[發明專利]一種基于安全樹模型的電動車輛安全設計優化方法

有效

• 申請號: 201910317159.9
• 申請日: 2019-04-19
• 公開（公告）號: CN110110401B
• 公開（公告）日: 2020-02-04
• 發明（設計）人: 張偉
• 申請（專利權）人: 深圳市德塔防爆電動汽車有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15
• 代理公司: 44217 深圳市順天達專利商標代理有限公司
• 代理人: 鄒秋菊

1.一種基于安全樹模型的電動車輛安全設計優化方法，其特征在于，包括：

S1.構建安全樹，所述安全樹包括多個底層事件、中間層事件、頂層事件以及所述底層事件、所述中間層事件、所述頂層事件之間的邏輯因果關系和安全重要程度；

S2.基于所述安全樹對各個底層事件進行安全重要度排序；

S3.基于所述底層事件的安全重要度對所述安全樹中發生概率高的分支進行故障重構分析，并基于分析結果降低所述分支中的所述底層事件的發生概率；

其中所述步驟S1進一步包括：

S11.采集電動車輛的整車安全故障數據；

S12.將所述整車安全故障數據映射歸類到不同的安全事件組別中，并分別統計各個安全事件組別頻次數據；

S13.采用聯合分析方法對各個安全事件組別中的所述整車安全故障數據進行分類構建安全樹；

所述步驟S2進一步包括

S21.通過中間層事件的采集和統計，分析所述中間層事件的存在的參數偏差，將所述中間層事件的原始頻次數據換算為標準化的各級中間事件頻次數據；

S22.通過所述邏輯因果關系和所述中間事件的結果分析統計得到各個底層事件的發生概率；

S23.基于所述安全樹和所述中間層事件的采集和所述中間事件頻次數據統計得到各個頂層事件的發生概率；

S24.基于各個底層事件對各個中間事件的概率，和各個頂層事件的發生概率，計算得到各個底層事件對頂層事件的影響概率；

S25.基于各個底層事件對各個頂層事件的影響概率對各個底層事件進行安全重要度排序。

2.根據權利要求1所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，所述步驟S3進一步包括：

S31.基于所述底層事件的安全重要度對所述安全樹中的頂層事件的優先度進行認定；

S32.對優先度高的頂層事件，根據所述安全樹中發生概率高的分支尋找對應的底層事件；

S33.基于電動車輛運行理論和故障邏輯關系重新設計所述底層事件。

3.根據權利要求2所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，所述步驟S3進一步包括：

S34.評估所述重新設計的合理性和影響性；

S35.基于所述評估更新所述安全樹。

4.根據權利要求1所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，所述步驟S13進一步包括：

S131.將所述整車安全故障數據至少分為第一故障類別、第二故障類別、第三故障類別和第四故障類別；

S132.采用不同的分析方法分析所述第一故障類別、所述第二故障類別、所述第三故障類別和所述第四故障類別的所述整車安全故障數據，以確定所述電動車輛安全故障數據之間的層級關系從而確定底層事件、中間層事件和頂層事件以及所述底層事件、所述中間層事件、所述頂層事件之間的邏輯因果關系和安全重要度；

S133.逐層建立故障因果關系直至遍歷所有的所述整車安全故障數據以完成電動車輛的安全樹構建。

5.根據權利要求1所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，所述步驟S21包括：

S211.采集所述電動車輛的中間事件的故障數據并進行統計解耦，針對所述電動車輛的運行參數的動態變化，分析存在的參數偏差；將所述參數偏差和所述故障數據中的突發失效報警事件作為所述中間層事件的原始頻次數據；

S212.針對各級中間事件的原始頻次數據對應的工作環境，將所述原始頻次數據換算為標準化的各級中間事件頻次數據。

6.根據權利要求5所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，所述步驟S22包括：統計在現場應用、測試、檢驗場景下的標準化的各級中間事件頻次數據，并分別計算對應各個底層事件的發生概率。

7.根據權利要求1所述的基于安全樹模型的電動車輛安全設計優化方法，其特征在于，在所述步驟S23中，通過中間事件的發生頻次統計和分布、各中間事件的風險度值，計算頂層事件的發生概率；和/或在所述步驟S24中，采用貝葉斯算法算出各個底層事件對所述頂層事件的影響概率。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現根據權利要求1-7中任意一項權利要求所述的基于安全樹模型的電動車輛安全設計優化方法。