基于復合故障鏈推理的隱患辨識方法
【技術領域】
[0001] 本發(fā)明涉及隱患辨識技術領域，尤其涉及一種基于復合故障鏈推理的隱患辨識方 法。
【背景技術】
[0002] 目前，隱患辨識技術在電子信息工程，電力系統(tǒng)以及機械工程等領域得到了成功 應用，形成并發(fā)展出相應的理論算法和工程技術，但其方法目前尚未形成普適性的理論指 導思想，因此未能得到推廣。在軌道交通領域隱患辨識研究與應用較少。歐盟提出的模塊 化城市軌道交通系統(tǒng)，研究單獨部件和集中分組件的故障因果分析技術，可以通過減少單 獨部件的數(shù)量、集中分組件等多種方法避免新機車車輛所帶來的潛在風險。北美的先進列 車控制系統(tǒng)，可以基于列車和軌道精確數(shù)據(jù)得到隱患故障的模式和分布，依此可增大交通 運行的安全性和可靠性。雖然上述系統(tǒng)或項目實現(xiàn)了隱患辨識功能，但在檢測數(shù)據(jù)分析、對 象結(jié)構認知和專家經(jīng)驗的融合、故障鏈構建及各故障關聯(lián)分析等方面均未進行系統(tǒng)研究， 且存在功能單一、造價高昂等問題，因此，國外已有的隱患挖掘與評估預警系統(tǒng)不符合中國 城軌軌道交通實際情況，無法適用于我國城市軌道列車系統(tǒng)中。
[0003] 我國部分學者也開始了隱患辨識的研究，但缺乏系統(tǒng)的研究和成功應用。相關學 者利用智能化技術、網(wǎng)絡化技術和信息化技術，建立了鐵路車輛安全防范預警5T系統(tǒng)，實 現(xiàn)了對鐵路車輛的故障隱患的評估和預警。上海地鐵2號線，構建了在途故障診斷預警系 統(tǒng)，對城軌列車的故障成因關系、故障鏈構建、故障診斷與隱患挖掘等進行了研究，并在實 際應用中取得了較好的效果。
[0004] 城市軌道交通正在進入一個快速發(fā)展的新階段。為了緩解道路交通擁堵的壓力， 更為了提高運行效率，城市軌道交通都起著舉足輕重的作用。隨著運行里程的不斷累積，列 車車門系統(tǒng)的潛在故障的概率在增加，更復雜更多樣化的故障形式的不斷出現(xiàn)，給客運和 維修造成不便，由此產(chǎn)生的經(jīng)濟損失也是巨大。因此車門系統(tǒng)的可靠性和安全性問題也成 為迫待解決的關鍵問題，由于車門系統(tǒng)包括控制系統(tǒng)和機動系統(tǒng)，因此其故障形式多樣化， 故障所產(chǎn)生的問題也難以高效解決。
[0005] 因此，對城軌列車車門系統(tǒng)進行隱患辨識的研究，具有重大應用價值。目前我國城 軌列車車門系統(tǒng)多采用事后維修和計劃維修，該方案不能在列車車門系統(tǒng)未報出故障時， 預先給出故障預警信息，起不到預防故障的作用。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明實施例提供了一種基于復合故障鏈推理的隱患辨識方法，以實現(xiàn)對離散事 件系統(tǒng)的復合故障的隱患進行有效地辨識。
[0007] 為了實現(xiàn)上述目的，本發(fā)明采取了如下技術方案
[0008] -種基于復合故障鏈推理的隱患辨識方法，包括：
[0009] 基于預先構建的復合故障因果鏈模型，采用最小割集法對離散事件系統(tǒng)中的鏈路 進行解耦隔離，得到鏈路集；
[0010] 創(chuàng)建求解進程，基于每條鏈路的入度和度的比值，得到鏈路獨立度信息；基于鏈路 的先驗故障概率獲得鏈路的后驗故障概率信息；
[0011] 基于所述鏈路的獨立度信息和后驗故障概率信息獲得鏈路風險優(yōu)先數(shù)因子CRPN 數(shù)據(jù)和節(jié)點風險優(yōu)先數(shù)因子NRPN，將所述CRPN數(shù)據(jù)和NRPN數(shù)據(jù)模糊化，得到模糊鏈路風險 優(yōu)先數(shù)因子FCRPN和模糊節(jié)點風險優(yōu)先數(shù)因子FNRPN數(shù)據(jù)，通過風險優(yōu)先數(shù)RPN公式得到 模糊風險優(yōu)先數(shù)值FRPN=FCRPN&FNRPN;
