CN111008438A - 一种脐带缆多阶段系统可靠性分析方法和装置 - Google Patents
一种脐带缆多阶段系统可靠性分析方法和装置 Download PDFInfo
- Publication number
- CN111008438A CN111008438A CN201911212728.XA CN201911212728A CN111008438A CN 111008438 A CN111008438 A CN 111008438A CN 201911212728 A CN201911212728 A CN 201911212728A CN 111008438 A CN111008438 A CN 111008438A
- Authority
- CN
- China
- Prior art keywords
- stage
- failure
- risk
- unit
- umbilical
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims abstract description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 41
- 239000010959 steel Substances 0.000 claims description 41
- 239000013307 optical fiber Substances 0.000 claims description 24
- 238000009434 installation Methods 0.000 claims description 18
- 238000005260 corrosion Methods 0.000 claims description 13
- 230000007797 corrosion Effects 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 13
- 239000003112 inhibitor Substances 0.000 claims description 13
- 230000001050 lubricating effect Effects 0.000 claims description 13
- 239000002455 scale inhibitor Substances 0.000 claims description 12
- 239000007788 liquid Substances 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种脐带缆多阶段系统可靠性分析方法和装置，包括以下步骤：S1建立多阶段脐带缆故障树模型：通过对所述脐带缆的失效原因进行统计分析，建立不同阶段的所述脐带缆故障树模型；S2将所述多阶段脐带缆故障树模型转化为贝叶斯网络，得到多阶段贝叶斯网络模型；S3求解多阶段贝叶斯网络模型，得到目标脐带缆多阶段的可靠度随时间变化的曲线；S4根据所述可靠度随时间变化的曲线确定所述脐带缆各阶段可靠性。本文通过对目标脐带缆进行全寿命周期可靠性分析，实现在位运行阶段的安全评估，并能够针对薄弱环节提出改进意见。
Description
技术领域
本发明是关于一种脐带缆多阶段系统可靠性分析方法和装置，属于电缆检测领域。
背景技术
脐带缆是一种机械产品，其在储存、安装、在位运行等阶段由于材料性能、载荷工况、试验环境等方面都存在着一定的随机性，使得失效模式多样化，导致脐带缆的可靠运行存在风险。因此，对脐带缆进行可靠性分析至关重要。目前国内外对脐带缆可靠性的研究主要集中在脐带缆的自身结构分析，整体疲劳可靠性分析和截面可靠性研究，对脐带缆全寿命周期可靠性分析较少。因此，提出一种能实现脐带缆全寿命周期可靠性分析的方法具有重要意义。
