CN109214625A

CN109214625A - 一种油罐失效评估方法及装置

Info

Publication number: CN109214625A
Application number: CN201710533413.XA
Authority: CN
Inventors: 石磊; 王晓霖; 王勇; 李明; 奚旺; 吕高峰
Original assignee: China Petroleum and Chemical Corp; Sinopec Fushun Research Institute of Petroleum and Petrochemicals
Current assignee: China Petroleum and Chemical Corp; Sinopec Fushun Research Institute of Petroleum and Petrochemicals
Priority date: 2017-07-03
Filing date: 2017-07-03
Publication date: 2019-01-15

Abstract

本发明实施例公开了一种油罐失效评估方法及装置。方法包括：采用事故树获取与失效事件相关的基本事件以及与所述基本事件关联的专家评述信息；采用改进层次分析法获取专家的权重；采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数；根据所述模糊数获取基本事件的发生概率；根据基本事件的发生概率评估失效事件的发生概率。本发明实施例通过采用改进层次分析法和模糊评价方法量化基本事件发生的概率，并根据基本事件发生的概率评估失效事件的发生概率，与现有技术相比，克服了统计数据缺失的局限性，具有评估精度高的优点。

Description

一种油罐失效评估方法及装置

技术领域

本发明实施例涉及安全评价技术领域，具体涉及一种油罐失效评估方法及装置。

背景技术

随着石油需求的稳步增长和石油储备的不断加强，储备库和大型油罐的建设迎来了史无前例的高峰。油罐定量风险评价是我国石油储存及周转安全保障研究领域的一项重要内容。定量风险评价是一种将绝对事故频率定量化的统计学方法，它用逻辑模型描述导致事故发生的复杂事件，用物理模型描述事故的进程，这些模型用概率方式表述事故危险性。目前，已开发出的风险评价方法有数十种，以定性评价为主，主要有事故树分析、模糊综合评价法、HAZOP、事件树等。不同的评价方法具有不同的优点和局限性，因此，如何对现有方法进行改进以克服本身的不足，并将其科学系统的应用到石油储罐的定量风险评价中去仍需要深入地探讨和不断的实践。

故障树方法因其灵活、形象直观的特点被广泛应用。传统的事故树本身只是一个定性模型，要想通过此方法对石油储罐进行定量风险评价，首先要确定每个基本事件的发生概率，进而计算事故树顶事件的发生概率。然而，在对大型、复杂工程系统进行风险分析时，由于系统的复杂性、历史数据的不完备等原因，人们往往不能精确的确定元素的状态概率，即存在关于顶上事件失效概率计算的不确定性问题。

模糊综合评价法是一种基于模糊数学的综合评价方法。该方法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。但由于评判过程中，专家参与是基本事件模糊状态判定的关键组成部分，而专家权重的确定具有很强的主观性。

发明内容

本发明实施例的一个目的是解决现有技术由于相关数据不完备导致的失效事件评估精度低的问题。

本发明实施例提出了一种油罐失效评估方法，包括：

获取与失效事件相关的基本事件以及与所述基本事件关联的专家评述信息；

采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数；

根据所述模糊数获取基本事件的发生概率；

根据基本事件的发生概率评估失效事件的发生概率。

可选的，在所述采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数之前，所述方法还包括：

获取专家评述信息对应的专家的个人信息、历史评述信息以及个人信息和历史评述信息的来源信息；

根据所述个人信息、历史评述信息以及来源信息对专家的能力进行评估，获取专家对应的权重值。

可选的，所述采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数包括：

根据所述专家评述信息中的模糊语言以及预设的转换规则，采用模糊集理论将所述专家评述信息转换为评述函数；

结合专家对应的权重值，将所述专家评述信息对应的评述函数转换为模糊数。

可选的，所述根据所述模糊数获取基本事件的发生概率包括：

采用模糊数排序法将所述模糊数转化为模糊可能性值；

根据所述模糊可能性值获取基本事件的发生概率。

可选的，所述根据基本事件的发生概率评估失效事件的发生概率包括：

对所述基本事件与失效事件进行逻辑分析，获取最小径集；

采用最小径集法根据所述最小径集和所述基本事件发生的概率获取失效事件的发生概率。

本发明实施例提出了一种油罐失效评估装置，包括：

获取模块，用于获取与失效事件相关的基本事件以及与所述基本事件关联的专家评述信息；

转换模块，用于采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数；

处理模块，用于根据所述模糊数获取基本事件的发生概率；

第一评估模块，用于根据基本事件的发生概率评估失效事件的发生概率。

可选的，所述装置还包括：第二评估模块；

所述第二评估模块，用于获取专家评述信息对应的专家的个人信息、历史评述信息以及个人信息和历史评述信息的来源信息；根据所述个人信息、历史评述信息以及来源信息对专家的能力进行评估，获取专家对应的权重值。

