本发明涉及消防工程领域,尤其是涉及一种用于气体灭火系统可靠性的评估方法。
背景技术:
气体灭火系统通常使用在需要重点保护的场所,如通信基站、电脑房、图书馆和博物馆等,在人身和财产安全保护方面起着重要的作用。为了达到该目的,气体灭火系统必须随时处于待机状态,保证一旦出现火情能够及时启动。而只有系统时刻保持高可靠性,才能保证及时成功启动。
目前,气体灭火系统可靠性具有以下特点:(1)样本有限,数量少;(2)样本来自各个企业提供的数据,即不同的信息源提供的信息;(3)基础可靠性数据缺失。由于经典统计方法等需要大样本数据支持,故对于气体灭火系统并不适用。
因此,气体灭火系统亟需一种可靠性评估方法,能够利用多源的信息及数据,及时发现气体灭火系统的薄弱环节,摸索出一定的故障规律,从而指导气体灭火系统设计、生产、施工、检修和维护保养工作,提高其可靠性,最大限度地降低故障和事故损失。
技术实现要素:
本发明的目的在于拓展消防可靠性评估方法,提供了一种用于气体灭火系统可靠性的评估方法。
本发明采取的技术方案是:一种用于气体灭火系统可靠性的评估方法,其特征在于:运用故障树分析法-bayes计算方法-fmea分析法实现气体灭火系统可靠性的评估,首先,建立如表1所示的气体灭火系统可靠性故障树基本事件;其次,根据故障树,运用bayes方法计算故障树中各个底层故障单元的可靠性;再次,根据各个底层故障单元的可靠性逐层计算系统可靠性;最后,结合可靠性的计算结果,运用fmea分析法对气体灭火系统进行评估;
表1气体灭火系统可靠性故障树基本事件
本发明所述的运用bayes方法计算故障树中各个底层故障单元的可靠性时,首先进行多源验前信息的筛选并折算,将折算后的验前信息融合;其次将融合后的验前信息进行分布检验,判断其分布类型;再次经计算确定验前信息的权重;最后根据验前信息和现场样本信息,进行相容性检验后,通过公式计算得出各个故障单元的可靠度均值的点估计及其置信下限。
本发明所述的底层故障单元包括指数型寿命型单元和weibull型寿命型单元:
(1)指数型寿命型单元
经下式计算,可得其可靠度均值的点估计μke及置信下限rle,取可靠度均值的点估计为其可靠度均值的点估计μke,结果见表7。
式中
μke——可靠度均值的点估计,ke=1;
γ(·)——伽马分布;
m——现场试验时,停止试验时的失效次数;
η——现场试验时的等效任务数
a——验前信息中,停止试验时的等效失效次数;
ν——验前信息中的等效任务数
γ——置信度;
r——可靠度。
(2)weibull型寿命型单元
设
则其可靠度均值的点估计μkw及其置信下限rlw的计算公式如下:
式中:μkw——weibull型寿命型单元可靠度均值的点估计,kw=1;
τ0——验前信息定时截尾试验的截止时间;
m——现场定时截尾试验,停止试验时的失效次数;
ti——现场定时截尾试验,某一样本的失效时间或截止时间;
t——现场试验样本的任务时间;
β——weibull分布的形状参数;
δ——无验前分布时取1,均匀分布时取0;
a——验前信息中的等效失效次数;
b——验前信息中的等效样本数;
γ——置信度;
r——可靠度;
b——β的定义域;b(β1,β2)由下式计算得出:
式中:α——置信水平;
m——现场定时截尾试验,停止试验时的失效次数;
n——现场试验样本数;
ti——现场定时截尾试验,某一样本的失效时间或截止时间。
本发明所述的在进行多源验前信息的折算时,根据现场样本信息,将多源的验前信息转换为同一条件下的数据,或将相似数据转换为等效数据。
本发明所述的在融合后的验前信息进行分布检验时,取置信下限较高的分布为其分布类型。
