CN106296035A - 一种应用于复杂系统评价的psa模型文件解析合并方法及系统 - Google Patents
一种应用于复杂系统评价的psa模型文件解析合并方法及系统 Download PDFInfo
- Publication number
- CN106296035A CN106296035A CN201610728014.4A CN201610728014A CN106296035A CN 106296035 A CN106296035 A CN 106296035A CN 201610728014 A CN201610728014 A CN 201610728014A CN 106296035 A CN106296035 A CN 106296035A
- Authority
- CN
- China
- Prior art keywords
- model
- psa
- data
- file
- merging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000011156 evaluation Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000008878 coupling Effects 0.000 claims abstract description 12
- 238000010168 coupling process Methods 0.000 claims abstract description 12
- 238000005859 coupling reaction Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 33
- 230000008676 import Effects 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 8
- 238000003491 array Methods 0.000 claims description 6
- 238000005267 amalgamation Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000002224 dissection Methods 0.000 claims description 2
- 230000000295 complement effect Effects 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004321 preservation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种应用于复杂系统评价的PSA模型文件解析合并方法及系统,将PSA模型所包含的数据和逻辑分开存储,数据按照类别保存,逻辑采用基于布尔逻辑的PSA模型逻辑解析法抽象保存,克服了普通PSA模型存储方式中数据和逻辑关系混乱的问题。在此存储方法的基础上进行PSA模型的合并,选择一个模型作为合并基础,首先将其他要合并的PSA模型数据库导入基础模型的数据库,按照重名处理原则进行处理记录,避免了数据冲突对模型正确性的影响,然后采用基于字符串分解匹配的方法合并结构文件。本发明可以有效解决实际PSA与可靠性评价工作中多个PSA模型合并的问题,提高目前大型复杂系统的PSA与可靠性评价效率,具有重要的科学价值和工程应用价值。
Description
技术领域
本发明涉及的是一种应用于核电厂、大型国防装备等复杂系统评价的PSA模型文件解析合并方法及系统,具体的说是使用分类存储和文本文件解析的方法合并多个PSA模型,属于系统可靠性与概率安全分析的PSA建模技术领域。
背景技术
概率安全分析(Probabilistic Safety Analysis,简称PSA)方法是70年代以后发展起来的一种系统工程方法。它采用系统可靠性评价技术和概率风险评价技术对复杂系统的各种可能事故的发生及其进程进行全面分析,从它们的发生概率以及造成的后果影响综合进行考虑。由于PSA方法具有考察系统所有潜在事故、并对系统硬软件包括人进行量化,便于优化改进设计,最后对事故后果进行量化,给出便于与其他活动进行比较的风险,具有利于被公众接受等诸多优点,尤为重要的是,作为概率安全分析成果典范的WASH-1400成功地预示了美国三里岛核电站事故的全过程,而且被后来发生的切尔诺贝利核电站事故进一步证实。
80年代后PSA技术及其应用获得迅速发展,成为国际上美国、德国及法国等核工业大国核安全分析领域最热门研究课题之一,也是为下一代更先进、安全、经济的反应堆系统技术取得突破最有贡献的研究成果之一。目前,PSA已经从过去作为少数专家的研发工具向为大多数机构和组织(如生产、运行、管理和人员培训部门及核安全管理机构)的核安全和经济辅助决策工具转变,是核安全评价中一种标准的有效工具。核发达国家要求新建核反应堆必须提交概率安全分析报告。由于PSA技术及其研究成果的推广应用,核安全已经逐渐从确定性遵守文化(deterministic compliance culture)向风险通报安全文化(risk-informed safety culture)转变,开创了核安全文化的新纪元。
