CN108153842A - 一种面向抽象故障树的结构合成方法 - Google Patents
一种面向抽象故障树的结构合成方法 Download PDFInfo
- Publication number
- CN108153842A CN108153842A CN201711367270.6A CN201711367270A CN108153842A CN 108153842 A CN108153842 A CN 108153842A CN 201711367270 A CN201711367270 A CN 201711367270A CN 108153842 A CN108153842 A CN 108153842A
- Authority
- CN
- China
- Prior art keywords
- node
- fault tree
- abstract
- tree
- case
- 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.)
- Granted
Links
- 238000010189 synthetic method Methods 0.000 title claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 21
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000005086 pumping Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种面向抽象故障树的结构合成方法,通过对抽象故障树与案例故障树节点的相似度计算和逻辑门语义包含度计算,将案例故障树包含的事件节点和事件间的逻辑门语义关系,增量扩展到抽象故障树中,使扩展的抽象故障树即保留了原有的结构完整性和语义,又增量包含了案例故障树的结构特征及其事件间逻辑语义,通过不断的合成,使扩展后的抽象故障树成为汇聚同类事故的抽象综合体,并建立了案例故障树与抽象故障树的结构映射。本发明为事故分析与预警提供有力的支持,有利于提高企业对重大事故的预警预防能力,减少财产损失,避免类似事故重复发生。
Description
技术领域
本发明涉及事故分析技术领域,具体是一种面向抽象故障树的结构合成方法。
背景技术
近年来随着我国经济社会的快发展,各种新材料,交通工具,处理设备,工艺的应用,生产过程中集成度、自动化、规模化等程度日益提高,导致现阶段的事故具有演变过程复杂,演变路径不清晰等特点准确、全面的分析已发生的事故,从已发生的事故中吸取经验是指导安全生产、事故预防与预警的重要途径。由于没有对历史事故进行合理的归纳总结,并形成合理的应急参考资料,导致各类相似化工事故频繁发生,且每次事故发生都需要频繁、重复的分析。如果能够利用已有的专家经验,和历史上形成的大量事故资料,并根据事故机理找到相关共性,可以有效的解决上诉问题,成为着重解决的问题。
故障树是一种特殊的倒立树状逻辑因果关系图,具有果因关系清晰、形象等特点。对导致事故的各种原因及逻辑关系能做出全面、简洁、形象地描述,从而使有关人员了解和掌握安全控制的要点和措施。根据各基本事件发生故障的频率数据,确定各基本事件对导致事故发生的影响程度的故障树结构重要度。既可进行定性分析,又可进行定量分析和系统评价。通过定性分析,确定各基本事件对事故影响的大小,从而可确定对各基本事件进行安全控制所应采取措施的优先顺序,为制定科学、合理的安全控制措施提供基本的依据。通过定量分析,依据各基本事件发生的概率,计算出顶事件发生的概率,为实现系统的最佳安全控制目标提供一个具体量的概念,有助于其它各项指标的量化处理。
通过查阅文献,现有的基于故障树的专利技术主要分为或是研究基于故障树分析方法在不同领域的应用,或是故障树的结构表示方法以及存储方法方面,或是对故障树本身进行相关的研究进行相关度运算;在故障树的归纳抽象,以及结构合成方面还未发现相关专利。现在对于故障树的构造方面,大多局限于当前事故本身,不具有通用性和适用性,很难形成普遍的参考作用,而且形成的数据在后期没有得到很好的利用。
发明内容
为了克服现有技术的不足,提出了一种面向抽象故障树的结构合成方法,以解决上述背景技术中提出的问题。为实现上述目的,本发明提供如下技术方案:一种面向抽象故障树的结构合成方法。首先给出相关定义:
定义抽象故障树抽象解释集合
给定一抽象故障树AFTj={VAj,GAj,EAj,v0j,δhj,δwj},和该抽象故障树关联的m个案例故障树IFTi={VIi,GIi,EIi,v0i,δhi,δwi},1≤i≤m,其案例故障树的事件关联集合定义为EFSAFTi={(avj,ivi,IFTi)|avj∈VAj∧ivi∈VIi∧avj=EF(ivi)}
