CN115238436A - 基于贝叶斯理论的电动阀失效数据构建方法及装置 - Google Patents

基于贝叶斯理论的电动阀失效数据构建方法及装置 Download PDF

Info

Publication number
CN115238436A
CN115238436A CN202110442591.8A CN202110442591A CN115238436A CN 115238436 A CN115238436 A CN 115238436A CN 202110442591 A CN202110442591 A CN 202110442591A CN 115238436 A CN115238436 A CN 115238436A
Authority
CN
China
Prior art keywords
failure
data
estimated
distribution
electric valve
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
Application number
CN202110442591.8A
Other languages
English (en)
Inventor
郭怡安
曹德舜
姜巍巍
李荣强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Priority to CN202110442591.8A priority Critical patent/CN115238436A/zh
Publication of CN115238436A publication Critical patent/CN115238436A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明涉及数据构建技术领域，实施例提供了一种基于贝叶斯理论的电动阀失效数据构建方法及设备。其中方法包括：根据电动阀失效的历史数据确定待估参数
Figure DDA0003035722670000011
的先验分布
Figure DDA0003035722670000012
根据获取到的电动阀失效的现场样本数据确定似然函数
Figure DDA0003035722670000013
其中x为电动阀失效的概率；根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure DDA0003035722670000014
和所述先验分布
Figure DDA0003035722670000015
得到所述待估参数
Figure DDA0003035722670000016
的后验分布
Figure DDA0003035722670000017
根据所述后验分布
Figure DDA0003035722670000018
和获取到的待估参数
Figure DDA0003035722670000019
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure DDA00030357226700000110
以及对应的电动阀失效的概率。本发明提供的实施方式能够弥补现场失效数据量少的缺陷，又可弥补通用工业数据库不能代表设备实际失效特征的不足。