PSA的基本流程包括始发事件的确定、事件树的建立、系统故障树分析、事故序列定量化计算、结果分析,其中,系统故障树分析部分还需要建立模型进行分析。PSA模型主要分为两大部分,事件树(Event Tree)和故障树(Fault Tree),PSA模型的正确性和完备性决定了PSA分析的结果是否具备参考价值。事件树分析(Event Tree Analysis)是一种逻辑演绎法,在给定一个始发事件的前提下,分析此始发事件可能导致的各种事故序列的结果,从而定性和定量地评价系统的特性,帮助分析人员获得正确的决策,由于事故序列以图形表示,而且呈树形,所以将这种模型称之为事件树。故障树分析(Fault Tree Analysis)是一种图形化的、演绎的静态分析方法,其目标是分析系统如何失效,从不期望的事件开始,分析可能造成顶事件发生的各种因素,按逻辑关系从上往下分析直至找到导致顶事件发生的最终原因,故障树模型为一棵自上而下逐级展开的树形图。故障树分析和事件树分析是PSA分析不可或缺的分析手段。
由于PSA分析对象往往都是核电站这种典型的大型复杂系统,其建模任务超出了人力能够完成的范围,往往都需要借助计算机辅助建模来进行,而且大多数时候都需要采取任务分解和协同工作的方式来完成。目前PSA软件绝大部分都将PSA模型按照工程的形式进行管理,存储也是将模型的数据和逻辑全部保存到工程下,一个模型对应一个工程,如果某个分析任务需要用到多个PSA模型的话,只能通过建模人员手动将所有PSA模型工程中的数据和逻辑进行整合,这种方法会造成大量的重复工作和时间损失,在整合的过程中如果出现大量重名的数据,不仅会对建模人员提出更高的要求,需要更长的时间,最终模型出现错误的可能性也更大,完成一般核电厂PSA模型的建造,通常需要几个甚至几十个人月的工作量。如果可以通过计算机辅助将多个PSA模型进行合并,可以节省大量的模型整合时间,保证最终模型的正确性和完整性,更迅速准确的对给定系统进行可靠性与概率安全评价,为核电厂等大型复杂系统的实时在线风险监测提供了技术支持。
发明内容
本发明技术解决问题:解决现有PSA模型无法直接合并的问题,提供一种应用于复杂系统评价的PSA模型文件解析合并方法及系统,同时具有准确性和可解释性,将逻辑抽象为与数据对应的结构文件,克服了传统PSA模型存储中数据和逻辑混乱的问题,提高了模型的存储和读取效率,将模型的数据和逻辑分别合并,通过重名处理机制来保证数据和逻辑之间对应关系的完整性和正确性,高效完成多位建模人员的模型合并,形成给定系统的总模型,最终对给定系统进行迅速准确的可靠性与概率安全评价。
本发明的技术方案如下:一种应用于复杂系统评价的PSA模型文件解析合并方法,如图1所示,实现步骤如下:
(1)对参与合并的给定复杂系统的PSA模型数据进行分类存储,将模型所包含数据按照属性进行分类并保存到数据库中;
(2)解析参与合并的PSA模型的故障树逻辑结构,转换为文本信息保存到结构文件中,采用的是基于布尔逻辑的PSA模型逻辑解析法;
(3)确定合并过程中的重名处理原则,逻辑门重名处理原则包括重命名与跳过,其余基本数据类型重名处理原则包括覆盖与跳过;
(4)选择一个PSA模型作为合并基础,选取参与合并的其他PSA模型中的一个,将其数据库导入基础PSA模型的数据库中,按照(3)中选择的重名处理原则处理两个模型中重名的数据,重名的数据类型为逻辑门将其新旧ID加入重名逻辑门处理队列;
(5)按照(3)中选择的重名处理原则对PSA模型的结构文件进行合并,采用的是基于字符串分解匹配的结构文件合并方法;
(6)读取并解析合并完毕的结构文件信息作为合并后的PSA模型逻辑结构,数据与逻辑对应关系正确性检查无误后,按照逻辑从合并后的数据库中读取数据记录,完成合并后的PSA模型;
(7)其他要合并的PSA模型的处理方法重复步骤(1)~(6),完成模型合并之后,按照可靠性、PSA的分析方法对给定复杂系统的模型进行分析和评价。
所述基于布尔逻辑的PSA模型逻辑解析法实现步骤如下:
(1)建立PSA模型结构文件信息块,文件信息分为两大部分,结构信息和故障树顶门集合。结构信息包含PSA模型中故障树所包含的全部基本数据元素ID和这些基本数据元素之间的布尔逻辑关系,在文件中以FTSTRUCT作为开始标识。故障树顶门集合包含模型中所有故障树的顶门ID,在文件中以TOPGATE作为开始标识;
(2)逐个解析PSA模型中所有故障树逻辑结构信息,采用深度优先最左的方法遍历各个故障树,记录每个故障树节点ID、节点所有孩子的ID、节点若为记录逻辑门类型,遍历过程中按照“节点ID节点逻辑门类型所有孩子ID”的格式将记录的数据输出到结构文件作为一行结构信息;
(3)逐个解析PSA模型中所有故障树顶门信息,获取各个故障树的顶门ID,将ID逐个保存到结构文件的故障树顶门集合部分下。
