一种基于数据驱动的共因失效的可靠性判断系统及方法
【专利摘要】一种基于数据驱动的共因失效的可靠性判断系统及方法，可对大型复杂系统进行包含共因失效的可靠性分析。该系统主要包括4个模块：数据收集器，获取共因失效数据和给定系统信息并提供给其它模块；共因失效分析器，根据共因失效数据确定基本事件分组，并对其进行共因失效分析；故障树模型解析器，根据基本事件分组结果修改给定系统的故障树模型；故障树分析器，对给定故障树模型进行分析。本发明可对任意类型的非匀称共因失效进行分析，能够更加准确的对大型复杂系统进行可靠性分析和监测。
【专利说明】一种基于数据驱动的共因失效的可靠性判断系统及方法
【技术领域】
[0001]本发明涉及一种基于数据驱动的共因失效的可靠性判断系统及方法，属于可靠性分析和概率安全分析领域。
【背景技术】
[0002]在大型复杂系统(例如核电厂系统、军用装备系统或航海航空系统)的可靠性分析(Reliability Analysis)和概率安全分析当(Probabilistic Safety Analysis, PSA)中，由于冗余系统的存在，共因失效(Common-Cause Failures, CCF)不可避免,而且常常导致整个系统的失效率大为上升，其重要性是毋庸置疑的。共因失效是相依失效的一种，目前一般认为其代表着由于一个或多个共同原因导致多个系统部件同时失效，或者多个部件在无法缓解的短时间内相继失效的情况。
[0003]目前的共因失效研究已经非常多，但是这些研究中很少有对非匀称共因失效进行探索的，然而由于设计原理、制造加工、存储运输安装、运行检修、工作环境等等不可避免的差别，非匀称性是普遍存在的。在精度比较高的可靠性分析和PSA当中，通常要求对非匀称共因失效(Asymmetrical Common-Cause Failure)进行细致的分析,而不是像现在的常用分析系统那样作一个匀称假设，认为它们的失效率是完全一样的，然后把它们都放在一个共因组(Common-Cause Component Group)里面。
[0004]目前对非匀称共因失效的处理方法有三种:(I)第一种是美国核管会NRC在1998年提出的建模方法，但是NRC没有提供对应的参数估计法；(2)第二种是2005年Jo提出的分别建模法，但是其误差与非匀称共因失效的比例有关系，很大程度上限制了它的精确度和应用范围；(3)第三种是2009年Kang提出的近似公式法，把一个共因基本事件分解为均称部分和非匀称部分并分别建模，并假设各个分解部分之间是匀称的，给出了 BPM (BasicParameter Model)和AFM (Alpha Factor Model)模型的参数估计法,然而近似公式法不能分析不同类型的冗余部件的共因失效。而且这些方法难以在可靠性判断系统当中实际运用。
【发明内容】
[0005]本发明技术解决问题:克服现有技术的不足，一种基于数据驱动的共因失效的可靠性判断系统及方法，能对大型复杂系统的非匀称共因失效进行更好的处理，得到更准确的可靠性和安全性。
[0006]本发明技术解决方案:本发明提出的多重共因失效的概念即:一个基本事件同时受到2个或2个以上共因失效影响的时候，把该事件同时放在多个共因组(即由同种共因导致失效事件的组合)当中。经过共因结构分解法处理过的非匀称共因失效，可以采用各种常规共因失效模型对其进行分析，并且进行相应的参数转换，具体实现步骤如下内容:
[0007]—种基于数据驱动的共因失效的可靠性判断系统，包括:数据收集器、共因失效分析器、故障树模型解析器和故障树分析器；[0008]数据收集器:对给定系统，利用试验获得系统冗余设备的共因失效数据，也可使用与该系统类似的其它系统现有的共因失效数据；并获得由分析人员根据系统结构信息建造的不含共因失效的系统故障树模型；还存储基本事件可靠性模型、共因失效模型、共因失效分析结果以及含共因失效的系统故障树模型；供其它模块使用；
[0009]共因失效分析器:根据共因失效数据和不含共因失效的系统故障树模型，采用共因结构分解法，对系统设备或部件进行共因组的自动分配与组合，得到所有的共因组，并对共因失效的分组情况进行核查与调整；选择给定系统的部件对应的基本事件可靠性模型，同一个共因组的基本事件只能选择同一种可靠性模型；给出每个共因组选择的可靠性模型；根据共因失效数据，采用共因结构分解法自动确定非匀称共因失效的基本事件在其涉及到的共因组中的比例，在核查调整后，再确定每个共因组的共因失效模型，最后计算各组内基本事件的最终失效概率，并将所有结果存储到数据收集器；