Description

基于贝叶斯理论的电动阀失效数据构建方法及装置
技术领域
本发明涉及数据构建技术领域，具体地涉及一种基于贝叶斯理论的电动阀失效数据构建方法、一种基于贝叶斯理论的电动阀失效数据构建装置以及一种电子设备。
背景技术
阀门作为流体输送系统中的控制部件，具有截止、调节、导流、防止逆流、稳压、分流或溢流泄压等功能，是工业生产中不可缺少的控制元件。阀门的种类繁多，并且随着各类成套设备工艺流程的不断改进，种类还在不断丰富。其中，电动阀门由于不易受气候影响，动作力矩较大，开关动作速度可调整，结构简单，易维护，可用于控制各种类型比如高温高压流体的流动等优点，在石油化工行业受到了广泛青睐。而阀门一旦出现故障，就会影响整个生产设备的稳定运行，因此阀门的运转与维护对企业正常生产至关重要。然而，在真实的工业条件下，有相当一部分阀门由于长时间工作而腐蚀、磨损、老化等原因产生卡死或泄漏故障。如果故障发现不及时，就会导致介质大量外泄、污染环境甚至引发灾难性事故，进一步造成重大的经济和社会损失。
国内部分石油化工生产企业由于建成时间较早，自动化水平不足，控制技术上较为落后，因此还在沿用传统的阀门故障诊断机制，以人力为主，也就是检修工人定期巡检的方式。这种方式不仅费时费力，由于人员的参与增加了不可靠性，故障检测与排查效果往往不够理想，并且增加了检修成本和维修周期。针对电动阀门故障检测问题，目前比较热门的方法是基于数据驱动的失效数据构建方法。在电动阀的功能安全性评估分析中，现场失效数据是一个非常重要的评估依据，但是通常条件下的有效数据记录较少，仅通过现场数据难以进行精确的失效参数的计算。因此，在进行现场失效数据分析时，需要综合考虑现有可靠性数据库中的失效数据信息、相关理论资料、仿真模拟试验、专家经验信息等等。可靠性数据是指在设备完成各项可靠性工作时所生成的描述设备可靠性水平及状况的各种信息和数据。
2009年，国际上最著名的设备可靠性数据库挪威船级社(DNV)发布了第五版OREDA数据库，失效数据可以根据设备分类进行选择，设备资料越详细，失效数据越准确。由于国内暂时还没有建立类似数据库，在可靠性数据的获取、计算与分析方面的技术也比较少，因此以OREDA数据库为参考。经查OREDA数据库中并没有特别针对电动阀门的具体失效数据集，因此本发明以数据库中记录的控制与安全相关设备的数据作为参考，并进行失效数据的积累，为将来建立针对电动阀门的失效数据库作基础。
目前，为了对电动阀门进行故障检测，已有多种现有方法。使用现有方法进行失效数据构建时，没有完全体现出数据的全部信息量，因此给出的失效数据分析结果有时不尽如人意。
发明内容
本发明实施例的目的是提供一种基于贝叶斯理论的电动阀失效数据构建方法、一种基于贝叶斯理论的电动阀失效数据构建装置以及一种电子设备。
为了实现上述目的，本发明第一方面提供一种基于贝叶斯理论的电动阀失效数据构建方法，所述构建方法包括：根据电动阀失效的历史数据确定待估参数
Figure BDA0003035722650000021
的先验分布
Figure BDA0003035722650000022
根据获取到的电动阀失效的现场样本数据确定似然函数
Figure BDA0003035722650000023
其中x为电动阀失效的概率；根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure BDA0003035722650000024
和所述先验分布
Figure BDA0003035722650000025
得到所述待估参数
Figure BDA0003035722650000026
的后验分布
Figure BDA0003035722650000027
根据所述后验分布
Figure BDA0003035722650000028
和获取到的待估参数
Figure BDA0003035722650000031
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure BDA0003035722650000032
以及对应的电动阀失效的概率。
优选的，根据电动阀失效的历史数据确定待估参数
Figure BDA0003035722650000033
的先验分布
Figure BDA0003035722650000034
包括：根据同类电动阀的失效数据和工业数据库中相关产品的通用信息确定所述先验分布
Figure BDA0003035722650000035
的分布模型，所述分布模型包括分布类型和确定的待估参数
Figure BDA0003035722650000036
优选的，所述先验分布
Figure BDA0003035722650000037
的分布模型包括：
Figure BDA0003035722650000038
其中，r0为先验失效次数；T0为先验累积运行总时间，即所述确定的待估参数
Figure BDA0003035722650000039
Γ(r0)为伽玛函数；g(λ)为λ的先验分布密度。
优选的，所述似然函数
Figure BDA00030357226500000310
包括：
Figure BDA00030357226500000311
其中，待估参数
Figure BDA00030357226500000312
为累计运行时间T；失效次数为r，电动阀失效的概率x的取值为λ，且失效设备可以更换。
优选的，根据贝叶斯公式，将所述似然函数
Figure BDA00030357226500000313
与所述先验分布
Figure BDA00030357226500000314
代入，即可得到所述待估参数
Figure BDA00030357226500000315
的后验分布
Figure BDA00030357226500000316
包括：
将所述先验分布
Figure BDA00030357226500000317
和所述似然函数
Figure BDA00030357226500000318
带入以下贝叶斯公式：
Figure BDA00030357226500000319
得到所述后验分布
Figure BDA00030357226500000320
为：
Figure BDA00030357226500000321
优选的，获取到的待估参数
Figure BDA00030357226500000322