所述基于字符串分解匹配的结构文件合并方法实现步骤如下:
(1)逐行读取要合并PSA模型的结构文件,将文件信息分解后读取,分别获取其结构信息和故障树顶门集合,将两部分信息分别保存到两个数组FTINFO和TOPGATEINFO中;
(2)打开合并基础PSA模型的结构文件作为模型结构文件合并处理对象;
(3)逐个处理重名门处理队列中的逻辑门,在结构信息数组FTINFO中匹配重名的逻辑门ID;
(4)逻辑门ID匹配成功,若重名处理原则为重命名,将所有匹配到的ID修改为新的ID,修改完成之后将新ID对应门及其所有下级输入信息从数组FTINFO写入到基础PSA模型的结构文件FTSTRUCT标识下,若该门出现在数组TOPGATEINFO中将新ID写入到基础PSA模型结构文件TOPGATE标识下并将新旧ID字符串都加入ID更新队列,若重名处理原则为跳过则不做任何处理;
(5)逻辑门ID匹配失败,将数组FTINFO中逻辑门及其所有下级输入信息写入到基础PSA模型结构文件FTSTRUCT标识下,逻辑门若出现在数组TOPGATEINFO中将其ID写入到基础PSA模型结构文件TOPGATE标识下;
(6)检查PSA模型数据库逻辑门数据表,若ID字段的内容与ID更新队列中的旧ID相同的话,将该条记录的ID字段更换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
(7)检查PSA模型数据库故障树数据表,若顶门ID字段的内容与ID更新队列中的旧ID相同的话,将顶门ID字段替换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
(8)检查PSA模型数据库事件树数据表,若输入门ID字段的内容与ID更新队列中的旧ID相同的话,将该ID字段替换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
完成基础PSA模型结构文件的全部字符串匹配修改操作之后,清空数组FTINFO和TOPGATEINFO,保存关闭文件。
如图2所示,实现应用于复杂系统评价的PSA模型文件解析合并方法的系统,包括:数据存储器、模型解析器、模型合并器;
数据存储器,分类存储参与合并的给定系统的PSA模型数据,以及模型解析器和模型合并器处理过的中间结果模型,并提供给模型解析器、模型合并器以及外部的PSA或可靠性分析评价系统进行使用;
模型解析器,采用基于布尔逻辑的PSA模型逻辑解析法,对给定复杂系统的PSA模型文件进行解析,并把中间解析结果和最终解析结果存储在数据存储器中;
模型合并器,基于字符串分解匹配的结构文件合并方法对给定系统的PSA模型文件进行合并,并把中间合并结果和最终合并结果存储在数据存储器中。
本发明与现有技术相比优点在于:
(1)本发明解决了现有建模工具中PSA模型无法合并,各个模型只能单独使用的问题。
(2)本发明将PSA模型和逻辑独立存储,克服了传统存储方式中数据和逻辑混乱,对应关系难以解析的困难,从而解决大型复杂系统的评价模型合并中的模型信息错漏的问题。
(3)本发明解析PSA模型中的数据之间布尔逻辑并将其抽象为结构文件,提高了模型存储和读取的效率,从而提高了大型复杂系统模型合并的效率。
(4)本发明使用多层次的重名处理机制,对于多个模型中都出现的数据元素进行处理,解决了多模型合并数据逻辑冲突的问题,为实现包含重名的系统模型合并奠定了基础。
(5)本发明使得目前PSA建模过程中多个子系统PSA模型的合并成为可能,可以极大提高PSA建模流程效率,减轻建模人员负担,保证最终模型的正确性和完整性,解决实际PSA工作中多个PSA模型合并的问题,为核电厂等大型复杂系统的实时在线风险监测提供了技术支持,具有重要的科学价值和工程应用价值。
附图说明
图1为本发明实现流程图;
图2为本发明系统组成图;
图3为反应堆泵系子系统1PSA模型中的故障树;
图4为反应堆泵系子系统2PSA模型中的故障树。
具体实施方式
设有一个核电厂系统的PSA模型,由于其规模较大,建模任务中将其分解为N个子系统的PSA模型,现需要将这些模型合并为一个总的PSA模型,将这些模型编号为P1,P2,…PN。
需要合并的模型对象模型已经确定,按照基于文件的PSA模型合并方法进行如下处理:
(1)对所有的子系统PSA模型P1~PN进行数据分类存储,首先分为故障树和事件树数据两大类,再按照各自包含的基本数据元素进行分类,数据库中每一种数据类型对应一张数据表,数据的每一种属性对应表中的每一个字段,将模型中的数据按照其类型分类导入到建立好的数据库中,各模型数据库编号为D1,D2,…DN;
(2)解析子系统PSA模型P1~PN中的故障树逻辑,每个模型中都有多棵故障树,使用基于布尔逻辑的PSA模型逻辑解析方法对各个模型进行处理,将每个子系统模型中的故障树逻辑信息转换为文本输出到结构文件中,各模型结构文件编号为F1,F2,…FN,每个子系统模型即为Pi={Di,Fi}(1≦i≦N);
(3)选择一个子系统PSA模型作为基础模型,可以是所有模型P1~PN中的任意一个,选择P1作为基础模型,其余的为参与合并模型;
(4)确定合并过程中要使用的重名处理原则,跳过即不合并重名数据及其对应的逻辑关系,覆盖则是用参与合并模型的数据及其逻辑关系代替基础模型中重名的部分,由于逻辑门是一种特殊的数据类型,表示的是故障树的连接关系,为了保证各子系统模型故障树结构的完整性,采用重命名的方式来进行合并;
(5)将参与合并模型数据库中的数据逐个导入到基础模型数据库中,即将D2,D3,…DN逐个导入到D1中,首先导入D2,导入各个数据表的过程中,如果发现有数据记录与基础模型数据ID字段相同的话,按照(4)中确定的重名处理原则进行处理,覆盖用该条数据记录覆盖替代基础数据库中重名的记录,如果数据类型为逻辑门,将该条数据记录的ID字段修改为新的不重名ID再导入并将其新旧ID加入重名逻辑门处理队列ReNameQueue,将跳过则不导入该条数据记录;
(6)使用基于字符串分解匹配的方法合并所有子系统PSA模型的结构文件,即合并F1,F2,…FN,以F1作为合并基础文件,将其他文件的信息合并到F1中,按顺序从F2开始合并,合并过程中若ReNameQueue中的重名数据出现在结构文件中,需要在文件中进行相应的处理;
(7)读取并解析合并完毕后结构文件信息F1作为合并后的PSA模型逻辑,数据与逻辑对应关系正确性检查无误后,按照逻辑从合并后的数据库D1中读取数据记录,输出即为合并后的PSA模型;
(8)其他参与合并的PSA模型P3~PN的处理方法重复步骤(1)~(6)直到全部合并完成。
所有子系统PSA模型的分类存储关键在于分类方法:根据PSA基本概念中的数据类型来进行分类,故障树可以分为基本事件、逻辑门、房型事件四大类,事件树分为始发事件、功能事件、序列、后果四大类,此外根据模型本身采用的数据还有参数、共因事件、共因组、开关事件、开关事件集数据类型,分类完成后根据各个数据类型的属性建立数据库,通用属性包括名称ID、描述、修改日期,独有属性根据数据类型的不同而各不相同,例如基本事件独有属性包括各项参数信息、可靠性模型等。
基于布尔逻辑的PSA模型逻辑解析方法对各个模型处理步骤如下:
(1)逐个建立各个子系统PSA模型的文本结构文件Fi,从P1开始,建立空白文本文件后在其中分行输入FTSTRUCT和TOPGATE字符串作为信息块标识符,文件保存之后即为结构文件F1;
(2)使用深度优先最左遍历方法遍历P1中的故障树,遍历到某个节点,记录该节点的ID,若该节点为逻辑门的话,记录逻辑门的类型(与、或、非、与非、或非、异或),向下遍历记录该节点的第一个孩子ID,横向找到该孩子所有的兄弟节点ID,,所有孩子ID之间用空格来分隔,按照“节点ID门类型所有孩子ID”作为一行结构信息,输出到文件的FTSTRUCT标识符信息块中;
(3)遍历完成后将故障树顶门的ID输出到文件的TOPGATE信息块中,顶门ID字符串之间用空格分隔。
F2,F3,…FN的建立方法重复上述步骤。
使用基于字符串分解匹配的方法合并结构文件的步骤如下:
(1)按顺序处理要合并PSA模型P2~PN的结构文件F2~FN,将F2中的每一行信息分解,分别获取其结构信息和故障树顶门集合,将两部分信息分别保存到两个数组FTINFO和TOPGATEINFO中;
(2)打开P1的结构文件F1作为模型结构文件合并处理对象;
(3)逐个处理ReNameQueue中的重名逻辑门,在FTINFO中匹配重名的逻辑门ID。记录所有匹配成功的字符串位置,若重名处理原则为重命名,将所有匹配到的ID统一修改为新的ID,新ID采用“Rename-旧ID-Num”,Num为从1开始的整数,表示重命名次数,修改完成之后将该ID对应逻辑门及其下级所有信息从FTINFO写入到的F1的FTSTRUCT标识下,若为顶门需要将新ID写入到基础PSA模型结构文件F1的TOPGATE标识下,把新旧ID字符串都加入ID更新队列GateUpdateQueue,若重名处理原则为跳过则不做任何处理。匹配失败直接将结构信息数组中逻辑门及其下级所有信息写入到F1的FTSTRUCT标识下,逻辑门若为顶门还需将ID写入到F1的TOPGATE标识下;
(4)检查数据导入完成之后P2的数据D2的逻辑门数据表,若ID字段的内容与GateUpdateQueue某一项的旧ID部分相同的话,将该条记录的ID字段更换为GateUpdateQueue中该项对应的新ID后再导入P1的数据库D1中;
(5)检查数据导入完成之后P2的数据库D2的故障树数据表,若顶门ID字段的内容与ID更新队列中的旧ID相同的话,将顶门ID字段替换为ID更新队列中对应的新ID后再导入P1的数据库D1中;
(6)检查数据导入完成之后P2的数据库D2的始发事件和功能事件数据表,若输入门ID字段的内容与ID更新队列中的旧ID相同的话,将该ID字段替换为ID更新队列中对应的新ID后再导入P1的数据库D1中;
(7)完成基础PSA模型结构文件的全部字符串匹配修改操作之后,清空FTINFO和TOPGATEINFO数组,保存关闭文件F1。
F3,F4,…FN的合并方法与F2相同,重复上述步骤。
实施实例1
