基于贝叶斯理论的电动阀失效数据构建方法及装置与流程

1.本发明涉及数据构建技术领域，具体地涉及一种基于贝叶斯理论的电动阀失效数据构建方法、一种基于贝叶斯理论的电动阀失效数据构建装置以及一种电子设备。


背景技术：

2.阀门作为流体输送系统中的控制部件，具有截止、调节、导流、防止逆流、稳压、分流或溢流泄压等功能，是工业生产中不可缺少的控制元件。阀门的种类繁多，并且随着各类成套设备工艺流程的不断改进，种类还在不断丰富。其中，电动阀门由于不易受气候影响，动作力矩较大，开关动作速度可调整，结构简单，易维护，可用于控制各种类型比如高温高压流体的流动等优点，在石油化工行业受到了广泛青睐。而阀门一旦出现故障，就会影响整个生产设备的稳定运行，因此阀门的运转与维护对企业正常生产至关重要。然而，在真实的工业条件下，有相当一部分阀门由于长时间工作而腐蚀、磨损、老化等原因产生卡死或泄漏故障。如果故障发现不及时，就会导致介质大量外泄、污染环境甚至引发灾难性事故，进一步造成重大的经济和社会损失。
3.国内部分石油化工生产企业由于建成时间较早，自动化水平不足，控制技术上较为落后，因此还在沿用传统的阀门故障诊断机制，以人力为主，也就是检修工人定期巡检的方式。这种方式不仅费时费力，由于人员的参与增加了不可靠性，故障检测与排查效果往往不够理想，并且增加了检修成本和维修周期。针对电动阀门故障检测问题，目前比较热门的方法是基于数据驱动的失效数据构建方法。在电动阀的功能安全性评估分析中，现场失效数据是一个非常重要的评估依据，但是通常条件下的有效数据记录较少，仅通过现场数据难以进行精确的失效参数的计算。因此，在进行现场失效数据分析时，需要综合考虑现有可靠性数据库中的失效数据信息、相关理论资料、仿真模拟试验、专家经验信息等等。可靠性数据是指在设备完成各项可靠性工作时所生成的描述设备可靠性水平及状况的各种信息和数据。
4.2009年，国际上最著名的设备可靠性数据库挪威船级社(dnv)发布了第五版oreda数据库，失效数据可以根据设备分类进行选择，设备资料越详细，失效数据越准确。由于国内暂时还没有建立类似数据库，在可靠性数据的获取、计算与分析方面的技术也比较少，因此以oreda数据库为参考。经查oreda数据库中并没有特别针对电动阀门的具体失效数据集，因此本发明以数据库中记录的控制与安全相关设备的数据作为参考，并进行失效数据的积累，为将来建立针对电动阀门的失效数据库作基础。
5.目前，为了对电动阀门进行故障检测，已有多种现有方法。使用现有方法进行失效数据构建时，没有完全体现出数据的全部信息量，因此给出的失效数据分析结果有时不尽如人意。


技术实现要素：

6.本发明实施例的目的是提供一种基于贝叶斯理论的电动阀失效数据构建方法、一
种基于贝叶斯理论的电动阀失效数据构建装置以及一种电子设备。
7.为了实现上述目的，本发明第一方面提供一种基于贝叶斯理论的电动阀失效数据构建方法，所述构建方法包括：根据电动阀失效的历史数据确定待估参数的先验分布根据获取到的电动阀失效的现场样本数据确定似然函数其中x为电动阀失效的概率；根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数和所述先验分布得到所述待估参数的后验分布根据所述后验分布和获取到的待估参数构建新的失效数据；所述失效数据包括所述获取到的待估参数以及对应的电动阀失效的概率。
8.优选的，根据电动阀失效的历史数据确定待估参数的先验分布包括：根据同类电动阀的失效数据和工业数据库中相关产品的通用信息确定所述先验分布的分布模型，所述分布模型包括分布类型和确定的待估参数
9.优选的，所述先验分布的分布模型包括：
[0010][0011]
其中，r0为先验失效次数；t0为先验累积运行总时间，即所述确定的待估参数γ(r0)为伽玛函数；g(λ)为λ的先验分布密度。
[0012]
优选的，所述似然函数包括：
[0013][0014]
其中，待估参数为累计运行时间t；失效次数为r，电动阀失效的概率x的取值为λ，且失效设备可以更换。
[0015]
优选的，根据贝叶斯公式，将所述似然函数与所述先验分布代入，即可得到所述待估参数的后验分布包括：
[0016]
将所述先验分布和所述似然函数带入以下贝叶斯公式：
[0017][0018]
得到所述后验分布为：
[0019][0020]
优选的，获取到的待估参数对应的电动阀失效的概率通过以下步骤得到：
[0021]
根据现有数据库查询得到所述待估参数的所属设备的失效率λ，以及置信度为1-α时所述所属设备的失效率上限λu，其中α为显著性水平；基于所述失效率λ和失效率上限λu计算得到先验分布数r0和t0；根据所述先验分布数r0和t0得到所述所属设备的贝叶斯估计
值以所述贝叶斯估计值作为所述待估参数对应的电动阀失效的概率。
[0022]
优选的，所述现有数据库为海上设备可靠性数据库。
[0023]