定义故障树的语义模型
故障树与门的语义表示为全部输入事件发生时才会引发上层事件,或门表示任何多于一种输入事件发生才会引发上层事件,在案例故障树的合成中,故障树的横向结构完整性定义为每一案例故障树的与门链接结构信息应保持在抽象故障树中。
故障树用于分析导致顶事件(待分析的事故)发生系列事件的演化关系,获得事故发生的直接原因,间接原因,根原因等因素,从事故演化,事件演化的时序分析。因事故演化存在逻辑门的关联(and,or),仅考虑从底事件(基本事件)分析事件演化关系,导致顶事件发生的分析,采用割集描述事故的一种故障模式,该割集全部事件发生,表示顶事件一定发生。
定义故障树的结构完整性
在故障树的合成方法中,需要保持故障树的结构完整性,故障树的结构完整性主要包含:1)构成事故发生的基本成因机理保持,即抽象故障树需要包含案例故障树的割集;2)事故演变的成因机理保持,及抽象故障树需要包含案例故障树的层次演变序列和逻辑门的完整性结构。具体解释如下:
1)事故故障树的层次结构反映一种层次间事件的时序结构,故障树的纵向完整性定义为每一案例故障树的任一从基本事件到顶事件的事件序列的时序性应保持在抽象故障树中。
2)与门的语义表示为全部输入事件发生时才会引发上层事件,或门表示任何多于一种输入事件发生才会引发上层事件,在案例故障树的合成中,故障树的横向结构完整性定义为每一案例故障树的与门链接结构信息应保持在抽象故障树中。
3)每一个的故障树的最小割集是唯一的,故障树割集表达事故的一种故障模式,在案例故障树合成到标准事故树过程中,每一案例故障树树的割集应保持在抽象故障树中。
定义故障树合成的相关结构运算
定义给定故障树FT={V,G,E,v0,δh,δw},v∈V,
定义故障树节点v的父节点vf=findParentNode(v,FT),vf∈V∧gf∈G∧(gf,v)∈E∧(vf,gf)∈E;
定义故障树节点v的父门节点gf=findParentGate(v,FT),gf∈G∧(gf,v)∈E;
定义故障树节点v的子节点集合Vc=findChildNodes(v,FT)={vc|vc∈V∧gc∈G∧(gc,vc)∈E∧(v,gc)∈E};
定义故障树节点v的子门节点gc=findChildGate(v,FT),gc∈G∧(v,gc)∈E;
定义故障树节点v的兄弟节点集合Vb=findBrotherNodes(v,FT)={vb|vb∈V∧gf∈G∧(gf,vc)∈E∧(gf,v)∈E};
定义故障树节点v的子树集合:即FTs是以v为顶节点的子树。
基于大量的已形成同类型事故成因的事故案例故障树,研究同类故障树之间的节点相似度以及结构相似度,设计基于案例故障树的结构合成方法。通过对抽象故障树与案例故障树节点的相似度计算,将案例故障树包含的事件节点和相应的局部以及整体结构,增量扩展到抽象故障树中,既保留了抽象故障树原有的结构完整性,又对抽象故障树进行了完美的扩展。
本发明技术方案为:一种面向抽象故障树的结构合成方法,其特征是:通过对抽象故障树与案例故障树节点的相似度计算和逻辑门语义包含度计算,将案例故障树包含的事件节点和事件间的逻辑门语义关系,增量扩展到抽象故障树中,使扩展的抽象故障树既保留了原有的结构完整性和语义,又增量包含了案例故障树的结构特征及其事件间逻辑语义,通过不断的合成,使扩展后的抽象故障树成为汇聚同类事故的抽象综合体,并建立了案例故障树与抽象故障树的结构映射。
给定一抽象故障树AFT={VA,GA,EA,v0,δhδw},和该抽象故障树关联的n个案例故障树
IFTi={VI,GI,EI,v0,δh,δw},1≤i≤n,通过对抽象故障树与案例故障树节点的相似度计算,按照广度遍历算法计算AFT与IFT的节点与门的匹配,增量扩展抽象故障树结构并建立该抽象故障树的抽象解释集合,抽象故障树的局部结构为:
即节点vai父链接门为gau,父节点vau,子链接门为gai,vai子节点vai+1,vai+2…vai+k与案例故障树IFTc的局部结构,案例故障树节点vcj对应抽象故障树节点vai,案例故障树节点vcj子节点vcj+1…vcj+q,
从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj开始的子节点匹配过程执行如下步骤:
Step1:从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj;
Step2:判断抽象故障树当前节点可以抽象解释案例故障树当前节点,如果是执行step3,不是执行step10;
Step3:判断抽象故障树当前节点的下连接门为或门,如果是执行step4,不是执行step5;
Step4:继续匹配当前节点下的所有子节点;