建立PSA模型是概率安全分析中必不可少的分析环节,这里采用两个典型的PSA模型为例说明本方法的使用步骤。两个模型按照子系统编号为P1,P2,P1包含1棵故障树和2棵事件树,分别为FT1-P1,ET1-P1,ET2-P1,P2包含1棵故障树和1棵事件树FT1-P2,ET1-P2,P1和P2为反应堆泵系PSA模型的两个子系统模型,FT1-P1和FT1-P2分别如图3和图4所示。
首先对P1和P2进行数据分类存储,按照PSA中的数据类型对模型中的数据进行分类,存储过程中所用到的技术方法都是数据库领域中通用的技术方法,具体取决于选用的数据库类型和所使用的工具,数据库和工具选定之后,按照分类建立各个数据表,数据表的字段对应PSA模型每一种数据的各个属性,然后开始将数据逐条写入数据库,完成后得到P1和P2的数据库D1,D2。
采用基于布尔逻辑的PSA模型逻辑解析法对P1和P2的模型逻辑进行解析,首先生成P1,P2的结构文件F1,F2,结构文件为文本文件,格式可以根据需要进行调整,文件的操作方法在计算机领域中已经非常成熟,各大编程语言都提供直接对文件进行操作的工具,对P1和P2中的故障树FT1-P1,FT1-P2进行深度优先最左遍历,记录每个节点、节点所有孩子、节点与孩子之间的布尔逻辑和顶门信息输出到文件中,分别从FT1-P1得到F1,从FT1-P2得到F2,它们的文件内容如下:
F1:
FTSTRUCT
G1+BE1G2BE3
G2+BE2BE3
TOPGATE
G1
F2:
FTSTRUCT
G1+X1G2X2
G2+X3G3X4
G3+X5X6
TOPGATE
G1
确定模型合并过程中的重名处理原则,由于两个子系统都为泵系PSA模型的一部分,需要保留两个模型的故障树逻辑结构,故选择逻辑门重名处理原则为重命名,其余的数据重名处理原则为覆盖。
选择P1作为合并基础PSA模型,P2作为参与合并模型,将D2导入D1,即逐条读取D2中的数据,在重名处理原则的控制下导入到D1中,需要用到数据库技术中的数据存取和导入导出方法,由于D1和D2的数据库结构完全一致,采用将D2数据表逐个导入到D1对应数据表的方法进行合并,导入过程中对出现重名的数据记录进行实时的记录和处理,处理方法由选择的重名处理原则来决定,按照本次合并选择的原则,除了逻辑门表之外的数据表导入的时候发现重名的记录用D2的记录覆盖D1,对于逻辑门表,发现重名的记录先不做处理,将重名记录的ID字段加入重命名逻辑门处理队列ReNameQueue,本例中ReNameQueue中有两个门G1,G2。
使用基于字符串分解匹配的方法合并F1和F2,将F1作为基础文件,将F2中的结构信息合并到F1中,首先将F2中的信息分别保存到两个结构信息数组FTINFO和TOPGATEINFO中,逐行读取文件中的信息,将在FTSTRUCT标识字符串之下TOPGATE标识字符串之上的信息逐行保存到FTINFO数组中,本例中F2的FTINFO={G1+X1G2X2,G2+X3G3X4,G3+X5X6},TOPGATE之下的字符串以空格为分隔逐个保存到TOPGATEINFO中,本例中F2的TOPGATEINFO={G1},对ReNameQueue中的逻辑门进行处理,首先处理G1,在FTINFO中匹配含有G1的记录,匹配成功,按照重新命名方法将匹配到的所有G1修改为ReName-G1-1,由于G1同时为故障树顶门,在TOPGATEINFO中也需要进行相应的匹配和修改,然后处理G2,在FTINFO中匹配G2,匹配成功,按照重新命名方法将所有G2修改为ReName-G2-2,G2不是顶门,不需要对TOPGATEINFO进行处理,将新旧ID加入更新队列GateUpdateQueue中,本例中GateUpdateQueue中有两个元素{G1,ReName-G1-1}和{G2,ReName-G2-2},修改完成之后的两个数组如下:
FTINFO={ReName-G1-1+X1ReName-G2-2X2,ReName-G2-2+X3G3X4,G3+X5X6};
TOPGATEINFO={ReName-G1-1}。
将两个数组中的信息按照FTINFO加入F1的FTSTRUCT标示字符串下,TOPGATEINFO加入F1的TOPAGTE标识字符串下的方式导入F1,导入完成后的F1如下所示。
F1:
FTSTRUCT
G1+BE1G2BE3
G2+BE2BE3
ReName-G1-1+X1ReName-G2-2X2
ReName-G2-2+X3G3X4
G3+X5X6
TOPGATE
G1ReName-G1-1
对GateUpdateQueue中的逻辑门进行处理,检查数据库D2的逻辑门数据表,将G1和G2所在的数据记录ID字段更新为ReName-G1-1和ReName-G2-2导入D1中。检查D2的故障树数据表,将以G1和G2为顶门的故障树数据记录顶门ID字段内容更新为ReName-G1-1和ReName-G2-2导入D1中。检查数据库D2的功能事件和始发事件数据表,将事件本身输入门为G1和G2的数据记录输入门ID字段更新为ReName-G1-1和ReName-G2-2导入D1中。