可选的，所述转换模块，用于根据所述专家评述信息中的模糊语言以及预设的转换规则，采用模糊集理论将所述专家评述信息转换为评述函数；结合专家对应的权重值，将所述专家评述信息对应的评述函数转换为模糊数。

可选的，所述处理模块，用于采用模糊数排序法将所述模糊数转化为模糊可能性值；根据所述模糊可能性值获取基本事件的发生概率。

可选的，所述第一评估模块，用于对所述基本事件与失效事件进行逻辑分析，获取最小径集；采用最小径集法根据所述最小径集和所述基本事件发生的概率获取失效事件的发生概率。

由上述技术方案可知，本发明实施例提出的失效评估方法及装置通过采用模糊评价方法量化基本事件发生的概率，并根据基本事件发生的概率评估失效事件的发生概率，与现有技术相比，克服了统计数据缺失的局限性，具有评估精度高的优点。

附图说明

通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：

图1示出了本发明一实施例提供的一种油罐失效评估方法的流程示意图；

图2示出了本发明另一实施例提供的一种油罐失效评估方法的流程示意图；

图3示出了本发明又一实施例提供的一种油罐失效评估方法的流程示意图；

图4a-图4c示出了本发明一实施例提供的事故树的结构示意图；

图5示出了本发明一实施例提供的一种油罐失效评估装置的结构示意图；

图6示出了本发明一实施例提供的一种油罐失效评估装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。

实施例一

图1示出了本发明一实施例提供的一种油罐失效评估方法的流程示意图，参见图1，该方法由处理器实现，具体包括如下步骤：

110、获取与失效事件相关的基本事件以及与所述基本事件关联的专家评述信息；

需要说明的是，在进行评估时，首先，采集相关的数据，例如：在评估油罐失效时，可采集：油罐的腐蚀面积、腐蚀深度等数据；然后，基于采集到的数据生成相应的基本事件，例如：在评估油罐爆炸时，基于采集到的油品自燃点、危险区违章动火等，生成相关事件，包括：自燃事件、电火花事件等。

针对生成的基本事件，采集相关领域的技术人员、油田的管理者或者工程人员等专家的评述信息，例如：对于自燃事件，基于与自燃事件相关的数据，专家认为自燃可能性较小，技术人员认为自燃可能性较大等；对于电火花事件，基于与电火花事件相关的数据，专家认为电火花可能性中等，技术人员认为和能效很大。

120、采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数；

需要说明的是，专家在评述信息中一般使用很小、小、较小、较大、大等模糊语言描述基本事件发生的概率，因此，结合预设定的转换规则，采用模糊集理论处理这些模糊语言，使用三角形模糊或梯形模糊数来代替这些模糊语言。

130、根据所述模糊数获取基本事件的发生概率；

140、根据基本事件的发生概率评估失效事件的发生概率。

需要说明的是，在将模糊语言转化为模糊数后，基于模糊计算方法通过模糊数获取模糊可能性值，进而获取模糊失效率，并将模糊失效率作为基本事件的发生概率；由基本事件的发生概率可通过故障树方法评估失效事件的发生概率。

可见，本实施例通过采用模糊评价方法量化基本事件发生的概率，并根据基本事件发生的概率评估失效事件的发生概率，与现有技术相比，克服了统计数据缺失的局限性，具有评估精度高的优点。