[0010]故障树模型解析器:从数据收集器获取共因失效分析结果，采用共因结构分解法对给定系统的不考虑共因失效的故障树模型进行解析和修改，构建出一个能反映共因失效的故障树模型；结果存储到数据收集器；
[0011]故障树分析器:从数据收集器获取能反映共因失效的故障树模型，对其进行分析，得到给定系统的可靠性分析结果；此结果反映给定系统的共因失效特性；并根据实时的系统监测信号，计算出系统的实时可靠性结果，将所述可行性结果存储到数据收集器。
[0012]所述共因结构分解法实现如下:
[0013](I)当一个代表某个设备或者部件的基本事件A同时受到n个共因失效的影响时，根据试验数据,把这个基本事件分解成(n+1)个基本事件(Aci, A1，A2, A3，…，An)，其中Aci是A单独发生的代表，而A1，A2，A3，...，An分别从属于n个共因组；并忽略A1，A2，A3，...，An的独立失效概率，仅取其共因失效概率，用以分别代表n个共因组引起的A的共因失效的贡献；对给定系统的所有基本事件进行这种分解之后，得到系统的共因组的分配和组合结果；
`[0014](2)基本事件A的概率按照如下公式计算=Pt=VPJP2+...+Pn ;其中:PT为A发生的总概率，Ptl为A单独发生，即A0的概率，P1为A1所属共因组带来的A的共因失效概率，即A1的共因失效概率，P2为A2所属共因组带来的A的共因失效概率，即A2的共因失效概率，Pn为An所属共因组带来的A的共因失效概率，即An的共因失效概率；按照此公式和各个共因组对应的共因失效模型公式，确定非匀称共因失效的基本事件在其涉及到的各个共因组中的比例；
[0015](3)n个共因组内部采用选定的共因失效模型进行分析，然后根据步骤(2)的公式计算出基本事件的最终失效概率。
[0016]一种基于数据驱动的共因失效的可靠性判断方法，实现步骤如下:
[0017](I)根据共因失效数据和不含共因失效的系统故障树模型，采用共因结构分解法，对系统设备或部件进行共因组的自动分配与组合，得到所有共因组，并对共因失效的分组情况进行核查与调整；选择给定系统的部件对应的基本事件可靠性模型，同一个共因组的基本事件只能选择同一种可靠性模型；并选择每个共因组选择的共因失效模型；根据共因失效数据，采用共因结构分解法自动确定非匀称共因失效的基本事件在其涉及到的共因组中的比例，得到共因失效分析结果；
[0018](2)根据共因失效分析结果，采用共因结构分解法对给定系统的不考虑共因失效的故障树模型进行解析和修改，构建出一个能反映共因失效的故障树模型；
[0019](3)获取基本事件可靠性模型，建立给定系统故障树模型，获取共因失效的分组情况，建立多重共因失效的基本事件组，采用共因结构分解法，修改基本事件组，得到反映共因失效的故障树模型；
[0020](4)从数据收集器获取能反映共因失效的故障树模型，对其进行分析，得到给定系统的可靠性分析结果；此结果反映给定系统的共因失效特性；并根据实时的系统监测信号，计算出系统的实时可靠性结果。
[0021]本发明与现有技术相比的优点在于:本发明基于多重共因失效的概念，发展出一种“共因结构分解法”的可靠性判断系统和方法，能够对一般性的非匀称共因失效进行分析判断，包括那些由不同类型部件组成的非匀称共因失效，而且能处理各种共因模型。能对大型复杂系统的非匀称共因失效进行更好的处理，更准确的分析系统的可靠性和安全性。
【专利附图】
【附图说明】
[0022]图1是本发明的系统结构图；
[0023]图2是图1中数据收集器的实现流程图；
[0024]图3是图1中共因失效分析器的实现流程图；
[0025]图4是图1中故障树模型解析器的实现流程图；
[0026]图5是图1中故障树分析器的实现流程图；
[0027]图6是秦山第三核电厂的二号停堆系统的毒物快开注射阀示意图(6个快开注射阀，每两个串联的构成一条注射通道；只要三条通道中的任意一条通道功能正常，则满足安全要求，即三取一的冗余系统。来自网络公开资料);
[0028]图7-1-图7-2是对图6系统进行可靠性分析的故障树图，其中图7_1是不含共因失效的分析图；图7-2是使用本发明的“共因结构分解法”的分析图；图7-2中有4个共因组:[II，21]，[1G，2G]，[1H，2H]，[1I，1G，1H]；
[0029]图8是美国在运核反应堆常用的余热排出泵系统(四取一的冗余系统。来自网络公开资料);
[0030]图9_1_9_2是对图8系统进行可靠性分析的故障树图，其中图9_1是不含共因失效的分析图，图9-2是使用本发明的“共因结构分解法”的分析图；图9-2中泵B3同时属于2 个共因组:[BI, B2, B3]，[B3, B4]。
【具体实施方式】
[0031]如图1所示，本发明的系统运作方式如下:
[0032](I)首先采用数据收集器:对给定系统，使用统计试验获得系统冗余设备的共因失效数据，也可使用与该系统类似的其它系统现有的共因失效数据；并存储系统结构信息、系统分析边界和系统故障树模型；
[0033]( 2 )然后采用共因失效分析器:从数据收集器获取共因失效数据，采用“共因结构分解法”对数据进行分析，得到其共因失效部件组合及各种组合的比例，结果存储到数据收集器；
[0034](3)然后采用故障树模型解析器:从数据收集器获取共因失效分析的结果，采用“共因结构分解法”对给定系统的不考虑共因失效的故障树模型进行解析和修改，构建出一个能反映共因失效的故障树模型；结果存储到数据收集器；
[0035](4)最后采用故障树分析器:从数据收集器获取能反映共因失效的故障树模型，对其进行分析，得到给定系统的可靠性分析结果；此结果反映给定系统的共因失效特性；并根据实时的系统监测信号，计算出系统的实时可靠性结果；结果存储到数据收集器。
[0036]本发明的共因结构分解法详细说明如下:
[0037]当一个代表某个设备或者部件的基本事件A同时受到n个共因失效的影响时，可根据试验数据或者经验,人为的把这个基本事件分解成多个基本事件(Aci, A1, A2, A3,,An)，其中A0是A单独发生的代表，而A1, A2, A3,..., An分别从属于n个共因组；因为A1, A2,A3, , An不是真实存在的事件，所以在这里将忽略其独立失效概率，而仅取其共因失效概率，用以分别代表n个共因组引起的A共因失效的贡献。
[0038]于是，基本事件A的概率分解如下公式:
[0039]Pt (A发生的总概率)=P0 (A单独发生，即Atl的概率)+P1 (A1所属共因组带来的A的共因失效概率，即A1的共因失效概率)+P2 (A2所属共因组带来的A的共因失效概率，即A2的共因失效概率)+...+Pn (An所属共因组带来的A的共因失效概率，即An的共因失效概率)。
[0040]下面列出当前普遍通用的4种共因失效模型的Pi和Qi的计算公式(其它模型也可以类似的得出相关计算 公式，下面4种模型的参数估计，都可以根据原来模型的估计方法来进行):
[0041]对于BPM模型，有Ji=Qt-Q1，那么0 J=PiZP1= (Qt-Q1) /Pt，这里Q1代表共因组中某个普通基本事件的独立失效概率，Qt代表共因组中某个普通基本事件的总概率。
[0042]对于BFM模型，有=Pi=Qm= P B*Qt，0 ^PiZP1= P B*Qt/PT，这里Qt代表共因组中某个普通基本事件的总概率。
[0043]对于交错实验的AFM 模型，有:Pi= ( a2+a3+...+am)*Qt, 0 ^PiZP1=(a2+a3+...+affl) *Qt/PT，这里假设第i个共因组有m个基本事件。
[0044]对于MGLM 模型有 Ji= P M*Qt，0 J=PiZP1= P M*Qt/PT，至于 Y、S，则可以根据 MGLM 模型的定义便可。
[0045]实施例1
[0046]要对图6使用本发明的“共因结构分解法”进行分析。
[0047]共因失效分析器根据核电厂实际系统的共因失效数据，得到其共因失效部件组合，例如:该系统应当有4个共因组:[II，21]，[1G，2G]，[1H，2H]，[1I，1G，1H]。则建立图7-2的故障树模型。然后采用故障树分析器对其进行分析，得到给定系统的可靠性分析结果；此结果能够反映给定系统的共因失效特性。
[0048]图7-2中，圆形代表基本事件，圆形中的字符“II (21)”代表“II” “21”同时发生的共因失效事件，其它字符含义类似。
[0049]为便于对比，图7-1给出了按照传统的可靠性分析方法在不考虑共因失效时的图6系统的故障树模型，图7-1同时也是本发明的分析出发点。
[0050]实施例2
[0051]要对图8使用本发明的“共因结构分解法”进行分析。[0052]共因失效分析器根据核电厂实际系统的共因失效数据，得到其共因失效部件组合，例如:该系统应当有2个共因组:[BI, B2, B3]，[B3, B4]。则建立图9_2的故障树模型。然后采用故障树分析器对其进行分析，得到给定系统的可靠性分析结果；此结果能够反映给定系统的共因失效特性。
[0053]图9-2中，圆形代表基本事件，圆形中的字符“B123”代表“BI” “B2” “B3”同时发
生的共因失效事件，其它字符含义类似。
[0054]为便于对比，图9-1给出了按照传统的可靠性分析方法在不考虑共因失效时的图8系统的故障树模型，图9-1同时也是本发明的分析出发点。
[0055]本发明说明书中未做详细描述的内容属于本领域专业技术人员公知的现有技术。
