外文翻译--工程故障分析在线文档共20页

出于这个原因，它成为对故障和优化设计进行评估的启发式算法。

介绍现代工程系统的日益复杂对以规则为基础的设计，经典的安全性和可靠性分析技术的实用性提出了挑战。

随着新技术的引入和复杂的故障模式，经典的系统分析变得越来越困难并且百出。

我们已经开发出种计算机工具，称为分层分析危险来源，用于简化工程设计和分析过程。

这个工具的核心在于自动分析故障树，以及重复分析系统模式内部的失效单元的。

分析是自动的，只需要初始的组件故障数据，因此，减少了手工安全检查，在相同的时间内，可扩展的底层算法可以相对快速的分析复杂的系统，也可以进行碎片式的故障分析。

最近，我们通过选择和复制的组件和替代子系统架构，来解决个优化设计问题可靠性和成本优化。

从引进遗传算法得出非最优方案进化到以小成本获得高的可能性的新设计。

通过选择不同的组件实现不同的可靠性和成本特征，或用子系统替代架构，具有更强大的功能，可以解决许多方案，从大的空间探索到快速评估。

我们希望在下，计算机辅助设计和建模工具能够结合使用，用于进行高度自动化和简化集成的安全性和可靠性分析并且改进设计过程。

反过来，我们希望解决更广泛的问题，研究如何让安全更加可控，以便及早发现潜在的危险并给出预防措施。

这种方法和工具在海上工业等领域被证明是适用的。

本文概述了这些安全性分析和先进的可靠性优化技术及其应用和高度自动化的工程过程。

安全性分析的主要部分是安全性分析工具，将组描述了这些组件如何产生故障的内部故障模式的本地组件故障数据输入，然后整合生成令整个系统产生故障的故障树。

通过这些故障树。

可以生成定性和定量的结果以及多种失效模式。

系统设计的研究通常有三个主要阶段建模阶段系统建模和故障注解。

合成阶段故障树合成。

分析阶段故障树分析和合成。

第阶段主要是手动进行，其他阶段是完全自动的。

图所示是的般过程第阶段系统建模和故障注解包括开发个模型系统包括液压，电气或电子，机械系统以及概念方框图和数据流图，然后对该模型的组件故障数据进行编序。

此阶段的进行需要外部建模工具与兼容。

提供些不同建模工具的接口，包括的，基于的工具，特别是。

后者集完全集成的接口与公司开发的工程建模与仿真工具于身。

它的优点是无论现存的系统模型或是模型设计到什么程度，它都可以用来做安全性分析，而不用专门为安全性分析去建模。

第二阶段是在故障树合成过程当中的。

在这个阶段，通过与模型相结合，可以自动跟踪由于单个模块及子系统的局部破坏导致失败的数据传播路径。

因此，由网络和故障树之间的定义关系，得出系统输出失败的根源在于单个组件的故障模式。

这是个演绎的过程，追溯到系统的输出从而决定是哪种因素导致系统的失败，并能找到涉及什么样的逻辑组合。

这些故障树分析和生成。

首先将故障树最小化以获得最小割集的故障，然后呈现出任何给定的系统的最小可能的组合，这些作为定量分析的基础以确定系统发生故障的概率和将系统的的个别故障与系统的其余故障直接联系起来的。

以表格的形式把所有导致系统失效的原因列举出来。

安全分析中的各种术语会对其作出更详尽的描述。

的优化设计可以显示出预期的安全系统的安全系数，可靠性及成本。

实际上，这个分析软件通常预测出的特定需求不能与现存的设计相符，这就导致要随着设计的改变而改变。

经常与设计要求的安全系数和可靠性不符。

这种系统的设计者通常要在有限的成本内达到定的安全系数和可靠性。

设计是个创造性的工作，依赖于有较强能力的设计团队，并从早期的成功项目中吸取经验教训。

但是，我们相信，进步的自动化可协助迭代设计的过程，帮助选择替代的组件或子系统架构，以最小的成本确保该系统最终的安全性和可靠性要求。

为了获得较高的可靠性和安全性，通常可以使用个更可靠的组分，通过子系统替代的设计例如主备用体系结构，或者通过复制的组件或子系统实现冗余，来确保部件或子系统失效时功能仍然保持。

可是，在个经典的系统设计中，在系统的不同区域在不同的设计层次，会有许多种替代和复制品的选择。

这是可能的，比如使俩个传感器或是三个驱动器达到相同的可靠性，可以通过单控制器的复制或是子系统的控制等方案来解决。

然而，不同的方案会导致不同的成本，我们的目标不仅要满足安全的预期还要考虑到成本的限制，所以最大的可靠性和尽可能小的成本设计才是最佳的方案。

因为复制和替代的选择是个异常繁重的工作，单靠设计师几乎不能系统地解决这个问题，这样来，就必须依靠直觉来评价几个不同的设计方案。

这意味着许多有潜在优势的其他选择往往被忽视。

因此在这个过程中自动化是非常有必要的，在评估潜在的特定选择方案时比设计师手动评估更快。

的最新扩展可能使这种设计优化自动生效。

通过遗传学算法，使在初始设计中不满足设计要求的组成和组分，以最小的成本和最大的可靠性，进化到预期的设计要求。

在遗传学进化过程中，通过用户定义实现的组件和子系统来实现人口的候选设计，这也是标准复制的方法。

这些方法被广泛使用，如多数表决产生的模块化冗余等等。

对于用遗传算法选择最佳设计方案，这个选择过程可以被应用到优胜劣汰的生存设计和传递给下代的基因候选设计。

每个设计的适用性依赖于其成本和可靠性。

因此，为了计算适用性，必须计算这个俩个方面。

个系统的成本意味着每个组分的成本的总和如果要更精确的计算系统的成本，生命周期成本也应该考虑进去，例如生产组装和维护成本等。

虽然计算成本比较容易实现自动化，但是进行自动化的安全和可靠性评价是比较困难的，传统的方法是依赖于人工建立的可靠性模型如故障树，可靠性框图或是。

相比之下，是对已经自动化的可靠性模型进行计算，因此可以更好的评估可靠性或安全性。

这种通过遗传学算法来实现最低成本和最高安全性是个选择的过程。

遗传算法可以解决在人口中选出个人团体代表的问题，因为遗传编码可以交叉或变异，可以来做候选设计。

通常，这是通过分配编码串中不同位置的不同替代来实现的，例如，个由三个部分组成的系统，可能由种三位数的可编码字符串来表示，每个值代表种可能实现的组件。

面对个固定的模型，这些看上去足够了，但是很不灵活，不能轻松处理子系统可更换子架构和复制组件，因为这需要改变编码串中的数位。

可以通过编码树来解决，这是个层次结构而不是线性编码，可以更准确的表示系统模型的层次结构。

编码串中的的每个元素不仅仅是不同功能指代的数值，还是其他编码树的本身。

图显示了这些不同的可能性我们可能希望元素来替代低成本低可靠性构件，成本高可靠性高