基于故障树法的电动自行车安全性研究

从电动自行车的安全结构出发,应用故障树分析法对电动自行车事故进行量化分析.着重从人、车、路三个方面讨论电动自行车事故的发生原因,最终用下行法求出最小割集及顶事件的发生概率.     

浅析高速公路机电系统故障智能诊断的几种方法

高速公路机电系统的运行和维护是当前高速公路管理中的一个重要课题，通过对智能故障技术的研究和当前机电系统故障处理的分析，提出一种适用于高速公路机电系统故障的智能诊断系统。     

通过电气排障训练提高学生的维修创新能力

阐述了高职院校培养学生维修创新能力的重要性和必要性,指出排除故障训练应从兴趣着手,采用科学的故障树分析法,由浅入深,逐步展开.     

实验机液压平衡回路的故障诊断

对液压平衡回路实验中出现的液压缸停止上下运动的故障,采取故障树分析法,是加快故障诊断速度,找出问题症结的有效方法。把液压缸不动作这一故障状态作为分析的目标,然后找出导致这一故障的全部因素及下一级因素,一一分析,逐项排除,最终达到解除故障的目的。     

基于PRA风险分析系统的研究与设计

文章介绍了概率风险评估(PRA)的基础理论,论述了利用PRA对工程项目风险进行建模和评估的可行性,并根据工程项目实际风险分析的需要,给出了基于PRA方法的风险分析系统设计,所获得的系统具有理论及工程应用价值.     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此，提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

基于最小割序集的独立电力系统可靠性分析

故障树分析方法是对系统进行可靠性评估的有效方法,但在独立电力系统可靠性的计算中存在可靠性参数计算量大、求解困难等问题。对此,采用故障树最小割序集方法求解独立电力系统的可靠性指标,针对求解可靠性指标时存在的组合爆炸问题,提出了基于时间运算符求解最小割序集的方法。运用分层模块的方法简化动态故障树模型,并根据最小割序集的逻辑运算规则得到最小割序集。最后运用失效概率公式求解得到独立电力系统的可靠性指标。以某常规独立电力系统和B787飞机电力系统可靠性分析为例,验证了所提算法的可行性和正确性,为求解独立电力系统的可靠性指标提供了一种新的思路。     

T-S模糊门在因果图中的应用

T-S模糊门在故障树分析中已得到广泛应用,并具有较好的实用性.鉴于因果图和故障树都可以用于故障诊断,用图形表示因果关系,两者具有很多相似性,并且在一定条件下,因果图和故障树可以相互转化,故将T-S模糊门引入到因果图中,考察其实用价值.     

基于BN-bow-tie的生物质气化中毒事故分析

通过将故障树转化为贝叶斯网络,计算生物质气化中毒事故发生的概率为1.202 98×10-4/d,利用贝叶斯网络双向推导与诊断的功能计算基本事件的后验概率及重要度,从而分析出系统中导致事故发生的薄弱环节.结合bow-tie法同时分析导致薄弱环节失效的因素及失效后可能会出现的后果,基于此得出防止薄弱环节失效的预防措施以及失效后采取的控制措施,进而降低事故发生的概率;对薄弱环节阀门泄漏采取措施后,可使得中毒事故发生概率降低20.92%,最终达到降低事故发生概率的目的.     

复合型工艺风险评估模型的研究及其现场应用

充分考虑石化装置的复杂工艺特点,建立了基于贝叶斯网络的危险与可操作性研究(HAZOP)、保护层分析(LOPA)、领结分析(Bow-Tie分析)于一体的复合型工艺风险评估模型.首先编制系统故障树,将其映射成对应贝叶斯网络,利用Ge NIe软件实现贝叶斯双向推理进行故障预测和诊断,找出最容易导致事故的风险贝叶斯故障节点;然后运用HAZOP-LOPA集成分析研究该节点参数出现偏差的原因及后果,通过独立保护层失效概率评估风险等级;最后对剩余风险等级较高的事件进行Bow-Tie分析,辨识出使保护层持续有效的关键活动,进而控制后果严重的工艺安全事故.以辽河石化公司的延迟焦化装置为例对该风险评估模型进行了现场应用.