CN104392072A - 一种基于动态故障树的设备集成系统可靠性分析方法 - Google Patents

Abstract

本发明公开了属于设备集成系统的可靠性评估领域一种基于动态故障树的设备集成系统可靠性分析方法，该方包括如下步骤：(1)设备集成系统故障数据的处理；(2)基于本体模型的设备集成系统动态故障树建模；(3)根据动态故障树模型进行可靠性评估：A、动态故障树的模块划分；B、动态子树向马尔科夫链的转化；C、基于马尔科夫过程求解动态子树的故障率；D、根据整体结构函数进行系统可靠度的计算。本发明达到了识别设备集成系统关键部件、量化设备集成系统可靠程度的效果，并且能够适应设备集成系统的动态故障特征。

Description

一种基于动态故障树的设备集成系统可靠性分析方法

技术领域

本发明属于设备集成系统的可靠性评估领域，特别涉及一种基于动态故障树的设备集成系统可靠性分析方法，具体说是一种应用在高速铁路车辆(塞拉门系统)的实时更新的可靠性评价方法。

背景技术

动车组普遍使用的塞拉门系统一般由驱动单元、电控系统、自动踏板、锁闭装置以及门扇等基本装置组成。主要实现开关门动作、锁闭密封、防挤压的功能。此类功能的设计是保证旅客人身安全及列车可靠运行的基础。为了确保这些功能的正常实现，设备集成系统系统在结构设计上充分考虑了冗余、容错性，突出体现在开关门的安全互锁回路，门控器和执行机构之间功能相关性，锁闭装置主锁和辅助锁故障的顺序相关性和防挤压胶条的热备用性。

在可靠性分析方法的选择方面，由于设备集成系统在结构设计与功能匹配上的冗余、容错性以及设备故障的优先级等动态特征，传统的故障树分析方法难以描述系统故障的动态机制。而在故障树基础上改进而来动态故障树分析法具有明显的优势。

目前，设备集成系统系统可靠性建模方法主要有FMEA模型，故障树等静态分析方法。上述方法均没有考虑系统的故障时序及冗余等动态特性，尚未对系统的可靠性做具体的定量分析。

动态故障树(DFT：Dynamic Fault Tree)是指建立在传统故障树基础上的至少包含一个动态逻辑门的故障树。DFT法综合了故障树分析和马尔科夫Markov链两者的优点，它通过构建表征故障动态特征的动态逻辑门及其对应的Markov状态转移链进行故障树的定性分析和定量计算，成为解决具有动态故障特性系统的安全性分析的有效途径。

发明内容

本发明的目的提供一种基于动态故障树的设备集成系统可靠性分析方法，其特征在于，包括如下步骤：

(1)设备集成系统故障数据的处理：

所述设备集成系统的故障发生是随机的，并且故障发生后及时进行更换或修复，故障率会保持相对稳定，根据列车运行时间内的统计数据，由下式计算部件故障率，

$\mathrm{\λ}\left(t\right)=\frac{\mathrm{m\Δn}}{\mathrm{M\ΣL}}---\left(1\right)$

式(1)中，

Δn为一列或多列动车组在所统计的走行时间内发生的故障次数；

∑L为动车组累计走行公里数；

m为统计时间内发生故障的列车数；

M为统计时间内的列车总数；

其中，所述公式(1)中，以统计时间内发生故障的列车数与为统计时间内的列车总数之比作为部件故障率的修正系数；

对部件故障规律进行巴特利特Bartlett检验

$B_r=\frac{{12r}^2[\ln \left(\frac{t_r}{r}\right)-\frac{1}{r}\left(\underset{i=1}{\overset{r}{\mathrm{\Σ}}}\ln x_i\right)]}{7r+1}---\left(2\right)$

式(2)中，

$t_r=\underset{i=1}{\overset{r}{\mathrm{\Σ}}}{x}_i;$

x_i为故障前公里数的随机变量；

统计变量B_r是自由度为(r+1)的χ²分布；

(2)基于本体的设备集成系统动态故障树建模：

A、对设备集成系统系统按其组成结构逐层分解，形成树状图，零部件构成树上的节点；

B、赋予每个节点特定的知识内容，包括定义动态故障树中组成元素的顶事件、底事件和中间事件，并设定各故障模式的属性；

C、根据故障之间的相互关系建立规则库，下一层零部件的故障能够引发上一层零部件的故障，并且同层零部件的故障也能够相互影响；

D、选择一个系统故障作为顶事件，以此为分析目标,根据指定的搜索层次，用规则的后件找前件，逐层搜索规则库，直到找出各自的基本事件为止，这样综合起来就形成了一棵故障树；

