基于不确定故障树的水下生产系统维修优化方法及装置制造方法及图纸

本发明专利技术涉及一种基于不确定故障树的水下生产系统维修优化方法及装置，包括以下技术特点：使用不确定故障树计算顶事件Λ

【技术实现步骤摘要】
基于不确定故障树的水下生产系统维修优化方法及装置


[0001]本专利技术属于系统设计及维修优化
，涉及一种水下生产系统维修优化方法，尤其是基于不确定故障树的水下生产系统维修优化方法及装置。

技术介绍

[0002]水下生产系统主要是由油气井、管线、采油树和立管等组成。随着水下生产系统服役年限的增加，出现了越来越多的安全问题，尤其是泄漏问题。水下生产系统一旦发生泄漏将会造成严重的环境污染和重大的经济损失。因此，确保水下生产系统的安全运行并同时使投入的总成本最小是至关重要的。故障树是评估水下生产系统失效信度的有效工具。对于传统故障树而言，基本事件发生的概率是一个精确值，但由于环境因素和检测技术的限制使得我们很难获得充足的水下生产系统相关状态及运行数据，因此无法获取基本事件发生的概率。此时，采用基于概率论的传统故障树评估水下生产系统的信度不再适用。
[0003]1965年，Zadeh提出了模糊集理论，用于处理不精确信息的问题。随后学者们基于模糊理论研究各种优化问题。然而，清华大学刘宝碇教授通过桥梁承重的例子说明采用模糊理论对专家的主观信度进行建模是不合适的。为了进一步度量信度，刘教授提出了不确定理论。目前该理论已广泛用于各领域，主要用于对专家的主观信度建模。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足之处，提供一种能对水下生产系统的费用和失效信度进行优化的基于不确定故障树的水下生产系统维修优化方法及装置。
[0005]本专利技术解决技术问题所采用的技术方案是：/>[0006]一种基于不确定故障树的水下生产系统维修优化方法，包括以下步骤：
[0007]步骤1、使用不确定故障树计算顶事件Λ
Top
发生的信度M
Top
；
[0008]步骤2、计算顶事件Λ
Top
要投入的总维修费用C
Top
；
[0009]步骤3、由不确定故障树评估水下生产系统的失效信度，分别建立关于要投入的总维修费用和失效信度的单目标优化模型和多目标优化模型；
[0010]步骤4、采用单目标优化模型和多目标优化模型对水下生产系统进行维修优化。
[0011]而且，所述不确定故障树中基本事件Λ
i
发生的信度使用不确定测度进行评估，所述步骤1的具体实现方法为：
[0012]若不确定故障树中的基本事件Λ1,Λ2,...,Λ
N
由“与门”连接，则不确定故障树中的输出事件Λ发生的信度为
[0013]若不确定故障树中的基本事件Λ1,Λ2,...,Λ
N
由“或门”连接，则不确定故障树中的输出事件Λ发生的信度为
[0014]其中：∧表示取最小值运算，∨表示取最大值运算。
[0015]而且，所述步骤2采用如下公式计算顶事件Λ
Top
要投入的总维修费用C
Top
：
[0016][0017]其中，C
i
为基本事件Λ
i
的要投入的维修费用，可表示为：C
i
＝F
i
(M{Λ
i
}),i＝1,2,...,N，F
i
为预先获得的“费用
‑
信度”函数。
[0018]而且，所述步骤3中单目标优化模型为在给定的系统失效水平下使得要投入的总维修费用最小，所述单目标优化模型表示为：
[0019]其中：μ
i
和v
i
分别为基本事件Λ
i
,i＝1,2,...,N发生信度的上下限，τ为预设的容许失效水平，通常τ的取值范围为M
Top
(μ1,μ2,...,μ
N
)≤τ≤M
Top
(v1,v2,...,v
N
)。
[0020]而且，所述步骤3中多目标优化模型为使得投入的总维修费用与系统失效信度同时达到最小，所述多目标优化模型表示为：
[0021]其中，μ
i
和v
i
分别为基本事件Λ
i
,i＝1,2,...,N发生信度的上下限。
[0022]而且，所述单目标优化模型即在给定容许失效信度下的最小总投入维修费用，在求解水下生产系统的单目标优化模型时采用遗传算法进行优化分析。