优选的，基于所述失效率λ和失效率上限λu计算得到先验分布数r0和t0，包括：
[0024][0025][0026]
其中，λ0为失效率点估计，x2为先验方差。
[0027]
优选的，根据所述先验分布数r0和t0得到所述所属设备的贝叶斯估计值包括：
[0028][0029]
将γ(r0+r+1)＝(r0+r)γ(r0+r)代入上式，得到：
[0030][0031]
优选的，在构建新的失效数据之后，所述构建方法还包括：
[0032]
将构建的所述新的失效数据加入所述电动阀失效的历史数据。
[0033]
在本发明的第二方面，还提供了一种基于贝叶斯理论的电动阀失效数据构建装置，所述构建装置包括：
[0034]
先验分布模块，用于根据电动阀失效的历史数据确定待估参数的先验分布似然函数模块，用于根据获取到的电动阀失效的现场样本数据确定似然函数其中x为电动阀失效的概率；后验分布模块，用于根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数和所述先验分布得到所述待估参数的后验分布以及数据生成模块，用于根据所述后验分布和获取到的待估参数构建新的失效数据；所述失效数据包括所述获取到的待估参数以及对应的电动阀失效的概率。
[0035]
在本发明的第三方面，还提供了一种电子设备，包括：至少一个处理器，存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现前述的基于贝叶斯理论的电动阀失效数据构建方法。
[0036]
优选的，所述电子设备为数据库服务器。
[0037]
本发明第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行前述的基于贝叶斯理论的电动阀失效数据构建方法。
[0038]
本发明第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述的基于贝叶斯理论的电动阀失效数据构建方法。
[0039]
上述技术方案综合考虑了可靠性数据库提供的先验信息以及现场抽样信息，利用
贝叶斯方法来计算，可以反映电动阀在不同失效模式下的失效率的估计，可以提高信息利用率和估计精度。企业在实际生产过程中可以根据得到的失效率信息对电动阀的易发失效模式进行分析和评估，便于其后期的保养及维修工作，优化备件管理制度，对日后建立国内的电动阀失效数据可靠性数据库有积极影响。
[0040]
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0041]
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
[0042]
图1示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的步骤流程示意图；
[0043]
图2示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的实施示意图；
[0044]
图3示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建装置的模块示意图；
[0045]
图4示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图。
具体实施方式
[0046]
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
[0047]
图1示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的步骤流程示意图，如图1所示。一种基于贝叶斯理论的电动阀失效数据构建方法，所述构建方法包括：
[0048]
s01、根据电动阀失效的历史数据确定待估参数的先验分布
[0049]
通过多种途径收集整理相关失效数据信息，将这些历史信息作为先验信息，选取先验分布用来表示在获得现场失效数据之前，已知的待估参数的分布。
[0050]
s02、根据获取到的电动阀失效的现场样本数据确定似然函数其中x为电动阀失效的概率；
[0051]
通过现场试验收集数据得到样本集，假设所研究的电动阀具有恒定的失效概率，选取合适的似然函数用来表示在设备元件失效率x确定的条件下，在确定的时间段内，失效次数的分布。
[0052]
s03、根据贝叶斯公式，以及获取的现场失效数据n、所述似然函数和所述先验分布即可得到所述待估参数的后验分布
[0053]
根据贝叶斯定理，在收集到设备的现场失效数据n1，n2，
…
，nn之后，将似然函数与已知的先验分布代入，即可得到未知参数的后验分布
[0054]
s04、根据所述后验分布和获取到的待估参数构建新的失效数据；所述失效数据包括所述获取到的待估参数以及对应的电动阀失效的概率。
[0055]