(3)根据模型进行可靠性评估：

A、动态故障树的模块划分；

B、动态子树向马尔科夫链的转化；

C、基于马尔科夫过程求解动态子树的故障率；

D、基于整体结构函数和动态子树的故障率，进行基于蒙特卡洛方法的计算；

所述步骤(2)的核心是通过抽象事物类型及其关系约束的明确定义，实现复杂认知知识的规范化描述，本体是一个三元组，即onto＝(C，A，R)；其中，C为概念集合；A为属性集合；R为概念之间的关系集合；本体的基本特征为：领域由概念组成，概念具有属性，各个概念之间存在联系，在图形上表示为一个由节点和有向边组成的网络；

所述步骤(3)B进一步包括；

B1、从系统初始状态出发,把它作为一个根节点，不断应用规则搜索下一时刻可能故障的底事件作为子节点；

B2、把该子事件作为为父节点，不断搜索下一个故障事件扩展子节点，直到系统故障或所有底事件都已用尽，于是就产生了一条Markov链；

B3、从当前位置向上搜索，回溯到它的父节点；

B4、向右搜索新的分支，遇到可扩展的节点再向下进行搜索，找出所有的故障状态。

所述步骤(3)C包括：

C1、根据动态子树马尔科夫链，描述状态转移矩阵；

C2、对状态方程进行拉氏变换；

C3、计算系统处于各状态的概率，以故障状态的概率作为动态子树的故障率。

所述步骤(3)D中包括：

D1、利用二元决策图(BDD)的方法确定系统的结构函数；

D2、采用模块迭代方法进行动态故障树的整体分析。

本发明具的有益效果是克服现有技术中设备可靠性分析局限于定性分析的缺陷，提供一种定量的分析设备集成系统可靠性的方法。本发明将设备自身的结构和工作原理作为知识参考以提高找到引发顶事件根本原因的效率，有效降低可靠性评估的建模复杂度，提高分析效率。更重要的是，应用该方法可以考虑系统中含有的故障时序和功能冗余等动态特性，可以更合理地评估设备集成系统的总体可靠性水平并定量求解系统的可靠性指标。

附图说明

图1为设备集成系统系统故障动态故障树模型。

图2为本发明的B3动态子树马尔科夫链。

图3为本发明的塞拉门系统结构树状图。

图4为设备集成系统可靠性分析流程图。

具体实施方式

本发明提供一种基于动态故障树的设备集成系统可靠性分析方法，下面结合附图和具体实施方式对本发明作进一步详细的说明。

所述基于动态故障树的设备集成系统可靠性分析步骤按照图4所示的设备集成系统可靠性分析流程图进行，首先，本发明中的设备集成系统故障数据来自历史统计值。具体包括：

1.对统计值进行梳理，得出故障率较高的18类底事件，并进行编号(如图1所示)，编号结果如下：

X6——98％位置开关位置有偏差；

X7——100％位置开关位置有偏差；

X8——门控器故障；

X11——驱动电机坏；

X12——门上驱动连杆脱落；

X9——紧急解锁电磁阀故障；

X10——钢丝绳松动；

X13——门板倾斜；

X14——滚轮杠杆脱出；

X15——翻板锁舌伸缩卡滞；

X16——翻板锁坏；

X17——气动锁位置偏差；

X18——供风管路漏风；

X1——防挤压胶条损坏；

X2——防挤压线插松动；

X4——踏板行程开关故障；

X3——下脚踏电机线插松动；

X5——门踏板驱动电机故障；

根据下式计算部件故障率，

$\mathrm{\λ}\left(t\right)=\frac{\mathrm{m\Δn}}{\mathrm{M\ΣL}}---\left(1\right)$

式(1)中，

Δn为一列或多列动车组在所统计的走行时间内发生的故障次数；

∑L为动车组累计走行公里数；

m为统计时间内发生故障的列车数；

M为统计时间内的列车总数；

部分故障率结果：

X15——0.1930；

X16——0.0175；

X17——0.0117；

X18——0.0058；

根据公式(2)对部件故障规律进行Bartlett检验，以翻板锁舌伸缩卡滞X15故障数据为例。

B_r＝29.273。

取置信水平 $\mathrm{\&alpha;}=0.1,{{\mathrm{\&chi;}}^2}_{1-\frac{\mathrm{\&alpha;}}{2},31}=44.985;{{\mathrm{\&chi;}}^2}_{\frac{\mathrm{\&alpha;}}{2},31}=19.281;{{\mathrm{\&chi;}}^2}_{\frac{\mathrm{\&alpha;}}{2},31}<B_r<{{\mathrm{\&chi;}}^2}_{1-\frac{\mathrm{\&alpha;}}{2},31}.$