本发明所述的计算确定验前信息的权重时,现场样本信息为权重常量,通过计算比较验前信息与现场样本信息的分布匹配程度来确定验前信息的权重。
本发明所述的根据验前信息和现场样本信息进行相容性检验时,采用参数检验法进行检验,若判定相容,则进行后续的底层故障单元可靠性计算,即可靠度均值的点估计及其置信下限的计算;若判定不相容,则重新筛选验前信息。
本发明所述的计算系统可靠性时,将底层故障单元可靠性分布都转换为二项分布,综合各底层故障单元的可靠性分布及系统本身的样本数量和失败次数,即可通过二项分布计算得出系统的可靠度均值及其置信下限。
本发明所产生的有益效果是:本发明提供了一种基于故障树-bayes方法-fmea的用于气体灭火系统可靠性的评估方法,解决了由于气体灭火系统样本少而难以评估可靠性的问题,有助于根据评估结果提高气体灭火系统可靠性,最大限度地降低故障和事故损失。
附图说明
图1气体灭火系统失效故障树
具体实施方式
以下结合附图和实施例对本发明作进一步说明:
参照图1,依据以下表1,图1给出了气体灭火系统失效故障图的事件编号及名称。
表1气体灭火系统故障树基本事件
实施例1——运用bayes方法计算故障树中各个底层故障单元的可靠性是,首先进行多源验前信息的筛选并折算。
验前信息的折算与融合:经筛选后的多源验前信息如以下表2所示,现场样本信息如以下表3所示:
表2灭火剂瓶组容器阀密封失效历史数据
表3灭火剂瓶组容器阀现场样本数据
由于气体灭火系统的样本数量少,故在验前信息样本数量不够的情况下,可以将相似产品的可靠性进行转换,计算出可靠性折算系数,从而得出等效的可靠性数据,达到扩大验前信息样本数量的目的。假设a、b为结构相似的产品,其验前信息源n的折算系数ωn的计算方法如下公式所示:
式中:λab——a、b共有单元的失效概率之和;
λa——a中有、b中没有的单元失效概率之和;
λb——a中没有、b中有的单元失效概率之和。
其中产品结构一致的验前信息源的折算系数ωn=1,在得出各个验前信息源的折算系数后,即可进行多源验前信息的融合,假设有n个信息源,其中信息源n的成功次数为sn,失败次数为an,则经过折算融合后的等效成功次数s与失败次数a,可根据如下公式计算得出:
设信息源n有hn批次的验前试验信息,则依据bayes方法,可由下式计算:
其中
lij、sij,为各批次的试验次数和失败次数;
经折算融合后的数据如以下表4所示:
表4多源验前信息融合数据表
计算确定验前信息的权重时,现场样本信息为权重常量,通过计算比较验前信息与现场样本信息的分布匹配程度,从而确定验前信息的权重,有效防止了由于验前信息数据量较大而现场样本信息数据量较小时,出现的“淹没”效应,即验前信息将现场样本信息淹没,导致现场样本信息失去意义,最终可靠性的计算会没有针对性,即所有系统可靠性均相差不大。
计算系统可靠性时,将单元可靠性分布都转换为成败型的可靠性分布,综合各单元的可靠性分布及系统本身的样本数量和失败次数,即可通过beta分布计算得出系统的可靠性均值及其置信下限。
实施例2——验前信息的检验,即确定验前信息属于哪种类型的分布。
指数分布的检验:
式中:t*——总试验时间;
tk——出现第k次故障时的总试验时间。
式中:
t0——定时截尾试验的截止时间;
tr——定数截尾试验中,第r个故障产品故障的时间;
n——寿命试验样品数量;
r——寿命试验结束时的故障数量;
ti——第i个故障产品的故障时间。
另有
检验规则是,若
表5指数验前分布检验
weibull分布的检验:
对n个产品进行寿命试验,在时间t0处截止试验,将故障时间从小到大排列,得到r个故障时间为