实施例二

图2示出了本发明另一实施例提供的一种油罐失效评估方法的流程示意图，参见图2，该方法由处理器实现，与实施例一的不同之处在于，本实施例还包括：

210、获取专家评述信息对应的专家的个人信息、历史评述信息以及个人信息和历史评述信息的来源信息；

220、根据所述个人信息、历史评述信息以及来源信息获取专家对应的权重值。

需要说明的是，对于不同专家，由于学历、实际经验等因素的影响，评述的准确度可能不同，因此，需要为各位专家设置相应的权重值；例如，针对某种失效事件，选用4位专家的评述信息，然后对各位专家分别评估，以设置对应的权重值，A专家的权重为0.2，B专家的权重为0.1，C专家的权重为0.3，D专家的权重为0.4，然后，在后续评估时，将专家的权重作为评估参数。

230、根据所述专家评述信息中的模糊语言以及预设的转换规则，采用模糊集理论将所述专家评述信息转换为评述函数；

240、结合专家对应的权重值，将所述专家评述信息对应的评述函数转换为模糊数。

250、根据模糊数获取基本事件的发生概率；

260、基于基本事件的发生概率评估失效事件的发生概率。

需要说明的是，专家判断法是确定事故树基本事件发生概率时常用的方法。其中，德尔斐法具有广泛代表性，它是依据系统的程序将所要评估的内容编制成简明扼要的意见征询表，并提供评估对象的具体资料，然后以匿名的方式调查专家对所提出问题的意见，每一轮次都要对所有调查结果进行统计处理，经过多轮次函询与反复征询和归纳，直到意见趋于集中为止。在调查过程中，专家不得与他人探讨商议，只能与调查人员保持联系，故具有匿名性。

选择专家是该方法的一项重要环节。选择专家的原则包括：依据评价目的和研究对象选择专家；拟选择的专家应在该领域工作多年，是通晓专业技术、业务的人员；专家的人数视评价规模而定；专家的知识和能力结构要合理，以“务实”为原则选择专家。

不难理解的是，由于各位专家的具体情况有所不同，其评估的正确性也不同，因此，应对不同的专家按其层次赋予不同权重值。由此，本实施例通过采集专家的个人信息、历史评述信息及两者的来源信息等客观性的信息，然后采用改进的层次分析法通过最优传递矩阵避免了传统层次分析法的一致性检验，降低了评估的主观性。

可见，本实施例通过采集专家的相关、客观的信息，结合改进的层次分析法对专家进行评估，以为各专家设置对应的权重，降低了评述信息的主观性，达到了进一步提高评估精度的目的。

实施例三

图3示出了本发明又一实施例提供的一种油罐失效评估方法的流程示意图，参见图3，该方法由处理器实现，具体包括如下步骤：

310、建立事故树；

参见图4a-图4c，需要说明的是，基于需要评估的失效事件，例如图4a中的“储罐火灾爆炸T”事件，以“储罐火灾爆炸T”为顶事件，基于经验采集相关底事件：操作失误泄露、密闭不严、排风设施损坏等，然后基于底事件与顶事件以及关联的中间事件，构建事故树。

320、选择专家；

所选择的专家最好包括相关领域的技术人员、油库/油田的管理者和工程人员等。

330、确定专家权重；具体包括：

331、构建层次结构模型

根据影响专家能力的因素来确定专家的权值，首先要建立层次分析结构模型。影响专家个人能力FA(Personal Abiliy)的指标可包括实际经验E(Experience)，个人知识K(Knowledge)，信息来源S(Source)以及估计的公正性I(Impartiality)。确定专家能力的指标对总目标的贡献程度是不同的，因此应对各指标的重要度进行排序，本发明中：实际经验＞个人知识＞信息来源＞估计的公正性。

332、构建判断矩阵A＝(a_ij)_n×n

对同一层次中的各元素相对于上一层次中某一准则的重要性进行两两比较，根据标度法构建确定专家个人能力的四个指标的优先关系矩阵和不同专家对同一指标的优先关系矩阵A。

矩阵为正互反判断矩阵，即a_ij＝1/a_ji；主对角线的元素为1。判断矩阵元素的值反映了各因素之间的相对重要性。为了使比较判断定量化，采用1～9及其倒数的标度方法，构成判断矩阵。标度方法如表1所示。

表1判断矩阵标度及其含义

333、计算判断矩阵A的反对称传递矩阵K及最优传递矩阵L，并获得拟优一致矩阵A^*

为避免传统层次分析法中对判断矩阵不断调整而带来的过于主观性及繁琐复杂的一致性检验过程，本发明中改进的层次分析法通过拟优一致矩阵对其进行转换使之自动满足一致性。

由步骤(2)可知，判断矩阵A为正互反方阵，则下式中K为A的反对称传递矩阵。根据矩阵转换理论，如果L是K的最优传递矩阵，A*是A的拟优传递矩阵，则A*是一致的。各矩阵间的转换如下。

