[发明专利]一种离散型空间故障树的因素联合重要度和因素重要度分析方法

说明书

本发明公开了一种离散型空间故障树的因素重要度和因素联合重要度分析方法，其特征在于，为了解在离散数据情况下如何表示多个工作环境条件因素同时变化对元件或系统故障概率影响程度及特征，定义了因素重要度和因素联合重要度概念，针对所研究元件及工作环境，在DSFT下使用了一个多输入单输出的三层BP神经网络来具体实现上述概念的计算；其包括如下步骤：确定影响系统的环境因素，收集系统故障数据，选择神经网络及训练数据集，计算因素重要度分布和因素联合重要度分布；本发明可用于分析元件或系统在多因素变化情况下的各因素的重要性。

技术领域

本发明涉及安全系统工程，特别是涉及分析元件或系统在多因素变化情况下的各因素的重要性。

背景技术

空间故障树(Space Fault Tree，SFT)的概念目前已发展形成了两个分支：连续型空间故障树（Continuous Space Fault Tree， CSFT）和离散型空间故障树(DiscreteSpace Fault Tree， DSFT)。前者以了解系统结构和基本事件的性质为前提，从系统内部出发研究整个系统的可靠性，是由里及表的研究；后者以充分的实际故障观测数据为前提，从系统外部的系统对于工作环境的故障响应来分析系统的可靠性，是由表及里的分析。

CSFT中已形成了一些对等于经典故障树的概念，其中包括重要度的相关概念。CSFT下重要度的概念有概率重要度空间分布、关键重要度空间分布、因素重要度和因素联合重要度。前两个概念继承于经典故障树的概率重要度和关键重要度。而因素重要度则是SFT所独有的，作用是判断工作环境中任意一个或多个环境因素变化导致元件或系统发生故障的影响程度。

而在DSFT中，这样的重要度实现就更为复杂。概率重要度空间分布和关键重要度空间分布由于不知道系统结构根本无法确定，即这两个概念在DSFT下根本没有意义。对于因素重要度，由于数据是离散的也无法使用CSFT中的方法计算。

对于重要度和联合重要度的相关研究目前主要有：古莹奎等的基于多值决策图的多状态系统重要度分析；汪送等的熵权集结多维数据的事故网络节点重要度评估；李志博等的基于结构重要度的 AGREE 软件可靠性分配方法；涂慧玲等的面向维修过程的多态混联系统综合重要度计算方法；李瑞莹等的基于Monte Carlo和启发式算法的网络可靠性分配。对于联合重要度的研究主要有M.J.ARMSTRONG对于该概念的提出，J.S.HONG和C.H.LIE使用了联合重要度研究了无向网络的可靠性，XUELi GAO和, SHAOMIN WU也进行了相关概念的研究和应用。上述研究尽管做了很多方面的努力，但对于在DSFT下实现因素重要度和因素联合重要度没有意义。

针对该问题，提出使用三层BP神经网络实现对离散数据的偏导计算，从而实现对于DSFT下的因素重要度和因素联合重要度的计算。

1 连续型空间故障树的基本概念

CSFT目前基本构架已经建立。CSFT所处理的数据，即系统中发生基本事件的元件对于工作环境变化导致元件故障变化的规律是已知的，是可以用函数表示的，可以是初等函数，也可以是分段函数。如下简要介绍CSFT形成过程中的相关概念。

给出CSFT建立过程中的例子。该系统由多个二极管组成，二极管的额定工作状态受很多因素影响，其中，主要的是工作时间t和工作温度c，其经典故障树如图1所示。

已定义的概念如下：

1）多维故障树：基本事件的发生概率不是固定的，是由n个因素决定的，这样的故障树称为多维故障树，用表示。由图1的故障树化简得，n=2。

2）基本事件的影响因素：使基本事件发生概率产生变化的因素。例中，t表示时间因素，c表示温度因素。