翻板锁舌伸缩卡滞故障间隔公里数服从指数分布；同理，可以证明其他所有部件的故障规律均服从指数分布。

(2)基于本体的设备集成系统动态故障树建模：对设备集成系统进行结构功能分析，动车塞拉门系统一般由驱动单元、电控系统、自动踏板、锁闭装置以及门扇等基本装置组成。主要实现开关门动作、锁闭密封、防挤压的功能。按其组成结构逐层分解，形成树状图如图3所示；

定义动态故障树中组成元素的顶事件、底事件和中间事件，设定各故障模式的属性；根据故障之间的相互关系建立规则库；

以锁闭功能失效B3为例(如图2所示)，知识领域中有如下3条规则：

规则1：If“翻板锁舌伸缩卡滞X15”or“翻板锁坏X16”，then辅助锁C7故障；

规则2：If“气动锁位置偏差”，“X17供风管路漏风X18”，then主锁C6故障；

规则3：If“主锁C6故障”before“辅助锁C7故障”，then锁闭功能失效B3。

选择系统故障作为分析目标(顶事件)，通过如下步骤形成一个动态故障树：

1)查找与故障相联的逻辑门；

2)查找与故障相联的故障原因；

3)将故障、故障原因用逻辑门相联。

将设备自身的结构和工作原理作为知识参考以提高找到引发顶事件根本原因的效率，这样设计，降低了可靠性评估的建模复杂度，提高分析效率。

(3)根据所建动态故障树模型进行设备集成系统可靠性评估

通过模块化搜索，该模型动态部分可以分解为防挤压装置故障模块B1；门驱动故障模块C4；基础执行机构故障模块C5；锁闭装置故障模块B3；自动踏板故障模块B4。

在分析动态故障树的可靠性指标时以模块为单位进行分析可以简化运算。

从系统初始状态出发,把它作为一个根节点,不断应用规则搜索下一时刻可能故障的底事件作为子节点；

把该子事件作为为父节点，不断搜索下一个故障事件扩展子节点，直到系统故障或所有底事件都以用尽，这样产生一条Markov链；

从当前位置向上搜索，回溯到它的父节点；

向右搜索新的分支，遇到可扩展的节点再向下进行搜索，找出所有的故障状态。

产生状态转移过程；

描述状态转移方程；

π₀(t+Δt)＝π₀(t)[1-(λ₁+λ₂+λ₃+λ₄)Δt]

π₁(t+Δt)＝π₁(t)[1-(λ₃+λ₄)Δt]+π₀(t)(λ₁+λ₂)Δt

π₂(t+Δt)＝π₂(t)[1-(λ₃+λ₄)Δt]+π₀(t)(λ₃+λ₄)Δt

π₃(t+Δt)＝π₃(t)+π₂(t)(λ₃+λ₄)Δt

π₄(t+Δt)＝π₄(t)+π₁(t)(λ₁+λ₂)Δt                (3)

其中,π_i为模块所处状态S的概率；λ_i为底事件发生概率。

各状态S为:

S0表示所有设备正常，系统可用；

S1表示C6故障，C7正常，系统可用；

S2表示C7故障，C6正常，系统可用；

S3表示C6故障后C7故障，系统失效；

S4表示C7故障后C6故障，系统可用。

对状态方程进行拉氏变换L_p；

$L_P=\left[\begin{array}{ccccc}s+{\mathrm{\&lambda;}}_1+{\mathrm{\&lambda;}}_2+{\mathrm{\&lambda;}}_3+{\mathrm{\&lambda;}}_4& 0& 0& 0& 0\\ -({\mathrm{\&lambda;}}_1+{\mathrm{\&lambda;}}_2)& s+{\mathrm{\&lambda;}}_3+{\mathrm{\&lambda;}}_4& 0& 0& 0\\ -({\mathrm{\&lambda;}}_3+{\mathrm{\&lambda;}}_4)& 0& s+{\mathrm{\&lambda;}}_1+{\mathrm{\&lambda;}}_2& 0& 0\\ 0& 0& -({\mathrm{\&lambda;}}_1+{\mathrm{\&lambda;}}_2)& s& 0\\ 0& -({\mathrm{\&lambda;}}_3+{\mathrm{\&lambda;}}_4)& 0& 0& s\end{array}\right]---\left(4\right)$

带入子事件故障率值，计算系统处于各状态的概率，以故障状态S4的概率作为动态子树的故障率λ_B3＝0.0018。

根据整体动态故障树的BDD模型，确定整体结构函数，塞拉门系统整体动态故障树的结构函数为

$\mathrm{\&Phi;}\left(A\right)=X_{B_1}+X_{B_2}+X_{B_3}+X_{B_4}---\left(5\right)$

其中X_Bi(i＝1,2,3,4)为各动态子树的等效故障率。

采用模块间的迭代进行动态故障树的整体分析。从底事件开始，下级模块为上级模块提供可靠性参数。对下级模块平均故障间隔里程取倒数做为中间事件的失效率，同时结合本模块动态门运用Markov算法进行求解，求解上层中间事件的可靠性指标，由下及上迭代求解得系统的可靠性指标

当故障规律服从指数分布时，各模块可靠度计算结果如表1所示。

表1 各模块可靠度计算结果

表2 部分底事件的重要度，

结果表明，在塞拉门系统中，如表2所示的部分底事件的重要度，部件重要度最大的为门控器故障，其次98％位置开关位置有偏差，因此门控器需要重点关注,是可靠性改进的重点。这一评判结果与实际经验相符，说明本发明的方法是切实可行的。

Claims (4)

1.一种基于动态故障树的设备集成系统可靠性分析方法，其特征在于，包括如下步骤：

(1)设备集成系统故障数据的处理：

所述设备集成系统的故障发生是随机的，并且故障发生后及时进行更换或修复，故障率会保持相对稳定，根据列车运行时间内的统计数据，由下式计算部件故障率，

$\mathrm{\&lambda;}\left(t\right)=\frac{\mathrm{m\&Delta;n}}{\mathrm{M\&Sigma;L}}---\left(1\right)$

式(1)中，

Δn为一列或多列动车组在所统计的走行时间内发生的故障次数；

ΣL为动车组累计走行公里数；

m为统计时间内发生故障的列车数；

M为统计时间内的列车总数；

其中，所述公式(1)中，以统计时间内发生故障的列车数与为统计时间内的列车总数之比作为部件故障率的修正系数；

对部件故障规律进行巴特利特Bartlett检验

$B_r=\frac{12r^2[\ln \left(\frac{t_r}{r}\right)-\frac{1}{r}\left(\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}\ln x_i\right)]}{7r+1}---\left(2\right)$

式(2)中，

$t_r=\underset{i=1}{\overset{r}{\mathrm{\&Sigma;}}}{x}_i;$

x_i为故障前公里数的随机变量；

统计变量B_r是自由度为(r+1)的χ²分布；

(2)基于本体的设备集成系统动态故障树建模：

A、对设备集成系统系统按其组成结构逐层分解，形成树状图，零部件构成树上的节点；

B、赋予每个节点特定的知识内容，包括定义动态故障树中组成元素的顶事件、底事件和中间事件，并设定各故障模式的属性；

C、根据故障之间的相互关系建立规则库，下一层零部件的故障能够引发上一层零部件的故障，并且同层零部件的故障也能够相互影响；

D、选择一个系统故障作为顶事件，以此为分析目标,根据指定的搜索层次，用规则的后件找前件，逐层搜索规则库，直到找出各自的基本事件为止，这样综合起来就形成了一棵故障树；

(3)根据模型进行可靠性评估：

A、动态故障树的模块划分；

B、动态子树向马尔科夫链的转化；

C、基于马尔科夫过程求解动态子树的故障率；

D、基于整体结构函数和动态子树的故障率，进行基于蒙特卡洛方法的计算。

2.根据权利要求1所述一种基于动态故障树的设备集成系统可靠性分析方法，其特征在于，所述步骤(2)的核心是通过抽象事物类型及其关系约束的明确定义，实现复杂认知知识的规范化描述，本体是一个三元组，即onto＝(C，A，R)；其中，C为概念集合；A为属性集合；R为概念之间的关系集合；本体的基本特征为：领域由概念组成，概念具有属性，各个概念之间存在联系，在图形上表示为一个由节点和有向边组成的网络。

3.根据权利要求1所述一种基于动态故障树的设备集成系统可靠性分析方法，其特征在于，所述步骤(3)B进一步包括；

B1、从系统初始状态出发,把它作为一个根节点，不断应用规则搜索下一时刻可能故障的底事件作为子节点；

B2、把该子事件作为为父节点，不断搜索下一个故障事件扩展子节点，直到系统故障或所有底事件都已用尽，于是就产生了一条马尔科夫Markov链；

B3、从当前位置向上搜索，回溯到它的父节点；

B4、向右搜索新的分支，遇到可扩展的节点再向下进行搜索，找出所有的故障状态。

4.根据权利要求1所述一种基于动态故障树的设备集成系统可靠性分析方法，其特征在于，所述步骤(3)C包括：

C1、根据动态子树马尔科夫链，描述状态转移矩阵；

C2、对状态方程进行拉氏变换；

C3、计算系统处于各状态的概率，以故障状态的概率作为动态子树的故障率；

所述步骤(3)D中包括：

D1、利用二元决策图(BDD)的方法确定系统的结构函数；

D2、采用模块迭代方法进行动态故障树的整体分析。