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。

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 表示元件 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:
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:。
- 下链:。
再把两条链并联,最后与公共供电 P 串联:
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。

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,。
- 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,。
如果五个元件在 8 小时内的可靠度都为 0.9,则 ,。依据全概率公式:
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 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:
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:
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。