(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211041836.7 (22)申请日 2022.08.29 (71)申请人 重庆交通大 学 地址 400074 重庆市南岸区学府大道6 6号 (72)发明人 黄大荣　欧阳云慧 　张传普　 李欣蓉　 (74)专利代理 机构 重庆博凯知识产权代理有限 公司 50212 专利代理师 张乙山 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 111/08(2020.01) G06F 119/02(2020.01) (54)发明名称 基于Go-Bayesian的综合传动装置 可靠性预 计方法 (57)摘要 本发明具体涉及基于Go ‑Bayesian的综合传 动装置可靠性预计方法， 包括： 基于综合传动装 置的部件组成以及各个部件的交互情况和工作 状态确定系统功能； 建立 综合传动装置的原理结 构图， 并结合系统功能生成对应的功能原理图； 将综合传动装置的功能原理图转换为GO模型， 并 在GO模型中融入贝叶斯计算功能生成对应的Go ‑ Bayesian模型； 对综合传动装置 各个部件的历史 故障数据进行定量分析， 得到当前的可靠度； 将 各个部件当前的可靠度输入至Go ‑Bayesian模 型， 输出对应原始的可靠度， 进而基于各个部件 原始的可靠度确定综合传动装置的薄弱环节。 本 发明能够通过Go法结合Bayesian法的模型框架 来适应于 各种类型的综合传动装置， 从而能够提 高综合传动装置可靠性预计的通用性。 权利要求书3页 说明书12页 附图3页 CN 115391950 A 2022.11.25 CN 115391950 A 1.基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特 征在于， 包括： S1： 基于综合传动装置的部件组成以及各个部件的交互情况和工作状态确定系统功 能； S2： 建立综合传动装置的原理结构图， 并结合系统功能生成对应的功能原理图； S3： 将综合传动装置的功能原理图转换为GO模型， 并在GO模型中融入贝叶斯计算功能 生成对应的Go ‑Bayesian模型； S4： 对综合传动装置各个部件的历史故障数据进行定量分析， 得到当前的可靠度； S5： 将各个部件当前的可靠度输入至Go ‑Bayesian模型， 输出对应原始的可靠度， 进而 基于各个部件原 始的可靠度确定综合传动装置的薄弱环 节以实现可靠性预计。 2.如权利要求1所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 步骤S3中， GO模型包括与综合传动装置的各个部件对应的操作符以及与各个部件的输 入和输出关联的信号 流。 3.如权利要求2所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 操作符表示部件功能以及部件输入信号和输出信号之间各类关系的符号 集合。 4.如权利要求2所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 信号流表示部件的输入和输出以及操作符 之间的关联。 5.如权利要求2所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 步骤S 3中， GO模 型由操作符和操作符通过信号流连接而成； 不同类型的操作符根据系统 部件的特性表示不同的部件， 信号流表示操作符的输入信号和输出信号并根据综合传动装 置的部件交 互逻辑连接各个操作符。 6.如权利要求2所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 步骤S3中， 将GO模型转换至用于贝叶斯网络计算的GeNIE软件中并进行规则设置， 以使 得GO模型具备贝叶斯计算功能， 进而将具备贝叶斯计算功能的GO模型作为Go ‑Bayesian模 型。 7.如权利要求6所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 将GO模型转换至GeNIE软件中时， 先将GO模型所有的信号流映射成相应的节点， 然后按 原有的方向用箭头进行连接， 最后将操作符映射成节点， 并将其用箭头指向相 应的信号流 节点。 8.如权利要求6所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 将GO模 型转换至 GeNIE软件中时， 根据综合传动装置内部的交互数据与系统运行实际情 况检测GO模型是否为最优状态， 若是， 则进行规则设置； 否则， 重新调整G O模型。 