一、动态故障树分析方法研究(论文文献综述)
邢贺亮[1](2021)在《基于多态T-S动态故障树的风电机组液压系统可靠性分析》文中提出故障树分析方法是可靠性分析理论中的重要组成部分。随着复杂系统向着机电液一体化方向的飞速发展,优异的可靠性分析方法将成为保证装备创新与核心竞争力的关键因素。由于复杂装备的故障往往会根据运行环境的不同呈现出多种故障状态形式,现有故障树分析方法对复杂多状态影响下的系统进行可靠性分析存有一定局限。因此,首先研究T-S动态故障树分析(T-S dynamic fault tree analysis,TSDFTA)方法;进而针对系统存在多种状态,研究多态T-S动态故障树分析(Polymorphic T-S dynamic fault tree analysis,PTSDFTA)方法;进一步针对工程实际中存在冗余系统不能正常转换的问题,提出考虑不完全覆盖的多态T-S动态故障树分析方法。首先,针对传统故障树无法描述任意形式的静态失效行为且复杂系统的可靠性往往存在动态失效特性的逻辑关系,研究TSDFTA方法。给出T-S动态门的转化、两种描述规则和事件的计算方法,为验证其方法的正确性,分别与传统故障树和Markov求解动态故障树方法进行比较论证。进而,为解决实际工程系统中往往存在着多状态失效的情况,研究PTSDFTA方法,进行多态T-S动态故障树的建模并给出多态T-S动态门的规则算法。为验证其方法的正确性,与T-S故障树分析(T-S fault tree analysis,T-SFTA)方法进行比较论证及实例分析。进一步,考虑到不完全覆盖问题对系统冗余结构的影响,将不完全覆盖融入到PTSDFTA方法中,提出考虑不完全覆盖的多态T-S动态故障树分析方法,并应用到转台系统进行建模分析,验证所提方法的可行性。最后,通过对风电机组液压系统进行可靠性分析,求得在考虑和不考虑不完全覆盖两种方法下的液压系统在每个故障状态的各个时段的故障概率,为在冗余系统不完全覆盖问题影响下的系统改进提供了量化信息。
胡彦龙[2](2021)在《多维动态贝叶斯网络及其推钢机液压系统可靠性分析应用》文中研究表明贝叶斯网络分析方法是处理数据获取困难和逻辑关系不确定性问题的重要手段,在可靠性分析、故障评估及状态监测领域应用广泛。离散时间贝叶斯网络分析方法在定量分析时存在计算误差,而且不能描述系统失效概率随时间变化趋势,连续时间贝叶斯网络分析方法提升了计算精度,还能描述系统失效概率随时间变化趋势,但仍局限于分析单因素影响,且无法描述元件间失效的相关性。为此,提出考虑相关失效的多维动态贝叶斯网络分析方法。首先,通过引入单位阶跃函数刻画根节点的失效时序、冲激函数刻画叶节点的失效时刻,来完成连续时间贝叶斯网络分析方法的建模与分析,并在此基础上通过描述多因素影响,提出多维动态贝叶斯网络分析方法。进而,为了定量刻画多因素影响时元件对系统失效概率的影响,提出多维动态贝叶斯网络重要度分析方法,并定义了计算公式,扩展和延伸了可靠性分析内容,通过方法对比,验证了可行性。进一步,考虑元件间失效的相关性对系统可靠性影响,将相关失效与多维动态贝叶斯网络结合,提出考虑相关失效的多维动态贝叶斯网络分析方法,并对液压顶升机构进行可靠性分析验证。最后,通过对双排料液压推钢机液压系统进行可靠性分析,根据失效机理分别构建动态故障树与多维动态贝叶斯网络模型,通过所提分析方法,求得了推钢机液压系统在多因素影响下系统失效概率与元件重要度分布曲线,以及在相关失效影响下推钢机系统的失效概率分布曲线,为液压系统维修与改进提供了量化信息,同时为系统识别薄弱环节以及优化设计提供了依据。
何旋[3](2021)在《基于动态故障树的钻井泵故障诊断专家系统的设计与实现》文中进行了进一步梳理本文受四川省重大科技专项项目“智能钻机研制及应用”(立项编号2019ZDZX0030)资助。钻井泵作为钻机的“心脏”,因工作环境复杂、条件恶劣,容易产生故障,影响钻机正常运作。为了保证生产的效率,要求在发生故障的初期能够快速准确地定位故障并解决。目前,故障树分析法作为诊断复杂机械故障的通用方法,其无法表示钻井泵某些部件只有按固定顺序失效才能导致系统故障的情况,导致诊断结果不准确。为了解决此问题,选择动态故障树分析法表示此类动态故障并诊断。同时建立专家系统,可以让工作人员在专家不在场时仍可以快速确定故障并获得专业的维修知识。主要研究内容分为以下几部分:首先,本文选择工作环境恶劣,故障情况复杂难以诊断的钻井泵作为研究对象。通过专家的指导与所提供的相关知识,分析其故障机理。以钻井泵的动力端作为实例,建立故障树,并验证了故障树分析法在故障诊断中的有效性。接着,针对故障树无法表征出钻井泵故障中各部件按顺序失效造成系统故障的情况,在故障树中引入动态逻辑门,构成动态故障树。结合钻井泵故障特点选择计算复杂度低且准确率较高的基于离散贝叶斯网络的动态故障树诊断模型,并对其诊断模型进行改进,通过加入“率参数λ--划分数n”对应关系,提高诊断可靠性与准确率。以钻井泵液力端作为实例验证了动态故障树在故障诊断中的有效性。然后,将传统故障树诊断模型与改进的离散时间贝叶斯网络的动态故障树诊断模型结合成为混合故障树诊断模型,作为故障诊断专家系统的故障推理机;设计知识库,根据钻井泵基本故障信息与诊断模型知识的特点,设计恰当的表示方式。最后,按照设计思路建立MVC框架的Web应用,开发具有友好的操作界面、良好的操作体验和完善的功能指引的故障诊断专家系统,并通过一个实例,证明本系统在钻井泵故障诊断中的一定指导意义与实用价值。