由于后验分布既体现了先验信息中的原有数据规律，又可以反映现场实际样本信息，因此以后验分布作为基础，统计推断得到对待估参数新的估计，也就是设备的失效参数
[0056]
通过以上实施方式，通过贝叶斯定理，可以实现将“新信息”有效地与参数在试验过程中收集的数据信息结合起来，这样可以使未知参数得到“更新”。针对电动阀门而言，利用同类产品的相关信息、国外工业数据库相关产品的通用信息等作为先验信息，把先验分布和后验信息代入贝叶斯公式，可求出当前使用环境下元件失效率的后验分布，提高了信息利用率和估计精度。
[0057]
在本发明提供的一种实施方式中，根据电动阀失效的历史数据确定待估参数的先验分布包括：根据同类电动阀的失效数据和工业数据库中相关产品的通用信息确定所述先验分布的分布模型，所述分布模型包括分布类型和确定的待估参数前述的多种途径包括国外可靠性数据库、相关理论资料、专家经验信息、仿真模拟试验等途径，通过以上途径获取的先验信息具有数据全面和准确性高的优点。
[0058]
在本发明提供的一种实施方式中，所述先验分布的分布模型包括：
[0059][0060]
其中，r0为先验失效次数；t0为先验累积运行总时间，即所述确定的待估参数γ(r0)为伽玛函数；g(λ)为λ的先验分布密度。对于电动阀而言，其寿命t通常服从指数分布，假设其失效率为一定值λ，且失效设备可以更换，假设随机变量为累计运行时间t，失效次数为r，则其抽样样本的分布服从泊松分布：
[0061][0062]
由于伽玛分布与泊松分布自然共轭，所以设备失效率λ的先验分布选取伽玛分布，其概率密度函数为以上分布模型。
[0063]
在本发明提供的一种实施方式中，所述似然函数包括：
[0064][0065]
其中，待估参数为累计运行时间t；失效次数为r，电动阀失效的概率x的取值为λ，且失效设备可以更换。此处的似然函数即前述的泊松分布。
[0066]
在本发明提供的一种实施方式中，根据贝叶斯公式，将所述似然函数与所述先验分布代入，即可得到所述待估参数的后验分布包括：
[0067]
将所述先验分布和所述似然函数带入以下贝叶斯公式：
[0068][0069]
得到所述后验分布为：
[0070][0071]
以上步骤为将前述的公式带入计算后得到。
[0072]
在本发明提供的一种实施方式中，获取到的待估参数对应的电动阀失效的概率通过以下步骤得到：根据现有数据库查询得到所述待估参数的所属设备的失效率λ，以及置信度为1-α时所述所属设备的失效率上限λu，其中α为显著性水平；基于所述失效率λ和失效率上限λu计算得到先验分布数r0和t0；根据所述先验分布数r0和t0得到所述所属设备的贝叶斯估计值以所述贝叶斯估计值作为所述待估参数对应的电动阀失效的概率。其中显著性水平、置信度和贝叶斯估计值的关系和具体计算将在后文举例详述。
[0073]
在本发明提供的一种实施方式中，所述现有数据库为海上设备可靠性数据库。oreda数据库(off shore reliability data)，为一个综合数据库，该数据库具有各种地理区域、装置、设备类型和操作条件下的勘探和生产设备的可靠性和维护数据。主要包含海上水下和上部设备，但陆上设备也包括在内。存储在数据库中的oreda数据，能够提供丰富的数据以供用户使用。
[0074]
在本发明提供的一种实施方式中，基于所述失效率λ和失效率上限λu计算得到先验分布数r0和t0，包括：
[0075][0076][0077]
其中，λ0为失效率点估计，x2为先验方差。本式中的失效率λ为查阅oreda数据库或其他数据库可得到的，失效率上限λu为置信度为1-α时所述所属设备的失效率上限，α为显著性水平。
[0078]
在本发明提供的一种实施方式中，根据所述先验分布数r0和t0得到所述所属设备的贝叶斯估计值包括：
[0079][0080]
本公式中提供了的数学表达式，通过带入不同的值得到对应的贝叶斯估计值
[0081]
将γ(r0+r+1)＝(r0+r)γ(r0+r)代入上式，得到：此处得到的表示当先验分布数r0和t0所对应的值。
[0082]
图2示意性示出了根据本发明实施方式的基于贝叶斯理论的电动阀失效数据构建方法的实施示意图，如图2所示。在本实施方式中，在构建新的失效数据之后，所述构建方法
还包括：将构建的所述新的失效数据加入所述电动阀失效的历史数据。由于贝叶斯可靠性估计是一个迭代更新的方法，因此在获得参数的统计推断1后，再将此信息作为先验信息，并选取新的样本信息与之结合，进行迭代更新，得到新的统计推断2，并以此类推就可以获得对参数的精确估计。
[0083]
图3示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图，如图3所示。一种基于贝叶斯理论的电动阀失效数据构建装置，所述构建装置包括：先验分布模块，用于根据电动阀失效的历史数据确定待估参数的先验分布似然函数模块，用于根据获取到的电动阀失效的现场样本数据确定似然函数其中x为电动阀失效的概率；后验分布模块，用于根据贝叶斯公式，将所述似然函数与所述先验分布代入，即可得到所述待估参数的后验分布以及数据生成模块，用于根据所述后验分布和获取到的待估参数构建新的失效数据；所述失效数据包括所述获取到的待估参数以及对应的电动阀失效的概率。
