质量与可靠性 / 系统课时

用可靠性框图计算复杂系统

用可靠性框图计算复杂系统

复杂设备的成功路径可能同时包含共享供电、双路冗余和跨支路连接。要算对整机在指定任务时间内的可靠度,必须先把“什么算成功”翻译为可靠性框图,再归约简单结构,对不能直接归约的桥式网络进行条件分解与状态枚举。

学习目标

  • 根据任务成功条件绘制功能可靠性框图,识别共享部件。
  • 计算可约化串并联系统及五元件桥式网络的任务可靠度。
  • 用 Python 枚举工作状态,核对结果与独立性假设。

把任务成功条件画成框图

假设一套设备需要连续执行 8 小时任务:供电模块 P 必须正常,且两条执行链中至少有一条可用。上链要求 A、B 均正常,下链要求 C、D 均正常,因此成功条件是 P 正常,且 AB 或 CD 全通。

框图中应将公共的 P 放在主线上,再将 A-B、C-D 画成两条并联路径。可靠性框图表达的是功能成功逻辑,不必与设备的实体布线一致。

共享供电与两条串联支路构成的可靠性框图

逐块核对成功条件:P 一旦失效,整机必然失败;A 失效时,C-D 仍可能使任务成功。如果 B、D 依赖同一控制器,这个控制器应作为公共功能块建模,不能在两条支路中当成独立的两份来计算。

先归约独立的串并联结构

设 RiR_i 表示元件 ii 在同一 8 小时任务内正常工作的概率,且元件失效相互独立。所有串联块必须成功,任意一条并联路径成功即可完成任务,因此:

Rseries=∏i=1nRi,Rparallel=1−∏i=1n(1−Ri)R_{series}=\prod_{i=1}^{n} R_i,\qquad R_{parallel}=1-\prod_{i=1}^{n}(1-R_i)

给定 P、A、B、C、D 的可靠度依次为 0.98、0.95、0.95、0.90、0.94。先求两条链的串联可靠度:

  • 上链:RAB=0.952=0.9025R_{AB}=0.95^2=0.9025。
  • 下链:RCD=0.90×0.94=0.846R_{CD}=0.90\times0.94=0.846。

再把两条链并联,最后与公共供电 P 串联:

Rsys=0.98[1−(1−0.9025)(1−0.846)]=0.9652853R_{sys}=0.98[1-(1-0.9025)(1-0.846)]=0.9652853

这表示设备完成一次 8 小时任务的概率约为 96.53%。计算顺序不能反过来把 P 复制进两个分支再当成两份独立供电,否则会高估冗余收益。

桥式网络为什么不能直接并联

考虑五元件网络:A 连接起点 S 与上节点 U,B 连接 U 与终点 T;C 连接 S 与下节点 V,D 连接 V 与 T;E 连接 U 与 V。任务成功的判据是:正常元件能连出一条从 S 到 T 的路径。

含跨支路元件 E 的五元件桥式可靠性框图

这个网络存在四条最小成功路径:AB、CD、AED、CEB。但各条路径共享 A、B、C 或 D,路径成功事件并不独立,不能用“四条独立并联路径”直接套公式。

更稳妥的做法是按 E 的状态分解:

  • E 失效:只剩 AB 与 CD 两条独立并联路径,R0=1−(1−RARB)(1−RCRD)R_0=1-(1-R_A R_B)(1-R_C R_D)。
  • E 正常:U、V 被连通,左端只需 A 或 C 正常,右端只需 B 或 D 正常,R1=[1−(1−RA)(1−RC)][1−(1−RB)(1−RD)]R_1=[1-(1-R_A)(1-R_C)][1-(1-R_B)(1-R_D)]。

如果五个元件在 8 小时内的可靠度都为 0.9,则 R0=0.9639R_0=0.9639,R1=0.9801R_1=0.9801。依据全概率公式:

Rbridge=(1−0.9)×0.9639+0.9×0.9801=0.97848R_{bridge}=(1-0.9)\times0.9639+0.9\times0.9801=0.97848

桥接元件 E 使任务可靠度由 0.9639 提升到 0.97848;这里比较的是任务成功概率,不是每小时失效率。

用状态枚举核对非串并联系统

对于无法轻易归约的拓扑,可以枚举每个元件的正常、失效状态。五个元件共有 25=322^5=32 种组合;对每种组合,先检查 S 与 T 是否连通,再把所有成功组合的状态概率相加。

下面的 Python 3 示例仅依赖标准库,使用与桥式图完全相同的节点和边:

python
from itertools import product

# 元件名称及其连接的两个节点
edges = {
    "A": ("S", "U"),
    "B": ("U", "T"),
    "C": ("S", "V"),
    "D": ("V", "T"),
    "E": ("U", "V"),
}
reliability = {name: 0.9 for name in edges}

def task_succeeds(working):
    graph = {node: set() for node in ("S", "U", "V", "T")}
    for name, (a, b) in edges.items():
        if working[name]:
            graph[a].add(b)
            graph[b].add(a)

    # 对正常元件形成的无向网络做连通性搜索
    visited, pending = {"S"}, ["S"]
    while pending:
        node = pending.pop()
        if node == "T":
            return True
        for neighbor in graph[node] - visited:
            visited.add(neighbor)
            pending.append(neighbor)
    return False

result, successful_states = 0.0, 0
for flags in product((False, True), repeat=len(edges)):
    working = dict(zip(edges, flags))
    # 独立元件的某一具体状态概率为各项概率之积
    probability = 1.0
    for name, is_up in working.items():
        p = reliability[name]
        probability *= p if is_up else (1 - p)
    if task_succeeds(working):
        successful_states += 1
        result += probability

print(f"成功状态数: {successful_states}")
print(f"系统可靠度: {result:.5f}")

预期输出:

text
成功状态数: 16
系统可靠度: 0.97848

把 reliability["E"] 设为 0.0 或 1.0 后分别重新运行,系统可靠度应为 0.96390 和 0.98010。这两项边界测试与条件分解相同,可以发现连接关系录错、漏算成功状态等问题。

检查计算成立的边界

使用上述数值前,应在分析记录中写清:任务时间 8 小时、期间不维修、五个元件状态相互独立、E 可双向连通、任何一条连通路径都有足够任务容量。若 E 还需要检测和切换装置,其失效风险也要纳入模型。

尤其要区分“连通”和“达到性能要求”。例如每条链最多只能提供 60% 的额定流量,而任务要求 100%,那么“至少一条链可用”并不是成功判据,必须将容量约束纳入状态判断。共因故障(同一供电、环境或控制软件引起的关联失效)也会破坏独立性,此时不能直接相乘,应把共同依赖显式建模或改用能表达相关失效的方法。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

用可靠性框图计算复杂系统

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通