系统在特定的阶段完成特定的任务，在不同阶段系统的结构布局、持续时长、失效概率也有所不同，这样的系统称为多阶段系统(PMS)。在PMS中，不仅多个元件在同一阶段内存在相关性，而且同一元件在不同阶段之间也存在相关性，这使得PMS可靠性分析过程中变量多，很难建立一个能够准确放映PMS情况的模型。多阶段贝叶斯网络(PMS-BN)是一种建立在静态贝叶斯网络和Markov模型基础上的图形结构。其具有描述事件多态性和非确定性逻辑关系的能力，且能够保障较高的计算精度，可以用来分析有时序的多阶段系统。但传统的PMS-BN法关注点多聚焦于时间变化上，而较少考虑到多阶段之间系统结构的变化，而对于存在时间与结构双重变化的多阶段机械系统如脐带缆，PMS-BN法往往不能体现系统的动态特性，且可靠性分析结果也不够准确。
发明内容
针对上述问题，本发明的目的是提供一种脐带缆多阶段系统可靠性分析方法和装置，该方法通过建立多阶段的故障树模型，并转化为多阶段贝叶斯网络模型进行可靠性分析，以及元件随结构与时间变化的重要度分析，识别脐带缆的薄弱环节并给出改进措施，为脐带缆的设计和运行提供参考和借鉴，为其性能和可靠性的提高提供理论支撑。
为实现上述目的，本发明采取以下技术方案：本发明提供了一种脐带缆多阶段系统可靠性分析方法，包括以下步骤：S1建立多阶段脐带缆故障树模型：通过对脐带缆的失效原因进行统计分析，建立不同阶段的脐带缆故障树模型；S2将多阶段脐带缆故障树模型转化为贝叶斯网络，得到多阶段贝叶斯网络模型；S3求解多阶段贝叶斯网络模型，得到目标脐带缆多阶段的可靠度随时间变化的曲线；S4根据可靠度随时间变化的曲线确定脐带缆各阶段可靠性。
进一步，多阶段脐带缆故障树模型包括储存阶段故障树模型、安装阶段故障树模型和在位运行阶段故障树模型。
进一步，储存阶段故障树模型中储存阶段失效由钢管单元发生故障风险决定，钢管单元发生故障风险包括常用钢管单元发生故障风险和备用管线发生故障风险，常用钢管单元发生故障风险又包括第一高压液压管发生故障风险、第二高压液压管发生故障风险、第一低压液压管发生故障风险、第二低压液压管发生故障风险、润滑/隔离液液压管发生故障风险、阻垢剂管发生故障风险和腐蚀抑制剂管发生故障风险；当第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管和腐蚀抑制剂管任一元件发生故障认定常用钢管单元发生故障；当常用钢管单元和备用管线任一单元发生故障认定钢管单元发生故障，钢管单元发生故障则认定储存阶段失效。
进一步，安装阶段故障树模型中安装阶段失效由钢管单元发生故障风险和护套/铠装单元发生故障风险决定，其中，护套/铠装单元发生故障风险包括护套发生故障风险和铠装发生故障风险，当护套或铠装发生故障认定护套/铠装单元发生故障；当钢管单元和护套/铠装单元任一单元发生故障认定安装阶段失效。
进一步，在位运行阶段故障树模型中在位运行阶段失效由钢管单元发生故障风险、电缆单元发生故障风险、光纤单元发生故障风险和护套/铠装单元发生故障风险决定，其中，电缆单元发生故障风险包括动力电缆发生故障风险、第一控制电缆发生故障风险和第二控制电缆发生故障风险、当动力电缆、第一控制电缆和第二控制电缆中任一元件发生故障认定电缆单元发生故障风险；光纤单元发生故障风险包括光纤发生故障风险，当光纤发生故障认定光纤单元发生故障风险；当钢管单元、电缆单元、光纤单元发和护套/铠装单元任一单元发生故障认定在位运行阶段失效。
进一步，在S2中通过如下两个步骤将故障树模型转化为贝叶斯网络：S2.1利用有向边连接位于各不同阶段但属于同一元件的节点；S2.2构建表示整个多阶段系统的任务的新节点，新节点用有向边连接各阶段对应故障树的根节点。
进一步，步骤S3中还包括：计算出各故障树模型的各个底事件的概率重要度以及先验概率与后验概率的差值以对各单元进行重要度分析。
进一步，概率重要度反映的是故障树模型的各底事件状态对各阶段以及多阶段系统的影响程度，概率重要度通过以下公式进行计算：
其中
为第i个底事件的概率重要度，T＝1对应于顶事件T发生，Ei为故障树模型中的第i个中间事件或底事件。
进一步，先验概率与后验概率的差值通过以下公式计算：
其中
为第i个先验概率与后验概率的差值，T＝1对应于顶事件T发生，Ei为故障树模型中的第i个中间事件或底事件；先验概率与后验概率的差值表征了底事件概率及底事件中失效元件在多阶段系统中的位置对于多阶段系统失效的影响程度。
