故障树结构重要度分析中的模式识别方法.docVIP

故障树结构重要度分析中的模式识别方法 第21卷第1期 1999年1月 :南京化工大学一 7JOURNALOFNANJ]NOUNIVERSITYOFCHEMICALTECHNOLOGY—Jan.I999 网l【,......... 故障树结构重要度分析中的模式 业成黄文龙 \———/ (南京化工大学机械工程系,南京,210009) 识别方法 ≯{ 口I 摘要传豌结构重要度分析方法是基于敷谊模式(0,1)的方法,是确定的二值问题.表文特模糊熵的概念引入故 障村结构重要度分析当中,提出一种重要度分析的模糊法.它是基于非敷特征值的模式分类方法.其基表事件可以 是多表选式,特剐适用于主模式整体结构,同时对二值问题也同样适用. 关薯调故障村,结构重要度垄式识别模糊法 中国分粪号TQ050.I 传统的结构重要度分析方法具有概念简单清 楚,计算方便等优点,并且是确定的二值(0,I)问题 但事实上,工程中许多问题不是简单的发生(I)或不 发生(0)问题.例如;应力腐蚀疲劳断裂问题,假设断 裂破坏是顶事件,应力,腐蚀,疲劳是3个基本事件, 我们无法甩发生与不发生来表示它们应力可以用 不同的应力大小区间表示,腐蚀可以用腐蚀介质的 不同摩尔分数区间表示,疲劳可以用不同的循环周 次区间表示.显然,各基本事件区间的划分不是简单 的逻辑表达式,原有的重要度分析方法不再适用,因 此有必要采用新的方法进行处理本文采用一种类 似于模糊数学中模糊熵0的表达方式,作为分析结 构重要度的判据,可以解决以上问题,故称它为模糊 法. l方法介绍 首先以Quinlan的实验0为例,引出模糊法的一 般形式. 考虑一个模式集合,该集合的分类基于如下特 征:身高,可取{矮,高);发色,可取{黑,红,金 黄}}眼睛,可取{蓝,褐};类别有.和两种.将该 集合u列表如下: 高,黑,蓝 矮,金黄,褐 高,黑,褐 高,金黄,蓝 高,红,蓝 矮,黑,蓝 高,金黄,褐 矮,金黄,蓝 收稿日期}1998—08—15 可以看出,u并不是所有特征的可能组合,实际 上,它仅包括l2个可能组合中的8个.模糊法的作 用就是要能够确定一个将集合u中所有模式正确 分类的检验顺序.同时,我们希望同样的处理过程也 可以较好的用于并不属于集合u,却表示同样问题 或环境的其它模式.这里的类别,特征,模式分别相 当于故障树中的顶事件,基本事件和不同基本事件 的组合. 模糊法采用的是一种信息论的方法.集合u中 任何信息都要求我们检验特征,确保获得最大的信 息增益,或者说,使熵的减幅最大.熵的定义为: 一 J咄iD.--~,lO821D.,其中Po,根据事件出现的频度 而定. 开始在没有任何信息的条件下,要估计一个模 式的类别隶属,我们可以认为它属于n的概率为 0.5,而属于.的概率也为0.5.也就是说,在没有任 何信息的情况下,我们可以假设先验概率平均相等. 这样熵可以表示为:一iD.2一iDolO82= 一 0.5Jos20.5—0.51os20.5=Ibit 但是,如果我们已经知道的有5个模式属于n类,3 个模式属于.类,则熵应表示为 一 (5/8)Iog~(5/8)一(3/8)los2(3/8)一0.954bit 换句话说,信息量减少了0.046bit. 而后的问题是哪个特征在解决类属关系上最有 效.为此,我们要逐一考虑发色,身高,眼睛颜色这3 个特征.计算采用每种特征检验时的信息增益.请 注意,这里不是寻找那种由于明显的分裂了u的某 南京化工大学第21卷 些部分而看起来有效的特征,所需寻求的是整个系 统信息量的最大增益. 图l所示是检验发色的情况,身高,眼睛颜色的 检验情况与发色检验基本相同经计算得到它们的 信息增益分别为0.454,0.003,0.347根据熵减最 大的原则,我们应该取基于发色的检验,即基本事件 发色的结构重要度最大,依次是眼睛和身高. 田1检验发色的信息增益 f1TheinfozmaUona11I∞mⅢ.fhaircolor 模糊法的一般形式: 通常顶事件仍只有发生和不发生两种情况(模 式),用c.表示,1,2.的Ⅳ个标志模式是已知 的,其中属于c类的模式个数为Ⅳ个,每个模式为 个基本事件(特征),而对应的第k个特征又有J. 种值,(为了简化,我们假设所有的特征均具有I,种 值)使用模糊法确定故障树结构重要度的步骤可归 纳如下: 1)计算初始墒值 不同基本事件组合的类属关系都是已知的.因 此,由Ⅳ个标志模式构成的初始熵8(u)可以表示 为 (u)一∑一(Lv./N)logz(/N)=∑一1og2 2)选择一个特征进行分析 a对于每一个特征A-,k一1,2,…,,将原始 的体体基本事件组合按该特征I,种不同的特征值 分组.在m分支应有m个模式,但这些模式不必 都属于某一类. b在模式总数为啊