白青格日[4](2020)在《一种可配置动态故障树的定量分析方法研究》文中提出系统是相互作用的结构和功能的单位,是动态且复杂的整体,随着金融、教育、医疗、科研等领域对系统的广泛应用,系统的规模愈加庞大,结构也愈加复杂。确保相对冗杂的动态系统在具体的运行过程当中呈现出良好的稳定性以及安全性是当今形势下计算机相关领域中一个重要的课题。动态故障树分析法能够有效对系统的安全性进行分析,目前被广泛应用在动态系统的可靠性分析中。对于动态系统,传统形式的静态故障树无法描述其中的时序逻辑关系,动态故障树引入了动态逻辑门合理的解决了这一问题。然而,动态故障树缺少精确的生成方法,容易导致动态故障树构建过程中准确性降低,在建模过程中潜在问题被发现的难度较高,进而降低了对动态系统展开的一系列可靠性分析结果的准确性。此外,因为动态故障树分析法本身存在相对较为复杂的动态特性,现阶段展开动态故障树定量分析的局限性较大,不仅需要专业人员展开相应的分析,而且涉及到的求解时间较长,也较难达到高精度的要求,故相关领域迫切需求一种相对完善的动态故障树定量分析方法。为有效解决上述问题,本文基于物料表(BOM)提出一种BOM表与子件表相结合的动态故障树搭建方式,根据BOM表的自动加载特性灵活配置故障树的生成,保证了动态故障树构建过程的可靠性;其次给出一种基于Goodman-Weare马尔科夫蒙特卡洛(GWMCMC)方法的动态故障树定量分析方法,不仅能够有效提升动态故障树定量分析呈现出的精度,而且还能有效降低相应的人力投入,相应的时间效率也有效提升。本文的主要研究内容:(1)通过系统分析,提出一种基于系统组件BOM表的系统建模方式,使其能够支持动态系统的建模,具备一定灵活配置的功效,进一步提出一种有效的生成动态故障树的方式;(2)针对灵活配置建模的动态故障树,基于马尔科夫蒙特卡洛方法,给出改进的定量分析的GWMCMC方法及定量分析过程;(3)把故障树划分为静态动态独立子树,分别采用二元决策图(BBD)结合GWMCMC方法的方式,针对灵活配置建模的整个故障树进行定量分析,并针对定位定向系统展开相应的案例分析,证明本文所提出的分析方法具备一定的有效性及可行性。
姚成玉,王传路,陈东宁,魏星,吕世君[5](2020)在《连续时间T-S动态故障树分析方法》文中认为相对于DUGAN动态故障树分析方法,离散时间T-S动态故障树分析方法增强了故障树描述静、动态失效行为的能力,且可以直接定量分析,但存在分析计算误差、且不能反映系统可靠度变化趋势。为此,提出连续时间T-S动态故障树分析方法。定义描述静、动态失效行为的连续时间T-S动态门,提出基于下级事件时序关系及事件发生冲激函数描述与上级事件发生可能性的连续时间T-S动态门描述规则构建方法,利用冲激函数冲激点的积分特性,进而提出基于描述规则执行度与上级事件发生可能性及冲激函数积分的上级事件故障概率密度函数和故障概率分布函数的分析计算方法。所提连续时间T-S动态故障树分析方法具有相对于DUGAN动态故障树分析方法更强的失效行为描述能力,解决了离散时间T-S动态故障树分析方法的分析计算误差问题、且能反映系统故障概率变化。通过与基于Markov链、离散时间贝叶斯网络、连续时间贝叶斯网络的DUGAN动态故障树分析方法及离散时间T-S动态故障树分析方法进行对比,验证了所提出的连续时间T-S动态故障树分析方法具有可行性,且更有优势。
魏星[6](2020)在《连续时间T-S动态故障树重要度分析方法及应用》文中进行了进一步梳理故障树分析方法是应用最为广泛的系统可靠性分析方法。Dugan动态故障树分析方法无法描述任意形式的静、动态失效行为,且不能直接定量分析,需借助Markov链等工具。离散时间T-S动态故障树分析方法弥补了Dugan动态故障树分析方法的不足,但存在分析计算误差,且不能反映系统可靠度连续变化趋势。为解决离散时间T-S动态故障树分析方法的分析计算误差问题,首先提出准确方法下的T-S动态门离散时间描述规则,进而针对连续时间T-S动态故障树提出改进T-S动态门连续时间描述规则;进一步,为解决受工作时间、工作温度等多因素下系统的可靠性分析问题,提出多因素下的连续时间T-S动态故障树分析方法——连续时间多维T-S动态故障树分析方法;最后,为从更多工程和多维角度衡量基本事件对顶事件的影响,提出连续时间T-S动态故障树重要度分析方法。首先,研究T-S动态故障树分析方法(包括离散时间和连续时间)。针对离散时间T-S动态故障树分析方法的分析计算误差问题,提出准确方法下的T-S动态门离散时间描述规则;进而改进T-S动态门连续时间描述规则;通过与基于Markov链求解Dugan动态故障树的方法对比,验证所提T-S动态门离散时间描述规则和连续时间描述规则的可行性。其次,针对复杂系统的可靠性往往受工作时间、工作温度等多因素影响,而仅考虑工作时间单一因素下的连续时间T-S动态故障树分析方法存在局限性,给出连续时间多维T-S动态故障树分析方法,提出了T-S动态门多维输入规则、多维输出规则算法。通过与空间故障树分析方法、Dugan动态故障树分析方法进行对比,验证所提方法的可行性。然后,为从更多工程和多维角度衡量基本事件对顶事件的影响,提出连续时间T-S动态故障树重要度分析方法,包括连续时间T-S动态故障树F-V重要度、风险业绩值、风险降低值、微分重要度、综合重要度与连续时间多维T-S动态故障树概率重要度、关键重要度、改善函数。通过与Bell故障树重要度、离散时间T-S动态故障树重要度分析方法对比,验证所提方法的可行性。最后,用所提连续时间T-S动态故障树重要度分析方法对结冰探测系统和起落架收放系统进行可靠性分析,求解系统的故障概率和各部件的重要度,既求得系统和部件的可靠性量化指标,又为系统可靠性分析、可靠性优化及故障诊断提供决策依据。