本发明还包括一种脐带缆多阶段系统可靠性分析装置，包括：故障检测模块，用于检测脐带缆的第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管、腐蚀抑制剂管、护套、铠装、动力电缆、第一控制电缆、第二控制电缆和光纤是否发生故障；可靠性评估模块，与故障检测模块连接，根据故障检测模块的检测数据生成多阶段系统的各阶段系统对应的故障树，并采用上述任一种的脐带缆多阶段系统可靠性分析方法，对脐带缆的可靠性进行评估。
本发明由于采取以上技术方案，其具有以下优点：1、本发明将脐带缆多阶段系统描述为贝叶斯网络模型,从而能够利用贝叶斯网络模型高效的计算方法求解多阶段系统的可靠性，此种方法使可靠性分析更接近于实际情况，可信度更高。2、利用贝叶斯网络模型特有的推理机制,多阶段系统贝叶斯网络模型还适用于系统的故障诊断、重要度分析等更加复杂的应用，根据重要度分析结果可以确定系统中的薄弱环节，对其投入更多的精力进行监控，保证系统安全。3、通过对目标脐带缆进行全寿命周期可靠性分析，实现全寿命周期内的安全评估，并针对薄弱环节提出改进意见。
附图说明
图1是本发明一实施例中储存阶段故障树示意图；
图2是本发明一实施例中安装阶段故障树示意图；
图3是本发明一实施例中在位运行阶段故障树模型示意图；
图4是本发明一实施例中多阶段系统的贝叶斯网络模型示意图。
图中符号含义：
T-脐带缆发生故障风险；T1-第一阶段发生故障的风险；T2-第二阶段发生故障的风险；T3-第三阶段发生故障的风险；M1-钢管单元发生故障风险；M2-电缆单元发生故障风险；M3-光纤单元发生故障风险；M4-护套/铠装单元发生故障风险；M5-常用钢管单元发生故障风险；X1-第一高压液压管发生故障风险；X2-第二高压液压管发生故障风险；X3-第一低压液压管发生故障风险；X4-第二低压液压管发生故障风险；X5-润滑/隔离液液压管发生故障风险；X6-阻垢剂管发生故障风险；X7-腐蚀抑制剂管发生故障风险；X8-备用管线发生故障风险；X9-动力电缆发生故障风险；X10-第一控制电缆发生故障风险；X11-第一阶段的第一高压液压管发生故障风险；X12-第二阶段的第一高压液压管发生故障风险；X13-第三阶段的第一高压液压管发生故障风险；X14-第二控制电缆发生故障风险；X15-光纤发生故障风险；X16-护套发生故障风险；X17-铠装发生故障风险；X21-第一阶段的第二高压液压管发生故障风险；X22-第二阶段的第二高压液压管发生故障风险；X23-第三阶段的第二高压液压管发生故障风险；X31-第一阶段的第一低压液压管发生故障风险；X32-第二阶段的第一低压液压管发生故障风险；X33-第三阶段的第一低压液压管发生故障风险；X41-第一阶段的第二低压液压管发生故障风险；X42-第二阶段的第二低压液压管发生故障风险；X43-第三阶段的第二低压液压管发生故障风险；X51-第一阶段的润滑/隔离液液压管发生故障风险；X52-第二阶段的润滑/隔离液液压管发生故障风险；X53-第三阶段的润滑/隔离液液压管发生故障风险；X61-第一阶段的阻垢剂管发生故障风险；X62-第二阶段的阻垢剂管发生故障风险；X63-第三阶段的阻垢剂管发生故障风险；X71-第一阶段的腐蚀抑制剂管发生故障风险；X72-第二阶段的腐蚀抑制剂管发生故障风险；X73-第三阶段的腐蚀抑制剂管发生故障风险；X81-第一阶段的备用管线发生故障风险；X82-第二阶段的备用管线发生故障风险；X83-第三阶段的备用管线发生故障风险；X93-第三阶段的动力电缆发生故障风险；X103-第三阶段的第一控制电缆发生故障风险；X143-第三阶段的第二控制电缆发生故障风险；X153-第三阶段的光纤发生故障风险；X162-第二阶段的护套发生故障风险；X163-第三阶段的护套发生故障风险；X172-第二阶段的铠装发生故障风险；X173-第三阶段的铠装发生故障风险。
具体实施方式
以下结合附图来对本发明进行详细的描绘。然而应当理解，附图的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语第一、第二仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
