[发明专利]基于状态监测数据自动学习系统可靠性模型的方法

说明书

本发明公开了一种基于系统、分系统和单元的状态监测数据自动学习系统可靠性模型和失效参数，并对系统进行可靠性进行评估的方法，该方法不需要利用专家经验，即可建立系统的可靠性模型，且根据新的监测数据能够更新已有的可靠性模型结构和参数，能够显著提升大规模系统的可靠性建模和评估效率。步骤如下：1收集系统、分系统和单元的状态监测数据。2基于状态监测数据自动学习系统、分系统和单元的相关关系，建立系统的整体可靠性模型。3基于学习的模型结构和状态监测数据，对模型中单元、分系统和系统的失效参数进行估计。4基于上述的结构模型、估计参数，评估系统的可靠性水平。

所属技术领域

本发明提供了一种基于系统、分系统和单元的状态监测数据自动学习系统可靠性模型和失效参数，并对系统进行可靠性评估的方法。它适用于具有状态监测数据的复杂系统的可靠性建模和评估。通过利用状态监测数据，该方法可以自主学习单元、分系统和系统间的相关关系，从而得到单元、分系统和系统的可靠性模型，在此基础上，利用状态监测数据可以估计单元、分系统和系统的失效参数，最终完成系统可靠性评估和单元重要度的分析。本发明属于可靠性与系统工程领域。

背景技术

现代工程系统结构日趋复杂，系统或单元的工作状态也复杂多变。系统或构成系统的分系统、单元不能仅仅使用工作、失效两种状态进行表征。如何对系统和单元的降级过程进行建模，是准确评估复杂系统可靠性的关键问题。此外，单元或分系统之间也存在着复杂的交联关系，一个单元的降级会导致与其有功能或者结构依赖的单元随之发生降级，如何发现和描述这种交互关系是建立准确的可靠性模型的难点。

当前已有多种可靠性模型应用于描述系统的多状态特征，如通用生成函数、多值决策图、马尔科夫模型、多态故障树和仿真方法等，这些方法可以分为基于组合方法和基于状态空间方法两大类。在这些多态模型的基础上，通过引入条件概率表征单元间的影响关系，得以建立单元间的可靠性模型。但是上述模型都是基于正向建模的思路，在有完整的产品功能原理图及相关设计经验的情形下完成的正向建模过程。但是该类模型的准确性依赖于明晰的功能原理和设计人员的设计经验，不同设计人员即使对于同一产品，也可能由于其对于系统的理解深浅、个人的工程经验多少以及建模方法的难易而得到不同的可靠性模型。而这给产品的可靠性模型的维护和更新带来了诸多的不便，因此，如何能够有效地建立相对一致的可靠性模型是多状态系统可靠性分析评估要解决的首要问题。

本发明与原有的正向建模方法不同，本专利通过利用系统、单元的整体的状态监测数据，从数据中学习系统的可靠性模型和模型的参数，然后再利用学习的结果对系统的可靠性进行评估和分析。该方法可以有效地自动建立复杂大规模系统的可靠性模型，且由于模型来源于数据，从而保证了模型的一致性，也使得系统模型的维护更加简单，并且可以根据系统的运行状态实时对可靠性模型进行更新，能实现对系统可靠性的实时评估。

发明内容

本发明提供一种基于系统、分系统和单元的状态监测数据自动学习系统可靠性模型和失效参数，并对系统进行可靠性进行评估的方法。目的和解决的问题是：通过利用系统的状态监测数据，自动学习构建系统组成单元与系统的可靠性关系模型，评估系统可靠性。该方法首先收集系统和单元的状态监测数据，并将不同性能数据范围与单元的离散状态值形成映射关系，最终建立单元状态组合与系统状态的对应关系，该关系可通过表格的形式进行表示。其次，利用贝叶斯结构学习算法-K2算法和上述建立的数据关系学习出单元、分系统和系统间的可靠性影响关系；再次，在已有可靠性结构模型的情况下，利用单元、分系统的监测数据的统计分布来估计单元、分系统的分布参数，至此可靠性模型的结构和参数均以得到；最后，根据上面步骤建立的可靠性模型评估系统的可靠性，并可得到单元的重要度等信息。

本发明是一种基于状态监测数据自动学习系统可靠性模型并进行可靠性评估的方法，主要包含以下四部分：

第一部分：基于状态监测数据形成单元、分系统和系统的状态组合关系。

对收集的状态监测数据进行清洗和处理是后续学习算法和评估模型的基础，数据处理过程包括以下两个步骤：