按照分开存储方法的原理,最终的D1和F1即为P1和P2合并完成后的PSA模型。按照此方法,把整个核电厂的PSA模型分解由多人进行建模,然后合并,可以快速的完成整个核电厂PSA模型的建造工作,为后续分析评价其安全性、风险大小奠定基础。
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 (4)
1.一种应用于复杂系统评价的PSA模型文件解析合并方法,其特征在于实现步骤如下:
(1)对参与合并的给定复杂系统的PSA模型数据进行分类存储,将模型所包含数据按照属性进行分类并保存到数据库中;
(2)解析参与合并的PSA模型的故障树逻辑结构,转换为文本信息保存到结构文件中,采用的是基于布尔逻辑的PSA模型逻辑解析法;
(3)确定合并过程中的重名处理原则,逻辑门重名处理原则包括重命名与跳过,其余基本数据类型重名处理原则包括覆盖与跳过;
(4)选择一个PSA模型作为合并基础,选取参与合并的其他PSA模型中的一个,将其数据库导入基础PSA模型的数据库中,按照(3)中选择的重名处理原则处理两个模型中重名的数据,重名的数据类型为逻辑门将其新旧ID加入重名逻辑门处理队列;
(5)按照(3)中选择的重名处理原则对PSA模型的结构文件进行合并,采用的是基于字符串分解匹配的结构文件合并方法;
(6)读取并解析合并完毕的结构文件信息作为合并后的PSA模型逻辑结构,数据与逻辑对应关系正确性检查无误后,按照逻辑从合并后的数据库中读取数据记录,完成合并后的PSA模型;
(7)其他要合并的PSA模型的处理方法重复步骤(1)~(6),完成模型合并之后,按照可靠性、PSA的分析方法对给定复杂系统的模型进行分析和评价。
2.根据权利要求1所述的应用于复杂系统评价的PSA模型文件解析合并方法,其特征在于:所述基于布尔逻辑的PSA模型逻辑解析法实现步骤如下:
(1)建立PSA模型结构文件信息块,文件信息分为两大部分,结构信息和故障树顶门集合;结构信息包含PSA模型中故障树所包含的全部基本数据元素ID和这些基本数据元素之间的布尔逻辑关系,在文件中以FTSTRUCT作为开始标识;故障树顶门集合包含模型中所有故障树的顶门ID,在文件中以TOPGATE作为开始标识;
(2)逐个解析PSA模型中所有故障树逻辑结构信息,采用深度优先最左的方法遍历各个故障树,记录每个故障树节点ID、节点所有孩子的ID、节点若为记录逻辑门类型,遍历过程中按照“节点ID节点逻辑门类型所有孩子ID”的格式将记录的数据输出到结构文件作为一行结构信息;
(3)逐个解析PSA模型中所有故障树顶门信息,获取各个故障树的顶门ID,将ID逐个保存到结构文件的故障树顶门集合部分下。
3.根据权利要求1所述的应用于复杂系统评价的PSA模型文件解析合并方法,其特征在于:所述基于字符串分解匹配的结构文件合并方法实现步骤如下:
(1)逐行读取要合并PSA模型的结构文件,将文件信息分解后读取,分别获取其结构信息和故障树顶门集合,将两部分信息分别保存到两个数组FTINFO和TOPGATEINFO中;
(2)打开合并基础PSA模型的结构文件作为模型结构文件合并处理对象;
(3)逐个处理重名门处理队列中的逻辑门,在结构信息数组FTINFO中匹配重名的逻辑门ID;
(4)逻辑门ID匹配成功,若重名处理原则为重命名,将所有匹配到的ID修改为新的ID,修改完成之后将新ID对应门及其所有下级输入信息从数组FTINFO写入到基础PSA模型的结构文件FTSTRUCT标识下,若该门出现在数组TOPGATEINFO中将新ID写入到基础PSA模型结构文件TOPGATE标识下并将新旧ID字符串都加入ID更新队列,若重名处理原则为跳过则不做任何处理;
(5)逻辑门ID匹配失败,将数组FTINFO中逻辑门及其所有下级输入信息写入到基础PSA模型结构文件FTSTRUCT标识下,逻辑门若出现在数组TOPGATEINFO中将其ID写入到基础PSA模型结构文件TOPGATE标识下;
(6)检查PSA模型数据库逻辑门数据表,若ID字段的内容与ID更新队列中的旧ID相同的话,将该条记录的ID字段更换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
(7)检查PSA模型数据库故障树数据表,若顶门ID字段的内容与ID更新队列中的旧ID相同的话,将顶门ID字段替换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
(8)检查PSA模型数据库事件树数据表,若输入门ID字段的内容与ID更新队列中的旧ID相同的话,将该ID字段替换为ID更新队列中对应的新ID后再加入基础PSA模型数据库中;
(9)完成基础PSA模型结构文件的全部字符串匹配修改操作之后,清空数组FTINFO和TOPGATEINFO,保存关闭文件。
4.一种实现权利要求1所述应用于复杂系统评价的PSA模型文件解析合并方法的系统,其特征在于:包括数据存储器、模型解析器、模型合并器;其中:
数据存储器,分类存储参与合并的给定系统的PSA模型数据,以及模型解析器和模型合并器处理过的中间结果模型,并提供给模型解析器、模型合并器以及外部的PSA或可靠性分析评价系统进行使用;