本实施例提供了一种脐带缆多阶段系统可靠性分析方法，包括以下步骤：S1建立多阶段脐带缆故障树模型：通过对脐带缆的失效原因进行统计分析，建立不同阶段的脐带缆故障树模型；S2将多阶段脐带缆故障树模型转化为贝叶斯网络，得到多阶段贝叶斯网络模型；S3利用MATLAB中BNT工具箱求解多阶段贝叶斯网络模型，得到目标脐带缆多阶段的可靠度随时间变化的曲线；S4根据可靠度随时间变化的曲线确定脐带缆各阶段可靠性。本方法将脐带缆多阶段系统描述为贝叶斯网络模型,从而能够利用贝叶斯网络模型高效的计算方法求解多阶段系统的可靠性，此种方法使可靠性分析更接近于实际情况，可信度更高。此外，通过对目标脐带缆进行全寿命周期可靠性分析，实现在位运行阶段的安全评估，并针对薄弱环节提出改进意见。
如图1-3所示，根据脐带缆的具体使用情况将多阶段脐带缆系统分为储存阶段、安装阶段和在位运行阶段，相应的多阶段脐带缆故障树模型也包括储存阶段故障树模型、安装阶段故障树模型和在位运行阶段故障树模型。
储存阶段故障树模型中储存阶段失效由钢管单元发生故障风险决定，钢管单元发生故障风险包括常用钢管单元发生故障风险和备用管线发生故障风险，常用钢管单元发生故障风险又包括第一高压液压管发生故障风险、第二高压液压管发生故障风险、第一低压液压管发生故障风险、第二低压液压管发生故障风险、润滑/隔离液液压管发生故障风险、阻垢剂管发生故障风险和腐蚀抑制剂管发生故障风险；当第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管和腐蚀抑制剂管任一元件发生故障认定常用钢管单元发生故障；当常用钢管单元和备用管线任一单元发生故障认定钢管单元发生故障，钢管单元发生故障则认定储存阶段失效。
安装阶段故障树模型中安装阶段失效由钢管单元发生故障风险和护套/铠装单元发生故障风险决定，其中，钢管单元发生故障风险是否发生故障的判断方式与储存阶段故障树模型中完全相同。护套/铠装单元发生故障风险包括护套发生故障风险和铠装发生故障风险，当护套或铠装发生故障时，认定护套/铠装单元发生故障；当钢管单元和护套/铠装单元任一单元发生故障认定安装阶段失效。
在位运行阶段故障树模型中在位运行阶段失效由钢管单元发生故障风险、电缆单元发生故障风险、光纤单元发生故障风险和护套/铠装单元发生故障风险决定，其中，钢管单元发生故障风险是否发生故障、护套/铠装单元是否发生故障风险与安装阶段故障树模型中完全相同。电缆单元发生故障风险包括动力电缆发生故障风险、第一控制电缆发生故障风险和第二控制电缆发生故障，当动力电缆、第一控制电缆和第二控制电缆中任一元件发生故障认定电缆单元发生故障；光纤单元发生故障风险包括光纤发生故障风险，当光纤发生故障认定光纤单元发生故障；当钢管单元、电缆单元、光纤单元发和护套/铠装单元任一单元发生故障认定在位运行阶段失效。
在本实施例中，通过如下两个步骤将多阶段系统各阶段对应的故障树模型转化为贝叶斯网络：S2.1利用有向边连接那些位于不同阶段但属于同一元件的节点；S2.2为了表示多阶段系统任务和各个阶段子任务之间的相关性，构建一个新的节点表示整个多阶段系统的任务，并用有向边连接故障树的根节点和新的节点。
以下通过对多阶段系统贝叶斯网络来判断多阶段系统的可靠性。贝叶斯网络理论的核心内容是根据贝叶斯公式给出的条件概率定义：
式中，A、B为两个独立事件，P(A)为发生事件A的概率，为先验概率，P(A|B)是在事件B发生的前提下，发生事件A的概率，为后验概率；P(B)为发生事件B的概率，P(B|A)是在事件A发生的前提下，发生事件B的概率。
根据贝叶斯网络的条件独立性假设和链式法则，贝叶斯网络的联合概率分布P(X1,X2,…Xn)可以表示为各节点边缘概率的乘积，即可以通过下式计算：
式中，Xi为第i个贝叶斯网络节点，n是节点数，Pa(Xi)是第i个父节点，P(Xi∣Pa(Xi))为边缘概率。
如图4所示，为一个三阶段的PMS-BN模型，T1为第一阶段发生故障的风险；T2为第二阶段发生故障的风险；T3为第三阶段发生故障的风险。PMS的可靠度就是处于叶节点处于最后一个状态的可靠性，即脐带缆发生故障风险T。
为建立阶段任务贝叶斯网络模型，对各个阶段设定一固定时间长度，将该时间长度等分为若干时间段。假设三个阶段的时间长度分别为：[0-t1]、[t1-t2]、[t2-t3]，每个时间段的长度为δ，则每个阶段分别有：