对应的电动阀失效的概率通过以下步骤得到：
根据现有数据库查询得到所述待估参数
Figure BDA00030357226500000323
的所属设备的失效率λ，以及置信度为1-α时所述所属设备的失效率上限λU，其中α为显著性水平；基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0；根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure BDA0003035722650000041
以所述贝叶斯估计值
Figure BDA0003035722650000042
作为所述待估参数
Figure BDA0003035722650000043
对应的电动阀失效的概率。
优选的，所述现有数据库为海上设备可靠性数据库。
优选的，基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0，包括：
Figure BDA0003035722650000044
Figure BDA0003035722650000045
其中，λ0为失效率点估计，x2为先验方差。
优选的，根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure BDA0003035722650000046
包括：
Figure BDA0003035722650000047
将Γ(r0+r+1)＝(r0+r)Γ(r0+r)代入上式，得到：
Figure BDA0003035722650000048
优选的，在构建新的失效数据之后，所述构建方法还包括：
将构建的所述新的失效数据加入所述电动阀失效的历史数据。
在本发明的第二方面，还提供了一种基于贝叶斯理论的电动阀失效数据构建装置，所述构建装置包括：
先验分布模块，用于根据电动阀失效的历史数据确定待估参数
Figure BDA0003035722650000049
的先验分布
Figure BDA00030357226500000410
似然函数模块，用于根据获取到的电动阀失效的现场样本数据确定似然函数
Figure BDA00030357226500000411
其中x为电动阀失效的概率；后验分布模块，用于根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure BDA00030357226500000412
和所述先验分布
Figure BDA0003035722650000051
得到所述待估参数
Figure BDA0003035722650000052
的后验分布
Figure BDA0003035722650000053
以及数据生成模块，用于根据所述后验分布
Figure BDA0003035722650000054
和获取到的待估参数
Figure BDA0003035722650000055
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure BDA0003035722650000056
以及对应的电动阀失效的概率。
在本发明的第三方面，还提供了一种电子设备，包括：至少一个处理器，存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现前述的基于贝叶斯理论的电动阀失效数据构建方法。
优选的，所述电子设备为数据库服务器。
本发明第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行前述的基于贝叶斯理论的电动阀失效数据构建方法。
本发明第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述的基于贝叶斯理论的电动阀失效数据构建方法。
上述技术方案综合考虑了可靠性数据库提供的先验信息以及现场抽样信息，利用贝叶斯方法来计算，可以反映电动阀在不同失效模式下的失效率的估计，可以提高信息利用率和估计精度。企业在实际生产过程中可以根据得到的失效率信息对电动阀的易发失效模式进行分析和评估，便于其后期的保养及维修工作，优化备件管理制度，对日后建立国内的电动阀失效数据可靠性数据库有积极影响。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的步骤流程示意图；
图2示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的实施示意图；
图3示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建装置的模块示意图；
图4示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的步骤流程示意图，如图1所示。一种基于贝叶斯理论的电动阀失效数据构建方法，所述构建方法包括：
S01、根据电动阀失效的历史数据确定待估参数
Figure BDA0003035722650000061
的先验分布
Figure BDA0003035722650000062
通过多种途径收集整理相关失效数据信息，将这些历史信息作为先验信息，选取先验分布
Figure BDA0003035722650000063
用来表示在获得现场失效数据之前，已知的待估参数
Figure BDA0003035722650000064
的分布。
S02、根据获取到的电动阀失效的现场样本数据确定似然函数
Figure BDA0003035722650000065
其中x为电动阀失效的概率；
通过现场试验收集数据得到样本集，假设所研究的电动阀具有恒定的失效概率，选取合适的似然函数
Figure BDA0003035722650000071
用来表示在设备元件失效率x确定的条件下，在确定的时间段内，失效次数
Figure BDA0003035722650000072
的分布。
S03、根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure BDA0003035722650000073
和所述先验分布
Figure BDA0003035722650000074
即可得到所述待估参数
Figure BDA0003035722650000075