Step5:判断案例故障树当前节点的子节点所有的都被抽象故障树当前节点子节点抽象解释,如果是执行step6;
Step6:查找每个案例故障树的子节点的抽象解释的抽象故障树节点,如果发现执行step7,否则执行step8;
Step7:将当前案例故障树与抽象故障树对应的抽象解释节点加入到解释库中;
Step8:抽象故障树节点回溯到父门为Or门的节点,以当前案例故障树节点为基础上回溯到与抽象故障树vap匹配的案例故障树节点vcp;
Step9:判断存在vap的兄弟节点没有匹配,是则执行step1;
Step10:如果当前案例故障树的节点不能被抽象故障树的当前节点抽象解释,判断抽象故障树当前节点的父门是或门,如果是执行step11,否则执行step14或step15;
Step11:匹配抽象故障树当前节点的兄弟节点是否能与案例故障树当前节点抽象解释,如果是执行step12,否执行step13;
Step12:使用抽象故障树树中的原有节点;
Step13:构造一个与vai为兄弟节点的新的分支节点;
Step14:回溯该节点的父节点,新构造父节点的兄弟节点为案例故障树当前节点的解释节点;
Step15:案例故障树与抽象故障树都从当前节点起,同步逐层回溯节点的父节点,直到抽象故障树回溯的父节点的父门为或门,匹配该父节点的兄弟节点与案例故障树回溯的父节点,如果回溯的父节点所有的兄弟节点都已匹配,则新构造回溯父节点的兄弟节点为案例故障树回溯父节点的解释节点。
2.构造新节点的抽象故障树节点
Step1:判断父节点是否为and门,是执行step2,否则执行step3;
Step2:构造一个父节点Vaf,并用或门连接抽象故障树与相应的案例故障树结构;
Step3:将案例故障树结构作为或门的一个子分支,连接到抽象故障树中。
上述所有步骤如果没有指定下一步,顺序向下执行。
本发明的有益效果是:
通过对抽象故障树与案例故障树节点的相似度计算,将案例故障树包含的事件节点和相应的局部以及整体结构,增量扩展到抽象故障树中,既保留了原有的结构完整性,又对抽象故障树进行了完美的扩展。本发明将事故案例故障树进行了很好的归纳总结,将大量的具有某方面共性的案例故障树,通过此发明,构造出特定类别的抽象故障树。构造的抽象故障树,可以相对全面的展示一类事故不同形式的各种事故情景,为事故的分析与预警提供有力的支持,有利于提高企业对重大事故的预警预防能力,减少财产损失,避免类似事故重复发生。
附图说明
图1为案例故障树与抽象故障树结构匹配流程图。
图2为在抽象故障树基础上进行新节点构造的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明设计的思路是:基于大量的已形成同类型事故成因的事故案例故障树,研究同类故障树之间的节点相似度以及结构相似度,设计基于案例故障树的结构合成方法。通过对抽象故障树与案例故障树节点的相似度计算,将案例故障树包含的事件节点和相应的局部以及整体结构,增量扩展到抽象故障树中,既保留了抽象故障树原有的结构完整性,又对抽象故障树进行了完美的扩展。
1.从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj开始的子节点匹配过程,具体如图1所示,步骤如下
Step1:从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj;
Step2:判断抽象故障树当前节点可以抽象解释案例故障树当前节点,如果是执行step3,不是执行step10;
Step3:判断抽象故障树当前节点的下连接门为或门,如果是执行step4,不是执行step5;
Step4:继续匹配当前节点下的所有子节点;
Step5:判断案例故障树当前节点的子节点所有的都被抽象故障树当前节点子节点抽象解释,如果是执行step6;
Step6:查找每个案例故障树的子节点的抽象解释的抽象故障树节点,如果发现执行step7,否则执行step8;
Step7:将当前案例故障树与抽象故障树对应的抽象解释节点加入到解释库中;
Step8:抽象故障树节点回溯到父门为Or门的节点,以当前案例故障树节点为基础上回溯到与抽象故障树vap匹配的案例故障树节点vcp;
Step9:判断存在vap的兄弟节点没有匹配,是则执行step1;
Step10:如果当前案例故障树的节点不能被抽象故障树的当前节点抽象解释,判断抽象故障树当前节点的父门是或门,如果是执行step11,否则执行step14或step15;
Step11:匹配抽象故障树当前节点的兄弟节点是否能与案例故障树当前节点抽象解释,如果是执行step12,否执行step13;
Step12:使用抽象故障树树中的原有节点;
Step13:构造一个与vai为兄弟节点的新的分支节点;