张宏熙[7](2020)在《故障树重要度分析方法及应用》文中进行了进一步梳理描述基本事件发生时对顶事件贡献的重要度是故障树定量分析中的重要指标。重要度不仅能够用于系统的薄弱环节发现,还可用于系统的可靠性改进、优化和分配以及指导系统运行、维修与诊断。当前在各故障树(传统故障树、T-S故障树、Dugan动态故障树和T-S动态故障树)的重要度研究中,主要侧重于传统故障树重要度,其他三种故障树的重要度研究或不完整或有空白;同时,故障树重要度均以随机模型为基础,当样本数量有限时,存在部件可靠性数据不能精确获取的问题。为此,将传统故障树重要度延伸到T-S故障树、Dugan动态故障树和T-S动态故障树中;进而,将区间凸集模型与故障树重要度分析方法结合,提出各故障树的重要度分析方法;进一步,验证所提方法并对不同系统进行了重要度分析。首先,针对传统故障树重要度分析方法存在部件故障概率不能精确获取的问题,提出了基于区间凸集的传统故障树F-V重要度、微分重要度、风险业绩值、风险降低值、改善函数和综合重要度。通过与基于随机模型的传统故障树重要度分析方法对比,验证所提方法的可行性,并对舰载机起落架系统进行传统故障树重要度分析。其次,为解决静态系统任意失效行为刻画及其重要性测度问题,提出了T-S故障树F-V重要度、微分重要度、风险业绩值、风险降低值、改善函数和综合重要度。通过与传统故障树重要度分析方法对比,验证了所提方法的可行性,并对舱盖机构小盖系统进行T-S故障树重要度分析。然后,为解决动态系统失效行为刻画及其重要性测度的问题,提出了Dugan动态故障树关键重要度、F-V重要度、微分重要度、风险业绩值、风险降低值、改善函数和综合重要度。通过与传统故障树重要度分析方法对比,验证了所提方法的可行性,并对液压系统、热交换系统进行Dugan动态故障树重要度分析。最后,为解决任意静、动态失效行为刻画及其重要性测度以及部件可靠性数据不能精确获取的问题,提出了基于区间凸集的T-S动态故障树F-V重要度、微分重要度、风险业绩值、风险降低值、改善函数和综合重要度。通过与传统故障树、Dugan动态故障树重要度分析方法对比,验证所提方法的可行性,并对测量系统、气动制动系统进行T-S动态故障树重要度分析。
邢然[8](2020)在《一种新型连续时间贝叶斯网络分析方法》文中指出贝叶斯网络需基于故障树进行构造,在静态系统中,静态贝叶斯网络与静态故障树结合,拓展了故障树的求解方法,但只能描述静态失效行为,无法描述时序性、相关性、顺序性和冗余性等动态失效行为;在动态系统中,离散时间、连续时间贝叶斯网络与Dugan动态故障树结合,简化了Dugan动态故障树的计算,但难以刻画系统全部的静、动态失效行为,故现有的基于Dugan动态故障树的离散时间和连续时间贝叶斯网络贝叶斯分析方法存在局限性。T-S动态故障树分析方法突破了Dugan动态故障树分析方法的局限性,能够刻画任意静、动态失效行为。针对上述不足,为充分发挥T-S动态故障树和贝叶斯网络在分析建模和推理计算的优势,提出新型连续时间贝叶斯网络分析方法,即基于T-S动态故障树的连续时间贝叶斯网络分析方法,以及基于此的重要度及灵敏度分析方法。首先,提出一种新型连续时间贝叶斯网络分析方法,给出T-S动态故障树向连续时间贝叶斯网络的转化方法,提出连续时间贝叶斯网络叶节点故障概率算法、根节点后验概率算法。为验证所提方法的可行性,将其与静态贝叶斯网络分析方法、基于Dugan动态故障树的离散时间和连续时间贝叶斯网络分析方法、离散时间和连续时间T-S动态故障树分析方法进行对比分析。然后,提出新型连续时间贝叶斯网络的概率重要度、关键重要度、微分重要度、综合重要度、改善函数、风险业绩值、风险降低值、灵敏度,给出静态和离散时间贝叶斯网络重要度及灵敏度算法,并与静态贝叶斯网络和离散时间贝叶斯网络重要度及灵敏度算法对比,进而验证所提出的新型连续时间贝叶斯网络重要度及灵敏度算法的可行性。最后,将所提新型连续时间贝叶斯网络方法应用于风电机组液压制动系统和卫星电源系统的可靠性分析,求解系统的故障概率及各部件的后验概率,进而求得各部件的概率重要度、关键重要度、微分重要度、综合重要度、改善函数、风险业绩值、风险降低值、灵敏度,为帮助发现系统薄弱环节、改进系统设计、故障诊断与维修提供依据。
许敬宇[9](2020)在《多维T-S静动态故障树及在堆料机液压系统的可靠性应用》文中研究表明故障树分析方法是可靠性分析评估、故障分析与诊断的有效方法,是保障装备创新能力和核心竞争力的关键技术。但随着机械装备性能要求不断提升、复杂性不断增加、工作环境日渐复杂,系统中机电液元件的故障概率会受到多场应力的综合影响,现有故障树分析方法对多因素影响下的系统可靠性分析存有一定局限。为此,首先提出针对静态失效行为的多维T-S故障树及重要度分析方法;进而提出针对静、动态失效行为的多维T-S动态故障树及重要度分析方法;进一步针对工程系统存在的事件发生相关性,提出考虑共因失效的多维T-S动态故障树分析方法。首先,针对传统故障树分析方法无法描述任意形式的静态失效行为,系统中机电液元件的故障概率会受工作时间、冲击次数等多因素影响,提出多维T-S故障树及重要度分析方法。构造考虑多因素影响的下级事件故障概率分布函数,给出下级事件多维输入规则算法和上级事件多维输出规则算法,通过与传统故障树、空间故障树、T-S故障树分析方法进行对比,验证所提方法的可行性。进而,为解决多维T-S故障树分析方法无法描述系统动态失效行为的问题,提出多维T-S动态故障树及重要度分析方法,给出T-S动态门及其连续时间事件顺序描述规则构建方法和描述规则算法。通过与空间故障树、Dugan动态故障树、离散时间T-S动态故障树分析方法进行对比,验证所提方法的可行性。进一步,考虑到共因失效对系统的影响,将共因失效模型融入多维T-S动态故障树分析方法,提出考虑共因失效的多维T-S动态故障树分析方法,并通过对泵送回路液压系统进行可靠性分析,验证了所提方法的可行性。最后,通过对斗轮式堆料机液压系统进行可靠性分析,求得在工作时间和冲击次数影响下系统的故障概率分布和重要度分布,以及在共因失效影响下系统的故障概率随时间的变化曲线,为系统的改进与运维提供了多因素和共因失效影响下的量化信息。