在PMS-BN模型中，第一阶段的元件节点有m1+1个状态。前m1个状态表示元件在第m1个时间段中失效，而最后一个状态(m1+1)表示元件在第一阶段未发生失效。而在第二、第三阶段中，每个元件分别有m2+2、m3+2个状态，第1个状态表示元件在先前的阶段已经失效，接下来的m2(或m3)个状态表示元件在该阶段的第m2(或m3)个时间段失效，最后一个状态表示元件在该阶段未发生失效。每个节点与其父节点之间的概率由对应的条件概率表确定，因此，PMS叶节点的可靠度可通过计算PMS-BN模型叶节点的后验概率得出。而父节点的个数将在很大程度上影响PMS-BN模型的计算效率，故在建立贝叶斯网络模型时，应尽可能地将每个节点的父节点个数保持为2，这样可简化PMS-BN模型的复杂度。
为得到多阶段系统的可靠度，需计算父节点的先验概率以及其他节点的条件概率表。假设脐带缆元件的寿命服从指数分布，各失效率λ可从行业规范标准中查到。对于指数分布，累积分布函数为：
F(t)＝1-e-λt
当父节点A1处于状态i时，先验概率为：
Pr{A1＝i}＝F(iδ)＝1-e-λiδ
父节点A1处于状态m+1的先验概率为：
当某个元件在前一个阶段失效时，在接下来的阶段中它将不能继续工作。如果某元件在第一阶段的状态为1,2…m1，则该元件在第二阶段处于状态0的概率为1。如果该元件在第一阶段没有失效，则在第二阶段该元件处于状态k的先验概率为：
对脐带缆建立PMS-BN模型时，作出以下假设：
(1)元件或系统发生失效后不可修复，这是基于BN是一种有向无环图而确定的；
(2)相对在位运行阶段，脐带缆安装阶段时间较短，计算时为方便起见，进行取整计算。
利用MATLAB中BNT工具箱求解图4中的PMS-BN模型，得到目标脐带缆在本实施例中三个不同阶段即储存阶段、安装阶段和在位运行阶段的可靠度随时间变化曲线。通过可靠度随时间变化曲线可以确定各个阶段的可靠性，有针对性的进行监控和预防，在发生失效问题时也可以有针对性的对系统各阶段进行评估，快速确定失效原因，提高目标脐带缆的安全性，降低其维修成本。
除了可靠度随时间变化曲线，本实施例计算了各元件的重要度，重要度描述的是一个元件发生故障时对顶事件发生概率的影响。顶事件是PMS-BN模型中对顶端的节点对应的事件。
概率重要度反映的是贝叶斯网络模型的各底事件状态对各阶段系统以及多阶段系统的影响程度，概率重要度通过以下公式进行计算：
其中
为第i个底事件的概率重要度，T＝1对应于顶事件T发生，即T的取值可以是0或1，当T取0时，代表顶事件不发生，当T取1时，代表顶事件发生。Ei为故障树模型中的第i个中间事件或底事件。其中，底事件是指PMS-BN模型中最末端的节点对应的事件；中间事件是指PMS-BN模型中非最末端节点也不是最顶端节点的节点对应的事件。
先验概率与后验概率的差值通过以下公式计算：
其中
为第i个先验概率与后验概率的差值，T＝1对应于顶事件T发生，Ei为故障树模型中的第i个中间事件或底事件；先验概率与后验概率的差值表征了底事件概率及底事件中失效元件在多阶段系统中的位置对于多阶段系统失效的影响程度。
本发明的另一个实施例公开了一种脐带缆多阶段系统可靠性分析装置，包括：故障检测模块，用于检测脐带缆的第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管、腐蚀抑制剂管、护套、铠装、动力电缆发、第一控制电缆、第二控制电缆和光纤是否发生故障；可靠性评估模块，与故障检测模块连接，根据故障检测模块的检测数据生成多阶段系统的各阶段系统对应的故障树，并采用上述任一种的脐带缆多阶段系统可靠性分析方法，对脐带缆的可靠性进行评估。
上述各实施例仅用于说明本发明，其中各个步骤等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (10)
1.一种脐带缆多阶段系统可靠性分析方法，其特征在于，包括以下步骤：
S1建立多阶段脐带缆故障树模型：通过对所述脐带缆的失效原因进行统计分析，建立不同阶段的所述脐带缆故障树模型；
S2将所述多阶段脐带缆故障树模型转化为贝叶斯网络，得到多阶段贝叶斯网络模型；
S3求解多阶段贝叶斯网络模型，得到目标脐带缆多阶段的可靠度随时间变化的曲线；
S4根据所述可靠度随时间变化的曲线确定所述脐带缆各阶段可靠性。
2.如权利要求1所述的脐带缆多阶段系统可靠性分析方法，其特征在于，所述多阶段脐带缆故障树模型包括储存阶段故障树模型、安装阶段故障树模型和在位运行阶段故障树模型。
