一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法
【技术领域】
[0001]本发明涉及大型复杂系统的故障诊断领域，具体来说是一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法。
【背景技术】
[0002]故障诊断是指通过对系统的检测、检查和测试，并对获得的结果进行分析，从而识别系统故障并对其采取相应措施的过程。由于进行故障诊断对象和故障的内容多种多样，诊断方法也多种多样。现代故障诊断方法有多种分类，但是总体上可以概括为三类:即基于解析数学模型的方法、基于信号处理的方法以及基于知识的方法。
[0003]大型复杂系统(如大型强子对撞器、航天航空系统、核电厂等系统)的运行和维护等过程中会出现各种事件和事故，为了保持系统的稳定运行，需要能够及时发现系统中的故障或潜在的非正常状态以及他们的原因，这样才能及时有效的采取处理措施，将系统的可能损失控制在最小。这样才能在总资源有限的前提下，更加合理有效的对系统进行优化，提升系统的经济性、稳定性和安全性。
[0004]多层流模型(Multilevel Flow Models, MFM)是上世纪80年代初期由丹麦技术大学的Morten Lind教授提出的一种基于知识的系统功能建模方法。多层流模型从系统的目标、功能和部件三个层次出发，在能量守恒的基础原理之上通过将系统的多种行为泛化为物质和能量的产生、传输、存储和消耗以及信息的观察、决策和执行等过程，实现对复杂系统的功能建模，具有直观性强、可读性好、易于检查维护等特点。
[0005]故障树分析方法是一种系统的演绎建模方法，通过对可能造成系统失效的原因从系统到部件再到零件逐层分析并绘制出一个逐渐展开的树状分支图，进而求出造成系统失效的各种可能的部件组合，即最小割集。并可在最小割集的基础上，通过定量计算求得故障树顶事件失效概率或频率以及各部件或部件组合的重要度等参数。故障树分析方法具有建模精细、易量化以及可通过特定算法快速求解等特点。
[0006]多层流模型由于是建立在系统知识的基础之上，在实际的复杂系统上使用，虽然具有直观性强、可读性好、易于检查维护的特点，但其建模特点决定了其不易计算，准确性难以很好的保证；故障树分析方法是一种在大型复杂系统中进行安全分析的重要方法，如概率安全分析中就应用故障树分析方法为主要手段对核电站的安全性进行分析，其具有建模过程精细并可快速准确求解的特点，但是其模型极其庞大复杂，无论是建模过程还是审阅过程都相当的费时费力，其故障树模型可读性差、不易理解，且后期维护也相对复杂。因此，本发明将其两者有机结合，提出了一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法，解决了多层流模型准确性差和故障树分析方法可读性差、不易理解的冋题。
【发明内容】
[0007]本发明要解决技术问题为:克服现有技术的不足，提出一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法，同时具有直观性强、可读性好、易于检查维护和可量化、求解简单等特点，克服了传统基于多层流模型方法的警报分析故障诊断方法中阈值对诊断结果的影响，并具有可以同时识别单一部件和部件组合故障源的特点，从而提高了故障诊断的准确性，加快了故障诊断的速度。
[0008]本发明解决上述技术问题采用的技术方案为:一种基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法，其实现步骤包括:
[0009]步骤(I)、建立系统的多层流模型；
[0010]步骤(2)、建立步骤(I)中的系统多层流模型的各个功能状态的因果子树；
[0011]步骤(3)、根据系统的实际故障表征，修正并简化步骤(2)中各个功能状态的因果子树，再建立系统的证据故障树；
[0012]步骤(4)、根据步骤(3)中获得的系统的证据故障树，求解系统的最小割集；
[0013]步骤(5)、根据步骤(4)中求得的系统的最小割集获得部件或部件组合的混合排序列表；
[0014]步骤(6)、根据步骤(5)中获得的部件或部件组合的混合排序列表依序对系统中的对应部件或部件组合进行故障诊断，从而达到减少经济投入和时间开销，提高系统故障诊断效率的目标。
[0015]如上所述的基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法，其特征在于:所述步骤(3)中建立系统的证据故障树的方法如下:
[0016]I)选取系统中某一功能状态的因果子树模型，将其分支中用到的其他功能状态以其对应的因果子树分别代入并展开；
[0017]2)在代入并展开因果子树的过程中，如存在重复事件，需要截断该支的树形结构，从而消除逻辑断环，最终生成某一功能状态的完整因果树；
[0018]3)依次选取系统中所有需要处理的功能状态的因果子树模型，重复步骤I)-2)若干次，直到为所有功能状态都生成了完整因果树；
[0019]4)通过“与”门组合步骤3)中生成的所有完整因果树模型，形成系统的证据故障树。
[0020]如上所述的基于多层流模型和故障树最小割集的大型复杂系统故障诊断方法，其特征在于:所述步骤(5)中通过系统的最小割集获得部件或部件组合的混合排序列表的方法如下:
[0021](A)根据获得的系统的最小割集分别计算各个割集的百分比重要度；
[0022](B)根据获得的系统的最小割集分别计算所有割集中基本事件的FV重要度；
[0023](C)根据步骤(A)和步骤(B)中获得的重要度信息，获得部件或部件组合的混合排序列表。
[0024]本发明与现有技术相比优点在于:
[0025](I)、本发明应用多层流模型和故障树最小割集方法对系统进行故障诊断，解决了单纯的通过故障树建模的方法中模型庞大复杂，不易理解、维护等缺点，因为多层流模型是一种系统功能模型且服从守恒原理，具有直观性强、可读性好、易于检查维护等特点；同时又解决了传统多层流模型不易量化、计算复杂的难点。
[0026](2)、现有的多层流模型方法一般采用警报分析的方法进行故障诊断，本发明运用故障树中的最小割集和重要度等技术手段，对多层流模型进行定量分析，从而提高故障诊断的针对性，有效解决了警报分析法中阈值对诊断结果的影响。
[0027](3)、本发明通过对最小割集和基本事件重要度混合排序的方法可同时对造成故障状态的部件和/或部件组合进行识别，解决了现有故障诊断方法中仅能对单一故障源进行识别的问题，在故障链断裂的情况下也能快速对系统进行故障诊断，提高了故障诊断的准确性。
【附图说明】
[0028]图1为本发明的实现流程图；
[0029]图2为某一供储水系统实例的工艺流程图；
[0030]图3为某一供储水系统的多层流模型；
[0031]图4为某一供储水系统的证据故障树模型。
【具体实施方式】
[0032]为了能够更好的理解本发明，首先对本发明中涉及的基本概念作简单的介绍:
[0033]多层流模型:一种基于知识的系统功能建模方法，从系统的目标、功能和物理实现三个层面描述了复杂系统的过程行为；
[0034]故障树:一种表达系统失效模式的倒立树形模型，通过对系统失效原因向下逐层展开、直至无需或无法继续展开的基本部件为止而建立的模型；
[0035]基本事件:故障树的叶子节点，即系统故障树中无需或无法继续展开的基本部件，通常对应着一个部件的一种或多种失效模式；
[0036]最小割集:表示