9.如权利要求1所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 步骤S4中， 对历史故障数据进 行定量分析得到故障率数据， 然后通过如下公式将故障率 数据转换为可靠度和不可靠度； R(t)＝eλt； R(t)＝1‑F(t)； 式中： R(t)表示可靠度； F(t)表示 不可靠度； λ表示故障率数据。 10.如权利要求1所述的基于Go ‑Bayesian的综合传动装置可靠性预计方法， 其特征在 于： 步骤S5中， Go ‑Bayesian模 型中的部件类型包括两状态部件、 或门部件、 与门部件和有信权　利　要　求　书 1/3 页 2 CN 115391950 A 2号则导通部件； 通过如下公式计算两状态部件输出的可靠度： R0(1)＝[PRR(I1)+PRF(I1)]×[PRR(S1)+PRF(S1)]； 式中： R0(1)表示两状态部件输出的可靠度； PRR(I1)表示两状态部件t时刻和t +1时刻的 输入均为可靠状态的概率； PRF(I1)表示两状态部件t时刻的输入为可靠状态、 t+1时刻的输 入为不可靠状态的概率； PRR(S1)表示两状态部件本身t时刻和t+1时刻均为可靠状态的概 率； PRF(I1)表示两状态部件本身t时刻为可靠状态、 t+1时刻为 不可靠状态的概 率； 通过如下公式计算或门部件输出的可靠度： R0(2)＝R01(2)+R02(2)+R03(2)； R01(2)＝P(R＝1/PI2A＝R， PI2B＝R)＝PR(I2A)×PR(I2B)； R02(2)＝P(R＝1/PI2A＝R， PI2B＝F)＝PR(I2A)×PF(I2B)； R03(2)＝P(R＝1/PI2A＝F， PI2B＝R)＝PF(I2A)×PR(I2B)； 式中： R0(2)表示或门部件输出的可靠度； P(R＝1/PI2A＝R， PI2B＝R)表示输出状态必为可 靠时， 或门部件的A和B输入状态均为可靠的情况； P(R＝1/PI2A＝R， PI2B＝F)表示输出状态必 为可靠时， 或门部件的A输入状态为可靠， B输入为不可靠的情况； P(R＝1/PI2A＝F， PI2B＝R) 表示输出状态必为可靠时， 或门部件的A输入状态为不可靠， B输入为可靠的情况； PR(I2A) 表示或门部件的A输入为可靠状态的概率； PR(I2B)表示或门部件的B输入为可靠状态的概 率； PF(I2A)表示或门部件的A输入为不可靠状态的概率； PF(I2B)表示或门部件的B输入为不 可靠状态的概 率； 通过如下公式计算与门部件输出的可靠度： R0(10)＝R01(10)＝P(R＝1/PI10A＝R， PI10B＝R)＝PR(I10A)×PR(I10B)； 式中： R0(10)表示与门部件输出 的可靠度； P(R＝1/PI10A＝R， PI10B＝R)表示输出状态必 为可靠时， 与门部件的A和B输入状态均为可靠的情 况； PR(I10A)表示与门部件的A输入为可 靠状态的概 率； PR(I10B)表示与门部件的B输入为可靠状态的概 率； 通过如下公式计算有信号则导 通部件输出的可靠度： R0(6)＝R01(6)+R02(6)+…+R06(6)； R01(6)＝[PRA(I6)+PFA(I6)+PAA(I6)]×[PRR(I′6)+PFR(I′6)+PAR(I′6)]×[PRA(S6)+PFA (S6)+PAA(S6)]； R02(6)＝[PRA(I6)+PFA(I6)+PAA(I6)]×[PRR(I′6)+PFR(I′6)+PAR(I′6)]×[PRF(S6)+PFF (S6)+PAF(S6)]； R03(6)＝[PRA(I6)+PFA(I6)+PAA(I6)]×[PRR(I′6)+PFR(I′6)+PAR(I′6)]×[PRF(S6)+PFF (S6)+PAF(S6)]； R04(6)＝[PRR(I6)+PFR(I6)+PAR(I6)]×[PRA(I′6)+PFA(I′6)+PAA(I′6)]×[PRR(S6)+PFR (S6)+PAR(S6)]； R05(6)＝[PRR(I6)+PFR(I6)+PAR(I6)]×[PRR(I′6)+PFR(I′6)+PAR(I′6)]×[PRA(S6)+PFA (S6)+PAA(S6)]； R06(6)＝[PRR(I6)+PFR(I6)+PAR(I6)]×[PRR(I′6)+PFR(I′6)+PAR(I′6)]×[PRR(S6)+PFR (S6)+PAR(S6)]； 式中： R0(6)有信号则导通部件输出的可靠度； PRA(I6)表示有信号则导通部件t时刻的权　利　要　求　书 2/3 页 3 CN 115391950 A 3