N数据模糊 化，得到模糊链路风险优先数因子FCRPN数据和模糊节点风险优先数因子FNRPN数据，将故 障等级化为7级{VL，L，ML，M，MH，H，VH}，含义为{很低，低，中低，中，中高，高，很高}，定性 描述出故障链路的隐患可能性和故障链路中节点的可能性。再利用重心法去模糊化，得到 CRPN和NRPN，即为所求的复合故障链的定量参数，参数从大到小排序，则是所得隐患出现 的可能性大小顺序。
[0045] 优选地，在所述CRPN和NRPN公式中，采用自适应训练方法来修改复合故障模型的 CRPN和NRPN参数φ，称参数φ为奖励因子，真实故障位置若在故障排序结果外，则停止程 序运行，检查模型结构是否和真实故障对应，修改调整模型；真实故障位置若在故障排序结 果内，则对该故障节点和其相关的故障链增加Φ，则专家初始设定的RPN值（包括CRPN和NRPN)应做相应的修改，如下：
[0046]
[0047] 所述CRPN和NRPN公式中，训练迭代过程的结束条件为训练的故障数据，真实故障 部位在定性推理的故障等级的最高级集合内。
[0048] 由上述本发明的实施例提供的技术方案可以看出，本发明实施例提出的复合故障 因果链的隐患辨识方法的特点具有普适性，凡具有结构可分性的系统都适用。故障传递模 型的构建，是基于系统层次性结构的组成机理，在特定功能条件下，进行推演成型。若获得 风险优先数公式的初始数据，则可通过复合故障因果链定量推演出故障及隐患的排序，以 达到系统的故障和隐患的定位辨识目的。本发明实施例能够在列车车门系统未报出故障 时，先给出预警信息，对于系统安全运行以及合理维护都有重要的指示作用。
[0049] 本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变 得明显，或通过本发明的实践了解到。
【附图说明】
[0050] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他 的附图。
[0051] 图1为本发明实施例提供的一种基于复合故障链推理的隐患辨识方法的处理流 程图；
[0052] 图2是城轨列车车门系统的结构图；
[0053] 图3是城轨列车车门打开动作流程图；
[0054] 图4是层次故障模型图；
[0055] 图5是改进的FRPN计算流程图。
【具体实施方式】
[0056] 下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始 至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参 考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0057] 本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式"一"、"一 个"、"所述"和"该"也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措 辞"包括"是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加 一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元 件被"连接"或"耦接"到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在 中间元件。此外，这里使用的"连接"或"耦接"可以包括无线连接或耦接。这里使用的措 辞"和/或"包括一个或更多个相关联的列出项的任一单元和全部组合。
[0058] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语（包括技术 术语和科学术语）具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应 该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的 意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
[0059] 为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步 的解释说明，且各个实施例并不构成对本发明实施例的限定。
[0060] 实施例一
[0061] 本发明实施例对城市轨道列车车门系统的结构和工作机理进行深入分析，基于专 家知识和机理分析找出该系统的故障模式和系统内部信息传输失衡的根源，确定结构故障 点，用图论构建系统故障链路模型，最终确定隐患位置，并辨识出隐患所导致的故障级别， 基于此模型的先验推理，在列车车门系统未报出故障时，先给出预警信息，对于系统安全 运行以及合理维护都有重要的指示作用。并且车门系统故障多发，是该隐患辨识算法很好 的运用对象，为推理出普适性复合故障链理论做出铺垫。
