[發明專利]基于狀態監測數據自動學習系統可靠性模型的方法

在審

• 申請號: 201910546145.4
• 申請日: 2019-06-21
• 公開（公告）號: CN110262954A
• 公開（公告）日: 2019-09-20
• 發明（設計）人: 任羿;李志峰;楊德真;馮強;王自力
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F16/215;G06F16/2458
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于系統、分系統和單元的狀態監測數據自動學習系統可靠性模型和失效參數，并對系統進行可靠性進行評估的方法，該方法不需要利用專家經驗，即可建立系統的可靠性模型，且根據新的監測數據能夠更新已有的可靠性模型結構和參數，能夠顯著提升大規模系統的可靠性建模和評估效率。步驟如下：1收集系統、分系統和單元的狀態監測數據。2基于狀態監測數據自動學習系統、分系統和單元的相關關系，建立系統的整體可靠性模型。3基于學習的模型結構和狀態監測數據，對模型中單元、分系統和系統的失效參數進行估計。4基于上述的結構模型、估計參數，評估系統的可靠性水平。

所屬技術領域

本發明提供了一種基于系統、分系統和單元的狀態監測數據自動學習系統可靠性模型和失效參數，并對系統進行可靠性評估的方法。它適用于具有狀態監測數據的復雜系統的可靠性建模和評估。通過利用狀態監測數據，該方法可以自主學習單元、分系統和系統間的相關關系，從而得到單元、分系統和系統的可靠性模型，在此基礎上，利用狀態監測數據可以估計單元、分系統和系統的失效參數，最終完成系統可靠性評估和單元重要度的分析。本發明屬于可靠性與系統工程領域。

背景技術

現代工程系統結構日趨復雜，系統或單元的工作狀態也復雜多變。系統或構成系統的分系統、單元不能僅僅使用工作、失效兩種狀態進行表征。如何對系統和單元的降級過程進行建模，是準確評估復雜系統可靠性的關鍵問題。此外，單元或分系統之間也存在著復雜的交聯關系，一個單元的降級會導致與其有功能或者結構依賴的單元隨之發生降級，如何發現和描述這種交互關系是建立準確的可靠性模型的難點。

當前已有多種可靠性模型應用于描述系統的多狀態特征，如通用生成函數、多值決策圖、馬爾科夫模型、多態故障樹和仿真方法等，這些方法可以分為基于組合方法和基于狀態空間方法兩大類。在這些多態模型的基礎上，通過引入條件概率表征單元間的影響關系，得以建立單元間的可靠性模型。但是上述模型都是基于正向建模的思路，在有完整的產品功能原理圖及相關設計經驗的情形下完成的正向建模過程。但是該類模型的準確性依賴于明晰的功能原理和設計人員的設計經驗，不同設計人員即使對于同一產品，也可能由于其對于系統的理解深淺、個人的工程經驗多少以及建模方法的難易而得到不同的可靠性模型。而這給產品的可靠性模型的維護和更新帶來了諸多的不便，因此，如何能夠有效地建立相對一致的可靠性模型是多狀態系統可靠性分析評估要解決的首要問題。

本發明與原有的正向建模方法不同，本專利通過利用系統、單元的整體的狀態監測數據，從數據中學習系統的可靠性模型和模型的參數，然后再利用學習的結果對系統的可靠性進行評估和分析。該方法可以有效地自動建立復雜大規模系統的可靠性模型，且由于模型來源于數據，從而保證了模型的一致性，也使得系統模型的維護更加簡單，并且可以根據系統的運行狀態實時對可靠性模型進行更新，能實現對系統可靠性的實時評估。

發明內容

本發明提供一種基于系統、分系統和單元的狀態監測數據自動學習系統可靠性模型和失效參數，并對系統進行可靠性進行評估的方法。目的和解決的問題是：通過利用系統的狀態監測數據，自動學習構建系統組成單元與系統的可靠性關系模型，評估系統可靠性。該方法首先收集系統和單元的狀態監測數據，并將不同性能數據范圍與單元的離散狀態值形成映射關系，最終建立單元狀態組合與系統狀態的對應關系，該關系可通過表格的形式進行表示。其次，利用貝葉斯結構學習算法-K2算法和上述建立的數據關系學習出單元、分系統和系統間的可靠性影響關系；再次，在已有可靠性結構模型的情況下，利用單元、分系統的監測數據的統計分布來估計單元、分系統的分布參數，至此可靠性模型的結構和參數均以得到；最后，根據上面步驟建立的可靠性模型評估系統的可靠性，并可得到單元的重要度等信息。

本發明是一種基于狀態監測數據自動學習系統可靠性模型并進行可靠性評估的方法，主要包含以下四部分：

第一部分：基于狀態監測數據形成單元、分系統和系統的狀態組合關系。

對收集的狀態監測數據進行清洗和處理是后續學習算法和評估模型的基礎，數據處理過程包括以下兩個步驟：