[0023]而且，所述多目标优化模型是将多目标优化模型转为单目标优化模型，然后使用遗传算法对转化后的单目标优化模型进行优化分析。
[0024]一种基于不确定故障树的水下生产系统维修优化装置，包括：
[0025]第一计算单元，用于使用不确定故障树计算顶事件Λ
Top
发生的信度M
Top
；
[0026]第二计算单元，用于计算顶事件Λ
Top
要投入的总维修费用C
Top
；
[0027]建立单元，用于根据不确定故障树，分别建立水下生产系统关于投入的总维修费用和失效信度的单目标优化模型和多目标优化模型；
[0028]维修优化单元，用于由不确定故障树评估水下生产系统的失效信度，分别建立关于要投入的总维修费用和失效信度的单目标优化模型和多目标优化模型。
[0029]本专利技术的优点和积极效果是：
[0030]1.本专利技术采用不确定测度度量基本事件发生的信度，解决了系统数据缺失或数据较少的情况下用传统故障树计算系统可靠度不准确的问题，提高了评估结果的准确性。
[0031]2.本专利技术通过对水下生产系统的投入费用和失效信度进行优化，可以帮助相关人员了解系统所处的风险水平，及时选择相应的应对措施。在信息不充足的情况下，有助于管理者评估投入的总维修费用和风险水平之间关系，从而进行科学决策。
附图说明
[0032]图1为故障树框架图。
[0033]图2为遗传代数与最小C
Top
关系曲线图。
[0034]图3为M
Top
和最小C
Top
的关系曲线图。
[0035]图4为不确定环境和随机环境下的最小C
Top
关系曲线比较图。
[0036]图5为遗传代数与最小U的关系曲线图。
[0037]图6为M
Top
和C
Top
的关系曲线图。
[0038]图7为不同的α对应的M
Top
和C
Top
的关系曲线图。
[0039]图8为不同的β对应的M
Top
和C
Top
的关系曲线图。
[0040]图9为α、β和最小U的关系图。
[0041]图10水下生产系统的故障树框架图。
具体实施方式
[0042]下面通过具体实施例对本专利技术作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于不确定故障树的水下生产系统维修优化方法，其特征在于：包括以下步骤：步骤1、使用不确定故障树计算顶事件Λ
Top
发生的信度M
Top
；步骤2、计算顶事件Λ
Top
需要投入的总维修费用C
Top
；步骤3、由不确定故障树评估水下生产系统的失效信度，分别建立关于要投入的总维修费用和失效信度的单目标优化模型和多目标优化模型；步骤4、采用单目标优化模型和多目标优化模型对水下生产系统进行维修优化。2.根据权利要求1所述的基于不确定故障树的水下生产系统维修优化方法，其特征在于：所述不确定故障树中基本事件Λ
i
发生的信度使用不确定测度进行评估，所述步骤1的具体实现方法为：若基本事件Λ1,Λ2,...,Λ
N
由“与门”连接，则输出事件Λ发生的信度为若基本事件Λ1,Λ2,...,Λ
N
由“或门”连接，则输出事件Λ发生的信度为其中：∧表示取最小值运算，∨表示取最大值运算。3.根据权利要求1所述的基于不确定故障树的水下生产系统维修优化方法，其特征在于：所述步骤2采用如下公式计算顶事件Λ
Top
需要投入的总维修费用C
Top
：其中，C
i
为基本事件Λ
i
的要投入的维修费用，可表示为：C
i
＝F
i
(M{Λ
i
}),i＝1,2,...,N，F
i
为预先获得的“费用
‑
信度”函数。4.根据权利要求1所述的基于不确定故障树的水下生产系统维修优化方法，其特征在于：所述步骤3中单目标优化模型为在给定的系统失效水平下求需要投入总维修费用的最小值，所述单目标优化模型表示为：其中：μ
...

【专利技术属性】
技术研发人员：刘颖，麻柳影，曲志刚，刘寅立，哈丽娜，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：