K＝(k_ij)_n×n k_ij＝lga_ij (1)

L＝(l_ij)_n×n

334、计算权重向量W

采用加权平均型方法进行模糊合成，计算拟优一致矩阵A^*的特征向量W。

335、确定专家的权重

第i位专家的能力权值是专家各方面综合能力的体现，也与能力评估指标的重要度有关。第i位专家的权重计算公式为

V_i＝W_FA,E×W_E,i+W_FA,K×W_K,i+W_FA,S×W_S,i+W_FA,I×W_I,i (5)

其中，W_FA,E是专家能力评估指标中“实际经验”的权重，W_E,i是专家i对于“实际经验”指标的权重。其他下标中，K代表个人知识，S代表信息来源，I代表估计的公正性。

340、评判专家采用自然语言，如可能性很小、小、较小、中等、较大、大、很大等模糊语言描述事件发生的概率。

350、由于这些自然语言带有一定的模糊性，无法用传统方法处理。因此采用模糊集理论处理这些不确定信息，并用三角形模糊数或梯形模糊数来代替这些自然语言。自然语言的模糊数表达形式见图3。其隶属函数分别为：

式中，VL、L、RL、M、RH、H、VH分别表示很小、小、较小、中等、较大、大、很大。

采用积算法将专家的模糊判断转化为模糊数，公式如下：

其中，Z_i是事件i的模糊数；v_j是专家j的权重因子；f_ij是专家j对于事件i评价的模糊数；m是评估事件的个数；n是专家个数。

选用模糊集的α截集来组合不同专家的意见。在α截集下，可获得模糊数的区间集。则梯形模糊数Z的关系函数可被表示为：

[a,b]→[0,1]，[c,d]→[0,1].和是线性的。

360、采用模糊数排序法将所述模糊数转化为模糊可能性值；

为对比并量化基本事件发生可能性的大小，必须把模糊数转化为一个明确值，即模糊可能性值FPS。FPS代表了评判专家对基本事件发生概率的信任程度。基于左右模糊排序法把模糊数转化为模糊可能性值FPS，其中，最大模糊集和最小模糊集为；

则模糊数Z的左、右模糊可能性值分别为

FPS(w)＝[FPS_R(w)+1-FPS_L(w)]/2 (19)

370、将模糊可能性值FPS转化为模糊失效率FFR；

采用模糊集理论和专家评估法相结合得到了事故树基本事件的模糊可能性值，为了保证与已知事件的统计失效概率具有一致性，以及计算事故树顶事件的发生概率，需要把模糊可能性值转化为模糊失效率。

其中，

380、分析事故树获得事故树最小径集；

390、计算获取顶事件失效概率；

利用最小径集法定量评价事故树顶事件的发生概率，计算公式如下所示。

其中，Pr为最小径集(r＝1，2，…，k)；r，s为最小径集的序数，r＜s；k为最小径集数；(1-q_i)为第i个基本事件不发生的概率；X_i∈P_r为属于第r个最小径集的第i个基本事件；X_i∈P_r∪P_s为属于第r个或第s个最小径集的第i个基本事件。

可见，本实施例采用改进层次分析法确定专家的权重，该方法降低了评价的主观性，采用模糊评价方法量化基本事件发生的概率，该方法克服了统计数据缺失的局限性，最后，根据最小径集法定量评价事故树顶事件的发生概率。

实施例四

图4示出了本发明一实施例提供的事故树的结构示意图，以图4为例，下面对失效评估方法进行说明：

1、建立油罐失效事故树，见图4a-图4c；

2、基于改进层次分析法的模糊事故树分析；

2.1、专家的选择及专家权重的确定

采用德尔斐法对影响1号原油储罐火灾爆炸的基本事件进行集合判断，所选择的专家最好包括相关领域的技术人员、油田的管理者和工程人员等。本发明中选择了对油罐安全具有一定了解的研究人员对其进行集合判断，人数为5位。