3.如权利要求2所述的脐带缆多阶段系统可靠性分析方法，其特征在于，所述储存阶段故障树模型中储存阶段失效由钢管单元发生故障风险决定，所述钢管单元发生故障风险包括常用钢管单元发生故障风险和备用管线发生故障风险，所述钢管单元发生故障风险又包括第一高压液压管发生故障风险、第二高压液压管发生故障风险、第一低压液压管发生故障风险、第二低压液压管发生故障风险、润滑/隔离液液压管发生故障风险、阻垢剂管发生故障风险和腐蚀抑制剂管发生故障风险；当所述第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管和腐蚀抑制剂管任一元件发生故障认定所述常用钢管单元发生故障；当所述常用钢管单元和所述备用管线任一单元发生故障认定所述钢管单元发生故障，所述钢管单元发生故障则认定储存阶段失效。
4.如权利要求3所述的脐带缆多阶段系统可靠性分析方法，其特征在于，所述安装阶段故障树模型中安装阶段失效由钢管单元发生故障风险和护套/铠装单元发生故障风险决定，其中，护套/铠装单元发生故障风险包括护套发生故障风险和铠装发生故障风险，当护套或铠装发生故障认定护套/铠装单元发生故障；当所述钢管单元和护套/铠装单元任一单元发生故障认定安装阶段失效。
5.如权利要求4所述的脐带缆多阶段系统可靠性分析方法，其特征在于，所述在位运行阶段故障树模型中在位运行阶段失效由钢管单元发生故障风险、电缆单元发生故障风险、光纤单元发生故障风险和护套/铠装单元发生故障风险决定，其中，电缆单元发生故障风险包括动力电缆发生故障风险、第一控制电缆发生故障风险和第二控制电缆发生故障，当动力电缆、第一控制电缆和第二控制电缆中任一元件发生故障认定电缆单元发生故障；光纤单元发生故障风险包括光纤发生故障风险，当光纤发生故障认定光纤单元发生故障；当钢管单元、电缆单元、光纤单元发和护套/铠装单元任一单元发生故障认定所述在位运行阶段失效。
6.如权利要求1-5任一项所述的脐带缆多阶段系统可靠性分析方法，其特征在于，在S2中通过如下两个步骤将故障树模型转化为贝叶斯网络：
S2.1利用有向边连接位于各不同阶段但属于同一元件的节点；
S2.2构建表示整个多阶段系统的任务的新节点，所述新节点用有向边连接各阶段对应所述故障树的根节点。
7.如权利要求6所述的脐带缆多阶段系统可靠性分析方法，其特征在于，步骤S3中还包括：计算出各所述故障树模型的各个底事件的概率重要度以及先验概率与后验概率的差值以对各所述单元进行重要度分析。
8.如权利要7所述的脐带缆多阶段系统可靠性分析方法，其特征在于，概率重要度反映的是所述贝叶斯网络模型的各底事件状态对各阶段以及所述多阶段系统的影响程度，所述概率重要度通过以下公式进行计算：
其中
为第i个所述底事件的概率重要度，T＝1对应于顶事件T发生，Ei为所述故障树模型中的第i个中间事件或底事件。
9.如权利要求7或8所述的脐带缆多阶段系统可靠性分析方法，其特征在于，所述先验概率与后验概率的差值通过以下公式计算：
其中
为第i个所述先验概率与后验概率的差值，T＝1对应于顶事件T发生，Ei为所述故障树模型中的第i个中间事件或底事件；
所述先验概率与后验概率的差值表征了底事件概率及所述底事件中失效元件在所述多阶段系统中的位置对于所述多阶段系统失效的影响程度。
10.一种脐带缆多阶段系统可靠性分析装置，其特征在于，包括：
故障检测模块，用于检测脐带缆的第一高压液压管、第二高压液压管、第一低压液压管、第二低压液压管、润滑/隔离液液压管、阻垢剂管、腐蚀抑制剂管、护套、铠装、动力电缆发、第一控制电缆、第二控制电缆和光纤是否发生故障；
可靠性评估模块，与所述故障检测模块连接，根据所述故障检测模块的检测数据生成所述多阶段系统的各阶段系统对应的故障树，并采用如权利要求1-9任一项所述的脐带缆多阶段系统可靠性分析方法，对所述脐带缆的可靠性进行评估。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911212728.XA CN111008438A (zh) | 2019-12-02 | 2019-12-02 | 一种脐带缆多阶段系统可靠性分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911212728.XA CN111008438A (zh) | 2019-12-02 | 2019-12-02 | 一种脐带缆多阶段系统可靠性分析方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111008438A true CN111008438A (zh) | 2020-04-14 |