张金戈[10](2020)在《考虑相关失效的DFTA及其翻车机液压系统可靠性分析应用》文中进行了进一步梳理故障树分析方法是系统可靠性分析的重要方法。传统故障树用与、或等静态逻辑门描述事件关系,无法刻画液压系统存在的动态失效特性;动态故障树分析方法能描述液压系统中存在的动态失效行为,具有更强的描述能力,基于离散时间贝叶斯网络进行求解,但计算误差和计算时间受任务时间划分段数影响。为此,提出了一种改进的基于离散时间贝叶斯网络的动态故障树求解方法,提高计算精度和计算效率。进一步,针对基本事件失效独立性假设与工程实际不符的问题,提出了一种考虑相关失效的动态故障树及其基于离散时间贝叶斯网络的求解方法。首先,研究了基于动态故障树的液压系统静动态失效行为分析方法,阐述了静态子树和动态子树的各逻辑门描述的事件关系在液压系统的常见表现,研究了基于动态故障树的液压系统可靠性分析中液压元件可靠性指标数据的获取方式以及修正方法。其次,针对基于离散时间贝叶斯网络的动态故障树求解方法计算精度和计算效率受任务时间划分段数影响的问题,研究了一种改进方法。首先研究一种动态故障树向离散时间贝叶斯网络转化的改进方法对条件概率表做精细化改进,然后提出一种用离散时间贝叶斯网络求解动态故障树的模块化改进方法减小条件概率表规模,最终提高了计算精度和计算效率。然后,针对故障树分析方法假设基本事件独立带来计算误差的问题,提出了一种考虑相关失效的动态故障树及其基于离散时间贝叶斯网络的求解方法,针对不同应用场合提出基于专家经验的相关失效条件概率模型和基于Copula模型的相关失效联合概率模型描述元件间存在的相关失效特征,并给出对应算法和算例。最后,将考虑相关失效的动态故障树分析方法用于翻车机开式侧液压系统可靠性分析,用改进的基于离散时间贝叶斯网络的动态故障树求解方法进行求解,得到液压系统的失效概率以及液压元件的后验概率、概率重要度和关键重要度,从不同角度判断了元件对系统的贡献大小和影响程度。
二、动态故障树分析方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、动态故障树分析方法研究(论文提纲范文)
(1)基于多态T-S动态故障树的风电机组液压系统可靠性分析(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树分析方法的研究现状 |
1.2.1 静态FTA方法 |
1.2.2 动态FTA方法 |
1.3 不完全覆盖问题的研究现状 |
1.4 多态系统的研究现状 |
1.5 课题来源 |
1.6 研究思路与内容安排 |
1.6.1 问题提出 |
1.6.2 研究思路 |
1.6.3 内容安排 |
第2章 T-S动态故障树分析方法 |
2.1 TSDFTA |
2.1.1 T-S动态门及其描述规则 |
2.1.2 Dugan动态门向T-S动态门的转化 |
2.2 TSDFTA的描述规则 |
2.2.1 时段状态描述规则 |
2.2.2 事件时段描述规则 |
2.3 TSDFTA的规则算法 |
2.3.1 输入规则算法 |
2.3.2 输出规则算法 |
2.4 TSDFTA方法的验证 |
2.4.1 与FTA方法对比 |
2.4.2 与马尔科夫链求解DFT的方法对比 |
2.5 本章小结 |
第3章 多态T-S动态故障树分析方法 |
3.1 多态系统 |
3.1.1 多态系统的基本概念 |
3.1.2 多态系统的可靠性建模分析 |
3.2 PTSDFTA |
3.2.1 PTSDFTA的描述规则 |
3.2.2 PTSDFTA的规则算法 |
3.3 PTSDFTA方法的验证 |
3.3.1 T-SFTA方法 |
3.3.2 PTSDFTA方法 |
3.4 PTSDFTA方法的应用 |
3.5 本章小结 |
第4章 考虑不完全覆盖的多态T-S动态故障树分析方法 |
4.1 不完全覆盖及其建模方法 |
4.1.1 不完全覆盖的基本概念 |
4.1.2 不完全覆盖的建模方法 |
4.2 考虑不完全覆盖的PTSDFTA方法 |
4.2.1 考虑不完全覆盖的备件门的输入规则 |
4.2.2 考虑不完全覆盖的备件门的输出规则 |
4.3 考虑不完全覆盖的PTSDFTA方法的验证 |
4.3.1 PTSDFTA方法 |
4.3.2 考虑不完全覆盖的PTSDFTA方法 |
4.4 本章小结 |
第5章 风力发电机组的液压系统可靠性分析 |
5.1 多态T-S动态故障树的可靠性分析 |
5.1.1 风力发电机组液压系统工作原理 |
5.1.2 风力发电机组液压系统多态T-S动态故障树建造 |
5.1.3 风力发电机组液压系统可靠性分析 |
5.2 考虑不完全覆盖的多态T-S动态故障树可靠性分析 |
5.2.1 考虑不完全覆盖的多态T-S动态故障树的建立 |
5.2.2 考虑不完全覆盖的多态T-S动态故障树可靠性分析 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(2)多维动态贝叶斯网络及其推钢机液压系统可靠性分析应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树和贝叶斯网络方法研究现状 |
1.2.1 故障树分析方法 |
1.2.2 贝叶斯网络分析方法 |
1.3 相关失效研究现状 |
1.4 课题来源 |
1.5 研究思路与内容安排 |
1.5.1 问题提出 |
1.5.2 研究思路 |
1.5.3 内容安排 |
第2章 多维动态贝叶斯网络可靠性分析方法 |
2.1 CTBN分析方法模型 |
2.1.1 CTBN构造 |
2.1.2 CTBN有向无环图构建 |
2.1.3 CTBN条件概率表构建 |
2.1.4 CTBN算法 |
2.2 多维动态贝叶斯网络分析方法 |