[0084]
上述的贝叶斯理论的电动阀失效数据构建装置中的各个功能模块的具体限定可以参见上文中对于贝叶斯理论的电动阀失效数据构建方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0085]
在本发明提供的一种实施方式中，还提供了一种电子设备，包括：至少一个处理器；存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现前述的基于贝叶斯理论的电动阀失效数据构建方法。此处的控制模块或处理器具有数值计算和逻辑运算的功能，其至少具有数据处理能力的中央处理器cpu、随机存储器ram、只读存储器rom、多种i/o口和中断系统等。处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现前述的方法。存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
[0086]
在本发明提供的一种实施方式中，所述电子设备为数据库服务器。当电子设备为数据库服务器时，能够对存储在数据库服务器中的可靠性数据库提供优化和样本管理，为建立国内的电动阀失效数据可靠性数据库提供数据支持。
[0087]
在本发明提供的一种实施方式中，还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得处理器被配置成执行前述的基于贝叶斯理论的电动阀失效数据构建方法。
[0088]
在本发明提供的一种实施方式中，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述的基于贝叶斯理论的电动阀失效数据构建方法。
[0089]
为了验证本发明提供的实施方式中的贝叶斯方法的有效性，下面继续采用其他两种方法来计算该电动阀门的失效率，与本结果进行比较。
[0090]
方法二：采用传统的点估计方法，用样本统计量来估计总体参数。此方法直接利用现场数据样本，也就是现场收集到的某电动阀失效数据，通过计算得到此阀门的失效率为λ＝6.2
×
10-6
。置信度为90％时的置信区间为：[1.07
×
10-6
，13.31
×
10-6
]。
[0091]
方法三：直接利用通用的可靠性数据库oreda中的数据，可知该类阀门的失效率为λ＝4.73
×
10-6
。置信度为90％时的置信区间为：[2.18
×
10-6
，7.28
×
10-6
]。
[0092]
以上三种方法得到的阀门失效率估计值结果如图4所示。图4示意性示出了根据本发明实施方式的与其他估计方法获取的失效率示意图。由方法一(本技术中的贝叶斯方法)得到的电动切断阀失效率数值位于方法二和方法三求得的置信区间内，并且其具体数值大小介于方法一和方法二求得的失效率数值之间，因此分析认为方法一能够比较准确真实地反映电动阀的实际失效概率，估测结果与其他方法相比较为准确。此数据可为本专利所提出方法的有效性和准确性作支撑。
[0093]
通过以上本发明所提出的基于贝叶斯理论的电动切断阀失效数据构建方法，能够基于贝叶斯理论给出各个寿命试验数据处的失效概率，再利用同样方法构建本电动切断阀的可靠性数据集，整个过程数学表达式明确，计算简单，且该数据是准确合理的。综上所述，本发明所提出的基于贝叶斯理论的失效数据构建方法具有良好的准确性。
[0094]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0095]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0096]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0097]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0098]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0099]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0100]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0101]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0102]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。