0<t1≤t2≤t3≤λ≤tr≤t0
设xi=lnti
设检验统计量
上式中,
检验规则为,若w<fα(2(r-r1-1),2r1),则该分布符合weibull分布,否则拒绝。具体计算结果,如以下表6所示:
表6weibull验前分布检验
实施例3——验前信息与现场样本信息相容性检验。
结合验前信息确定可靠度θ的验前分布为π(θ),这样就可以得到显著性检验的bayes验前置信区间为(θ1,θ2),其中θ1、θ2由下式确定:
此时取无信息验前分布,即可由现场信息得到未知参数θ的bayes估计值为
经检验,验前信息与现场样本信息相容,可开展后续计算。
实施例4——验前信息权重的计算
验前信息权重t的计算可由如下公式进行:
t=p(χ2>k)
式中:s——现场试验信息的成功数;
m——现场试验信息的失败数;
c——验前信息的成功数;
a——验前信息的失败数;
经计算,验前信息的权重t=0.77,故在后续的计算中,所有验前信息的成功数、失败数及样本总数均需乘以0.77后再使用。
实施例5——单元的可靠性评定
基本原理:若可靠度r符合某一分布,其分布函数为π(r|d),d表示现场试验信息,该分布一阶矩μ1为其可靠度r均值的点估计,取γ为置信度,γ=1-α,根据下式即可求得其置信下限rl及μ1。
(1)指数型分布
指数型寿命型单元经下式计算,可得其可靠度均值的点估计μke及置信下限rle,结果见表7。
式中
μke——可靠度均值的点估计,ke=1;
γ(·)——伽马分布;
m——现场试验时,停止试验时的失效次数;
η——现场试验时的等效任务数
a——验前信息中,停止试验时的等效失效次数;
ν——验前信息中的等效任务数
表7指数分布可靠性
(2)weibull型分布
设
则其可靠度均值的点估计μkw及其置信下限rlw经下式计算可得,结果见表8。
式中:μkw——weibull型寿命型单元可靠度均值的点估计,kw=1;
τ0——验前信息定时截尾试验的截止时间;
m——现场定时截尾试验,停止试验时的失效次数;
ti——现场定时截尾试验,某一样本的失效时间或截止时间;
t——现场试验样本的任务时间;
β——weibull分布的形状参数;
δ——无验前分布时取1,均匀分布时取0;
a——验前信息中的等效失效次数;
b——验前信息中的等效样本数;
γ——置信度;
r——可靠度;
b——β的定义域;b(β1,β2)由下式计算得出:
式中:α——置信水平;
m——现场定时截尾试验,停止试验时的失效次数;
n——现场试验样本数;
ti——现场定时截尾试验,某一样本的失效时间或截止时间。
该式中参数均为验前分布,式中
表8weibull分布可靠性
weibull分布求出的可靠度置信下限均要高于指数分布,即置信区间更窄,求出的可靠度更为准确,故采用weibull分布的可靠性数据。
实施例6——系统的可靠性评定
将单元可靠性分布都转换为成败型的可靠性分布,得出事件单元i的等效样本数ni及等效失败次数mi,其计算公式如下:
综合各单元的可靠性分布及系统本身的样本数量n’和失败次数m’,即可通过beta分布计算得出系统的可靠性均值
经计算,灭火剂瓶组容器阀可靠性数据。见以下表9:
表9灭火剂瓶组容器阀可靠性
同理可计算出各底层事件及各失效模式、失效部件及气体灭火设备的可靠性参数,如以下表10所示:
表10失效可靠性参数
实施例7——fmea分析
由于该故障树的最小割集即为各个底层事件,故从表10数据可以看出,事件x110、x101、x200及x510对于七氟丙烷灭火设备的失效概率影响最大,对其进行失效模式影响分析,如以下表11所示:
表11fema分析表