影响专家个人能力FA(Personal Abiliy)的指标可包括实际经验E(Experience)，个人知识K(Knowledge)，信息来源S(Source)以及估计的公正性I(Impartiality)。各指标的重要度排序为：实际经验＞个人知识＞信息来源＞估计的公正性。

采用1～9标度法构建判断矩阵。“专家个人能力”指标中实际经验、个人知识、信息来源、估计的公正性的优先关系矩阵为A₁，五位专家相对于“实际经验”、“个人知识”、“信息来源”、“估计的公正性”指标的判断矩阵依次为A₂、A₃、A₄和A₅。

根据公式(1)～(5)进行计算，各指标权重见表1。

表1各指标权重

则五位专家权重总排序为[0.3445，0.2702，0.217，0.0798，0.0884]，专家一的权重最大，专家二的权重次之，专家三的权重第三，专家五的权重为第四，专家四的权重最小。

2.2、评判专家对事件进行主观判断，并把专家的自然语言转化为模糊数

选择中间事件B₁，B₂，B₃，B₄，B₅，B₆，B₇，B₈作为准底事件，对其进行模糊概率计算。五位专家的评估意见见表2。

表2专家评估意见表

对五位评判专家的意见进行综合处理。选用模糊集的α截集来组合不同专家的意见。以“达到火灾爆炸极限”这一事件为例，根据公式(6)～(14)，在α截集下，五位专家意见的总模糊数z为

由模糊集的扩展理论知，W也为模糊集。

令，Wα＝[z₁，z₂]＝[0.09999α+0.17625，0.42135-0.09999α]，

则分别得到和

所以，平均模糊数W的关系函数为

其余事件计算结果见表3中模糊数z_i。

2.3、把模糊数转化为模糊可能性值

根据公式(15)～(19)，计算模糊可能性值，对于例子“达到火灾爆炸极限”可以算得，f_max(x)＝0.383049，f_min(x)＝0.74887，FPS_R(w)＝0.383048，FPS_L(w)＝0.74887，FPS(w)＝0.317089。其余事件计算结果见表3中FPS_R(w)，FPS_L(w)和FPS。

2.4、把模糊可能性值转化为模糊失效率

根据公式(20)～(21)，计算模糊失效率，见表3中基本事件概率。

表3基本事件的模糊概率汇总表

3、利用最小径集法定量评价事故树顶事件的发生概率

根据最小径集与最小割集的对偶性，求出最小径集。

T′＝x′₄₀+A′₁+A′₂＝x′₄₀+B′₁B′₂B′₃B′₄B′₅B′₆+B′₇B′₈＝x′₄₀+B′₁B′₂B′₃B′₄B′₅B′₆+B′₇B′₈

则有3个最小径集分别为{B₁，B₂，B₃，B₄，B₅，B₆}，{B₇，B₈}，{x₄₀}。

根据公式(22)计算顶事件的发生概率

P(T)＝1-[(1-q₄₀)+(1-q₁)(1-q₂)(1-q₃)(1-q₄)(1-q₅)(1-q₆)+(1-q₇)(1-q₈)]

+[(1-q₄₀)(1-q₁)(1-q₂)(1-q₃)(1-q₄)(1-q₅)(1-q₆)+(1-q₄₀)(1-q₇)(1-q₈)

+(1-q₁)(1-q₂)(1-q₃)(1-q₄)(1-q₅)(1-q₆)(1-q₇)(1-q₈)]-(1-q₄₀)(1-q₁)

(1-q₂)(1-q₃)(1-q₄)(1-q₅)(1-q₆)(1-q₇)(1-q₈)

最后，可获得某油库1号储罐的失效概率为P(T)＝2.84×10^-5，与事故统计数据的量级一致。

对于方法实施方式，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施方式并不受所描述的动作顺序的限制，因为依据本发明实施方式，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施方式均属于优选实施方式，所涉及的动作并不一定是本发明实施方式所必须的。

实施例五

图5示出了本发明一实施例提供的一种油罐失效评估装置的结构示意图，参见图5，该装置包括：获取模块510、转换模块520、处理模块530以及第一评估模块540，其中：

