部件参数值的不确定性对部件重要度排序结果的影响,从而能够获得更具有现实意义的部件优先级复合排序列表,进而制定更高效的大型系统风险设计及维修的策略,减少经济投入,增加系统可靠性,提高系统风险设计及维修效率。
本发明的技术方案:一种基于重要度和敏感性复合排序的提高大型复杂系统风险设计及维修效率的方法,其流程图如图1,其实现步骤包括:
(1)对于顶事件失效概率或频率值为的故障树模型,其中是所有基本事件的失效概率或频率值的集合,根据每个基本事件的模型和其所涉及的参数将其改写成参数表达形式,即其中是所有参数的值的集合;
(2)将每一个参数的均值分别代入(1)中所述的每个基本事件的模型和参数表达形式中,得到一组所有基本事件失效概率或频率值的点估计值和一个顶事件失效概率或频率值的点估计值,即
(3)根据(1)中所述的参数表达形式和(2)中所得到的顶事件失效概率或频率值的点估计值,计算每一个参数的FV重要度;
(4)根据(1)中所述的参数表达形式和中所有参数的概率分布信息,计算每一个参数的全局敏感性;
(5)将每一个参数的FV重要度和全局敏感性以特定的加权方式计算求得每一个基本事件的复合重要度进而根据每一个基本事件的复合重要度对系统中的部件进行复合排序;
(6)根据(5)中获得的部件复合排序列表制定大型系统风险设计及维修的策略,从而减少经济投入,增加系统可靠性,提高风险设计及维修效率。
所述步骤(5)中的以特定的加权方式计算求得每一个基本事件的复合重要度的方法如下:
其中α和β为调整因子取值在2至4之间。
本发明与现有技术相比优点在于:
(1)本发明解决了现有重要度计算方法中部件风险贡献和不确定性贡献相互割裂的问题,能够更有效的识别系统的关键部件,指导对关键部件的设计及维修。
(2)本发明将部件的参数的全局敏感性和FV重要度所反映的有效信息提取后加权计算得到部件复合排序列表,并根据其制定大型系统风险设计及维修的策略,从而减少经济投入,增加系统可靠性,提高风险设计及维修效率。
附图说明
图1为本发明的实现流程图;
图2为系统到故障树模型的分层映射关系图;
具体实施方式
为了能够更好的理解本发明,首先对本发明中涉及的基本概念作简单的介绍:
故障树:一种表达系统失效模式的倒立树形模型,通过对系统失效原因向下逐层展开、直至无需或无法继续展开的基本部件为止而建立的模型;
顶事件:故障树的顶节点,通常对应着系统失效状态;
基本事件: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,通常对应着一个部件的一种或多种失效模式;
最小割集:表示能导致系统失效的一个或多个基本部件的一种或多种失效模式的最小组合,对应着一个或多个基本事件的集合;
本发明的主要思想如下:
在对大型复杂系统进行PSA时,需要应用故障树分析方法对系统进行建模。大型复杂系统通常可分为从系统到部件等几个层面,对应的,在建立故障树模型时也按照这样层层展开的顺序进行,具体来说故障树中的顶事件即对应系统失效状态,故障树中的一个基本事件即对应部件的一种失效模式,基本事件的参数即对应部件的一些物理特性,具体如图2所示。
本发明通过计算故障树模型中的参数的FV重要度和全局敏感性,来确定基本事件的复合重要度,进而根据基本事件的复合重要度对系统中的对应部件进行重要度排序,从而指导整个系统的设计、运行和维护等过程。
下面对本发明做进一步的详细说明。
本发明提出了一种结合全局敏感性和FV重要度的部件复合重要度计算及排序方法,其实现步骤如下:
(1)对于顶事件失效概率或频率值为的故障树模型,其中是所有基本事件的失效概率或频率值的集合,根据每个基本事件的模型和其所涉及的参数将其改写成参数表达形式,即其中是所有参数的值的集合;
(2)将每一个参数的均值分别代入(1)中所述的每个基本事件的模型和参数表达形式中,得到一组所有基本事件失效概率或频率值的点估计值和一个顶事件失效概率或频率值的点估计值,即
(3)根据(1)中所述的参数表达形式和(2)中所得到的顶事件失效概率或频率值的点估计值,计算每一个参数的FV重要度,每一个参数的FV重要度计算方法如下:
其中为令中所有涉及参数xi的基本事件的概率或频率值为0后所得到的一组新的所有基本事件的概率或频率值的点估计值;
(4)根据(1)中所述的参数表达形式和中所有参数的概率分布信息,计算每一个参数的全局敏感性,每一个参数的全局敏感性计算方法如下:
其中
其中Vi表示参数xi的分布的方差,Vij表示参数xi和xj的条件方差,并以此类推,Vr表示总方差。总方差Vr采用扩展式傅立叶振幅灵敏度测试算法进行求解。
(5)将每一个参数的FV重要度和全局敏感性以特定的加权方式计算求得每一个基本事件的复合重要度进而根据每一个基本事件的复合重要度对系统中的部件进行复合排序;
(6)根据(5)中获得的部件复合排序列表制定大型系统风险设计及维修的策略,从而减少经济投入,增加系统可靠性,提高风险设计及维修效率。
部件复合重要度计算及排序方法所述步骤(5)中的以特定的加权方式计算求得每一个基本事件的复合重要度的方法如下:
其中α和β为调整因子取值在2至4之间。
本发明未详细阐述部分属于本领域公知技术。
以上所述,仅为本发明部分具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域的人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种基于重要度和敏感性复合排序的提高大型复杂系统风险设计及维修效率的方法,其特征在于实现步骤如下:
(1)对于顶事件失效概率或频率值为的故障树模型,其中i=1,2,…,n是所有基本事件i=1,2,…,n的失效概率或频率值的集合,根据每个基本事件的模型和其所涉及的参数将其改写成参数表达形式,即其中i=1,2,…,m是所有参数i=1,2,…,m的值的集合;