模型解析器,采用基于布尔逻辑的PSA模型逻辑解析法,对给定复杂系统的PSA模型文件进行解析,并把中间解析结果和最终解析结果存储在数据存储器中;
模型合并器,基于字符串分解匹配的结构文件合并方法对给定系统的PSA模型文件进行合并,并把中间合并结果和最终合并结果存储在数据存储器中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610728014.4A CN106296035A (zh) | 2016-08-25 | 2016-08-25 | 一种应用于复杂系统评价的psa模型文件解析合并方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610728014.4A CN106296035A (zh) | 2016-08-25 | 2016-08-25 | 一种应用于复杂系统评价的psa模型文件解析合并方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106296035A true CN106296035A (zh) | 2017-01-04 |
Family
ID=57677090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610728014.4A Pending CN106296035A (zh) | 2016-08-25 | 2016-08-25 | 一种应用于复杂系统评价的psa模型文件解析合并方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106296035A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025290A (zh) * | 2017-04-14 | 2017-08-08 | 北京航天发射技术研究所 | 一种故障树数据的存储方法及读取方法 |
CN112965989A (zh) * | 2021-03-04 | 2021-06-15 | 浪潮云信息技术股份公司 | 一种主体分散数据查询及研判方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400246A (zh) * | 2013-08-23 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种基于云架构的核电厂风险监测系统及监测方法 |
CN104298825A (zh) * | 2014-10-10 | 2015-01-21 | 中国科学院合肥物质科学研究院 | 一种基于权限管理和模型分解的故障树协同分析系统 |
-
2016
- 2016-08-25 CN CN201610728014.4A patent/CN106296035A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400246A (zh) * | 2013-08-23 | 2013-11-20 | 中国科学院合肥物质科学研究院 | 一种基于云架构的核电厂风险监测系统及监测方法 |
CN104298825A (zh) * | 2014-10-10 | 2015-01-21 | 中国科学院合肥物质科学研究院 | 一种基于权限管理和模型分解的故障树协同分析系统 |
Non-Patent Citations (1)
Title |
---|
徐嘉文: "概率安全分析协同建模关键技术研究及实现", 《中国博士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107025290A (zh) * | 2017-04-14 | 2017-08-08 | 北京航天发射技术研究所 | 一种故障树数据的存储方法及读取方法 |
CN107025290B (zh) * | 2017-04-14 | 2020-06-19 | 北京航天发射技术研究所 | 一种故障树数据的存储方法及读取方法 |
CN112965989A (zh) * | 2021-03-04 | 2021-06-15 | 浪潮云信息技术股份公司 | 一种主体分散数据查询及研判方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Menzies et al. | Local versus global lessons for defect prediction and effort estimation | |
Xu et al. | Extracting domain knowledge elements of construction safety management: Rule-based approach using Chinese natural language processing | |