2.2.1 叶节点失效概率 |
2.2.2 根节点后验概率 |
2.3 多维动态贝叶斯网络分析方法验证 |
2.3.1 与基于Markov链求解的Dugan动态故障树分析方法对比 |
2.3.2 与DTBN分析方法对比 |
2.3.3 与空间故障树分析方法对比 |
2.4 本章小结 |
第3章 多维动态贝叶斯网络重要度分析方法 |
3.1 根节点的重要度 |
3.1.1 概率重要度 |
3.1.2 关键重要度 |
3.1.3 微分重要度 |
3.1.4 综合重要度 |
3.1.5 改善函数 |
3.2 多维动态贝叶斯网络重要度分析方法验证 |
3.2.1 DTBN重要度分析方法 |
3.2.2 CTBN重要度分析方法 |
3.2.3 多维动态贝叶斯网络重要度分析方法 |
3.3 本章小结 |
第4章 考虑相关失效的多维动态贝叶斯网络分析方法 |
4.1 相关失效及其建模方法 |
4.1.1 正相关失效的建模方法 |
4.1.2 共因失效的建模方法 |
4.2 考虑相关失效的多维动态贝叶斯网络分析方法 |
4.2.1 考虑正相关失效的条件概率表构建 |
4.2.2 考虑共因失效的条件概率表构建 |
4.3 考虑相关失效的多维动态贝叶斯网络分析方法验证 |
4.3.1 多维动态贝叶斯网络分析方法 |
4.3.2 考虑正相关失效的多维贝叶斯网络分析方法 |
4.3.3 考虑共因失效的多维贝叶斯网络分析方法 |
4.4 本章小结 |
第5章 双排料推钢机液压系统可靠性分析 |
5.1 多维动态贝叶斯网络液压系统可靠性分析方法 |
5.1.1 液压系统工作原理 |
5.1.2 液压系统多维动态贝叶斯网络构造 |
5.1.3 液压系统可靠性分析 |
5.1.4 液压系统重要度分析 |
5.2 考虑相关失效的多维动态贝叶斯网络液压系统可靠性分析 |
5.2.1 液压系统相关失效组 |
5.2.2 考虑相关失效的液压系统多维动态贝叶斯网络构建 |
5.2.3 考虑相关失效的多维动态贝叶斯网络液压系统可靠性分析 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(3)基于动态故障树的钻井泵故障诊断专家系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 钻井泵故障诊断存在的问题 |
1.2.2 动态故障树的国内外研究现状 |
1.2.3 专家系统的研究现状 |
1.3 研究目标与研究内容 |
1.4 论文结构安排 |
第二章 钻井泵故障树构建与诊断 |
2.1 钻机钻井泵的故障分析 |
2.1.1 钻井泵的结构研究 |
2.1.2 钻井泵故障分析 |
2.1.3 钻井泵故障诊断分析 |
2.2 故障树分析法介绍 |
2.2.1 故障树模型介绍 |
2.2.2 故障树的定性分析 |
2.2.3 故障树的定量分析 |
2.3 故障树分析法实例验证 |
2.4 本章小结 |
第三章 钻井泵动态故障树故障诊断模型研究与改进 |
3.1 动态故障树介绍 |
3.1.1 动态故障树基本理论 |
3.1.2 动态逻辑门 |
3.2 贝叶斯网络介绍 |
3.3 基于离散时间贝叶斯网络的动态故障树诊断模型的研究与改进 |
3.3.1 离散时间贝叶斯网络模型 |
3.3.2 逻辑门输出事件条件概率表的确定 |
3.3.3 离散时间贝叶斯网络模型的改进 |
3.4 实例分析 |
3.4.1 建立动态故障树 |
3.4.2 钻井泵液力端系统的贝叶斯网络模型 |
3.4.3 钻井泵液力端故障诊断 |
3.5 本章小结 |
第四章 钻井泵故障诊断专家系统的设计 |
4.1 专家系统总体结构设计 |
4.1.1 专家系统概述 |
4.1.2 专家系统总体框架设计 |
4.2 知识库的设计 |
4.2.1 知识来源和获取方式 |
4.2.2 知识的表示方式设计 |
4.2.3 知识的关系分析 |
4.3 推理机设计 |
4.3.1 推理方法设计 |
4.3.2 推理方向选择 |
4.4 解释机设计 |
4.5 本章小结 |
第五章 钻井泵故障诊断专家系统软件实现与验证 |
5.1 专家系统数据库的建立 |
5.1.1 故障基础数据表设计 |
5.1.2 维修建议数据表设计 |
5.1.3 故障样本知识表示 |
5.1.4 故障树数据表设计 |
5.1.5 贝叶斯网络模型数据表设计 |
5.1.6 总体设计关系 |
5.2 专家系统各模块的实现 |
5.2.1 登录界面 |
5.2.2 主界面 |
5.2.3 基础信息管理模块 |
5.2.4 故障诊断模块 |
5.2.5 维修建议模块 |
5.2.6 模型更新模块 |
5.2.7 模型查看模块 |
5.3 故障诊断实例分析 |
5.4 故障诊断专家系统诊断准确度验证 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来研究展望 |
致谢 |
参考文献 |
攻读硕士期间研究成果 |
(4)一种可配置动态故障树的定量分析方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 研究课题的主要内容 |
1.4 论文组织结构 |
2 故障树分析方法基础知识概述 |
2.1 故障树分析法 |
2.1.1 静态故障树 |
2.1.2 动态故障树 |
2.2 故障树定量分析方法 |
2.2.1 BDD方法 |
2.2.2 马尔科夫方法 |
2.2.3 贝叶斯方法 |
2.3 可配置动态故障树定量分析方法总体框架 |
2.4 本章小结 |
3 基于BOM树的动态故障树配置生成方法 |
3.1 基于BOM树的系统建模 |
3.1.1 基本概念 |
3.1.2 建模方法 |
3.2 故障树配置生成 |
3.2.1 配置预处理 |