(2)将参数的均值集合i=1,2,…,m中每一个值分别代入(1)中所述的每个基本事件的模型和参数表达形式中,得到一组所有基本事件失效概率或频率值的点估计值i=1,2,…,n和一个顶事件失效概率或频率值的点估计值,即
(3)根据(1)中所述的参数表达形式和(2)中所得到的顶事件失效概率或频率值的点估计值,计算每一个参数的FV重要度;(4)根据(1)中所述的参数表达形式和中所有参数的概率分布信息,计算每一个参数的全局敏感性;
(5)将每一个参数的FV重要度和全局敏感性以特定的加权方式计算求得每一个基本事件的复合重要度i=1,2,…,n,进而根据每一个基本事件的复合重要度对系统中的部件进行复合排序;
(6)根据(5)中获得的部件复合排序列表制定大型系统风险设计及维修的策略,增加系统可靠性,提高风险设计及维修效率;
所述步骤(5)中的以特定的加权方式计算求得每一个基本事件的复合重要度i=1,2,…,n的方法如下:
式中,为参数xj的FV重要度,为参数xj的全局敏感度,j=1,2,…,m;α和β为调整因子取值在2至4之间;
FV重要度的计算方法如下:
其中为令中所有涉及参数xj的基本事件的概率或频率值为0后所得到的一组新的所有基本事件的概率或频率值的点估计值,i=1,2,…,n是所有基本事件的集合;
全局敏感度的计算方法如下:
其中Vj表示参数xj的分布的方差,Vjk表示参数xj和xk的条件方差,并以此类推,Vr表示总方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410592313.0A CN104318110B (zh) | 2014-10-28 | 2014-10-28 | 一种提高大型复杂系统风险设计及维修效率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410592313.0A CN104318110B (zh) | 2014-10-28 | 2014-10-28 | 一种提高大型复杂系统风险设计及维修效率的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104318110A CN104318110A (zh) | 2015-01-28 |
CN104318110B true CN104318110B (zh) | 2017-05-10 |
Family
ID=52373341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410592313.0A Active CN104318110B (zh) | 2014-10-28 | 2014-10-28 | 一种提高大型复杂系统风险设计及维修效率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104318110B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930623A (zh) * | 2016-05-27 | 2016-09-07 | 中国电子科技集团公司第三十八研究所 | 一种基于模糊判断的机电系统多层级可靠性预计方法 |
CN108120886B (zh) * | 2016-11-30 | 2019-12-10 | 比亚迪股份有限公司 | 无线充电系统故障的评判方法及系统 |
CN109635308A (zh) * | 2018-10-15 | 2019-04-16 | 西北工业大学 | 管路灵敏度分析方法、装置、存储介质及电子设备 |
CN109632355B (zh) * | 2018-12-20 | 2021-03-16 | 广州航天海特系统工程有限公司 | 基于机电设备状态数据漂移的故障预测方法及系统 |
CN111091292B (zh) * | 2019-12-18 | 2023-08-18 | 中国科学院合肥物质科学研究院 | 一种核电站实时风险动态建模分析系统 |
CN113096372B (zh) * | 2021-03-29 | 2022-07-05 | 岭澳核电有限公司 | 一种火灾探测系统维修有效性评估方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101838991A (zh) * | 2010-05-21 | 2010-09-22 | 上海建科建设监理咨询有限公司 | 一种基于网络推理的深基坑风险评估方法 |
CN103399802A (zh) * | 2013-07-30 | 2013-11-20 | Tcl集团股份有限公司 | 一种图片预加载方法以及装置 |
-
2014
- 2014-10-28 CN CN201410592313.0A patent/CN104318110B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101838991A (zh) * | 2010-05-21 | 2010-09-22 | 上海建科建设监理咨询有限公司 | 一种基于网络推理的深基坑风险评估方法 |
CN103399802A (zh) * | 2013-07-30 | 2013-11-20 | Tcl集团股份有限公司 | 一种图片预加载方法以及装置 |
Non-Patent Citations (9)
Title |
---|
A novel method to apply Importance and Sensitivity Analysis to multiple Fault-trees;Sergio Contini et al;《Journal of Loss Prevention in the Process Industries》;20100930;第23卷(第5期);第574-584页 * |