Family
ID=70112989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911212728.XA Pending CN111008438A (zh) | 2019-12-02 | 2019-12-02 | 一种脐带缆多阶段系统可靠性分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111008438A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106199332A (zh) * | 2016-06-29 | 2016-12-07 | 中国铁路总公司 | 一种改进的轨道电路红光带故障诊断方法 |
| CN107179765A (zh) * | 2017-06-08 | 2017-09-19 | 电子科技大学 | 一种重型数控机床电气控制与驱动系统可靠性分析方法 |
| CN110069872A (zh) * | 2019-04-28 | 2019-07-30 | 电子科技大学 | 基于联合树的航空发动机涡轮转子系统可靠性分析方法 |
| CN110296885A (zh) * | 2019-03-14 | 2019-10-01 | 华北电力大学（保定） | 一种光电复合海缆的机械故障监测方法 |
| CN110348615A (zh) * | 2019-06-27 | 2019-10-18 | 西安工程大学 | 基于蚁群优化支持向量机的电缆线路故障概率预测方法 |
| CN110390173A (zh) * | 2019-07-29 | 2019-10-29 | 中国矿业大学 | 考虑剩余强度退化的千米深井提升机时变可靠性评估方法 |
-
2019
- 2019-12-02 CN CN201911212728.XA patent/CN111008438A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106199332A (zh) * | 2016-06-29 | 2016-12-07 | 中国铁路总公司 | 一种改进的轨道电路红光带故障诊断方法 |
| CN107179765A (zh) * | 2017-06-08 | 2017-09-19 | 电子科技大学 | 一种重型数控机床电气控制与驱动系统可靠性分析方法 |
| CN110296885A (zh) * | 2019-03-14 | 2019-10-01 | 华北电力大学（保定） | 一种光电复合海缆的机械故障监测方法 |
| CN110069872A (zh) * | 2019-04-28 | 2019-07-30 | 电子科技大学 | 基于联合树的航空发动机涡轮转子系统可靠性分析方法 |
| CN110348615A (zh) * | 2019-06-27 | 2019-10-18 | 西安工程大学 | 基于蚁群优化支持向量机的电缆线路故障概率预测方法 |
| CN110390173A (zh) * | 2019-07-29 | 2019-10-29 | 中国矿业大学 | 考虑剩余强度退化的千米深井提升机时变可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张洲;夏冉;郑利军;马国印;张玉: "基于多阶段贝叶斯网络法的脐带缆全寿命周期可靠性分析", 海洋工程, no. 004, 31 December 2021 (2021-12-31) * |
| 许文虎;郭宏;: "水下生产系统脐带缆故障树分析", 海洋工程装备与技术, no. 01, 15 February 2016 (2016-02-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110991666B (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