3.2.2 生成流程 |
3.3 本章小结 |
4 基于GWMCMC算法动态故障树定量分析方法 |
4.1 马尔科夫蒙特卡洛 |
4.2 GWMCMC抽样算法 |
4.3 定量分析流程 |
4.4 本章小结 |
5 定位定向系统动态故障树配置及定量分析 |
5.1 动态故障树配置及定量分析工具设计与实现 |
5.2 定位定向系统动态故障树配置与定量分析 |
5.3 本章小结 |
6 总结与展望 |
6.1 论文总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
(5)连续时间T-S动态故障树分析方法(论文提纲范文)
0前言 |
1 连续时间T-S动态故障树 |
1.1 分析流程 |
1.2 连续时间T-S动态门及其描述规则 |
1.3 连续时间T-S动态故障树算法 |
2 连续时间T-S动态故障树分析方法的验证与应用 |
2.1 与基于Markov链的DUGAN动态故障树分析方法对比 |
2.1.1 液压系统 |
2.1.1. 1 基于Markov链的DUGAN动态故障树分析 |
2.1.1. 2 连续时间T-S动态故障树分析 |
2.1.2 处理器系统 |
2.1.2. 1 基于Markov链的DUGAN动态故障树分析 |
2.1.2. 2 连续时间T-S动态故障树分析 |
2.2 与基于连续时间贝叶斯网络的DUGAN动态故障树分析方法对比 |
2.2.1 基于连续时间贝叶斯网络的DUGAN动态故障树分析 |
2.2.2 连续时间T-S动态故障树分析 |
2.3 与基于离散时间贝叶斯网络的DUGAN动态故障树分析方法对比 |
2.3.1 基于离散时间贝叶斯网络的DUGAN动态故障树分析 |
2.3.2 连续时间T-S动态故障树分析 |
2.4 与离散时间T-S动态故障树分析方法对比 |
2.4.1 离散时间T-S动态故障树分析 |
2.4.2 连续时间T-S动态故障树分析 |
3 结论 |
(6)连续时间T-S动态故障树重要度分析方法及应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树分析方法研究现状 |
1.2.1 静态故障树分析方法研究现状 |
1.2.2 动态故障树分析方法研究现状 |
1.3 重要度研究现状 |
1.4 课题来源 |
1.5 研究思路与内容安排 |
1.5.1 问题提出 |
1.5.2 研究思路 |
1.5.3 内容安排 |
第2章 T-S动态故障树分析方法 |
2.1 T-S动态故障树的两种处理方法 |
2.2 离散时间T-S动态故障树分析方法 |
2.2.1 T-S动态故障树 |
2.2.2 T-S动态门及其离散时间描述规则 |
2.2.3 离散时间T-S动态故障树算法 |
2.3 连续时间T-S动态故障树分析方法 |
2.3.1 T-S动态门及其连续时间描述规则 |
2.3.2 连续时间T-S动态故障树算法 |
2.4 T-S动态故障树分析方法的验证 |
2.4.1 Markov链求解Dugan动态故障树的方法 |
2.4.2 T-S动态故障树分析方法 |
2.5 本章小结 |
第3章 多因素下的连续时间T-S动态故障树分析方法 |
3.1 连续时间多维T-S动态故障树 |
3.2 T-S动态门的连续时间描述规则 |
3.3 连续时间多维T-S动态故障树算法 |
3.3.1 多维输入规则算法 |
3.3.2 多维输出规则算法 |
3.4 连续时间多维T-S动态故障树分析方法的验证与应用 |
3.4.1 与空间故障树分析方法对比 |
3.4.2 与Dugan动态故障树分析方法对比 |
3.5 本章小结 |
第4章 连续时间T-S动态故障树重要度分析方法 |
4.1 重要度分析方法 |
4.1.1 概率重要度 |
4.1.2 关键重要度 |
4.1.3 改善函数 |
4.1.4 F-V重要度 |
4.1.5 风险业绩值 |
4.1.6 风险降低值 |
4.1.7 微分重要度 |
4.1.8 综合重要度 |
4.2 连续时间T-S动态故障树重要度分析方法的验证 |
4.2.1 与Bell故障树重要度分析方法对比 |
4.2.2 与离散时间T-S动态故障树重要度分析方法对比 |
4.3 本章小结 |
第5章 可靠性分析工程实例 |
5.1 结冰探测系统可靠性分析 |
5.1.1 结冰探测系统原理 |
5.1.2 结冰探测系统T-S动态故障树建造 |
5.1.3 系统故障概率 |
5.1.4 基本事件重要度 |
5.2 起落架收放系统可靠性分析 |
5.2.1 起落架收放系统原理 |
5.2.2 起落架收放系统T-S动态故障树建造 |
5.2.3 系统故障概率 |
5.2.4 基本事件重要度 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(7)故障树重要度分析方法及应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树分析方法研究现状 |
1.2.1 静态故障树分析方法研究现状 |
1.2.2 动态故障树分析方法研究现状 |
1.3 重要度研究现状 |
1.4 课题来源 |
1.5 研究思路与内容安排 |
1.5.1 问题提出 |
1.5.2 研究思路 |
1.5.3 内容安排 |
第2章 传统故障树重要度分析方法 |
2.1 传统故障树分析方法 |
2.1.1 传统故障树 |
2.1.2 不确定性问题及描述模型 |
2.1.3 传统故障树分析与计算 |
2.2 基于区间凸集的传统故障树重要度分析方法 |
2.3 基于区间凸集的传统故障树重要度分析方法验证 |
2.4 实例分析 |
2.5 本章小结 |
第3章 T-S故障树重要度分析方法 |
3.1 T-S故障树 |
