SFT下云化因素重要度和因素联合重要度的实现与认识

为了使SFT的概念,特别是DSFT的概念能表示系统实际运行的故障数据的离散性、随机性和模糊性(不确定性),同时为方便应用和简化计算,使用云模型对SFT理论中的概念进行重构。SFT理论的构建是通过特征函数实现的,因此该过程的基础是云化特征函数。基于云化特征函数重构了因素重要度分布和因素联合重要度分布的计算方法,即形成了云化因素重要度分布和云化因素联合重要度分布。这样做的好处是可将故障数据的不确定性较好地保留到最终结果,另一方面也使重要度分布的计算方法和过程更为简单且方便计算。使用这两个概念计算了一个典型系统对于温度和湿度因素的云化重要度分布和联合重要度分布。得到了系统适宜工作和应避免工作的环境区域,进而指导系统的实际运行。     

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。     

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.     

基于合作博弈-云化AHP的地铁隧道施工方案选优

为了研究多专家对多方案的比选排序规则及数据特点,提出一种基于合作博弈-云化AHP算法处理该问题,并用以地铁隧道施工方案选择。方案选择对于控制施工成本,保证施工安全尤为重要。使用云模型嵌入AHP构建云化AHP模型对专家提供的不确定信息进行处理,得到在考虑实际工程背景下的方案偏好排序。使用合作博弈模型得到多个方案排序的综合排序。根据方案权重最大原则确定最优方案。分析了3位专家对3种隧道施工方案的偏好排序,其结果表明:对于给定的工程背景,盾构法施工是最优的。与现有4种模型进行对比,说明了其能更好地处理数据的不确定性,综合专家决策群意见,且数据量和计算量较小。     

基于云模型的变因素影响下系统可靠性模糊评价方法

为了解系统工作环境因素变化导致系统元件失效的可能性,进而确定系统故障变化情况,建立基于云模型的系统可靠性模糊综合评价方法。通过将不同状态下得到的多个综合评价矩阵中云模型对应位置的特征参数作为因变量,不同状态的影响因素值作为自变量进行拟合。用拟合后的函数代替云模型特征参数,该云模型参数矩阵与权重云参数矩阵的乘积即为最终的评价结果云模型。结果云模型是带有因素自变量的函数,能统一地表示多个云模型,并能得到连续的过渡状态云模型。应用上述方法分析某实例系统。结果表明:最终形成的结果云模型各特征参数是带有表示温度自变量X的函数,与实际相符。     

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。     

基于特征函数和联系数的系统故障模式识别

为识别具有确定性和不确定性的系统故障模式,提出一种系统故障模式识别方法。利用已有故障标准模式识别故障样本模式,使用集对分析联系数表示识别的确定性和不确定性;使用空间事故树的特征函数计算联系数的分量系数,通过联系度和识别度识别故障样本模式;借助电气系统实例分析,有效识别在多因素影响下的系统故障模式。结果表明:基于特征函数和联系数的模式识别方法可表示模式识别的确定性和不确定性;该方法可使用特征函数确定联系数分量系数,利用联系度和识别度识别故障模式。     

基于QPSO的多因素影响下系统故障概率变化程度研究

为适应快速系统故障分析,在多因素影响下了解系统故障变化程度范围,预先判断故障变化速度趋势,在空间故障树(Space Fault Tree,SFT)理论框架下提出了一种基于量子粒子群优化算法(Quantum Particle Swarm Optimization,QPSO)的分析方法.论述了 QPSO的基本模型和步骤,在SFT中给出了描述系统故障概率变化的表达式,进而提出了多因素影响下系统故障概率变化程度范围的确定方法.方法适合于连续因素组成的连续空间中系统故障概率分布的优化,可实现单因素和多因素联合影响下的故障变化程度范围确定.使用经典算例进行分析,结果表明,算法得到的结果虽精度降低,但与传统解析结果相似,同时提高了分析速度.因此方法有利于系统故障的应急分析、预测和判断.     

模糊故障树分析及其应用研究

基于某些实际情况下系统故障发生概率具有模糊性和不确定性的特点 ,笔者将模糊集理论引入故障树分析并针对自动化立体仓库的故障特征 ,对立体仓库各个环节发生故障时所遇到的各种模糊信息进行了科学的、定量的处理。实例证明 ,该方法是行之有效的 ;它能解决传统故障树分析不能处理同时存在随机不确定性和模糊不确定性的故障事件的问题     

基于FMEA与RBF神经网络的LPG汽车罐车储罐系统故障诊断

为了对液化石油气(LPG)公路运输罐车储罐系统故障进行准确、全面的诊断,通过利用故障模式影响分析方法(FMEA)构建储罐系统故障模式及故障特征指标,根据日常检测数据构造训练样本,运用径向基函数(RBF)神经网络对网络进行训练建立诊断模型并利用诊断模型对罐车故障进行诊断。经验证:诊断结果与实际情况相符合。因此,基于FMEA与RBF神经网络所构建的模型可以用于危险化学品汽车罐车储罐系统的故障诊断。     

Uncertainty reduction for improved mishap probability prediction: Application to level control of distillation unit

At all levels, the understanding of uncertainty associated with risk of major chemical industrial hazards should be enhanced. In this study, a quantitative risk assessment (QRA) was performed for a knockout drum in the distillation unit of a refinery process and then probabilistic uncertainty analysis was applied for this QRA. A fault tree was developed to analyze the probability distribution of flammable liquid released from the overfilling of a knockout drum. Bayesian theory was used to update failure rates of the equipment so that generic information from databases and plant equipment real life data are combined to gain all available knowledge on component reliability. Using Monte Carlo simulation, the distribution of top event probability was obtained to characterize the uncertainty of the result. It was found that the uncertainty of basic event probabilities has a significant impact on the top event probability distribution. The top event probability prediction uncertainty profile showed that the risk estimation is improved by reducing uncertainty through Bayesian updating on the basic event probability distributions. The whole distribution of top event probability replaces point value in a risk matrix to guide decisions employing all of the available information rather than only point mean values as in the conventional approach. The resulting uncertainty guides where more information or uncertainty reduction is needed to avoid overlap with intolerable risk levels.     

基于FFTA-LOPA的化工装置安全仪表系统SIL确定方法

为了优化确定化工装置安全仪表系统（SIS）安全完整性等级（SIL）,分析了现有确定SIL的不足,针对化工装置的失效数据缺失和不确定性特点,提出模糊事故树-保护层（FFTA-LOPA）模型计算安全仪表系统SIL。以某低密度聚乙烯反应釜为例,建立了该反应釜爆炸事故树,运用模糊理论定量分析顶上事件发生的概率,最终确定其安全仪表系统安全完整性等级为SIL 1。结果表明:该方法结合两种风险分析理论,分析结果与实际和理论统计结果符合性较好,具有一定地准确性和实用性,可以为定量确定系统SIL提供理论指导。     

改进广义灰色关联故障树的危化品LSSC可靠性诊断

为了探究影响危化品物流整体运作的关键事故因素,提出一种改进广义关联故障树的危化品LSSC可靠性诊断方法。结合实例构建危化品LSSC系统失效故障树,运用灰色关联技术对以最小割集构造的标准故障模式向量和底事件概率重要度组成的待检模式向量进行相关性分析,得到系统失效概率等级与失效故障模式可能性排序,确定系统关键薄弱环节。研究结果表明:该方法能够快速识别危化品物流运作系统关键事故因素,为危化品LSSC风险等级控制和分级防范措施制定提供参考和借鉴。     

基于多故障冲击模型和故障树的PFDavg计算方法研究*

为提高安全仪表功能（SIF）要求时危险失效平均概率（PFDavg）计算结果的精确度,提出1种能准确计算SIF在多重共因失效影响下的PFDavg的数学模型。建立包含多重共因失效的系统失效故障树,然后利用多故障冲击模型区分普通失效率和多重共因失效率,根据瞬时不可用率的定义和故障树的逻辑关系计算出SIF的瞬时不可用率;基于PFDavg的定义,计算出SIF的PFDavg,以某化工企业SIF为例进行验证。结果表明:方法有效考虑了多重共因失效对SIF的影响,通过模型计算出SIF的PFDavg大于基于马尔可夫（Markov）方法的软件计算结果,但二者处于相同的数量级。模型在评估SIF的PFDavg时比传统方法偏保守,能提高安全仪表功能的安全性。     