[0062] 本发明实施例的一种基于复合故障链推理的隐患辨识方法的处理流程包括以下 步骤：
[0063] 步骤S110、Petri网模型构建器用petri网构建复合故障因果链模型，按照系统组 成及功能结构，将已知可划分为多层次组分的离散事件系统的系统故障模式，用Petri网 的库所作为故障模式节点，用Petri网的变迀表示故障模式的联结传递关系，以此构建出 复合故障因果链。
[0064] 步骤S120、解耦隔离器获取所述petri网模型构建器构建的复合故障因果链模 型，基于复合故障因果链模型采用最小割集法对离散事件系统中的链路进行解耦隔离，得 到独立的链路集；
[0065] 步骤S130、创建求解进程，入度指该链路所有节点的输入弧总数；度是指该链路 所有节点的总弧数，节点入度和度的比值为链路独立度参量，基于链路集中的每条链路的 入度和度的比值，得到链路独立度信息。
[0066] 上述链路独立度就是链路上每个节点具有的输入节点的个数（度）之和与所有节 TID 点的连接节点个数总和的比值，独立度就是?=j，TID是入度之和，TD是所有度的和。
[0067] 基于先验知识，获得链路风险优先数因子（ChainRiskPriorityNumber Parameter，CRPN)数据和节点风险优先数因子NRPN(
[0068] 步骤S140、基于先验故障概率获得后验故障概率信息；先验故障概率根据以往经 验和分析得到的故障概率，它往往作为"由因求果"问题中的"因"出现；后验故障概率是 在得到〃故障结果〃的信息后重新修正的故障概率，是〃执果寻因〃问题中的〃果"。先验 故障概率与后验故障概率有不可分割的联系，后验故障概率的计算要以先验故障概率为基 础。
[0069] 步骤S150、风险优先数（RiskPriorityNumber，RPN)是失效模式影响分析 (FailureModeandEffectsAnalysis)风险系数评价指标，在这里用于评价故障节点和故 障链路的风险系数。风险优先数包含：工艺模式的故障严酷度等级（S)、发生概率等级（0) 和被检测难度等级（D)。基于先验知识，获得链路风险优先数因子（ChainRiskPriority NumberParameter，CRPN)数据和节点风险优先数因子NRPN(NoteRiskPriorityNumber Parameter，NRPN)数据，将CRPN和NRPN模糊化，得到模糊链路风险优先数因子（Fuzzy ChainRiskPriorityNumberParameter，FCRPN)数据和模糊节点风险优先数因子（Fuzzy NoteRiskPriorityNumberParameter,FNRPN)FNRPN〇
[0070] 步骤S160、基于FRPN(FCRPN&FNRPN)，对给定的故障参数的输入，确定每条故障链 路的故障传递可能性等级，上述故障参数为先验故障概率，故障模式等。
[0071] 然后，确定与故障传递相关的链路上，每个故障节点的影响等级系数，再将FRPN 去模糊化，作为故障传播链路和故障源排序的数值依据。
[0072] 故障形式即故障模式，就是对故障的描述；故障链路即各设备间的故障影响关系 构成的故障传播路径；故障源即引发故障的最初部件或位置；真实故障源：真正引发故障 发生的最初部件或位置，与维修人员是否检测到无关；故障节点：在故障链路中的故障模 式或部件。
[0073] 风险优先数作用：是S、0、D三个参量，乘积作为风险优先数P的值，用于评价故障 风险大小，这里求取三个参量S、0、D的方法在下文有详细描述。
[0074] 步骤S170、处理器对复合故障模型的参数进行训练，选取历史故障数据作为输入， 得出相应的故障源排序集合。若真实故障源不在该故障源排序集合内，则处理器对原复合 故障模型进行机理分析，增加通向该故障源的链路集，若真实故障源在该故障源排序集合 内，则处理器对该真实故障源，以及故障传播路径增加概率奖励因子，对复合故障模型的初 始值做修正。
[0075] 需要说明的是，上述步骤的实现可以通过常规的计算机和/或其他常用终端来实 现，本发明实施例并无限制。
[0076] 假设系统Y有g种可能的故障形式Y= {yl,y2,y3, "*yg}(geN)，对于系统Y内 的单元节点，同一个故障节点引起系统不同故障形式的概率是不一样的，并且不同故障节 点对系统的同一种故障形式的贡献率也是不一样的。对检测出的系统确定的故障而言，其 故障形式确定，所对应的系统内部的故障节点也就相应确定，用数学语言描述则为：
[0077] 对于确定的系统故障形式y，产生系统该故障形式的内部故障节点集合为Py= {pi|y,p2 |y,…，ps|y}，则具有层次性的故障传递模型Py-〉y，S卩为复合故障链的定义。其 模型化描述为：
[0078] 假设一个给定的系统，按照结构功能划分为A，B，C，D四组，分别代表系统，子系 统，部件和零件四个层次，每一层都有元素节点表征故障现象，称为故障节点，最后一组 (零件组）的故障