3.1.1 T-S门及其描述规则 |
3.1.2 T-S故障树算法 |
3.2 T-S故障树重要度分析方法 |
3.3 T-S故障树重要度分析方法验证 |
3.4 实例分析 |
3.5 本章小结 |
第4章 Dugan动态故障树重要度分析方法 |
4.1 Dugan动态门 |
4.2 基于Monte Carlo法求解Dugan动态故障树 |
4.3 Dugan动态故障树重要度分析方法 |
4.4 DUGAN动态故障树重要度分析方法验证 |
4.5 实例分析 |
4.5.1 液压系统 |
4.5.2 热交换系统 |
4.6 本章小结 |
第5章 T-S动态故障树重要度分析方法 |
5.1 T-S动态故障树 |
5.1.1 T-S动态门及其描述规则 |
5.1.2 T-S动态故障树算法 |
5.2 基于区间凸集的T-S动态故障树重要度 |
5.3 基于区间凸集的T-S动态故障树重要度分析方法验证 |
5.4 实例分析 |
5.4.1 测量系统 |
5.4.2 气动制动系统 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(8)一种新型连续时间贝叶斯网络分析方法(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 贝叶斯网络分析方法研究现状 |
1.2.1 静态贝叶斯网络分析方法研究现状 |
1.2.2 离散时间和连续时间贝叶斯网络分析方法研究现状 |
1.3 课题来源 |
1.4 研究思路与内容安排 |
1.4.1 问题提出 |
1.4.2 研究思路 |
1.4.3 内容安排 |
第2章 新型连续时间贝叶斯网络分析方法 |
2.1 连续时间T-S动态故障树 |
2.1.1 T-S动态门连续时间描述规则 |
2.1.2 连续时间T-S动态故障树算法 |
2.2 新型连续时间贝叶斯网络 |
2.2.1 连续时间贝叶斯网络有向无环图 |
2.2.2 连续时间贝叶斯网络条件概率表 |
2.2.3 叶节点的故障概率分布函数 |
2.2.4 根节点的后验概率 |
2.3 新型连续时间贝叶斯网络分析方法验证 |
2.3.1 与静态贝叶斯网络分析方法对比 |
2.3.2 与基于Dugan动态故障树的离散时间贝叶斯网络分析方法对比 |
2.3.3 与离散时间T-S动态故障树分析方法对比 |
2.3.4 与基于Dugan动态故障树的连续时间贝叶斯网络分析方法对比 |
2.3.5 与连续时间T-S动态故障树分析方法对比 |
2.4 本章小结 |
第3章 新型连续时间贝叶斯网络重要度及灵敏度 |
3.1 根节点的重要度 |
3.1.1 概率重要度 |
3.1.2 关键重要度 |
3.1.3 微分重要度 |
3.1.4 综合重要度 |
3.1.5 改善函数 |
3.1.6 风险业绩值 |
3.1.7 风险降低值 |
3.2 根节点的灵敏度 |
3.2.1 静态贝叶斯网络灵敏度 |
3.2.2 离散时间贝叶斯网络灵敏度 |
3.2.3 新型连续时间贝叶斯网络灵敏度 |
3.3 重要度及灵敏度算法验证 |
3.3.1 与静态贝叶斯网络重要度及灵敏度分析方法对比 |
3.3.2 与离散时间贝叶斯网络重要度及灵敏度分析方法对比 |
3.4 本章小结 |
第4章 可靠性分析工程实例 |
4.1 风电机组液压制动系统可靠性分析 |
4.1.1 液压系统原理 |
4.1.2 液压系统连续时间贝叶斯网络的构造 |
4.1.3 液压系统故障概率 |
4.1.4 根节点的后验概率 |
4.1.5 根节点的重要度与灵敏度 |
4.2 卫星电源系统可靠性分析 |
4.2.1 卫星电源系统工作原理 |
4.2.2 卫星电源系统连续时间贝叶斯网络的构造 |
4.2.3 卫星电源系统故障概率 |
4.2.4 根节点的后验概率 |
4.2.5 根节点的重要度与灵敏度 |
4.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(9)多维T-S静动态故障树及在堆料机液压系统的可靠性应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树分析方法及其在液压系统可靠性分析研究现状 |
1.2.1 静态故障树分析方法 |
1.2.2 动态故障树分析方法 |
1.3 共因失效系统可靠性分析研究现状 |
1.4 课题来源 |
1.5 研究思路与内容安排 |
1.5.1 问题提出 |
1.5.2 研究思路 |
1.5.3 内容安排 |
第2章 多维T-S故障树分析方法 |
2.1 多维T-S故障树 |
2.1.1 T-S门及其描述规则算法 |
2.1.2 多维输入规则算法 |
2.1.3 多维输出规则算法 |
2.2 多维T-S故障树分析方法的验证 |
2.2.1 与传统故障树分析方法对比 |
2.2.2 与空间故障树分析方法对比 |
2.2.3 与T-S故障树分析方法对比 |
2.3 多维T-S故障树重要度分析方法 |
2.3.1 概率重要度 |
2.3.2 关键重要度 |
2.3.3 综合重要度 |
2.3.4 重要度对比验证 |
2.4 本章小结 |
第3章 多维T-S动态故障树分析方法 |
3.1 T-S动态门及其连续时间事件顺序描述规则 |
3.1.1 T-S动态门 |
3.1.2 T-S动态门描述规则算法 |
3.2 多维T-S动态故障树分析方法的验证 |
3.2.1 与空间故障树分析方法对比 |
3.2.2 与基于Markov链的Dugan动态故障树分析方法对比 |
3.2.3 与离散时间T-S动态故障树分析方法对比 |
3.3 多维T-S动态故障树重要度分析方法 |
3.3.1 概率重要度 |
3.3.2 关键重要度 |
3.3.3 综合重要度 |
3.3.4 重要度对比验证 |
3.4 本章小结 |