[0012] 基于所述模糊風險優(yōu)先數(shù)值FRPN，對給定的故障參數(shù)的輸入，確定所述鏈路集中 的每條故障鏈路的故障傳遞可能性等級，確定與故障傳遞相關的鏈路上，每個故障節(jié)點的 影響等級系數(shù)，再將所述FRPN轉(zhuǎn)化為確定的風險優(yōu)先數(shù)值，作為故障傳播鏈路和故障源排 序的數(shù)值依據(jù)，根據(jù)所述故障傳播鏈路和故障源排序的數(shù)值依據(jù)獲取真實故障源；
[0013] 處理器對所述復合故障因果鏈模型的參數(shù)進行訓練，選取歷史故障數(shù)據(jù)作為輸 入，得出相應的故障源排序集合，若所述真實故障源不在所述故障源排序集合內(nèi)，則處理器 對所述復合故障因果鏈模型進行機理分析，增加通向所述真實故障源的鏈路集；若所述真 實故障源在所述故障源排序集合內(nèi)，則所述處理器對所述真實故障源以及故障傳播路徑增 加概率獎勵因子，對所述復合故障因果鏈模型的初始值做修正。
[0014] 優(yōu)選地，所述的方法還包括：
[0015] 用Petri網(wǎng)模型構建器構建復合故障因果鏈模型，按照系統(tǒng)組成及功能結(jié)構，將 已知可劃分為多層次組分的離散事件系統(tǒng)的系統(tǒng)故障模式，用Petri網(wǎng)的庫所作為故障模 式節(jié)點，用Petri網(wǎng)的變迀表示故障模式的聯(lián)結(jié)傳遞關系，構建出復合故障因果鏈模型。 [0016]優(yōu)選地，所述的方法包括：
[0017] 對于確定的系統(tǒng)故障形式y(tǒng)，產(chǎn)生該系統(tǒng)故障形式y(tǒng)的內(nèi)部故障節(jié)點集合為Py= {PiIy，p21y，…，psIy}，則具有層次性的故障傳遞模型為Py->y，所述故障傳遞模型描述為：
[0018] 假設一個給定的系統(tǒng)，按照結(jié)構功能劃分為A，B，C，D四組，分別代表系統(tǒng)，子系 統(tǒng)，部件和零件四個層次，每一層都有元素節(jié)點表征故障現(xiàn)象，稱為故障節(jié)點，最后一組的 故障節(jié)點集合為故障源；
[0019] 系統(tǒng)故障層次集合為L={LuL2,…，Ln}，每一層的故障節(jié)點表示為集合LNi = {nil，nl2，…，nir}，其中i= 1，2，···，η，故障傳播是從底層的故障源，向上逐層傳遞，即 Ln-Lη廣------L2-Lp推理過程即為故障傳播的逆過程：L2-----Ln廣Ln是宏觀 的復合故障鏈推理模型；
[0020] 設系統(tǒng)復合故障鏈集合為C= {c1，c2,…，cs}，其中一條故障鏈路c1(i= 1，2,…，幻包括的每層的故障節(jié)點，可看作該條故障鏈路的故障節(jié)點，表示為CW= {cn,，cn/，...，(?1}，其中CN=LN，C=L!-L2-------Lni-Ln〇
[0021] 用Petri網(wǎng)表示復合故障鏈模型，（S，T，F(xiàn))是一個原型Petri網(wǎng)，滿足 wd:㈨且νκΓ:|?·$ι，5表示s的所有直接和間接后繼節(jié)點的集合， t·表示t的后置庫所集，同理·t表示t的前置庫所集，/7^；(5\7')1^7'><5)表示弧的有限 集；將庫所表示故障節(jié)點，變迀表示故障的觸發(fā)條件，弧則表征故障傳播弧的有限集，指向 故障節(jié)點的弧稱為前置弧，故障節(jié)點向外傳播的弧稱為后置弧，則構建完成了復合故障鏈 模型，該復合故障鏈模型為Petri網(wǎng)模型。
[0022] 優(yōu)選地，在所述復合故障鏈模型中，每個故障源產(chǎn)生多個故障現(xiàn)象，所述故障現(xiàn)象 逐層推廣，多個鏈路耦合成網(wǎng)絡結(jié)構，在進行故障鏈路分析時，采用行列法求最小割集進行 解耦隔離，將每條鏈路獨立開，形成鏈路集合；所述行列法的求解過程描述如下："與門"使 割集容量增加，而不增加割集的數(shù)量；"或門"使割集的數(shù)量增加，而不增加割集的容量，行 列法是從系統(tǒng)故障層開始，用下一層事件代替上一層事件，把"與門"連接的事件，按行橫向 排列；把"或門"連接的事件，按列縱橫向擺開。這樣，逐層向下，直至各基本事件，列出若干 行，最后利用布爾代數(shù)化簡?；喗Y(jié)果，即得出若干最小割集。
[0023] 優(yōu)選地，在某一條鏈路c1中，所有節(jié)點的前置弧個數(shù)總和為TID，所有節(jié)點的弧個 數(shù)總和為TD，則所述鏈路c1的獨立度為：
[0024]
[0025] 在某一條鏈路中，入度指該Wm/7iμiw、總數(shù)；度是指該鏈路所有節(jié)點 的總弧數(shù)，鏈路獨立度0就是鏈路上每個節(jié)點具有的入度之和與所有節(jié)點的連接節(jié)點個數(shù) 總和的比值，〇 = ^，TID是入度之和，TD是所有度的和。
[0026] 優(yōu)選地，所述的基于鏈路的先驗故障概率獲得鏈路的后驗故障概率信息，包括：
[0027] 獲得故障節(jié)點的貝葉斯后驗概率的方法，首先求出同一個鏈路中的故障節(jié)點的聯(lián) 合概率分布，在某一條鏈路c1中，節(jié)點集合為：
[0028]
苕j>h則:￡；?4優(yōu)先級大于，在該鏈路C1中，某 一故障節(jié)點的所有高優(yōu)先級節(jié)點集合稱為，每條鏈路都由故障傳播弧和 故障節(jié)點組成，所述CN1的聯(lián)合概率分布為：
[0029]
[0030] 每一個故障節(jié)點，在不同故障中，表現(xiàn)出不同的故障形式，對于具有m個故障形式 ，…的故障節(jié)點-的條件概率為：
[0031]
?·-'
[0032] 其中，Ω4⑶丨,…，⑶丨」，…，為鏈路節(jié)點，運用貝葉斯逆向推理可以計算 的后驗概率：
[0033]
[0034] 優(yōu)選地，所述的基于所述鏈路的獨立度信息和后驗故障概率信息獲得鏈路風險優(yōu) 先數(shù)因子CRPN數(shù)據(jù)和節(jié)點風險優(yōu)先數(shù)因子NRPN，將所述CRPN數(shù)據(jù)和NRPN數(shù)據(jù)模糊化，得 到模糊鏈路風險優(yōu)先數(shù)因子FCRPN和模糊節(jié)點風險優(yōu)先數(shù)因子FNRPN數(shù)據(jù)，通過風險優(yōu)先 數(shù)RPN公式得到模糊風險優(yōu)先數(shù)值FRPN=FCRPN&FNRPN，包括：
[0035]CRPN包括：鏈路獨立度0,故障難查度D，故障模式影響嚴重度S，其中D又包括誤 報度Di，虛報度02和未報度D3,S包括安全性影響嚴重度Si，可靠性影響嚴重度SjP經(jīng)濟影 響嚴重度S3;
[0036] 將0、D、S、λ、ω的值限定在〇~1之間，D分為Di、D2、D3,對應的權值為λ2， ^的^^以^各自對應的權值為％^^，
[0037]貝丨JCRPN公式為：
[0038]
[0039] 其中j= 1，…，j是故障鏈路編號，1是故障鏈路總數(shù)；
[0040]NRPN公式為：
[0041]
[0042] 其中，i= 1，…，η是故障節(jié)點編號，η是故障節(jié)點總數(shù)。
[0043] 優(yōu)選地，所述方法還包括：
[0044] 在所述CRPN和NRPN公式中，采用三角模糊法將所述CRPN數(shù)據(jù)和NRP