本发明属于重要性分析,涉及一种考虑认知不确定性的系统部件重要性分析方法。
背景技术:
1、由于不确定性的广泛存在,系统中部件的参数往往不是确定值,部件可能出现正常工作和失效两种状态,相应的系统寿命也具有不确定性。在系统寿命设计中,需要找到对系统寿命影响较大的部件进行可靠性设计,提高重要部件的可靠度,以尽可能地延长系统寿命。
2、在系统设计中,部件的重要性一般由重要性测度指标来量化。传统的重要性测度指标都是基于精确的参数测量来计算,这些指标在建立系统模型时没有考虑认知不确定性。然而,实践中能获得的数据往往是不完整或者是不精确的,存在大量的认知不确定性,这给针对系统寿命的部件重要性分析带来了很大的困难。
技术实现思路
1、针对现有技术中存在的不足,本发明的目的在于,提供一种考虑认知不确定性的系统部件重要性分析方法,以能准确、高效地分析对提高系统寿命贡献更大的部件。
2、为了解决上述技术问题,本发明采用如下技术方案予以实现:
3、一种考虑认知不确定性的系统部件重要性分析方法,该方法通过定义系统部件的重要性测度,衡量系统部件从正常工作状态转变到失效状态时对系统寿命概率密度函数的影响程度;该方法包括:
4、步骤s10,定义系统部件的重要性测度;
5、步骤s20,根据系统部件的部件参数得到其工作状态的矩阵表示,计算对应的系统寿命并构建样本池;
6、步骤s30,获取其中一个部件正常工作条件下对应的系统寿命;以及该部件处于失效状态时对应的系统寿命;
7、步骤s40,估计该部件处于正常工作状态的系统寿命的概率密度函数;
8、步骤s50,估计该部件处于失效状态的系统寿命的概率密度函数;
9、步骤s60,根据定义的重要性测度量化该系统部件的重要程度。
10、本发明还包括如下技术特征:
11、具体的,所述步骤s10中,重要性测度为:
12、其中,为重要性测度,其上标t代表该变量为与系统寿命有关的变量,下标i为系统部件的序号,表示系统的第i个部件;t为积分变量,该公式中对系统寿命进行积分;pi表示系统第i个部件的状态,pi=1表示系统第i个部件处于正常工作状态,pi=0表示系统第i个部件处于失效状态;ft(t|pi=1)为系统第i个部件处于正常工作状态条件下的系统寿命的概率密度函数,ft(t|pi=0)为系统第i个部件处于失效状态条件下的系统寿命的概率密度函数,下标t代表该变量为与系统寿命有关的变量。
13、具体的,所述步骤s20包括:根据部件参数的分布生成部件参数样本池;根据部件参数获得部件状态,则系统部件的工作状态用矩阵a表示:
14、
15、其中,的下标i为系统部件的序号,表示系统的第i个部件,上标(j)表示该系统部件的第j组部件参数下的工作状态,则表示系统的第j组部件工作状态,n表示系统包括n个部件;
16、计算矩阵a中每组部件工作状态对应的系统寿命,构建样本池(t(1),,t(j),,t(n));其中,t(j)表示矩阵a中第j组部件工作状态对应的系统寿命。
17、具体的,所述步骤s30中,令矩阵a中的第i维样本都为1,即第i个部件处于正常工作状态,对照每组系统部件状态,获得其系统寿命其中,表示第i个部件处于正常工作状态时,第j组部件工作状态对应的系统寿命;
18、令a中的第i维样本都为0,即第i个部件处于失效状态,对照每组系统部件状态,获得其系统寿命其中,表示第i个部件处于失效状态时,第j组部件工作状态对应的系统寿命。
19、具体的,所述步骤s40包括:通过核密度估计法估计第i个部件处于正常工作状态时对应的系统寿命的概率密度函数,即
20、具体的,所述步骤s50包括:通过核密度估计法估计第i个部件处于失效状态时对应的系统寿命的概率密度函数,即
21、具体的,所述步骤s60包括:
22、计算
23、其中,表示对n组数据求和;
24、的数值越大,则该部件对系统寿命的影响越大,该部件越重要。
25、本发明与现有技术相比,具有如下技术效果:
26、本发明通过定义考虑认知不确定性的系统部件的重要性测度,衡量了系统部件从正常工作状态转变到失效状态时对系统寿命概率密度函数的影响程度。该方法能够通过明确的数值对所有系统部件进行排序,从而筛选对系统寿命更为重要的部件。另外,该方法考虑了系统寿命的整体分布,信息更为全面。
1.一种考虑认知不确定性的系统部件重要性分析方法,其特征在于,该方法通过定义系统部件的重要性测度,衡量系统部件从正常工作状态转变到失效状态时对系统寿命概率密度函数的影响程度;该方法包括:
2.如权利要求1所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s10中,重要性测度为:
3.如权利要求2所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s20包括:根据部件参数的分布生成部件参数样本池;根据部件参数获得部件状态,则系统部件的工作状态用矩阵a表示:
4.如权利要求3所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s30中,令矩阵a中的第i维样本都为1,即第i个部件处于正常工作状态,对照每组系统部件状态,获得其系统寿命其中,表示第i个部件处于正常工作状态时,第j组部件工作状态对应的系统寿命;
5.如权利要求4所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s40包括:通过核密度估计法估计第i个部件处于正常工作状态时对应的系统寿命的概率密度函数,即
6.如权利要求5所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s50包括:通过核密度估计法估计第i个部件处于失效状态时对应的系统寿命的概率密度函数,即
7.如权利要求6所述的考虑认知不确定性的系统部件重要性分析方法,其特征在于,所述步骤s60包括: