[发明专利]一种混合故障预警模型的建模方法及混合故障预警模型

权利要求书

1.一种混合故障预警模型的建模方法，其特征在于，所述方法包括：

基于危险与可操作性分析HAZOP或失效模式与效果分析FMEA，生成功能分析模块；

基于FMEA的分析结果和离散时间马尔科夫随机过程理论，生成退化分析模块；

根据状态监测数据和维修活动信息，生成事件分析模块；

根据所述功能分析模块和所述退化分析模块的输出结果，结合动态贝叶斯网络理论，生成行为分析模块；

以所述事件分析模块输出的可观测状态变量实时监测值为推理证据，利用动态贝叶斯网络推理算法在所述行为分析模块的同一时间片内进行前后向推理，生成评价模块，以输出系统故障因素和故障引发的可能后果；

以所述评价模块的输出结果和所述事件分析模块输出的可观测状态变量实时监测值为推理证据，利用动态贝叶斯网络推理算法所述行为分析模块的在不同的时间片之间进行前后向推理，生成预测模块，以输出系统各个部件未来的退化趋势。

2.根据权利要求1所述的方法，其特征在于，所述基于FMEA的分析结果和离散时间马尔科夫随机过程理论，生成退化分析模块包括：

从所述功能分析模块的输出中选择关键的退化/失效模式建立退化过程；

辨识所述退化过程之间的相关性以及相互作用，其中所述相互作用包括相同部件的不同退化过程之间以及不同部件的退化过程之间的相互作用。

3.根据权利要求2所述的方法，其特征在于，从所述功能分析模块的输出中选择关键的退化/失效模式建立退化过程包括：

从所述功能分析模块的输出中选择关键的退化/失效模式，并利用离散时间马尔可夫随机过程DTMP来建立退化过程。

4.根据权利要求1所述的方法，其特征在于，根据功能分析模块和退化分析模块的输出结果，结合动态贝叶斯网络理论，生成行为分析模块包括：

基于动态贝叶斯网络，将所述退化分析模块中的各个退化过程转换为混合故障预警模型的动态变量节点；

将所述功能分析模块中的各个可观测参数转换为混合故障预警模型的静态变量节点；

基于动态贝叶斯网络，根据所述功能分析模块输出的变量之间的因果关系，将所述动态变量节点、所述静态变量节点进行连接，形成故障因果链。

5.根据权利要求1所述的方法，其特征在于，所述以事件分析模块输出的可观测变量实时监测值为推理证据，利用动态贝叶斯网络推理算法在所述行为分析模块的同一时间片内进行前后向推理，形成评价模块包括：

根据所述事件分析模块提供的推理证据，利用动态贝叶斯网络的估计推理机制，确定混合故障预警模型中各个动态节点变量的隐含状态概率；

在所述行为分析模块的同一时间片内执行前后向推理得到故障的因素、故障的后果和对应的安全控制措施。

6.根据权利要求1所述的方法，其特征在于，所述以评价模块输出结果和事件分析模块输出的可观测状态变量实时监测值为推理证据，利用动态贝叶斯网络推理算法在所述行为分析模块的不同的时间片之间进行前后向推理，形成预测模块包括：

根据所述事件分析模块提供的推理证据，并以评价模块输出的动态节点变量当前的隐含状态概率为基础，利用动态贝叶斯网络预测推理机制，确定所述故障预警模型中各个动态节点变量在未来一系列时间点上的隐含状态概率分布；

在所述行为分析模块的不同时间片之间执行前后向推理，得到各个部件未来的退化趋势，通过设定失效阈值，进一步确定部件的剩余使用寿命。