Moscoso-Zea et al. | Datawarehouse design for educational data mining | |
Thesen | Computer methods in operations research | |
CN111916161A (zh) | 用于临床试验过程中多数据源采集转换的方法及装置 | |
US20220005568A1 (en) | Automated identification of potential drug safety events | |
CN107103363A (zh) | 一种基于lda的软件故障专家系统的构建方法 | |
CN107168868A (zh) | 一种基于采样和集成学习的软件更改缺陷预测方法 | |
Cravero et al. | Multidimensional design paradigms for data warehouses: a systematic mapping study | |
CN106296035A (zh) | 一种应用于复杂系统评价的psa模型文件解析合并方法及系统 | |
Fritz et al. | The use of standard software in real time programming: An example demonstrating the integration of ADA, Oracle and GKS | |
Durelli et al. | A mapping study on architecture-driven modernization | |
Pidgeon et al. | Management of safety through lessons from case histories | |
Fielding et al. | Computer-based qualitative methods in case study research | |
US20050210382A1 (en) | System and method for performing functional analyses making use of a plurality of inputs | |
Bouhineau et al. | Share data treatment and analysis processes inTechnology enhanced learning | |
CN109711799A (zh) | 引导行政管理岗标准化办公的教学软件及其运行方法 | |
Snipes et al. | Code hot spot: A tool for extraction and analysis of code change history | |
Wang et al. | Automatic Grading of Student Code with Similarity Measurement | |
Chittimalli et al. | BuRRiTo: a framework to extract, specify, verify and analyze business rules | |
Potts et al. | FIA BioSum: A User’s Guide (DRAFT) | |
Zhao et al. | A systematic method to build a knowledge base to be used in a human reliability analysis model | |
Voronov et al. | Distinctive features of organizations' scientific potential monitoring databases formation for management decisions support | |
Oladimeji | Identifying case studies for performance measurement implementation models using systematic review | |
Hanandeh et al. | Using data mining techniques with open source software to evaluate the various factors affecting academic performance: a case study of students in the faculty of information technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170104 |
|
RJ01 | Rejection of invention patent application after publication |