的后验分布
Figure BDA0003035722650000076
根据贝叶斯定理，在收集到设备的现场失效数据n1，n2，…，nn之后，将似然函数
Figure BDA0003035722650000077
与已知的先验分布
Figure BDA0003035722650000078
代入，即可得到未知参数
Figure BDA0003035722650000079
的后验分布
Figure BDA00030357226500000710
S04、根据所述后验分布
Figure BDA00030357226500000711
和获取到的待估参数
Figure BDA00030357226500000712
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure BDA00030357226500000713
以及对应的电动阀失效的概率。
由于后验分布既体现了先验信息中的原有数据规律，又可以反映现场实际样本信息，因此以后验分布
Figure BDA00030357226500000714
作为基础，统计推断得到对待估参数
Figure BDA00030357226500000715
新的估计，也就是设备的失效参数
通过以上实施方式，通过贝叶斯定理，可以实现将“新信息”有效地与参数在试验过程中收集的数据信息结合起来，这样可以使未知参数得到“更新”。针对电动阀门而言，利用同类产品的相关信息、国外工业数据库相关产品的通用信息等作为先验信息，把先验分布和后验信息代入贝叶斯公式，可求出当前使用环境下元件失效率的后验分布，提高了信息利用率和估计精度。
在本发明提供的一种实施方式中，根据电动阀失效的历史数据确定待估参数
Figure BDA00030357226500000716
的先验分布
Figure BDA00030357226500000717
包括：根据同类电动阀的失效数据和工业数据库中相关产品的通用信息确定所述先验分布
Figure BDA00030357226500000718
的分布模型，所述分布模型包括分布类型和确定的待估参数
Figure BDA00030357226500000719
前述的多种途径包括国外可靠性数据库、相关理论资料、专家经验信息、仿真模拟试验等途径，通过以上途径获取的先验信息具有数据全面和准确性高的优点。
在本发明提供的一种实施方式中，所述先验分布
Figure BDA00030357226500000720
的分布模型包括：
Figure BDA0003035722650000081
其中，r0为先验失效次数；T0为先验累积运行总时间，即所述确定的待估参数
Figure BDA0003035722650000082
Γ(r0)为伽玛函数；g(λ)为λ的先验分布密度。对于电动阀而言，其寿命t通常服从指数分布，假设其失效率为一定值λ，且失效设备可以更换，假设随机变量为累计运行时间T，失效次数为r，则其抽样样本的分布服从泊松分布：
Figure BDA0003035722650000083
由于伽玛分布与泊松分布自然共轭，所以设备失效率λ的先验分布选取伽玛分布，其概率密度函数为以上分布模型。
在本发明提供的一种实施方式中，所述似然函数
Figure BDA0003035722650000084
包括：
Figure BDA0003035722650000085
其中，待估参数
Figure BDA0003035722650000086
为累计运行时间T；失效次数为r，电动阀失效的概率x的取值为λ，且失效设备可以更换。此处的似然函数即前述的泊松分布。
在本发明提供的一种实施方式中，根据贝叶斯公式，将所述似然函数
Figure BDA0003035722650000087
与所述先验分布
Figure BDA0003035722650000088
代入，即可得到所述待估参数
Figure BDA0003035722650000089
的后验分布
Figure BDA00030357226500000810
包括：
将所述先验分布
Figure BDA00030357226500000811
和所述似然函数
Figure BDA00030357226500000812
带入以下贝叶斯公式：
Figure BDA00030357226500000813
得到所述后验分布
Figure BDA00030357226500000814
为：
Figure BDA00030357226500000815
以上步骤为将前述的公式带入计算后得到。
在本发明提供的一种实施方式中，获取到的待估参数
Figure BDA0003035722650000091
对应的电动阀失效的概率通过以下步骤得到：根据现有数据库查询得到所述待估参数
Figure BDA0003035722650000092
的所属设备的失效率λ，以及置信度为1-α时所述所属设备的失效率上限λU，其中α为显著性水平；基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0；根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure BDA0003035722650000093
以所述贝叶斯估计值
Figure BDA0003035722650000094
作为所述待估参数
Figure BDA0003035722650000095
对应的电动阀失效的概率。其中显著性水平、置信度和贝叶斯估计值
Figure BDA0003035722650000096
的关系和具体计算将在后文举例详述。
在本发明提供的一种实施方式中，所述现有数据库为海上设备可靠性数据库。OREDA数据库(Off shore Reliability Data)，为一个综合数据库，该数据库具有各种地理区域、装置、设备类型和操作条件下的勘探和生产设备的可靠性和维护数据。主要包含海上水下和上部设备，但陆上设备也包括在内。存储在数据库中的OREDA数据，能够提供丰富的数据以供用户使用。
在本发明提供的一种实施方式中，基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0，包括：
Figure BDA0003035722650000097
Figure BDA0003035722650000098