基于云模型的海上交通系统风险蒙特卡罗仿真

为扩展海上交通系统(MTS)风险的数据样本,更好地开展海上交通系统风险评估研究,有必要研究系统风险仿真中的模型与算法问题。在讨论不确定性信息中随机性和模糊性的基础上,引入云模型来取代概率分布参数下的蒙特卡罗仿真模型。经对无确定度的原始云特征参数求解,获得海上交通系统风险的还原云滴,有效增加海上交通系统风险数据样本,进而分析出风险数值仿真下的海上交通系统风险特征。通过有效性检验,云模型下仿真的变异系数比基于对数正态分布下仿真的结果更稳定。云模型下的仿真结果更准确地逼近原始样本的特性。风险的模糊性和随机性信息量化问题得到解决。     

Dynamic accident modeling for high-sulfur natural gas gathering station

Dynamic accident modeling for a gas gathering station is implemented to prevent high-sulfur natural gas leakage and develop equipment inspection strategy. The progress of abnormal event occurring in the gas gathering station is modeled by the combination of fault tree and event sequence diagram, based on accident causal chain theory, i.e. the progress is depicted as sequential failure of safety barriers, then, the occurrence probability of the consequence of abnormal event is predicted. Consequences of abnormal events are divided into accidents and accident precursors which include incidents, near misses and so on. The Bayesian theory updates failure probability of safety barrier when a new observation (i.e. accident precursors or accidents data) arrives. Bayesian network then correspondingly updates failure probabilities of basic events of the safety barriers with the ability of abductive reasoning. Consequence occurrence probability is also updated. The results show that occurrence probability trend of different consequences and failure probability trend of safety barriers and basic events of the safety barriers can be obtained using this method. In addition, the critical basic events which play an important role in accidents occurrence are also identified. All of these provide useful information for the maintenance and inspection of the gas gathering station.     

稠油热采井管柱失效动态风险分析研究

为保证稠油热采井筒管柱的安全运行,采用故障树与贝叶斯网络相结合的方法开展稠油热采井管柱失效风险分析,应用故障树分析方法定性识别管柱失效诱因,建立稠油热采井管柱失效场景演化模型,并将故障树转化为贝叶斯网络模型,应用贝叶斯网络对管柱失效风险进行定量分析,得出热采井管柱失效的关键致因和管柱失效的动态失效概率,以新疆油田某区块热采井的管柱失效为对象进行了案例分析。研究结果表明,该方法可为稠油热采井管柱失效风险分析及井筒完整性管理提供理论支撑和工程设计参考。     

基于Bayesian网络的常减压装置设备故障概率分析

为分析影响常减压蒸馏装置平稳运行的设备失效模式及故障部件,基于1 151条设备故障数据,采用Bayesian网络分析方法,分别对离心泵、压缩机、电动机构建基于Bayesian网络的设备故障概率分析模型,分析故障部件、失效模式、故障后果之间的定量概率关系。研究结果表明:离心泵、压缩机、电动机停运的关键致因部件分别为轴承箱密封故障、活塞环故障、轴承故障,同时得到导致设备停运的故障部件敏感度排序。研究结果有助于提高设备故障风险防范及检维修工作效率,同时可为备件优化方案提供思路。     

基于贝叶斯网络的页岩气集输管道失效概率计算方法研究

页岩气集输管道运行压力和出砂量在生产过程中衰减显著，这导致管道失效概率不断变化，针对这一问题，采用贝叶斯网络方法，建立了页岩气集输管道失效概率动态计算模型。首先，分析页岩气气质特征、管道运行工况及失效原因，利用逻辑门的连接关系，建立了页岩气集输管道失效故障树；其次，基于贝叶斯网络与失效故障树的结构映射关系，将失效故障树转化成贝叶斯网络结构；然后，通过贝叶斯网络的参数学习，实现模型求解；最后，进行了实例应用。研究结果表明:该模型不仅可有效计算页岩气集输管道的失效概率，还能确定影响管道失效的关键风险因素，并且可通过调整节点的状态及概率分布，实现页岩气集输管道失效概率的更新。