[发明专利]一种船舶消防系统连锁性失效的预测方法

摘要

本发明属于复杂系统分析与决策领域，具体涉及一种基于灰色关联聚类和BP人工神经网络的船舶消防系统连锁性失效的预测方法。将船舶消防系统中每个舱室设为一个消防单元，根据船舶火灾事件统计得出n个消防系统连锁失效因素作为观测数据，建立1个参考数据列和N‑1个比较数据列，将消防单元连锁失效限定阀值为参考数据列，比较数据序列为各消防单元的失效因素量化后的实际观测值。本发明提供了船舶消防系统失效的动态分析技术，弥补了现有静态分析技术的不足，考虑到了舱室之间的耦合联系，判断出主要的消防系统连锁失效舱室和失效因素，并根据船舶的实际状况判断出消防系统的安全状态。

主权项

一种船舶消防系统连锁性失效的预测方法，其特征在于，包括如下步骤：(1)将船舶消防系统中每个舱室设为一个消防单元，根据船舶火灾事件统计得出n个消防系统连锁失效因素作为观测数据，建立1个参考数据列和N‑1个比较数据列，将消防单元连锁失效限定阀值为参考数据列，比较数据序列为各消防单元的失效因素量化后的实际观测值，其中X0＝{x0(0)(i),(i＝1,2...n)}为参考数据列，Xk＝{xk(0)(i),(k＝1,2...N‑1；i＝1,2...n)}为比较数据列，N‑1为舱室的数量，每个序列中的元素分别代表n个连锁失效因素；(2)建立GM(1,N‑1)模型：其中为的紧邻均值生成序列，a为系统发展系数，bm为驱动系数，按最小二乘法求解可得到a和bm的估计值；(3)确定比较序列Xk中失效因素对参考序列失效X0因素的灰关联度r0k(k＝1,2...N‑1)，(4)根据关联度r0k的数值大小进行数列排序，得出消防系统发生连锁失效的舱室主次排序，判断哪个舱室与系统连锁性失效关联最大，筛选出消防系统容易发生连锁性失效的舱室，确定该舱室的连锁失效因素；(5)计算Xm与Xj(m≤j,且m,j＝0,1...N‑1)的灰色关联度，进行灰色聚类将实时观测的失效因素进行归并，n个连锁失效因素可被聚为f类(f≤n)；(6)根据步骤(4)中的连锁失效因素，在步骤(5)的f类的每一类找出代表性失效因素，共有p个代表性失效因素(n≥p≥f)，建立BP人工神经网络的预测模型，神经网络的输入向量为p个代表性失效因素，记为H＝(h1,h2,....hp)，输出量为Y＝(Y1,Y2,Y3)，把输出向量划分为安全、一般安全、失效三种状态分别用(1,0,0)、(0,1,0)、(0,0,1)表示。