第4章 考虑共因失效的多维T-S动态故障树分析方法 |
4.1 共因失效及其建模方法 |
4.1.1 共因失效概念 |
4.1.2 共因失效参数模型 |
4.1.3 共因失效的建模方法 |
4.2 考虑共因失效的多维T-S动态故障树分析方法 |
4.2.1 参数模型的选择 |
4.2.2 整合部分法共因失效因子分析 |
4.2.3 包含共因失效的T-S动态门求解 |
4.3 考虑共因失效的多维T-S动态故障树分析方法的验证 |
4.3.1 多维T-S动态故障树分析方法 |
4.3.2 考虑共因失效的多维T-S动态故障树分析方法 |
4.4 本章小结 |
第5章 斗轮式堆料机液压系统可靠性分析 |
5.1 基于多维T-S动态故障树的液压系统可靠性分析 |
5.1.1 液压系统工作原理 |
5.1.2 液压系统T-S动态故障树建造 |
5.1.3 液压系统可靠性分析 |
5.1.4 液压系统重要度分析 |
5.2 考虑共因失效的多维T-S动态故障树的液压系统可靠性分析 |
5.2.1 液压系统共因部件组 |
5.2.2 考虑共因失效的液压系统T-S动态故障树建造 |
5.2.3 考虑共因失效的液压系统可靠性分析 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(10)考虑相关失效的DFTA及其翻车机液压系统可靠性分析应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 故障树及其在液压系统中的应用研究现状 |
1.2.1 传统故障树 |
1.2.2 动态故障树 |
1.3 基于贝叶斯网络的故障树分析方法研究现状 |
1.3.1 静态贝叶斯网络 |
1.3.2 离散时间贝叶斯网络 |
1.4 相关失效研究现状 |
1.5 课题来源 |
1.6 研究思路与内容安排 |
1.6.1 问题提出 |
1.6.2 研究思路 |
1.6.3 内容安排 |
第2章 基于动态故障树的液压系统静动态失效行为分析 |
2.1 基于静态子树的液压系统静态失效行为分析 |
2.1.1 或门 |
2.1.2 与门 |
2.1.3 表决门 |
2.2 基于动态子树的液压系统动态失效行为分析 |
2.2.1 优先与门 |
2.2.2 功能相关门 |
2.2.3 备件门 |
2.3 液压元件可靠性指标 |
2.3.1 可靠性指标数据来源 |
2.3.2 失效率修正方法 |
2.4 本章小结 |
第3章 改进的基于DTBN的动态故障树求解方法 |
3.1 基于DTBN的动态故障树求解方法 |
3.1.1 动态故障树向DTBN转化的方法 |
3.1.2 基于DTBN求解动态故障树 |
3.2 动态故障树向DTBN转化的改进方法 |
3.2.1 改进的转化方法 |
3.2.2 方法验证 |
3.3 基于DTBN求解动态故障树的模块化改进 |
3.3.1 模块化改进方法及其算法 |
3.3.2 方法验证 |
3.4 本章小结 |
第4章 考虑相关失效的动态故障树及其基于DTBN的求解方法 |
4.1 液压系统的相关失效 |
4.2 考虑相关失效的动态故障树及其求解 |
4.2.1 考虑相关失效的动态故障树及其转化的DTBN |
4.2.2 基于DTBN的考虑相关失效的动态故障树求解 |
4.3 基于专家经验的相关失效条件概率模型 |
4.3.1 相关失效条件概率模型 |
4.3.2 基于条件概率模型的联合概率求解方法 |
4.3.3 基于专家经验的参数γ获取方法 |
4.3.4 实例分析 |
4.4 基于Copula模型的相关失效联合概率模型 |
4.4.1 基于Copula模型的联合概率获取方法 |
4.4.2 模型验证 |
4.5 两种相关失效概率模型优缺点对比分析 |
4.6 本章小结 |
第5章 翻车机开式侧压车液压系统可靠性分析 |
5.1 翻车机开式侧液压系统原理 |
5.1.1 液压系统原理概述 |
5.1.2 元件失效率分析 |
5.2 翻车机开式侧液压系统动态故障树模型 |
5.2.1 动态故障树建造 |
5.2.2 动态故障树处理 |
5.3 翻车机开式侧液压系统动态故障树求解 |
5.3.1 动态故障树转化为DTBN |
5.3.2 液压系统失效概率及各元件后验概率 |
5.3.3 元件重要度分析 |
5.4 翻车机开式侧液压系统可靠性设计改进 |
5.4.1 元件更换 |
5.4.2 余度设计 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
四、动态故障树分析方法研究(论文参考文献)
- [1]基于多态T-S动态故障树的风电机组液压系统可靠性分析[D]. 邢贺亮. 燕山大学, 2021
- [2]多维动态贝叶斯网络及其推钢机液压系统可靠性分析应用[D]. 胡彦龙. 燕山大学, 2021
- [3]基于动态故障树的钻井泵故障诊断专家系统的设计与实现[D]. 何旋. 电子科技大学, 2021(01)
- [4]一种可配置动态故障树的定量分析方法研究[D]. 白青格日. 大连海事大学, 2020(01)
- [5]连续时间T-S动态故障树分析方法[J]. 姚成玉,王传路,陈东宁,魏星,吕世君. 机械工程学报, 2020(10)
- [6]连续时间T-S动态故障树重要度分析方法及应用[D]. 魏星. 燕山大学, 2020
- [7]故障树重要度分析方法及应用[D]. 张宏熙. 燕山大学, 2020
- [8]一种新型连续时间贝叶斯网络分析方法[D]. 邢然. 燕山大学, 2020
- [9]多维T-S静动态故障树及在堆料机液压系统的可靠性应用[D]. 许敬宇. 燕山大学, 2020
- [10]考虑相关失效的DFTA及其翻车机液压系统可靠性分析应用[D]. 张金戈. 燕山大学, 2020