其中，λ0为失效率点估计，x2为先验方差。本式中的失效率λ为查阅OREDA数据库或其他数据库可得到的，失效率上限λU为置信度为1-α时所述所属设备的失效率上限，α为显著性水平。
在本发明提供的一种实施方式中，根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure BDA0003035722650000099
包括：
Figure BDA00030357226500000910
本公式中提供了
Figure BDA00030357226500000911
的数学表达式，通过带入不同的值得到对应的贝叶斯估计值
Figure BDA00030357226500000912
将Γ(r0+r+1)＝(r0+r)Γ(r0+r)代入上式，得到：
Figure BDA0003035722650000101
此处得到的
Figure BDA0003035722650000102
表示当先验分布数r0和T0所对应的值。
图2示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的实施示意图，如图2所示。在本实施方式中，在构建新的失效数据之后，所述构建方法还包括：将构建的所述新的失效数据加入所述电动阀失效的历史数据。由于贝叶斯可靠性估计是一个迭代更新的方法，因此在获得参数的统计推断1后，再将此信息作为先验信息，并选取新的样本信息与之结合，进行迭代更新，得到新的统计推断2，并以此类推就可以获得对参数的精确估计。
图3示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图，如图3所示。一种基于贝叶斯理论的电动阀失效数据构建装置，所述构建装置包括：先验分布模块，用于根据电动阀失效的历史数据确定待估参数
Figure BDA0003035722650000103
的先验分布
Figure BDA0003035722650000104
似然函数模块，用于根据获取到的电动阀失效的现场样本数据确定似然函数
Figure BDA0003035722650000105
其中x为电动阀失效的概率；后验分布模块，用于根据贝叶斯公式，将所述似然函数
Figure BDA0003035722650000106
与所述先验分布
Figure BDA0003035722650000107
代入，即可得到所述待估参数
Figure BDA0003035722650000108
的后验分布
Figure BDA0003035722650000109
以及数据生成模块，用于根据所述后验分布
Figure BDA00030357226500001010
和获取到的待估参数
Figure BDA00030357226500001011
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure BDA00030357226500001012
以及对应的电动阀失效的概率。
上述的贝叶斯理论的电动阀失效数据构建装置中的各个功能模块的具体限定可以参见上文中对于贝叶斯理论的电动阀失效数据构建方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在本发明提供的一种实施方式中，还提供了一种电子设备，包括：至少一个处理器；存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现前述的基于贝叶斯理论的电动阀失效数据构建方法。此处的控制模块或处理器具有数值计算和逻辑运算的功能，其至少具有数据处理能力的中央处理器CPU、随机存储器RAM、只读存储器ROM、多种I/O口和中断系统等。处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现前述的方法。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
在本发明提供的一种实施方式中，所述电子设备为数据库服务器。当电子设备为数据库服务器时，能够对存储在数据库服务器中的可靠性数据库提供优化和样本管理，为建立国内的电动阀失效数据可靠性数据库提供数据支持。
在本发明提供的一种实施方式中，还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行前述的基于贝叶斯理论的电动阀失效数据构建方法。
在本发明提供的一种实施方式中，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述的基于贝叶斯理论的电动阀失效数据构建方法。
为了验证本发明提供的实施方式中的贝叶斯方法的有效性，下面继续采用其他两种方法来计算该电动阀门的失效率，与本结果进行比较。
方法二：采用传统的点估计方法，用样本统计量来估计总体参数。此方法直接利用现场数据样本，也就是现场收集到的某电动阀失效数据，通过计算得到此阀门的失效率为λ＝6.2×10-6。置信度为90％时的置信区间为：[1.07×10-6，13.31×10-6]。
方法三：直接利用通用的可靠性数据库OREDA中的数据，可知该类阀门的失效率为λ＝4.73×10-6。置信度为90％时的置信区间为：[2.18×10-6，7.28×10-6]。
以上三种方法得到的阀门失效率估计值结果如图4所示。图4示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图。由方法一(本申请中的贝叶斯方法)得到的电动切断阀失效率数值位于方法二和方法三求得的置信区间内，并且其具体数值大小介于方法一和方法二求得的失效率数值之间，因此分析认为方法一能够比较准确真实地反映电动阀的实际失效概率，估测结果与其他方法相比较为准确。此数据可为本专利所提出方法的有效性和准确性作支撑。
通过以上本发明所提出的基于贝叶斯理论的电动切断阀失效数据构建方法，能够基于贝叶斯理论给出各个寿命试验数据处的失效概率，再利用同样方法构建本电动切断阀的可靠性数据集，整个过程数学表达式明确，计算简单，且该数据是准确合理的。综上所述，本发明所提出的基于贝叶斯理论的失效数据构建方法具有良好的准确性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (14)

1.一种基于贝叶斯理论的电动阀失效数据构建方法，其特征在于，所述构建方法包括：
根据电动阀失效的历史数据确定待估参数
Figure FDA0003035722640000011
的先验分布
Figure FDA0003035722640000012
根据获取到的电动阀失效的现场样本数据确定似然函数
Figure FDA0003035722640000013
Figure FDA0003035722640000014
其中x为电动阀失效的概率；
根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure FDA0003035722640000015
和所述先验分布
Figure FDA0003035722640000016
得到所述待估参数
Figure FDA0003035722640000017
的后验分布
Figure FDA0003035722640000018
根据所述后验分布
Figure FDA0003035722640000019
和获取到的待估参数
Figure FDA00030357226400000110
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure FDA00030357226400000111
以及对应的电动阀失效的概率。
2.根据权利要求1所述的构建方法，其特征在于，根据电动阀失效的历史数据确定待估参数
Figure FDA00030357226400000112
的先验分布
Figure FDA00030357226400000113
包括：
根据同类电动阀的失效数据和工业数据库中相关产品的通用信息确定所述先验分布
Figure FDA00030357226400000114
的分布模型，所述分布模型包括分布类型和确定的待估参数
Figure FDA00030357226400000115
3.根据权利要求2所述的构建方法，其特征在于，所述先验分布
Figure FDA00030357226400000116
的分布模型包括：
Figure FDA00030357226400000117
其中，r0为先验失效次数；T0为先验累积运行总时间，即所述确定的待估参数
Figure FDA00030357226400000118
Г(r0)为伽玛函数；g(λ)为λ的先验分布密度。
4.根据权利要求3所述的构建方法，其特征在于，所述似然函数
Figure FDA00030357226400000119
包括：
Figure FDA0003035722640000021
其中，待估参数
Figure FDA0003035722640000022
为累计运行时间T；失效次数为r，电动阀失效的概率x的取值为λ，且失效设备可以更换。
5.根据权利要求4所述的构建方法，其特征在于，根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure FDA0003035722640000023
和所述先验分布
Figure FDA0003035722640000024
得到所述待估参数
Figure FDA0003035722640000025
的后验分布
Figure FDA0003035722640000026
包括：
将所述先验分布
Figure FDA0003035722640000027
和所述似然函数
Figure FDA0003035722640000028
带入以下贝叶斯公式：
Figure FDA0003035722640000029
得到所述后验分布
Figure FDA00030357226400000210
为：
Figure FDA00030357226400000211
6.根据权利要求4所述的构建方法，其特征在于，获取到的待估参数
Figure FDA00030357226400000212
对应的电动阀失效的概率通过以下步骤得到：
根据现有数据库查询得到所述待估参数
Figure FDA00030357226400000213
的所属设备的失效率λ，以及置信度为1-α时所述所属设备的失效率上限λU，其中α为显著性水平；
基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0；
根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure FDA00030357226400000214
以所述贝叶斯估计值
Figure FDA00030357226400000215
作为所述待估参数
Figure FDA00030357226400000216
对应的电动阀失效的概率。
7.根据权利要求6所述的构建方法，其特征在于，所述现有数据库为海上设备可靠性数据库。
8.根据权利要求6所述的构建方法，其特征在于，基于所述失效率λ和失效率上限λU计算得到先验分布数r0和T0，包括：
Figure FDA0003035722640000031
Figure FDA0003035722640000032
其中，λ0为失效率点估计，x2为先验方差。
9.根据权利要求8所述的构建方法，其特征在于，根据所述先验分布数r0和T0得到所述所属设备的贝叶斯估计值
Figure FDA0003035722640000033
包括：
Figure FDA0003035722640000034
将Γ(r0+r+1)＝(r0+r)Γ(r0+r)代入上式，得到：
Figure FDA0003035722640000035
10.根据权利要求1所述的构建方法，其特征在于，在构建新的失效数据之后，所述构建方法还包括：
将构建的所述新的失效数据加入所述电动阀失效的历史数据。
11.一种基于贝叶斯理论的电动阀失效数据构建装置，其特征在于，所述构建装置包括：
先验分布模块，用于根据电动阀失效的历史数据确定待估参数
Figure FDA0003035722640000036
的先验分布
Figure FDA0003035722640000037
似然函数模块，用于根据获取到的电动阀失效的现场样本数据确定似然函数
Figure FDA0003035722640000038
其中x为电动阀失效的概率；
后验分布模块，用于根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数
Figure FDA0003035722640000039
和所述先验分布
Figure FDA00030357226400000310
得到所述待估参数
Figure FDA00030357226400000311
的后验分布
Figure FDA0003035722640000041
以及
数据生成模块，用于根据所述后验分布
Figure FDA0003035722640000042
和获取到的待估参数
Figure FDA0003035722640000043
构建新的失效数据；所述失效数据包括所述获取到的待估参数
Figure FDA0003035722640000044
以及对应的电动阀失效的概率。
12.一种电子设备，其特征在于，包括：至少一个处理器；
存储器，与所述至少一个处理器连接；
其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现权利要求1至10中任意一项权利要求所述的基于贝叶斯理论的电动阀失效数据构建方法。
13.根据权利要求12所述的电子设备，其特征在于，所述电子设备为数据库服务器。
14.一种机器可读存储介质，其特征在于，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行权利要求1至10中任意一项权利要求所述的基于贝叶斯理论的电动阀失效数据构建方法。
CN202110442591.8A 2021-04-23 2021-04-23 基于贝叶斯理论的电动阀失效数据构建方法及装置 Pending CN115238436A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110442591.8A CN115238436A (zh) 2021-04-23 2021-04-23 基于贝叶斯理论的电动阀失效数据构建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110442591.8A CN115238436A (zh) 2021-04-23 2021-04-23 基于贝叶斯理论的电动阀失效数据构建方法及装置

Publications (1)

Publication Number Publication Date
CN115238436A true CN115238436A (zh) 2022-10-25

Family

ID=83665997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110442591.8A Pending CN115238436A (zh) 2021-04-23 2021-04-23 基于贝叶斯理论的电动阀失效数据构建方法及装置

Country Status (1)

Country Link
CN (1) CN115238436A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117648895A (zh) * 2024-01-26 2024-03-05 全智芯(上海)技术有限公司 失效分析方法及装置、计算机可读存储介质、终端

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117648895A (zh) * 2024-01-26 2024-03-05 全智芯(上海)技术有限公司 失效分析方法及装置、计算机可读存储介质、终端
CN117648895B (zh) * 2024-01-26 2024-04-12 全智芯(上海)技术有限公司 失效分析方法及装置、计算机可读存储介质、终端

Similar Documents

Publication Publication Date Title
CN110320892B (zh) 基于Lasso回归的污水处理设备故障诊断系统及方法
US9053519B2 (en) System and method for analyzing GIS data to improve operation and monitoring of water distribution networks
KR102073912B1 (ko) 고부하 가스 터빈들에 대한 진단 규칙들을 위한 방법 및 시스템
Laucelli et al. Detecting anomalies in water distribution networks using EPR modelling paradigm
CN115545678A (zh) 一种基于水环境画像与污染物溯源的水质监测方法
CN111506478A (zh) 基于人工智能实现告警管理控制的方法
SG193853A1 (en) System and method for monitoring resources in a water utility network
US20210240177A1 (en) Learning apparatus, learning method, computer readable medium having recorded thereon learning program, determination apparatus, determination method, and computer readable medium having recorded thereon determination program
Muzzammil et al. An optimization technique for estimation of rating curve parameters
CN114066262A (zh) 一种电网调度后评估异常指标溯因推理方法、系统、装置及存储介质
CN113641526B (zh) 告警根因定位方法、装置、电子设备及计算机存储介质
CN115145252A (zh) 基于故障树的水轮机调速器故障诊断方法、系统及介质
CN115238436A (zh) 基于贝叶斯理论的电动阀失效数据构建方法及装置
CN114035550B (zh) 一种基于eso的自主式水下机器人执行机构故障诊断方法
KR102185017B1 (ko) 가스공급시설 정보관리 및 예지보전 통합 시스템
CN108108839B (zh) 基于逆向模糊层次分析的电网信息系统设备状态预警方法
Shepherd et al. Cloud-based artificial intelligence analytics to assess combined sewer overflow performance
CN117523793A (zh) 一种电厂设备故障预警方法和计算机设备
Marhaug et al. Smart maintenance-industry 4.0 and smart maintenance: from manufacturing to subsea production systems
CN109783832A (zh) 一种基于贝叶斯修正的液压泵性能退化建模方法
CN112508359A (zh) 一种设备管理系统和方法
CN116955955A (zh) 一种管道缺陷模型预测方法、系统、终端设备及存储介质
CN110878692B (zh) 故障报警方法及装置
CN116482460A (zh) 电网设备故障诊断方法及相关设备
CN116398823A (zh) 一种基于算法的燃气管道检测预警系统及方法

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