云模型与SFT结合的可靠性数据不确定性分析

"基于云模型和SFT的可靠性数据不确定性评价.pdf" 这篇论文研究了如何分析和评价系统可靠性数据中的不确定性，特别关注随机性、离散性和模糊性这三个方面。研究中，作者提出了将云模型与空间故障树（SFT）理论相结合的方法。云模型能够有效地表达数据不确定性，而SFT则是一种用于分析系统故障机制的有效工具。 首先，论文介绍了如何将SFT的概念云化，即将SFT中的系统故障概率分布转化为云模型的特征参数，包括期望值Ex、熵En和厚尾度He。通过数学求导，这些参数可以反映在特定因素影响下的系统可靠性数据变化情况。 接着，论文提出了一种计算数据不确定性的方法。根据在系统工作环境范围内的求导结果，结合模糊性δfuz、离散性δdiscrete和随机性δrandom这三个指标，可以量化数据的不确定性。这里的模糊性衡量的是数据的不清晰程度，离散性反映了数据分布的分散程度，而随机性则表示数据的不可预测性。 在实际应用中，论文使用这种方法对一个经典实例进行了分析，得到了定性和定量的评估结果。然而，作者强调Q和δ这两个参数的解释和应用应当根据具体问题进行分析，因为它们可能因系统的特性和应用场景的不同而有所变化。 这篇研究对于安全系统工程领域具有重要意义，因为它提供了一种新的工具来处理和评估复杂系统中可靠性数据的不确定性。通过云模型和SFT的结合，可以更全面地理解和管理系统的可靠性风险，这对于提高系统设计的安全性和可靠性至关重要。 关键词：安全系统工程，可靠性数据，不确定性评价，云模型，SFT 中图分类号：X913.4 文献标志码：A 文章编号：1001-3695(2017)12-3656-04 doi：10.3969/j.issn.1001-3695.2017.12.030 作者简介：李莎莎，1988年生，博士研究生，研究方向为安全系统工程、系统可靠性；崔铁军，1983年生，讲师，博士（后），研究方向为系统可靠性及力学系统稳定性；马云东，1964年生，教授，博导，研究方向为安全科学与工程、环境科学与工程。