Step14:回溯该节点的父节点,新构造父节点的兄弟节点为案例故障树当前节点的解释节点;
Step15:案例故障树与抽象故障树都从当前节点起,同步逐层回溯节点的父节点,直到抽象故障树回溯的父节点的父门为或门,匹配该父节点的兄弟节点与案例故障树回溯的父节点,如果回溯的父节点所有的兄弟节点都已匹配,则新构造回溯父节点的兄弟节点为案例故障树回溯父节点的解释节点。
2.构造新节点的抽象故障树节点,具体如图2所示,步骤如下:
Step1:判断父节点是否为and门,是执行step2,否则执行step3
Step2:构造一个父节点Vaf,并用或门连接抽象故障树与相应的案例故障树结构
Step3:将案例故障树结构作为或门的一个子分支,连接到抽象故障树中。
上述所有步骤如果没有跳转,顺序向下执行。各种函数说明,在上述相关定义中皆有涉及。
本发明在兄弟节点无法匹配向上回溯构造节点的过程中设计了两种方式在step14和step15中有具体的描述,在流程图中以判断的形式加以区分。
本发明基于对事故进行详细描述的事故案例故障树,实现一种面向抽象故障树的结构合成方法,用于构造描述事故演化机理的综合成因的抽象故障树,来描述同类事故的各种演化形式。利用本专利所设计的方法,一来可以很好的利用行业相关的历史事故形成的宝贵资料,提取各类事故所具有的共性,建立准确完善的各类目事故机理库。二来构造的抽象故障树可以全面的展示一类事故不同形式的各种事故情景,具有局部的普遍适用性,能够根据相关事件,快速定位事故类型,使得事故预防与预测都具有针对性,以便做出快速的反应,避免类似事故重复发生,来减少事故造成的财产损失。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (2)
1.一种面向抽象故障树的结构合成方法,其特征是:通过对抽象故障树与案例故障树节点的相似度计算和逻辑门语义包含度计算,将案例故障树包含的事件节点和事件间的逻辑门语义关系,增量扩展到抽象故障树中,使扩展的抽象故障树既保留了原有的结构完整性和语义,又增量包含了案例故障树的结构特征及其事件间逻辑语义,通过不断的合成,使扩展后的抽象故障树成为汇聚同类事故的抽象综合体,并建立了案例故障树与抽象故障树的结构映射;
给定一抽象故障树AFT={VA,GA,EA,v0,δhδw},和该抽象故障树关联的n个案例故障树IFTi={VI,GI,EI,v0,δh,δw},1≤i≤n,通过对抽象故障树与案例故障树节点的相似度计算,按照广度遍历算法计算AFT与IFT的节点与门的匹配,增量扩展抽象故障树结构并建立该抽象故障树的抽象解释集合,抽象故障树的局部结构为:
即节点vai父链接门为gau,父节点vau,子链接门为gai,vai子节点vai+1,vai+2…vai+k与案例故障树IFTc的局部结构,案例故障树节点vcj对应抽象故障树节点vai,案例故障树节点vcj子节点vcj+1…vcj+q,从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj开始的子节点匹配过程执行如下步骤:
Step1:从抽象故障树当前节点vai,匹配案例故障树的当前节点vcj;
Step2:判断抽象故障树当前节点可以抽象解释案例故障树当前节点,如果是执行step3,不是执行step10;
Step3:判断抽象故障树当前节点的下连接门为或门,如果是执行step4,不是执行step5;
Step4:继续匹配当前节点下的所有子节点;
Step5:判断案例故障树当前节点的子节点所有的都被抽象故障树当前节点子节点抽象解释,如果是执行step6;
Step6:查找每个案例故障树的子节点的抽象解释的抽象故障树节点,如果发现执行step7,否则执行step8;
Step7:将当前案例故障树与抽象故障树对应的抽象解释节点加入到解释库中;
Step8:抽象故障树节点回溯到父门为Or门的节点,以当前案例故障树节点为基础上回溯到与抽象故障树vap匹配的案例故障树节点vcp;
Step9:判断存在vap的兄弟节点没有匹配,是则执行step1;
Step10:如果当前案例故障树的节点不能被抽象故障树的当前节点抽象解释,判断抽象故障树当前节点的父门是或门,如果是执行step11,否则执行step14或step15;
Step11:匹配抽象故障树当前节点的兄弟节点是否能与案例故障树当前节点抽象解释,如果是执行step12,否执行step13;
Step12:使用抽象故障树树中的原有节点;
Step13:构造一个与vai为兄弟节点的新的分支节点;
Step14:回溯该节点的父节点,新构造父节点的兄弟节点为案例故障树当前节点的解释节点;