获取模块510，用于获取与失效事件相关的基本事件以及与所述基本事件关联的专家评述信息；

转换模块520，用于采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数；

处理模块530，用于根据所述模糊数获取基本事件的发生概率；

第一评估模块540，用于根据基本事件的发生概率评估失效事件的发生概率。

需要说明的是，在接收到评估指令时，获取模块510获取工作人员输入的基本事件和专家评述信息，或者是，基于失效事件的类型从数据库中提取相关基本事件，数据库中存有失效事件的类型以及关联基本事件的对应关系，然后将获取的数据发送至转换模块520，转换模块520对接收到的数据转换为模糊数，并将模糊数发送至处理模块530，由处理模块530根据模糊数以及相关模糊算法计算获取基本事件的发生概率，并将计算结果发送至第一评估模块540，由第一评估模块540根据基本事件的发生概率评估失效事件的发生概率。

实施例六

图6示出了本发明一实施例提供的一种油罐失效评估装置的结构示意图，参见图6，在实施例五的基础上，本实施例还包括：第二评估模块630；

所述第二评估模块630，用于获取专家评述信息对应的专家的个人信息、历史评述信息以及个人信息和历史评述信息的来源信息；根据所述个人信息、历史评述信息以及来源信息对专家的能力进行评估，获取专家对应的权重值。

相应地，在实施例五的基础上，本实施例中的转换模块620、处理模块640以及第一评估模块650的原理如下：

转换模块620根据所述专家评述信息中的模糊语言以及预设的转换规则，采用模糊集理论将所述专家评述信息转换为评述函数；结合专家对应的权重值，将所述专家评述信息对应的评述函数转换为模糊数。

处理模块640采用模糊数排序法将所述模糊数转化为模糊可能性值；根据所述模糊可能性值获取基本事件的发生概率。

第一评估模块650所述基本事件与失效事件进行逻辑分析，获取最小径集；采用最小径集法根据所述最小径集和所述基本事件发生的概率获取失效事件的发生概率。

可见，本实施例通过专家的相关数据对专家进行评估，以设置专家对应的权重，进而降低评述信息的主观性，达到进一步提高评估精度的目的。

对于装置实施方式而言，由于其与方法实施方式基本相似，所以描述的比较简单，相关之处参见方法实施方式的部分说明即可。

应当注意的是，在本发明的装置的各个部件中，根据其要实现的功能而对其中的部件进行了逻辑划分，但是，本发明不受限于此，可以根据需要对各个部件进行重新划分或者组合。

本发明的各个部件实施方式可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本装置中，PC通过实现因特网对设备或者装置远程控制，精准的控制设备或者装置每个操作的步骤。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样实现本发明的程序可以存储在计算机可读介质上，并且程序产生的文件或文档具有可统计性，产生数据报告和cpk报告等，能对功放进行批量测试并统计。应该注意的是上述实施方式对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施方式。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims

1.一种油罐失效评估方法，其特征在于，包括：

根据所述模糊数获取基本事件的发生概率；

根据基本事件的发生概率评估失效事件的发生概率。

2.根据权利要求1所述的方法，其特征在于，在所述采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述采用模糊集理论将所述专家评述信息中的模糊语言转换为模糊数包括：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述模糊数获取基本事件的发生概率包括：

采用模糊数排序法将所述模糊数转化为模糊可能性值；

根据所述模糊可能性值获取基本事件的发生概率。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述根据基本事件的发生概率评估失效事件的发生概率包括：

对所述基本事件与失效事件进行逻辑分析，获取最小径集；

6.一种油罐失效评估装置，其特征在于，包括：

处理模块，用于根据所述模糊数获取基本事件的发生概率；

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：第二评估模块；

8.根据权利要求7所述的装置，其特征在于，所述转换模块，用于根据所述专家评述信息中的模糊语言以及预设的转换规则，采用模糊集理论将所述专家评述信息转换为评述函数；结合专家对应的权重值，将所述专家评述信息对应的评述函数转换为模糊数。

9.根据权利要求6-8任一项所述的装置，其特征在于，所述处理模块，用于采用模糊数排序法将所述模糊数转化为模糊可能性值；根据所述模糊可能性值获取基本事件的发生概率。

10.根据权利要求6-8任一项所述的装置，其特征在于，所述第一评估模块，用于对所述基本事件与失效事件进行逻辑分析，获取最小径集；采用最小径集法根据所述最小径集和所述基本事件发生的概率获取失效事件的发生概率。