基于双链量子遗传算法的系统故障概率分布研究

为简化空间故障树理论中的系统故障概率分布计算方法,提出基于双链量子遗传算法计算该分布.双链量子遗传算法有收敛快、计算量小的特点;同时系统故障概率分布原有方法基于分段函数解析计算,虽可得到精确分布,但计算较为复杂,不适合现场应用.据此,给出了基于双链量子遗传算法的系统故障概率分布确定步骤,并使用该方法分析了以往系统的故障概率分布.对比于前期研究成果,得到的故障分布可以分区表示故障的变化范围,且形成的分布图更为直观,同时体现了原分布中故障概率的变化特征,进而可得到符合故障概率要求的因素范围.     

长期渗水所致水位升高对露天矿边坡岩体状态的影响研究

为研究渗水导致露天矿坑内水位升高过程中，边坡岩体状态的变化特征，通过设置模拟场景并分析结果来确定岩体状态变化及其原因。分析了水位升高对边坡岩体可能造成的影响。根据矿区实际情况设置水位由-380 m升至20 m的9个均分模拟阶段，获得了每个阶段平衡时的岩体塑性区、位移和主应力情况，进而分析水位升高过程中的岩体状态变化。结果表明：水位升高对边坡岩体的塑性区影响最大，位移其次，主应力影响很小；水位上升使大高差边坡坡面的拉塑性区和位移增加；浸没岩体滑坡是下部滑坡体拖拽造成的；小高差边坡岩体水位升高过程中塑性区变化复杂，但对主应力的影响很小。研究可为露天矿长期渗水导致水位升高带来的灾害提供分析对照。     

单一事件故障状态中管理者和操作者的收益关系研究北大核心CSCD

为了更深刻地了解系统故障演化过程(System Fault Evolution Process,SFEP)中事件故障状态受管理者和操作者安全和不安全行为的影响,基于量子博弈模型提出了单一事件故障状态量子博弈模型,并对管理者和操作者的收益情况进行了研究。首先论述了利用量子博弈研究单一事件故障状态的可行性并提出假设;其次研究了管理者和操作者在博弈后的期望收益;最后探讨了管理者和操作者混合策略中各行为的实施概率,得到了针对事件故障状态变化的量子博弈模型。结果表明该博弈一般是非对称博弈。管理者采取安全行为且操作者采取不安全行为对双方收益的影响最大;操作者选择安全行为的概率越大,管理者越有利;管理者选择安全行为的概率越大,操作者越有利;确定了双方采取混合策略时各自的期望收益;最后通过实例说明了模型的使用方法。该混合策略具有纳什均衡非博弈演化稳定性,可应用于空间故障网络(Space Fault Network,SFN)的系统故障状态量子博弈分析。     

系统故障演化过程中事件综合效用系数计算方法研究

为确定各事件在系统故障演化过程(System Fault Evolution Process, SFEP)中的效用，衡量对演化过程的贡献，提出了事件综合效用及系数计算方法。研究认为，影响SFEP的要素包括事件、事件故障概率、影响因素、演化过程中的事件演化关系和事件逻辑关系；进而提出了事件效用系数、事件逻辑效用系数和事件结构效用系数来表征这些要素；给出了3个系数的推导过程和计算方法；综合3个系数形成了事件综合效用系数。通过实例展示了计算流程，得到了实例SFEP中各事件的综合效用系数。结果表明：事件综合效用从大到小依次为过程事件、最终事件、边缘事件；对比事件效用系数，事件逻辑效用系数和结构效用系数对实现演化的作用更大；事件综合效用系数是通过所有因素的具体值确定的，只对确定因素值有效。成果可为SFEP增加研究事件效用的新方法。     

SFEP中因素重要度计算及其不确定性修正方法研究

为研究系统故障演化过程(System Fault Evolution Process, SFEP)中因素重要性及其不确定性，提出了基于相似性、联系数和信息熵的分析方法。以因素影响下的事件故障概率为基础数据，将因素重要性表征为事件在因素作用下的故障概率相似性和不确定性，建立研究方法和数学模型。首先，研究了因素重要性的由来及不确定性产生的原因。其次，建立了因素重要度计算和不确定性修正方法，提出了因素概率相似度、因素概率犹豫度、因素概率犹豫熵和因素重要度。最后，通过实例展示了分析流程。结果表明，系统故障演化过程中实现上述方法是可行的，能达到预期效果。研究方法和结果可用于系统故障演化过程中因素重要性的确定，并作为基础数据实现因素的化简、合并或删减，以降低演化过程复杂性，也可为类似的因素重要性分析提供支持。     

系统故障演化过程的事件故障概率分布熵构建及其性质研究

为研究系统故障演化过程带来的系统功能状态的不确定性，提出事件故障概率分布熵的概念和计算方法。系统故障演化过程的不确定性来源于事件故障概率分布和演化过程本身的不确定性，可等效为概率分布和演化的混乱性。基于上述考虑，借助信息熵的思想建立事件故障概率分布熵，对演化过程中事件故障概率分布的变化混乱程度进行度量。考虑事件故障概率分布特征，确定了分布熵模型的各参数，给出了模型推导过程，建立了分布熵表达式。研究表明：分布熵具有对称性、确定性、非负性、扩展性、可加性和极值性，符合信息熵规则；分布熵与因素数量、因素值域的等距划分点数量、故障概率变化程度均存在正相关性。通过实例演示了事件故障概率分布熵的计算过程，得到了不同事件分布熵的大小关系，表明了不同事件对系统功能状态不确定性的影响。为下一步建立系统故障演化过程的熵理论提供基础。