Step15:案例故障树与抽象故障树都从当前节点起,同步逐层回溯节点的父节点,直到抽象故障树回溯的父节点的父门为或门,匹配该父节点的兄弟节点与案例故障树回溯的父节点,如果回溯的父节点所有的兄弟节点都已匹配,则新构造回溯父节点的兄弟节点为案例故障树回溯父节点的解释节点。
2.根据权利要求1所述的面向抽象故障树的结构合成方法,其特征是:构造新节点的抽象故障树节点步骤为:
Step1:判断父节点是否为and门,是执行step2,否则执行step3;
Step2:构造一个父节点Vaf,并用或门连接抽象故障树与相应的案例故障树结构;
Step3:将案例故障树结构作为或门的一个子分支,连接到抽象故障树中;
Step4,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711367270.6A CN108153842B (zh) | 2017-12-18 | 2017-12-18 | 一种面向抽象故障树的结构合成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711367270.6A CN108153842B (zh) | 2017-12-18 | 2017-12-18 | 一种面向抽象故障树的结构合成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108153842A true CN108153842A (zh) | 2018-06-12 |
CN108153842B CN108153842B (zh) | 2021-11-26 |
Family
ID=62467394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711367270.6A Active CN108153842B (zh) | 2017-12-18 | 2017-12-18 | 一种面向抽象故障树的结构合成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108153842B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020047779A1 (zh) * | 2018-09-05 | 2020-03-12 | 西门子(中国)有限公司 | 故障分析方法、装置和计算机可读介质 |
CN112905658A (zh) * | 2021-02-03 | 2021-06-04 | 中国商用飞机有限责任公司 | 用于民用飞行器的系统安全性分析方法 |
CN114154586A (zh) * | 2021-12-09 | 2022-03-08 | 中国民用航空飞行学院 | 一种航空器系统定量相似性分析方法、装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254174A1 (en) * | 2014-03-04 | 2015-09-10 | International Business Machines Corporation | Regression testing of sql execution plans for sql statements |
CN105425772A (zh) * | 2014-11-28 | 2016-03-23 | 上海核工程研究设计院 | 基于逻辑等价的故障树简化的核电厂风险评估方法 |
CN106446197A (zh) * | 2016-09-30 | 2017-02-22 | 华为数字技术(成都)有限公司 | 一种数据存储方法、装置及系统 |
-
2017
- 2017-12-18 CN CN201711367270.6A patent/CN108153842B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254174A1 (en) * | 2014-03-04 | 2015-09-10 | International Business Machines Corporation | Regression testing of sql execution plans for sql statements |
CN105425772A (zh) * | 2014-11-28 | 2016-03-23 | 上海核工程研究设计院 | 基于逻辑等价的故障树简化的核电厂风险评估方法 |
CN106446197A (zh) * | 2016-09-30 | 2017-02-22 | 华为数字技术(成都)有限公司 | 一种数据存储方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