An Efficient Multistate Multivalued Decision Diagram-Based Approach for Multistate System Sensitivity Analysis;Akhilesh Shrestha et al;《IEEE Transations on Reliability》;20100930;第59卷(第3期);第581-592页 * |
Comparison of global sensitivity analysis techniques and importance measures in PSA;E.Borgonovo et al;《Reliability Engineering & System Safety》;20030228;第79卷(第2期);第175-185页 * |
Component Reliability Criticality or Importance Measures for Systems With Degrading Components;Hao Peng 等;《IEEE Transactions on Reliability》;20120331;第61卷(第1期);第4-11页 * |
Importance measures in global sensitivity analysis of nonlinear models;Toshimitsu Homma et al;《Reliability Engineering and System Safety》;19960430;第52卷(第1期);第1-17页 * |
On the use of uncertainty importance measures in reliability and risk analysis;T.Aven et al;《Reliability Engineering & System Safety》;20100228;第95卷(第2期);第127-133页 * |
基于方差的全局敏感性方法在空战效能分析中的运用;周经伦 等;《现代防御技术》;20071231;第35卷(第6期);第22-27页 * |
大型集成概率安全分析软件系统的研究与发展;吴宜灿 等;《核科学与工程》;20070930;第27卷(第3期);第270-276页 * |
结构随机分析的概率与复合重要度及其求解;许鑫 等;《计算力学学报》;20130228;第30卷(第1期);第64-75页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104318110A (zh) | 2015-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104318110B (zh) | 一种提高大型复杂系统风险设计及维修效率的方法 | |
CN110348615B (zh) | 基于蚁群优化支持向量机的电缆线路故障概率预测方法 | |
US11709979B1 (en) | Bridge damage identification method considering uncertainty | |
CN104766175A (zh) | 一种基于时间序列分析的电力系统异常数据辨识与修正方法 | |
CN101866316B (zh) | 一种基于相对冗余测试集约简的软件缺陷定位方法 | |
JP2020515922A5 (zh) | ||
CN105893256A (zh) | 基于机器学习算法的软件故障定位方法 | |
CN105653450A (zh) | 基于改进遗传算法与Adaboost结合的软件缺陷数据特征选择方法 | |
CN110472846A (zh) | 核电厂热工水力安全分析最佳估算加不确定性方法 | |
CN102270302B (zh) | 一种基于灰色支持向量机的多应力加速寿命试验预测方法 | |
CN106201871A (zh) | 基于代价敏感半监督的软件缺陷预测方法 | |
CN104331837B (zh) | 电力系统暂态稳定最优切机控制策略搜索的简化方法 | |
CN104155574A (zh) | 基于自适应神经模糊推理系统的配电网故障分类方法 | |
CN104156615A (zh) | 基于ls-svm的传感器检测数据点异常检测方法 | |
CN106055729A (zh) | 一种基于蒙特卡洛仿真的故障树分析方法 | |
CN109886328B (zh) | 一种电动汽车充电设施故障预测方法与系统 | |
CN105242205A (zh) | 一种航空三级式交流发电机旋转整流器在线故障诊断方法 | |
CN105389598A (zh) | 面向软件缺陷数据的特征选择及分类方法 | |
CN105975797A (zh) | 一种基于模糊数据处理的产品早期故障根原因识别方法 | |
CN108647707A (zh) | 概率神经网络创建方法、故障诊断方法及装置、存储介质 | |
CN105701013A (zh) | 基于互信息的软件缺陷数据特征选择方法 | |
CN104899608A (zh) | 滚动轴承剩余寿命预测的加权融合相关向量机模型 | |
CN103617119B (zh) | 基于语句交互覆盖的回归测试用例选择方法 | |
CN105868115A (zh) | 软件密集型系统软件测试模型的构建方法和系统 | |
CN104572103A (zh) | 一种基于分布函数的wcet快速估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |