CN105678055B - 一种通用的概率安全评价模型转换系统 - Google Patents
一种通用的概率安全评价模型转换系统 Download PDFInfo
- Publication number
- CN105678055B CN105678055B CN201511022395.6A CN201511022395A CN105678055B CN 105678055 B CN105678055 B CN 105678055B CN 201511022395 A CN201511022395 A CN 201511022395A CN 105678055 B CN105678055 B CN 105678055B
- Authority
- CN
- China
- Prior art keywords
- model
- event
- tree
- safety assessment
- probabilistic safety
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种通用的概率安全评价模型转换系统,该系统将一般的概率安全评价自动建模方法规则和富文本概率安全评价模型的分解处理相结合,能对包含共因失效的系统进行概率安全评价模型的计算机辅助建模。该系统主要包括三个模块:模型处理器对给定系统的概率安全评价模型进行分析处理,把其所包含的给定系统的模型信息转化分解为标准模型单元;自动建模专家知识库存储通用的系统概率安全评价模型的建造规则、给定系统的设计和流程信息以及用户输入的给定系统特定的概率安全评价模型校核规则;模型校核器对标准模型单元进行分析校核与整理,修改其错误并补充缺少的概率安全评价模型信息,得到完善的系统概率安全评价模型。
Description
技术领域
本发明属于大型复杂系统的可靠性分析(Reliability Analysis)与概率安全评价(Probabilistic Safety Assessment,简称PSA)领域中的故障树、事件树等模型识别处理和自动建模相关技术,具体涉及一种通用的概率安全评价模型转换系统。
背景技术
PSA模型识别处理:是对特定软件的PSA模型进行分析,将其转化为通用的或者自定义的PSA模型。本文所说的PSA模型,通常包括三大类:故障树模型,事件树模型和PSA辅助模型。其中故障树相关的模型信息一般包括:基本事件模型、故障树模型(包含故障树本身的信息及其结构模型)、逻辑门模型、共因失效模型、房型事件模型、参数模型和边界条件模型等。事件树相关的模型信息一般包括:始发事件模型、功能事件模型、事件树模型(包含事件树本身的信息及其结构模型),以及边界条件模型等。PSA辅助模型一般包括:属性模型、设备模型、系统模型、分析实例信息和用户信息等。
当前世界各国所使用的故障树和事件树的建模与分析软件并不完全相同,可靠性领域主要有Isograph公司的Availability workbench软件,Item software公司的Itemtoolkit软件和Relex公司的PTC Windchill FTA软件等,对于PSA领域来说主要有Scandpower AB公司开发的RiskSpectrum PSA软件、Data Systems&Solutions开发的CAFTA软件和国际OPEN-PSA组织发布的XFTA等。为了便于多个不同软件之间的验证对比、系统的PSA报告的管理审批等目的,需要对各种软件的PSA模型进行识别处理和同一系统的二次建模分析。本发明涉及基于文本(以ASCII码方式存储的文件,如TXT、RiskSpectrum PSA软件的RSA、XML和CAFTA软件的FRE)和富文本文件(如RTF、EXCEL、HTML、WORD和PDF等)的PSA模型的自动识别处理和计算机辅助建模。一般而言,多种可靠性与PSA软件一般都提供PSA模型的导出功能,但是其信息并不完善,甚至经常有错漏,无法完整正确的识别所有的模型因素如共因失效、事件树分支等,因此除了需要对其进行识别处理之外,还需要结合故障树、事件树等模型的自动建模专家知识库对其进行校核与修改完善,才能保证在其信息不完整甚至有错误的情况下,充分利用其信息重新完整正确的建立对应模型。
PSA自动建模是根据给定系统的运行流程图、功能图或结构图,借助计算机的人工智能和专家系统,实现系统对应故障树或事件树等模型的自动建立。所谓计算机自动建立PSA模型是相对人们对系统的故障模式和事故进程进行分析并用手工建造故障树和事件树等模型而言的,因此计算机建树目的在于帮助人们把己经分析过的系统逻辑结构和事故进程的因果关系,由计算机合理地把各部分的子模型拼合链接起来成为完整正确的系统PSA模型。它虽然不能代替人对系统故障模式和事故进程的分析,但是当系统的流程、结构有所改变时,有助于迅速准确地建造出新系统的故障树、事件树等模型。这给一定范围内的PSA模型重建提供了有利的条件,并能摆脱人的重复劳动。因此对计算机自动建树技术的研究是非常有必要的。经过多年的发展,自动建树方法已经形成一些理论,目前自动建树方法研究主要集中在建树信息表达和建树方法实现上。建模知识的表达方式基本上有三种:知识树、部件子树、单元模型。建树方法的难点主要集中在环路的处理:正反馈、负反馈和特殊局部结构的处理。其中故障树自动建模方法主要有以下几种类型:以有向图、可靠性框图和信号流图等为主的图类方法;以决策表、状态转换表等为主的表格类方法;另外还有基于传递函数、邻接矩阵、知识树或小故障树的方法。现有的几种建树方法都还不能很好的应用于实际工程系统中,特别是针对复杂的过程系统PSA模型的生成至今为止仍没有令人满意的方法,主要是因为两个方面的原因:各种方法的知识库的建立都还存在一些缺陷,故障树和事件树模型的建立没有统一的标准,正确性也受到影响;另外,建树方法、规则的表述和实现过程中存在一些不足。
本发明所使用的方法对基于各种文本与富文本PSA模型文件进行快速的识别处理,将其文件信息进行分解,并转换成标准的PSA模型基本单元,然后重新进行组合构建整体的PSA模型;同时把与PSA自动建模专家知识库的规则约束对故障树和事件树等模型的校核与修改补充等作用密切结合起来,从而能够基于已有的故障树和事件树等模型,快速的重新建立完善正确的系统PSA模型。
发明内容
本发明的目的在于:满足各软件之间的模型识别和转换问题,克服现有故障树和事件树自动建模技术的不足,提出一种基于各种文本(以ASCII码方式存储的文件,如TXT、RiskSpectrum PSA软件的RSA模型文件等)和富文本文件(如RTF、EXCEL、HTML、WORD和PDF等包含图片和文字内容的模型文件)的PSA模型文件的分解处理与PSA自动建模专家知识库相结合的计算机辅助建模系统,让专家知识库的建树规则约束与PSA模型的自动快速识别处理相结合,达到快速的重新建立完善正确的系统PSA模型的目的。
本发明技术方案如下:一种通用的概率安全评价模型转换系统,包括:
模型处理器:用于对给定系统的概率安全评价的文本或富文本模型文件进行分析处理,按照概率安全评价模型通用规则及模型文件格式,对其所包含的给定系统的模型信息进行识别、分解和转化,构造本系统自定义的概率安全评价的标准化基本模型单元:基本事件模型、故障树模型、逻辑门模型、共因失效模型、房型事件模型、参数模型、始发事件模型、功能事件模型、事件树模型、边界条件模型、属性模型、设备模型、系统模型、分析实例信息和用户信息,供模型校核器使用;
自动建模专家知识库:用于存储通用的系统概率安全评价模型的建造规则,并存储给定系统的设计和流程信息,以及用户输入的给定系统特定的概率安全评价模型校核规则,其中用户输入的规则具有优先权;供模型校核器使用,并从模型校核器中获取最终的概率安全评价模型建造规则,充实自动建模专家知识库的通用规则;
模型校核器:用于从模型处理器获取给定系统的标准化基本模型单元信息,并根据自动建模专家知识库的模型规则,对这些基本模型单元进行分析校核与自动纠正,自动纠正过程中支持用户对于自动建模专家知识库规则的更新;如果模型文件中的错误无法由模型校核器进行自动纠正,则指出其错误所在提示用户进行手工修改;采用递归校核完善的方式,支持多用户的多次循环校核;最后整理合并多个用户分别完善的模型部分,得出给定系统的完整的概率安全评价模型。
其中的模型处理器采用如下方式处理故障树相关的模型信息:(1)先读取故障树模型、基本事件模型、逻辑门模型、共因失效模型、房型事件模型、参数模型和边界条件模型,再分别按照(2)、(3)、(4)和(5)所述的方式进行处理;(2)采用先建造普通的故障树转换页再处理共因失效模型的顺序;(3)在构造故障树模型结构的时候,采用先构造参数模型,其次构造基本事件模型,再次构造逻辑门模型的顺序;(4)在建造普通的故障树转换页的时候,采用逻辑门被使用次数的计数方法来判断是否需要建造故障树转换页;(5)在构造共因失效模型的时候,采用把共因失效基本事件转化为转换门链接的共因失效的故障树转换页的方式。
其中的模型处理器采用如下方式处理事件树相关的模型信息:(1)先读取事件树模型、始发事件模型、功能事件模型和边界条件模型,再分别按照(2)和(3)所述的方式进行处理;(2)在建造事件树模型的时候,采用先构造开关事件集模型,其次构造始发事件模型和功能事件模型,最后构造事件树模型结构的顺序;(3)采用单独或综合根据序列编码、题头的前后顺序和分支的上下前后关系的方式来构造事件树模型结构。
本发明的优点在于:
(1)采用特定的方式对任何PSA软件所产生的基于文本和富文本文件格式的PSA模型进行高效的识别与分析处理,能够快速的构造包含共因失效的故障树模型,保证了对PSA故障树模型的自动高效的识别处理,并利用计算机专家系统智能的对处理中发现的模型错误和遗漏进行提示记录,便于后续人工辅助处理。所支持的模型文件格式包括而不限于基于文本格式的RiskSpectrum PSA软件的RSA故障树模型,以及基于EXCEL、HTML、WORD和PDF等富文本格式的各类PSA软件的包含图片和文字内容的故障树模型、边界条件集模型、事件树模型和PSA辅助模型信息等。
(2)在PSA模型的辅助建模过程中,创新性地利用基于文本和富文本文件格式的PSA模型信息和自动建模专家知识库相结合的方法,综合了专家判断的建树、校核与修改完善规则和PSA模型文件的计算机自动快速分析处理的优点,使得PSA模型的计算机辅助建模更加的快速而完善,避免了单独根据系统信息或者PSA模型进行系统故障树和事件树进行人工重建的巨大工作量,也避免了单独根据已有PSA模型文件重建系统PSA模型过程中由于模型信息不完整和错漏带来的不可避免的各种逻辑错误和模型遗漏等问题。
(3)对于一个真实核电厂规模的故障树模型的自动分析处理(一般包含2000个左右故障树页,8000个左右的逻辑门,5000个左右的基本事件,500个左右的共因失效部件组),通常仅需要1秒钟左右;而同一核电厂对应的真实事件树模型的自动分析处理(一般包含40个左右事件树、1000个左右的事故序列、数十个边界条件集和十多种不同的后果),通常仅需要10秒钟左右。
附图说明:
图1为本发明一种通用的概率安全评价模型转换系统总图;
图2A为所支持的文本类的PSA故障树模型FRE文件示例;
图2B为所支持的富文本类的PSA事件树模型EXCEL文件示例;
图3A为对故障树模型的处理流程图;
图3B为对事件树模型的处理流程图;
图3C为对PSA辅助模型的处理流程图;
图4为建造PSA模型的总体流程步骤图;
图5为一个国际概率安全分析组织公布的标准故障树模型示例(XML文件);
图6A是故障树模型的RSA文件;
图6B是描述边界条件集模型的EXCEL文件;
图6C是始发事件模型的EXCEL文件;
图6D是功能事件模型的EXCEL文件;
图6E是事件树模型的EXCEL文件。
具体实施方式
下面结合附图以及具体实施例进一步说明本发明。
本发明的系统总图如图1所示,一种通用的概率安全评价模型转换系统,包括:
模型处理器:用于对给定系统的概率安全评价的文本或富文本模型文件进行分析处理,按照概率安全评价模型通用规则及模型文件格式,对其所包含的给定系统的模型信息进行识别、分解和转化,构造本系统自定义的概率安全评价的标准化基本模型单元:基本事件模型、故障树模型、逻辑门模型、共因失效模型、房型事件模型、参数模型、始发事件模型、功能事件模型、事件树模型、边界条件模型、属性模型、设备模型、系统模型、分析实例信息和用户信息,供模型校核器使用。
自动建模专家知识库:用于存储通用的系统概率安全评价模型的建造规则,并存储给定系统的设计和流程信息,以及用户输入的给定系统特定的概率安全评价模型校核规则,其中用户输入的规则具有优先权;供模型校核器使用,并从模型校核器中获取最终的概率安全评价模型建造规则,充实自动建模专家知识库的通用规则;其中的概率安全评价模型规则包括:故障树环路检测和提示,事件树的始发事件、功能事件的真实输入的合法性检查,边界条件集中边界条件的有效性检查以及共因失效参数的充分性检查等等。
模型校核器:用于从模型处理器获取给定系统的标准模型单元信息,并根据自动建模专家知识库的模型规则,对这些标准模型单元进行分析校核与自动纠正,自动纠正过程中支持用户对于自动建模专家知识库规则的更新;如果模型文件中的错误无法由模型校核器进行自动纠正,则指出其错误所在提示用户进行手工修改;采用递归校核完善的方式,支持多用户的多次循环校核;最后整理合并多个用户分别完善的模型部分,得出给定系统的概率安全评价模型。模型文件中无法由模型校核器进行自动纠正的错误包括:基本事件模型缺少参数信息、共因失效模型缺少基本事件信息、事件树的功能事件信息错误或者缺失、边界条件集中边界条件的名称错误等等。
其中的模型处理器采用如下方式处理故障树相关的模型信息:(1)先读取故障树模型、基本事件模型、逻辑门模型、共因失效模型、房型事件模型、参数模型和边界条件模型,再分别按照(2)、(3)、(4)和(5)所述的方式进行处理;(2)采用先建造普通的故障树转换页再处理共因失效模型的顺序;(3)在构造故障树模型结构的时候,采用先构造参数模型,其次构造基本事件模型,再次构造逻辑门模型的顺序;(4)在建造普通的故障树转换页的时候,采用逻辑门被使用次数的计数方法来判断是否需要建造故障树转换页;(5)在构造共因失效模型的时候,采用把共因失效基本事件转化为转换门链接的共因失效的故障树转换页的方式。
其中的模型处理器采用如下方式处理事件树相关的模型信息:(1)先读取事件树模型、始发事件模型、功能事件模型和边界条件模型,再分别按照(2)和(3)所述的方式进行处理;(2)在建造事件树模型的时候,采用先构造开关事件集模型,其次构造始发事件模型和功能事件模型,最后构造事件树模型结构的顺序;(3)采用单独或综合根据序列编码、题头的前后顺序和分支的上下前后关系的方式来构造事件树模型结构。
图2A为本发明所支持的文本类的PSA故障树模型FRE文件示例;FRE文件是美国著名PSA软件CAFTA的故障树模型文件,图2A是其中的基本事件模型部分,包含了基本事件ID,可靠性模型,计算因子,单位,基本事件描述,故障树标识,可靠性数据来源等信息。图2B为本发明所支持的富文本类的PSA事件树模型EXCEL文件示例;该文件是欧洲著名的PSA软件RiskSpectrum的事件树模型文件,图2B显示一个简单的事件树模型,其中包含了事件树ID、始发事件和功能事件ID、事件树分支图形、序列和后果名称等信息。
图3A为对故障树模型的处理流程图:首先读取模型文件,根据文件信息,逐个创建故障树信息,然后创建该故障树包含的逻辑门及对应孩子节点(一般为逻辑门、基本事件或房型事件)信息及相互关系,最后进行模型校核与自动纠正,如果发现有无法自动纠正的错漏,则提示错漏所在的文件位置,以便进行人工修改;然后重新进行处理。在创建逻辑门信息的时候,需要判断其是否为故障树顶门,并记录其对应的故障树节点;从而根据判断和记录结果进行不同的处理。图3B为对事件树模型的处理流程图:首先读取所有事件树模型的全部相关信息,然后根据边界条件构造开关事件和开关事件集模型,再构造始发事件和功能事件模型,然后根据这些已构造的模型及事件树的序列编码和分支信息,进行事件树模型的构造,并进行校核与自动纠正,如果发现有无法自动纠正的错漏,则提示错漏所在的文件位置,以便进行人工修改;然后重新进行处理。通过校核之后,对事件树模型的各个部分进行关联,形成完整的事件树模型。图3C为对PSA辅助模型的处理流程图:首先读取相关的模型信息,然后根据前面已经构造好的故障树模型,统一对其中的属性、设备和系统模型进行建造,然后建立分析实例的模型和用户信息,再结合已经构造好的故障树和事件树模型对辅助模型进行校核与自动纠正,如果发现有无法自动纠正的错漏,则提示错漏所在的文件位置,以便进行人工修改;然后重新进行处理。如果通过校核,则把辅助模型与故障树模型和事件树模型进行关联,从而形成完整的PSA模型。
如图4所示,可以把建造PSA模型的总体流程步骤分为三大步:(1)首先对给定系统的各种PSA模型文件进行处理,建造对应的模型部分,进行校核纠正,并根据需要提示对模型文件的人工修改和重新处理,形成完整的PSA模型;(2)根据自动建模专家知识库的规则对PSA模型进行自动校核并给出校核结果,由用户确认模型是否正确,如果用户认为模型错误,则可以对自动建模专家知识库的规则进行补充并再次校核,或者由用户进行手工纠正;(3)最终完成给定系统的PSA模型定稿,并补充本次转换建模的最终校核规则到自动建模专家知识库中。
进一步的,以图5所示的一个国际概率安全分析组织OPEN-PSA组织公布的标准故障树的PSA模型,和图6A至图6E所示的一款国际典型PSA软件的自带PSA模型为实例,说明本发明的具体实施方式。其中图5对应的模型含有20个故障树,103个逻辑门,61个基本事件,61个参数;图6A至图6E对应的模型含有14个故障树,63个逻辑门,85个基本事件,10个房型事件,19个共因失效组,124个参数,2个边界条件集,5个始发事件,6个功能事件,5个事件树。采用本系统对此2个实例的PSA模型进行分析处理,仅需要数十毫秒到一百多毫秒左右。
如图5所示,因为仅涉及故障树模型,本发明的PSA模型的计算机辅助建模方式如下:
(1)首先由模型处理器对给定系统的PSA故障树模型进行分析处理,按照故障树模型的通用规则及PSA模型格式,对其所包含的给定系统的模型信息进行识别、分解和转化,构造本系统自定义的标准模型单元:基本事件可靠性模型、故障树模型、逻辑门模型、房型事件模型和参数模型;供故障树模型校核器使用;其中采用先读取全部模型再分别按照合理的顺序处理的方式,避免受到PSA模型可能存在的不合理因素的影响;采用逻辑门使用次数的计数方法来自动生成故障树转换页,从而快速转化构造标准的故障树模型单元;采用先构造参数模型再构造基本事件模型的顺序,以提高效率;采用先构造基本事件模型和房型事件模型再处理逻辑门的顺序,以便更快速的构造故障树模型;
(2)然后由用户根据给定系统,补充自动建模专家知识库中对于PSA模型的校核规则,供模型校核器使用,并在建模完成之后从模型校核器中获取最终的PSA模型建造规则,充实自动建模专家知识库的通用规则;在这个例题中,不需要补充特别的规则,仅采用自动建模专家知识库中,故障树分析领域行业内公知的规则即可。
(3)最后由模型校核器从模型处理器获取给定系统的标准模型单元信息,并根据自动建模专家知识库的PSA模型规则,对这些标准模型单元进行分析校核与自动纠正,自动纠正过程中支持用户更新自动建模专家知识库的PSA模型建造规则;如果模型中的错误无法由模型校核器进行自动纠正,则模型校核器将指示出其错误原因及所在位置,并辅助用户进行手工修改;采用递归校核完善的方式,支持多用户的多次循环校核,最后得出完善的给定系统的PSA模型。
如图6所示,图6A是故障树模型的RSA文件;图6B是描述边界条件集模型的EXCEL文件;图6C是始发事件模型的EXCEL文件;图6D是功能事件模型的EXCEL文件;图6E是事件树模型的EXCEL文件。因为还涉及共因失效模型和事件树模型,本发明的PSA模型的计算机辅助建模方式如下描述:
(1)首先由模型处理器对给定系统的PSA故障树模型进行分析处理。按照故障树模型的通用规则及PSA模型格式,对其所包含的给定系统的模型信息进行识别、分解和转化,构造本系统自定义的标准模型单元:基本事件可靠性模型、故障树模型、逻辑门模型、房型事件模型和参数模型;供故障树模型校核器使用;其中采用先读取全部模型再分别按照合理的顺序处理的方式,避免受到PSA模型可能存在的不合理因素的影响;采用逻辑门被使用次数的计数方法来自动生成故障树转换页,从而快速转化构造标准的故障树模型单元;采用共因失效基本事件转化为共因故障树的方法来转化构造标准的共因失效模型单元;采用先构造参数模型,其次构造基本事件模型,再次构造逻辑门模型的顺序,以便更快速的构造故障树模型结构;采用先设置普通的故障树转换页再处理共因失效模型的顺序,以便更好的区别共因故障树的转换门;采用先构造故障树模型再构造事件树模型的顺序;对于事件树模型,先根据边界条件集构造开关事件集模型,其次构造始发事件模型和功能事件模型,并对应设置其采用的开关事件集;再次构造事件树模型和分析实例信息的顺序;采用综合根据事件树的题头信息、序列编码与分支信息来构造事件树结构的方式;并设置其始发事件和功能事件实际输入对应的故障树信息,建造对应的序列与后果。
