[发明专利]一种基于离散数据的元件故障概率确定方法

摘要

本发明公开了一种基于离散数据的元件故障概率确定方法，其特征在于，为了充分利用已有的长期监测得到的元件故障记录数据，根据其数据稀疏且离散性的特点，在连续型空间故障树(CSFT)基础上，提出适合于处理这些数据的离散型空间故障树(DSFT)方法；其包括如下步骤：首先对元件故障记录数据分别按照元件的工作时间t和工作温度c进行统计，然后分别在t和c方向投影且归一化数据，最后对故障概率分布点进行拟合得到特征函数，进而得到元件故障概率空间分布；本发明可用于从已有的长期监测得到的元件故障记录数据中得到元件故障概率。

主权项

1.一种基于离散数据的元件故障概率确定方法，其特征在于，对离散故障数据形成基于离散型空间故障树的特征函数，包括：特征函数的构建，因素的考虑，故障数据叠加和拟合方法；其包括如下步骤：首先对元件故障记录数据分别按照元件的工作时间t和工作温度c进行统计，然后分别在t和c方向投影且归一化数据，最后对故障概率分布点进行拟合得到特征函数，进而得到元件故障概率空间分布；可用于从已有的长期监测得到的元件故障记录数据中得到元件故障概率；其原理是基于离散型空间故障树；P_i^t(t)和P_i^c(c)分别是元件关于t和c的特征函数，i表示第i个元件，P_i^t(t)反映工作时间t对元件故障率的影响，而P_i^c(c)反映工作温度c对元件故障率的影响，即P_i^t(t)对t敏感，而忽略工作温度c的影响；P_i^c(c)对c敏感，而忽略工作时间t的影响，分别对沿着t轴和c轴进行投影，得到了元件故障对于工作时间t的分布和元件故障对于工作温度c的分布；对500天内的发生故障情况进行了统计；记录相应的这段时间内的工作温度；元件对于时间t的故障分布，时间上每隔50天，就会出现若干时间点的故障为0的状态，然后故障一直维持在状态1，对于工作时间t，50天应该是元件对于工作时间的故障率变化周期，根据其50天的周期进行合并，再根据50天内的最大故障数将这段时间的故障次数归一化；温度c与故障对应点分布为正弦曲线的一部分，设其中C代表正弦曲线周期；c₀代表正弦曲线的平移量；A表示正弦曲线的垂直位移量，同时30～40℃区间内点的分布了解到，30～35℃内点表示的故障概率逐渐减小，在30～40℃时，P_i^c(c)＝1；使用最小二乘法得到在0～40℃的关于温度c的第一个元件的特征函数P₁^c(c)如式(1)所示，时间t与故障对应点分布为指数曲线的一部分，得到0～19天内点分布为指数曲线，故设Pit(t)＝1‑ekt；19天后故障概率1，即Pit(t)＝1；使用最小二乘法得到在0～50天的关于时间t的第一个元件的特征函数P1t(t)如式(2)所示，由于只考虑了工作时间t和工作温度c两种环境因素对元件的故障影响，所以根据Pi(t,c)＝1‑(1‑Pit(t))(1‑Pic(c))，即可得到元件的故障发生概率空间分布。