一种基于故障树信息的设备状态预测方法

摘要

本发明公开了一种基于故障树信息的设备状态预测方法，首先搜索故障树模型，将模型中的各事件用不同变量表示，将模型中的逻辑门用变量的结构关系集合表示，依次计算故障预测模型中故障原因变量先验概率分布集合，计算故障预测模型中故障模式变量的条件概率分布和故障传递变量的条件概率分布，将设备实际故障检测现象用故障预测模型中对应的故障检测变量表示，根据故障检测变量结构关系集合中表述的关联关系计算故障预测模型中故障检测变量的条件概率分布，根据现场采集到的故障检测现象实时信息计算设备故障模式后验概率状态分布。本发明能够快速准确的预测设备实时状态、指导对设备的监控及维修，有效提高维修效率、降低维修成本。

主权项

1.一种基于故障树信息的设备状态预测方法，其特征在于包括下述步骤：1)确定需要预测的一个设备故障模式，并在故障树中搜索以该故障模式为顶事件的故障树模型F，F中所有事件集合为T＝{T₁，T₂，...，T_i，...，T_n}，其中T_i表示第i个事件，n表示故障树事件总数；故障树具体搜索方式如下：针对设备故障模式，首先在故障树信息中找到与该模式对应的故障树事件T₁，然后以该事件为顶事件向下搜索与顶事件通过逻辑门关联的故障树中间事件，不断向下搜索与中间事件通过逻辑门关联的其它故障树中间事件，直到搜索到故障树底事件为止；其中，底事件是指没有其它故障树事件通过逻辑门与其关联的事件；2)将集合T中的顶事件用故障预测模型中的故障模式变量M表示，当顶事件不发生时，对应变量的取值为0，当顶事件发生时，对应变量的取值为1，且整个模型中只有一个故障模式变量；将集合T中的其它中间事件用故障预测模型中的故障传递变量集合D＝{D₁，D₂，...，D_j，...，D_m}表示，其中D_j表示第j个中间事件对应的故障传递变量，j＝1，...，m，m表示故障传递变量总数；将集合T中的底事件用故障预测模型中的故障原因变量集合C＝{C₁，C₂，...，C_k，...，C_l}表示，其中C_k表示第k个底事件对应的故障原因变量，k＝1，...，l，l表示故障原因变量总数，且1+m+l＝n；3)将故障树模型F中表示的逻辑门集合L＝{L₀，L₁，L₂，...，L_j，...，L_m}用故障预测模型中变量的结构关系集合J＝{J₀，J₁，J₂，...，J_j，...，J_m}表示，其中L₀表示顶事件对应的逻辑门，L_j表示第j个中间事件对应的逻辑门，故障树中共有1+m个逻辑门；J₀表示故障模式变量M对应的结构关系，J_j表示第j个传递变量对应的结构关系；在中，π(D_j)表示影响第j个中间事件状态的故障树事件相对应的变量，(·)表示与第j个逻辑门中逻辑关系相对应的关联关系；根据逻辑门建立变量结构关系的具体方式如下：其中j＝0，...，m其中，表示π(D_j)中的变量为并联结构关系；表示π(D_j)中的变量为串联结构关系；用表示π(D_j)中变量与D_j的结构关系，命名为反联结构；用表示π(D_j)中变量与D_j的结构关系，命名为多连结构，且在r个影响D_j状态的变量中需要至少有q个同时故障时，D_j才会发生故障；4)根据故障树模型包含的各底事件可靠性函数集合R＝{R₁，R₂，...，R_k，...，R_l}计算故障预测模型中故障原因变量先验概率分布集合P＝{P(C₁＝0)，P(C₂＝0)，...，P(C_k＝0)，...，P(C_l＝0)}，P(C_k＝0)＝R_k，其中k＝1，...，l，其中R_k表示第k个底事件的可靠性函数，P(C_k＝0)表示第k个故障原因变量的状态概率分布；5)根据结构关系集合J＝{J₀，J₁，J₂，...，J_j，...，J_m}中所包含的关联关系，计算故障预测模型中故障模式变量的条件概率分布P(M|π(M))和故障传递变量的条件概率分布CP_D＝{P(D₁|π(D₁))，P(D₂|π(D₂))，...，P(D_j|π(D_j))，..，P(D_m|π(D_m))}，其中P(D_j|π(D_j))表示第j个故障传递变量的条件概率分布，传递变量条件概率分布的总数也是l个；根据结构关系建立变量条件概率分布的具体方式如下：当π(D_j)中变量为并联结构关系，当π(D_j)中变量为串联结构关系，当π(D_j)中变量与D_j为反联结构关系，当π(D_j)中变量为多联结构关系，6)将设备实际故障检测现象用故障预测模型中对应的故障检测变量E＝{E₁，E₂，...，E_x，...，E_p}表示，其中E_x表示第x个故障检测现象对应的故障检测变量，x＝1，...，p，p表示故障检测变量总数；按其中x＝1，...，p的方式建立故障检测变量的结构关系集合G＝{G₁，G₂，...，G_x，...，G_p}，其中G_x表示第x个故障检测变量所包含的结构关系，结构关系的总数也为p个；在中，π(E_x)表示影响第x个故障检测现象状态的故障原因相对应的变量，(·)表示第x个故障检测现象及其对应故障原因间的关联关系；表示π(E_x)中的变量为并联结构关系；表示π(E_x)中的变量为串联结构关系；7)根据故障检测变量结构关系集合G中表述的关联关系，分别按π(D_j)中变量为并联结构关系和串联结构关系的方式计算故障预测模型中故障检测变量的条件概率分布CP_E＝{P(E₁|π(E₁))，P(E₂|π(E₂))，...，P(E_x|π(E_x))，...，P(E_p|π(E_p))}，其中P(E_x|π(E_x))表示第x个故障检测变量的条件概率分布；8)根据现场采集到的故障检测现象实时信息e＝{e₁，e₂，...，e_x，...，e_p}，其中e_x表示第x个故障检测现象的实际状态信息，利用故障预测模型推理能力和条件概率分布，基于贝叶斯定理，计算设备故障模式后验概率状态分布P(M＝0|E＝e)＝P(M＝0|π(E))×P(π(E)|E＝e)。