| CN102460529B (zh) | 装置异常监视方法以及系统 | |
| CN108335021B (zh) | 一种风力机状态可靠度评估的方法及维修决策优化 | |
| CN108763654A (zh) | 一种基于威布尔分布和隐半马尔科夫模型的电力设备故障预测方法 | |
| Roemer et al. | An overview of selected prognostic technologies with application to engine health management | |
| CN109948860A (zh) | 一种机械系统剩余寿命预测方法及系统 | |
| CN108022058B (zh) | 一种风力机状态可靠性评估方法 | |
| CN112528365B (zh) | 一种地下基础设施结构健康演化趋势预测方法 | |
| CN105468850A (zh) | 基于多残差回归预测算法的电子产品退化趋势预测方法 | |
| JP2019057164A (ja) | プラント異常監視システム | |
| CN103745108A (zh) | 多层次状态监测数据融合的可靠度评估方法 | |
| Jin et al. | An optimal maintenance strategy for multi-state deterioration systems based on a semi-Markov decision process coupled with simulation technique | |
| Taleb-Berrouane et al. | Dynamic RAMS analysis using advanced probabilistic approach | |
| Karuppusamy | Machine learning approach to predictive maintenance in manufacturing industry-a comparative study | |
| CN114091600B (zh) | 一种数据驱动的卫星关联故障传播路径辨识方法及系统 | |
| CN112801329A (zh) | 结合因子隐藏式马可夫模型与发电量预测的太阳能板发电系统异常诊断分析装置与方法 | |
| CN108074045B (zh) | 风电机组整机脆弱性分析与故障排序方法及电子终端 | |
| CN108825482B (zh) | 一种飞机轴向柱塞泵的故障检测方法及检测系统 | |
| CN111008438A (zh) | 一种脐带缆多阶段系统可靠性分析方法和装置 | |
| Duan et al. | Adaptive monitoring scheme of stochastically failing systems under hidden degradation processes | |
| Medjaher et al. | Residual-based failure prognostic in dynamic systems | |
| CN112445684A (zh) | 一种实时故障诊断和预警方法、装置及计算机存储介质 | |
| Arabgol et al. | Artificial neural network and ewma-based fault prediction in wind turbines | |
| Wang et al. | Prognosis-informed wind farm operation and maintenance for concurrent economic and environmental benefits | |
| Iorga et al. | Engineering design from a safety perspective |
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 |