位置:成果数据库 > 期刊 > 期刊详情页
基于T-S模糊故障树和贝叶斯网络的多态液压系统可靠性分析
  • ISSN号:1004-132X
  • 期刊名称:《中国机械工程》
  • 时间:0
  • 分类:TB114.3[理学—概率论与数理统计;理学—数学;理学—应用数学;一般工业技术] TH137.7[机械工程—机械制造及自动化]
  • 作者机构:[1]燕山大学河北省重型机械流体动力传输与控制重点实验室,秦皇岛066004, [2]燕山大学先进锻压成形技术与科学教育部重点实验室,秦皇岛066004, [3]燕山大学河北省工业计算机控制工程重点实验室,秦皇岛066004
  • 相关基金:国家自然科学基金资助项目(50905154); 河北省自然科学基金资助项目(E2012203015); 河北省教育厅科研项目(ZH2012062); 秦皇岛市科技支撑计划资助项目(2012021A078)
中文摘要:

为解决T-S模糊故障树分析方法在液压系统可靠性分析过程中运算复杂和只能单向推理的问题,提出一种基于T-S模糊故障树与贝叶斯网络的多态系统可靠性分析方法。根据给出的T-S模糊故障树向贝叶斯网络转化的方法确定贝叶斯网络的模型结构与条件概率表,利用贝叶斯网络的推理算法计算顶事件发生概率、事件后验概率以及底事件重要度。该方法既能进行计算系统可靠性指标及重要度的前向推理,又能进行故障诊断的反向推理,而且计算公式简单。最后通过900t提梁机液压驱动系统工程实例验证了算法的可行性与有效性。

英文摘要:

In order to solve the disadvantages of calculation complexity and single inference of T-- S fuzzy fault tree analysis method in hydraulic system reliability analysis, a reliability analysis method of multi--state hydraulic system based on T--S fault tree and Bayesian network was proposed. The model structure and conditional probability table of Bayesian network were determined according to the method of converting T--S fuzzy fault tree to Bayesian network~ the probability of top event, pos- terior probability of events and importance of basic events were computed by means of inference algo- rithms of Bayesian network. The method can calculate the system reliability indices and importance by forward inference, as well as carry out fault diagnosis by backward inference, and the calculation formula is simple. Finally, the feasibility and effectiveness of the proposed method were illustrated by the engineering example of hydraulic driven system of the 900t gantry--crane.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中国机械工程》
  • 中国科技核心期刊
  • 主管单位:中国科学技术协会
  • 主办单位:中国机械工程学会
  • 主编:董仕节
  • 地址:湖北工业大学772信箱
  • 邮编:430068
  • 邮箱:paper@cmemo.org.cn
  • 电话:027-87646802
  • 国际标准刊号:ISSN:1004-132X
  • 国内统一刊号:ISSN:42-1294/TH
  • 邮发代号:38-10
  • 获奖情况:
  • 1997年获中国科协期刊一等奖,第二届全国优秀科技...,机械行业优秀期刊一等奖,1999年获首届国家期刊奖,2001年获首届湖北十大名刊,中国期刊方阵“双高”期刊,2003第二届国家期刊奖提名奖,百种中国杰出学术期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:50788