(2)然后由用户根据给定系统,补充自动建模专家知识库中对于PSA模型的校核规则,供模型校核器使用,并在建模完成之后从模型校核器中获取最终的PSA模型建造规则,充实自动建模专家知识库的通用规则;在这个例题中,不需要补充特别的规则,仅采用自动建模专家知识库中,故障树分析和事件树分析领域行业内公知的规则即可。
(3)最后由模型校核器从模型处理器获取给定系统的标准模型单元信息,并根据自动建模专家知识库的PSA模型规则,对这些标准模型单元进行分析校核与自动纠正,自动纠正过程中支持用户更新自动建模专家知识库的PSA模型建造规则;如果模型中的错误无法由模型校核器进行自动纠正,则模型校核器将指示出其错误原因及所在位置,并辅助用户进行手工修改;采用递归校核完善的方式,支持多用户的多次循环校核,最后得出完善的给定系统的PSA模型。
Claims (3)
1.一种通用的概率安全评价模型转换系统,其特征在于包括:
模型处理器:用于对给定系统的概率安全评价的文本或富文本模型文件进行分析处理,按照概率安全评价模型通用规则及模型文件格式,对其所包含的给定系统的模型信息进行识别、分解和转化,构造本系统自定义的概率安全评价的标准化基本模型单元:基本事件模型、故障树模型、逻辑门模型、共因失效模型、房型事件模型、参数模型、始发事件模型、功能事件模型、事件树模型、边界条件模型、属性模型、设备模型、系统模型、分析实例信息和用户信息,供模型校核器使用;
自动建模专家知识库:用于存储通用的系统概率安全评价模型的建造规则,并存储给定系统的设计和流程信息,以及用户输入的给定系统特定的概率安全评价模型校核规则,其中用户输入的规则具有优先权;供模型校核器使用,并从模型校核器中获取最终的概率安全评价模型建造规则,充实自动建模专家知识库的通用规则;
模型校核器:用于从模型处理器获取经过模型处理器处理后得到的给定系统的模型信息,这些模型信息是采用本系统自定义的标准化基本模型单元来表示的;并根据自动建模专家知识库的模型规则,对这些基本模型单元进行分析校核与自动纠正,自动纠正过程中支持用户对于自动建模专家知识库规则的更新;如果模型文件中的错误无法由模型校核器进行自动纠正,则指出其错误所在提示用户进行手工修改;采用递归校核完善的方式,支持多用户的多次循环校核;最后整理合并多个用户分别完善的模型部分,得出给定系统的完整的概率安全评价模型。
2.根据权利要求1所述的一种通用的概率安全评价模型转换系统,其特征在于:其中的模型处理器采用如下方式处理故障树相关的模型信息:(1)先读取故障树模型、基本事件模型、逻辑门模型、共因失效模型、房型事件模型、参数模型和边界条件模型,再分别按照(2)、(3)、(4)和(5)所述的方式进行处理;(2)采用先建造普通的故障树转换页再处理共因失效模型的顺序;(3)在构造故障树模型结构的时候,采用先构造参数模型,其次构造基本事件模型,再次构造逻辑门模型的顺序;(4)在建造普通的故障树转换页的时候,采用逻辑门被使用次数的计数方法来判断是否需要建造故障树转换页;(5)在构造共因失效模型的时候,采用把共因失效基本事件转化为转换门链接的共因失效的故障树转换页的方式。
3.根据权利要求1所述的一种通用的概率安全评价模型转换系统,其特征在于:其中的模型处理器采用如下方式处理事件树相关的模型信息:(1)先读取事件树模型、始发事件模型、功能事件模型和边界条件模型,再分别按照(2)和(3)所述的方式进行处理;(2)在建造事件树模型的时候,采用先构造开关事件集模型,其次构造始发事件模型和功能事件模型,最后构造事件树模型结构的顺序;(3)采用单独或综合根据序列编码、题头的前后顺序和分支的上下前后关系的方式来构造事件树模型结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511022395.6A CN105678055B (zh) | 2015-12-30 | 2015-12-30 | 一种通用的概率安全评价模型转换系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511022395.6A CN105678055B (zh) | 2015-12-30 | 2015-12-30 | 一种通用的概率安全评价模型转换系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105678055A CN105678055A (zh) | 2016-06-15 |
CN105678055B true CN105678055B (zh) | 2018-05-11 |
Family
ID=56189786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511022395.6A Expired - Fee Related CN105678055B (zh) | 2015-12-30 | 2015-12-30 | 一种通用的概率安全评价模型转换系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678055B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108304682A (zh) * | 2018-03-16 | 2018-07-20 | 天津大学 | 一种可燃工质逆循环系统的综合型安全评价方法 |
CN110598158B (zh) * | 2018-07-02 | 2023-03-24 | 长江勘测规划设计研究有限责任公司 | 地下核电站密封隔离系统可靠性评估方法 |
CN111105113B (zh) * | 2018-10-26 | 2023-08-25 | 华龙国际核电技术有限公司 | 一种核电厂灾害概率安全分析方法及装置 |
EP3764182A1 (en) * | 2019-07-12 | 2021-01-13 | Siemens Aktiengesellschaft | Ring-closures in fault trees and normalized representation |
CN111931352A (zh) * | 2020-07-16 | 2020-11-13 | 嘉泰工程技术有限公司 | 一种通用的概率安全评价模型转换系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1378916A2 (en) * | 2002-06-20 | 2004-01-07 | General Electric Company | Structured approach for risk-informing deterministic safety analyses |
CN101185078A (zh) * | 2005-05-20 | 2008-05-21 | 米哈伊尔伊夫金耶维奇·斐多索夫斯基 | 确定性概率安全分析和评估的方法和系统 |
CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138253A1 (en) * | 2008-12-02 | 2010-06-03 | Chun-Chang Chao | All aspect quantification system for the risk rating of operating errors for an advanced boiling water reactor |
-
2015
- 2015-12-30 CN CN201511022395.6A patent/CN105678055B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1378916A2 (en) * | 2002-06-20 | 2004-01-07 | General Electric Company | Structured approach for risk-informing deterministic safety analyses |