董海鹏 等: ""基于故障树与案例相结合的故障诊断方法"", 《应用科技》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020047779A1 (zh) * | 2018-09-05 | 2020-03-12 | 西门子(中国)有限公司 | 故障分析方法、装置和计算机可读介质 |
CN112905658A (zh) * | 2021-02-03 | 2021-06-04 | 中国商用飞机有限责任公司 | 用于民用飞行器的系统安全性分析方法 |
CN112905658B (zh) * | 2021-02-03 | 2024-05-24 | 中国商用飞机有限责任公司 | 用于民用飞行器的系统安全性分析方法 |
CN114154586A (zh) * | 2021-12-09 | 2022-03-08 | 中国民用航空飞行学院 | 一种航空器系统定量相似性分析方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108153842B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108153842A (zh) | 一种面向抽象故障树的结构合成方法 | |
CN108960303B (zh) | 一种基于lstm的无人机飞行数据异常检测方法 | |
GB2504081B (en) | Assessing performance of a vehicle system | |
US9619592B2 (en) | Analysis of enhanced oil recovery (EOR) processes for naturally-fractured reservoirs | |
CN111222683B (zh) | 一种基于pca-knn的tbm施工围岩综合分级预测方法 | |
CN111709244B (zh) | 一种用于矛盾纠纷事件因果关系识别的深度学习方法 | |
CN105893208A (zh) | 基于隐半马尔可夫模型的云计算平台系统故障预测方法 | |
CN105425772B (zh) | 基于逻辑等价的故障树简化的核电厂风险评估方法 | |
CN107145634A (zh) | 一种盾构刀盘及驱动系统多态动态可靠性评估方法 | |
CN104318110B (zh) | 一种提高大型复杂系统风险设计及维修效率的方法 | |
CN107340766A (zh) | 基于相似度的电力调度告警信号文本归类及故障诊断方法 | |
CN105654144A (zh) | 一种基于机器学习的社交网络本体构建方法 | |
Alalfi et al. | Near-miss model clone detection for Simulink models | |
CN106339455A (zh) | 基于文本标签特征挖掘的网页正文提取方法 | |
Sun et al. | Remaining useful life prediction for a machine with multiple dependent features based on Bayesian dynamic linear model and copulas | |
CN105912773A (zh) | 一种新的基于数据挖掘技术的智能冲压工艺设计方法 | |
Zhang et al. | Cross-project prediction for rock mass using shuffled TBM big dataset and knowledge-based machine learning methods | |
CN112926267B (zh) | 一种基于掘进参数反演的tbm隧道岩爆等级预测方法及系统 | |
CN112905658B (zh) | 用于民用飞行器的系统安全性分析方法 | |
CN1971535A (zh) | 基于时间安全输入输出自动机的测试方法及系统 | |
CN105718321A (zh) | 一种系统概率重要度和结构重要度的方法 | |
CN102024084A (zh) | 具有模糊多态特性的可靠性模型的建立及其使用方法 | |
ter Beek et al. | Formal methods for the railway sector | |
CN111124366B (zh) | 一种基于信息检索的需求追踪恢复方法 | |
CN103870449A (zh) | 在线自动挖掘新词的方法及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |