[发明专利]一种致灾因素条件下应急调控装备可靠性评估方法及系统

说明书

本发明提供了一种致灾因素条件下应急调控装备可靠性评估方法及系统，将人工智能机器学习融入可靠性模型中，提高评估结果的准确性和科学性，为应急调控技术装备的工程实践提供指导。方法包括：灾情特征仿真模拟，根据火灾、瓦斯爆炸、煤岩动力的灾害致灾因素演化规律，确定灾情致灾因素分布规律，进行灾情仿真模拟；应急调控装备的可靠性分析，对应急调控装备的组成单元进行分析，确定各组成单元的故障模式、故障原因及故障影响因素，利用统计数据以获取各组成单元的故障模式、故障原因及故障影响因素的概率信息，确定故障影响因素间的逻辑关系，基于贝叶斯网络进行应急调控装备的可靠性分析。

技术领域

本发明属于应急调控装备可靠性评估技术领域，尤其涉及一种致灾因素条件下应急调控装备可靠性评估方法及系统。

背景技术

随着煤炭开采规模逐年扩大，各类煤矿事故也呈现不同的发展趋势，防治难度也更加复杂。煤矿事故不仅给煤炭企业造成大量设备财产的经济损失，而且危及作业人员的生命安全，造成无法挽回的人员伤亡。因此，针对矿井火灾、瓦斯爆炸、煤岩动力等灾害而研制应急调控装备，防止灾变范围扩大，减少人员伤亡具有重要意义。但是不同灾变场景应急装备有效响应方案、调控系统间各单元的协作控灾机制和应急调控装备协同集控可靠性评估模型等均未有能适应多变的致灾因素条件下的有效、科学、准确的装备可靠性评估方法，因此也无法为应急装备研制提供有支撑的理论基础。

目前，急需一种能够确定不同灾变场景应急调控装备与远程监控系统协同关系的方法，以为灾变风烟流应急调控技术装备的工程实践提供指导。

发明内容

针对上述问题，本发明提供了一种致灾因素条件下应急调控装备可靠性评估方法及系统，将人工智能机器学习融入可靠性模型中，提高评估结果的准确性和科学性，为应急调控技术装备的工程实践提供指导。

一种致灾因素条件下应急调控装备可靠性评估方法，该方法包括：

灾情特征仿真模拟，根据火灾、瓦斯爆炸、煤岩动力的灾害致灾因素演化规律，确定灾情致灾因素分布规律，进行灾情仿真模拟；

应急调控装备的可靠性分析，对应急调控装备的组成单元进行分析，确定各组成单元的故障模式、故障原因及故障影响因素，利用统计数据以获取各组成单元的故障模式、故障原因及故障影响因素的概率信息，确定故障影响因素间的逻辑关系，基于贝叶斯网络进行应急调控装备的可靠性分析。

进一步的，所述灾情特征仿真模拟包括，通过矿井检测的实时数据，利用影响灾情大小的物理参数来确定致灾因素分布规律，利用蒙特卡洛马尔可夫（MCMC）抽样进行随机状态下灾情大小的仿真模拟。

进一步的，所述的灾情特征仿真模拟还包括，通过高斯混合模型算法（GMM）对各致灾因素进行估计，确定在一定样本数据下各种情况发生概率，通过后验参数进行gibbs抽样，模拟随机情况下的灾情特征。

进一步的，影响灾情大小的物理参数包括瓦斯浓度、体积、气体温度。

进一步的，所述应急调控装备的可靠性分析包括，采用FFB建模方法构建贝叶斯网络，利用贝叶斯网络的不确定性问题处理能力对系统可靠性进行分析。

进一步的，FFB建模方法包括失效影响分析（FMEA）、故障树分析（FTA）、贝叶斯网络分析（BN）。

进一步的，所述应急调控装备可靠性分析还包括，利用失效影响分析（FMEA）对可能存在的故障模式、故障原因及故障影响因素进行全面的分析；然后，将失效影响分析（FMEA）转化为故障树分析（FTA），对影响严重的故障模式的故障原因进行深入的分析，确定各故障影响因素间的逻辑关系；最后，将故障树分析（FTA）转化为贝叶斯网络分析（BN），利用贝叶斯网络分析（BN）计算整体发生故障的概率。

进一步的，所述应急调控装备可靠性分析还包括，建立基于集成学习算法的可靠性评估模型，确定可靠性评估指标，实现灾变发生后应急调控装备可靠度的实时研判。