贝叶斯网络在可靠性分析中的应用

针对故障树分析方法在可靠性分析中的局限性,研究了贝叶斯网络在可靠性分析中的应用,给出了故障树向贝叶斯网络转化的方法,以及基于贝叶斯网络求解顶事件发生概率、最小路集、最小割集和底事件重要度的算法.最后对大亚湾核电站紧急停堆失效进行了分析,并与故障树分析的结果进行了比较,结果表明,基于贝叶斯网络的建模分析方法可以得到更丰富的信息.     

基于贝叶斯网络的概率安全评估方法研究

针对传统的事件树/故障树分析方法的局限性,提出了基于贝叶斯网络的系统概率安全评估方法.该方法采用了一体化的建模思想,将故障树和事件树转化为贝叶斯网络进行分析,不仅可以得到常用的安全性分析结果,还可以得到其他有用的信息,非常便于推理和诊断.而且该方法还可以处理多态、相依、非单调和非确定性逻辑关系,有很强的适用性.通过1个油井平台瓦斯泄漏实例说明了该方法的有效性,并与传统的故障树/事件树分析方法和基于二元决策图的分析方法进行了比较.     

基于动态贝叶斯网络的动态故障树分析

针对传统的动态故障树Markov链分析方法的不足,研究了优先或门、顺序相关门、功能相关门、存在公共备件的备件门和层叠功能相关门向动态贝叶斯网络的转化方法以及基于动态贝叶斯网络的顶事件概率、重要度等计算方法.用该方法对心脏辅助装置进行了分析,通过与Markov链、离散时间贝叶斯网络分析的结果比较表明,基于动态贝叶斯网络的建模分析方法可以有效地避免组合爆炸,而且能够保证较高的求解精度.     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

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。     

基于故障树和贝叶斯网络集成的重大工程弃渣场风险诊断与预测

伴随建设交通强国，越来越多的穿越西部地区的公路、铁路等线性基础设施类重大工程均需要建设大量隧道并通过弃渣场安置隧道洞渣。相应地，很多大规模弃渣场不可避免选址在复杂艰险环境地区，在自然环境和人类活动的共同影响下，弃渣场潜在的崩塌、滑坡和泥石流风险，对水土保持、生态环境和生命财产威胁巨大。首先，从系统视角出发，构建弃渣场系统风险分析逻辑框架；然后，根据对弃渣场系统的生命周期阶段划分，结合引起风险的管理行为和自然环境因素，提出弃渣场系统故障事件识别分析逻辑框架，用于构建弃渣场系统风险分析故障树。进一步，通过逻辑关系转化规则设定，将故障树转化为贝叶斯网络结构，并引入专家评判确定贝叶斯网络节点间的条件概率，将专家知识转化为用于诊断与预测重大工程弃渣场系统风险的贝叶斯网络模型。通过一个大型弃渣场的灾害实例进行了说明，揭示了如何通过故障树和贝叶斯网络将专家知识进行综合集成，以支撑复杂艰险环境条件下重大工程弃渣场的风险管理。     

损伤树分析方法中的关键问题研究

研究了损伤定位快速性与底事件发生共因性这两个损伤树分析过程中的关键问题.针对损伤定位的快速性问题,研究了将贝叶斯网络应用于损伤树分析的可行性,通过建立事件与结点、逻辑门与联接强度之间的映射关系,实现了损伤树向贝叶斯网络的转化,依据网络信念更新原理进行快速损伤定位;针对底事件发生的共因性问题,通过设计装备战损仿真试验方案,根据战损试验数据计算装备各部件之间的损伤相关系数,据此合并相关性较大的底事件.最后通过实例介绍了这两项技术在损伤树分析中的应用情况.     

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。     

基于贝叶斯网络的路网脆弱路段识别模型

界定了路网脆弱性的内涵,提出了基于贝叶斯网络的路网理论分析框架,应用贝叶斯网络的双向推理技术定量地分析B每个路段对路网系统整体故障影响的大小,并在此基础上,分别基于故障树和最小路集构建了路网脆弱环节识别的贝叶斯网络模型;最后,通过实例说明利用贝叶斯网络方法识别路网脆弱环节的具体步骤。研究结果表明,该方法可以快速、有效地识别路网的脆弱环节,为路网问题的解决提供决策支持。     

基于贝叶斯网络的GO法模型算法

GO法是评价具有多状态时序特性的复杂系统可靠性的有效方法,但GO法操作符众多、算法复杂并且缺乏工具软件支持,制约了GO法的工程应用。针对该问题,本文提出一种基于贝叶斯网络的GO法新算法。首先,定义常用操作符到贝叶斯网络节点映射规则;然后,给出GO模型映射转换为贝叶斯网络的可编程流程;最后,利用贝叶斯网络成熟工具支持,定量求解映射后的贝叶斯网络模型。新算法操作符映射规则统一,模型映射转换流程简单直观,便于工程人员掌握和应用。此外,除了能得出传统的定量结果,新算法使得GO法还具有故障推理和诊断能力。     

基于贝叶斯网络的复杂系统故障预测

针对复杂电子系统信号具有不确定性的特点,提出一种基于贝叶斯网络的故障预测模型。该模型通过对连续的信号特征进行量化处理,利用专家知识结合信号建立贝叶斯网络结构;对不同样本采用不同算法来进行网络学习,采用概率推理定量估计信号的区间预测概率,从而建立一个可推理的预测模型。将该方法应用于电源系统进行故障预测,针对不同数据样本进行实验,结果验证具有较高的区间预测率,为复杂系统的故障预测提供了新手段。     

改进的动态故障树转化为二元决策图的成分组合算法与应用

动态故障树分析是可靠性领域的重要分析方法之一,树状结构能够直观反映系统失效逻辑关系,提出一种针对动态故障树的混合分析方法。将动态故障树进行模块化,对于动静态模块按照门的种类分离,改进了现有的静态故障树转换为二元决策图的成分组合法,从而直接得到静态树模块最小割集,按照动态门的种类定义割集序列,对于动态故障树模块按照割集序列求解,将两部分结果合并得到整棵故障树的最简割集序列。最后经过实验验证,算法能够快速有效完成对动态故障树定性分析。