船用核动力装置基于多层流模型的不确定性故障诊断方法

摘要

本发明提供的是一种核动力装置基于多层流模型的不确定性故障诊断方法。当传感器探测到的表述各个功能部件的变量的测量值超出正常变化域时，警报显示为故障，并标示异常部件位置；根据MFM模型中流的流向，截取可能导致故障的因果关系；截断逻辑环路，形成微故障树；将微故障树转化成微GO-FLOW的方法；对微GO-FLOW模型进行处理合并，组合成以传感器检测到的各个异常功能的交集为最终信号的GO-FLOW模型；将GO-FLOW模型输入软件中，进行计算，最终得到各个基本故障导致各个异常功能的交集发生的概率的大小。本发明适用于解决复杂系统问题，易于验证，结果准确，速度快、满足实时诊断需要。

主权项

一种核动力装置基于多层流模型的不确定性故障诊断方法，其特征是：第一步，当系统发生故障时，首先根据系统观测量即系统运行参数确定各目标是否达成，确定分析网络；第二步，根据系统观测量，确定各功能Fi的运行状态Si，以Si为顶事件分别展开成因果子树，若某功能Fi的运行状态Si为已知，则按照已知状态展开；若某功能Fi的状态变量Si为未知，则需对Si对应的所有状态事件分别展开分析；第三步，求取功能Fi的状态变量Si的因果树，在第一步所得到的以各个功能状态变量为目标的因果子树的基础上，连接并展开中间事件直至基本事件为止，得到以Si为顶事件的因果树；第四步，将上述因果树翻译成微GO‑FLOW模型；第五步，求取所有异常功能状态的状态参量Si的交集，得到证据E；第六步，求取各个部件故障Bi对证据的影响强度Pi，由Bayesian公式： P ( B i / E ) = P r ( B i · E ) P r ( E ) 比较其各个部件故障Pi的大小，概率值越大的，发生的可能性越大。