[0056]以上所述仅是本发明的优选实施方式，应当指出，对于本【技术领域】的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
【权利要求】
1.一种基于数据驱动的共因失效的可靠性判断系统，其特征在于包括:数据收集器、共因失效分析器、故障树模型解析器和故障树分析器； 数据收集器:对给定系统，利用试验获得系统冗余设备的共因失效数据，也可使用与该系统类似的其它系统现有的共因失效数据；并获得由分析人员根据系统结构信息建造的不含共因失效的系统故障树模型；还存储基本事件可靠性模型、共因失效模型、共因失效分析结果以及含共因失效的系统故障树模型；供其它模块使用； 共因失效分析器:根据共因失效数据和不含共因失效的系统故障树模型，采用共因结构分解法，对系统设备或部件进行共因组的自动分配与组合，得到所有的共因组，并对共因失效的分组情况进行核查与调整；选择给定系统的部件对应的基本事件可靠性模型，同一个共因组的基本事件只能选择同一种可靠性模型；给出每个共因组选择的可靠性模型；根据共因失效数据，采用共因结构分解法自动确定非匀称共因失效的基本事件在其涉及到的共因组中的比例，在核查调整后，再确定每个共因组的共因失效模型，最后计算各组内基本事件的最终失效概率，并将所有结果存储到数据收集器； 故障树模型解析器:从数据收集器获取共因失效分析结果，采用共因结构分解法对给定系统的不考虑共因失效的故障树模型进行解析和修改，构建出一个能反映共因失效的故障树模型；结果存储到数据收集器； 故障树分析器:从数据收集器获取能反映共因失效的故障树模型，对其进行分析，得到给定系统的可靠性分析结果；此结果反映给定系统的共因失效特性；并根据实时的系统监测信号，计算出系统的实时可靠性结果，将所述可行性结果存储到数据收集器。
2.根据权利要求1所述的一种基于数据驱动的共因失效的可靠性判断系统，其特征在于:所述共因结构分解法实现如下: (1)当一个代表某个设备或者部件的基本事件A同时受到n个共因失效的影响时，根据试验数据，把这个基本事件分解成(n+1)个基本事件(A0, A1, A2, A3,...，An)，其中A0是A单独发生的代表，而A1, A2, A3,..., An分别从属于n个共因组；并忽略A1, A2, A3,..., An的独立失效概率，仅取其共因失效概率，用以分别代表n个共因组引起的A的共因失效的贡献；对给定系统的所有基本事件进行这种分解之后，得到系统的共因组的分配和组合结果； (2)基本事件A的概率按照如下公式计算=Pt=P0+P1+P2+...+Pn ;其中:PT为A发生的总概率，P0为A单独发生，即A0的概率,P1为A1所属共因组带来的A的共因失效概率，即A1的共因失效概率，P2为A2所属共因组带来的A的共因失效概率，即A2的共因失效概率，Pn为An所属共因组带来的A的共因失效概率，即An的共因失效概率；按照此公式和各个共因组对应的共因失效模型公式，确定非匀称共因失效的基本事件在其涉及到的各个共因组中的比例； (3)n个共因组内部采用选定的共因失效模型进行分析，然后根据步骤(2)的公式计算出基本事件的最终失效概率。
3.一种基于数据驱动的共因失效的可靠性判断方法，其特征在于实现步骤如下: (1)根据共因失效数据和不含共因失效的系统故障树模型，采用共因结构分解法，对系统设备或部件进行共因组的自动分配与组合，得到所有共因组，并对共因失效的分组情况进行核查与调整；选择给定系统的部件对应的基本事件可靠性模型，同一个共因组的基本事件只能选择同一种可靠性模型；并选择每个共因组选择的共因失效模型；根据共因失效数据，采用共因结构分解法自动确定非匀称共因失效的基本事件在其涉及到的共因组中的比例，得到共因失效分析结果； (2)根据共因失效分析结果，采用共因结构分解法对给定系统的不考虑共因失效的故障树模型进行解析和修改，构建出一个能反映共因失效的故障树模型； (3)获取基本事件可靠性模型，建立给定系统故障树模型，获取共因失效的分组情况，建立多重共因失效的基本事件组，采用共因结构分解法，修改基本事件组，得到反映共因失效的故障树模型； (4)从数据收集器获取能反映共因失效的故障树模型，对其进行分析，得到给定系统的可靠性分析 结果；此结果反映给定系统的共因失效特性；并根据实时的系统监测信号，计算出系统的实时可靠性结果。
【文档编号】G06F17/30GK103646095SQ201310699648
【公开日】2014年3月19日 申请日期:2013年12月17日 优先权日:2013年12月17日
【发明者】陈珊琦, 汪进, 胡丽琴, 李亚洲, 吴宜灿 申请人:中国科学院合肥物质科学研究院