CN101185078A (zh) * | 2005-05-20 | 2008-05-21 | 米哈伊尔伊夫金耶维奇·斐多索夫斯基 | 确定性概率安全分析和评估的方法和系统 |
CN104392752A (zh) * | 2014-10-13 | 2015-03-04 | 中国科学院合肥物质科学研究院 | 一种实时在线的核反应堆故障诊断与监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105678055A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678055B (zh) | 一种通用的概率安全评价模型转换系统 | |
CN104598240B (zh) | 一种跨平台的仿真模型开发方法及系统 | |
CN105426300B (zh) | 一种电力系统cim/e模型的标准符合性测试系统和方法 | |
CN107273117A (zh) | 一种编程友好型的敏捷代码自动生成系统 | |
CN110175324B (zh) | 一种基于数据挖掘的电网运行操作指令校验方法及系统 | |
CN107291450A (zh) | 一种编程友好型的敏捷代码自动生成方法 | |
CN106777644A (zh) | 电厂标识系统编码的自动生成方法及装置 | |
CN105955755A (zh) | 一种基于状态图的代码化验证方法 | |
CN111861825A (zh) | 一种轨道交通行业职业培训体系模型构建方法及系统 | |
CN110020834A (zh) | 一种建模和调试融合的在线智能大数据开发方法 | |
CN107122338A (zh) | 一种数字化仪控系统的功能图自动转换成组态文件的方法 | |
CN106776326A (zh) | 一种数据分析模型的建模方法及系统 | |
CN116523284A (zh) | 基于机器学习的业务操作流程自动化评估方法、系统 | |
Svendsen et al. | The future of train signaling | |
CN106022580A (zh) | 一种覆盖智能变电站全过程的二次系统资料管控方法 | |
Nizam et al. | Current state of information exchange between the two most popular BIM software: Revit and Tekla | |
CN106204326B (zh) | 一种用于配电系统的配电终端ied设备检测方法 | |
CN112257165B (zh) | 一种变电工程可研与人工智能辅助审查方法 | |
CN109002284A (zh) | 一种可视化联锁逻辑实现方法 | |
CN103713967A (zh) | 一种基于规则优化的数据防火墙修复方法及系统 | |
CN114676959A (zh) | 一种配网图模管理方法及装置 | |
CN107391812A (zh) | 一种智能变电站scd回路校验方法及装置 | |
CN112364427A (zh) | 一种基于bim的房建施工监管方法 | |
CN103488649B (zh) | 一种将体系结构模型转换为仿真组件的方法 | |
Lukács et al. | Construction of formal models and verifying property specifications through an example of railway interlocking systems |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180511 Termination date: 20201230 |
|
CF01 | Termination of patent right due to non-payment of annual fee |