[发明专利]一种离散型空间故障树的因素联合重要度和因素重要度分析方法

摘要

本发明公开了一种离散型空间故障树的因素重要度和因素联合重要度分析方法，其特征在于，为了解在离散数据情况下如何表示多个工作环境条件因素同时变化对元件或系统故障概率影响程度及特征，定义了因素重要度和因素联合重要度概念，针对所研究元件及工作环境，在DSFT下使用了一个多输入单输出的三层BP神经网络来具体实现上述概念的计算；其包括如下步骤：确定影响系统的环境因素，收集系统故障数据，选择神经网络及训练数据集，计算因素重要度分布和因素联合重要度分布；本发明可用于分析元件或系统在多因素变化情况下的各因素的重要性。

主权项

1.一种离散型空间故障树的因素重要度和因素联合重要度分析方法，其特征在于，定义了因素重要度和因素联合重要度概念，针对所研究元件及工作环境，在离散型空间故障树下使用了一个多输入单输出的三层BP神经网络来具体实现因素重要度和因素联合重要度的计算；其包括如下步骤：确定影响系统的环境因素，收集系统故障数据，选择神经网络及训练数据集，计算因素重要度分布和因素联合重要度分布；因素重要度分布：元件的因素重要度分布为环境因素d变化引起元件i故障发生概率变化的程度,在n维影响因素变化的情况下，在n+1维空间中表现出来的空间分布，用表示，d∈D＝{t,c},D表示所有环境因素的集合，集合D中因素的数量为n，d表示影响因素，同下；系统的因素重要度分布为环境因素d变化引起系统T故障发生概率变化的程度,在n维影响因素变化的情况下，在n+1维空间中表现出来的空间分布，用表示；因素联合重要度可判断系统工作环境中任意多个因素同时变化导致元件或系统发生故障的影响程度，即这个联合影响可以是两个环境因素的联合或者多个环境因素的联合；元件的因素联合重要度分布为多个环境因素变化引起元件i故障发生概率变化的程度，在n维影响因素变化的情况下，在n+1维空间中表现出来的空间分布，用μ＝1～n表示，d_μ∈D,D表示所有环境因素的集合，集合D中因素的数量为n，d_μ表示第μ个影响因素；系统的因素联合重要度分布为多个环境因素变化引起系统T故障发生概率变化的程度,在n维影响因素变化的情况下，在n+1维空间中表现出来的空间分布，用μ＝1～n表示；因素重要度是使用神经网络进行的一阶偏导数计算，而因素联合重要度是大于等于二阶偏导数计算；这个网络有m个输入值，第一层和第二层神经元个数为m，第三层神经元只有一个，并考虑阀值b的影响；且考虑因素的个数与神经网络求导的阶数相同。