故障樹分析方法是面向過程的,是以問題為導向的。這導致面對由相似部件組成的系統(tǒng)時,往往會做過多的重復(fù)性工作,分析的標準不統(tǒng)一,以及得到的結(jié)果通用性不強等弊端。此外,沒有一套完整的方法論貫穿故障樹分析的全流程。針對這一問題,本文開展了故障樹分析方法的面向?qū)ο蠡芯?為故障樹分析方法在各個領(lǐng)域,特別是石油化工過程領(lǐng)域的應(yīng)用提供更好的選擇和分析支持。本文主要工作內(nèi)容如下:首先,將面向?qū)ο蠹夹g(shù)的重要概念和要素與故障樹分析方法進行深度結(jié)合,提出了面向?qū)ο蟮墓收蠘浞治龇椒�。采用類表的形式對客觀世界進行抽象,利用繼承機制、多態(tài)機制和對象實例化的概念實現(xiàn)客觀事物的多樣性。用屬性和方法刻畫對象的靜態(tài)和動態(tài)特性,通過方法組合屬性生成對象的因果故障模型。以對象的唯一性和連接方式的可選擇性構(gòu)建系統(tǒng)流圖,承載分析系統(tǒng)的內(nèi)部關(guān)系。其次,基于面向?qū)ο蟮墓收蠘浞治龇椒?采用系統(tǒng)流圖路徑全搜索和因果故障模型匹配組合全結(jié)構(gòu)的形式,以自下而上的形態(tài)和方式窮舉出分析系統(tǒng)可能存在的絕大部分故障樹,并提供一致性檢查和簡化的算法。提高了故障樹分析方法的全面性和可信賴性。最后,針對故障樹分析結(jié)果需要可視化呈現(xiàn)這一需要,提出了一套基于坐...

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 面向?qū)ο蠹夹g(shù)研究現(xiàn)狀
        1.2.2 計算機輔助故障樹分析研究現(xiàn)狀
        1.2.3 故障樹自動建造軟件研究現(xiàn)狀
    1.3 研究內(nèi)容及技術(shù)路線
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
第2章 故障樹分析方法的面向?qū)ο蠡?br>    2.1 類的構(gòu)建
        2.1.1 類的屬性定義
        2.1.2 類的方法定義
        2.1.3 類模型的表達
    2.2 繼承機制
    2.3 封裝機制
    2.4 多態(tài)機制
    2.5 對象的實例化
    2.6 系統(tǒng)流圖
    2.7 本章小結(jié)
第3章 自下而上的故障樹合成算法研究
    3.1 基本概念模型
        3.1.1 系統(tǒng)部件模型
        3.1.2 系統(tǒng)連接模型
        3.1.3 模型計算機化
    3.2 故障樹合成算法
    3.3 故障樹簡化與一致性檢查
    3.4 合成算法案例驗證
    3.5 本章小結(jié)
第4章 計算機輔助故障樹分析可視化研究
    4.1 故障樹自動生成系統(tǒng)中樹的表征
    4.2 故障樹自動布局算法基本原則
        4.2.1 一般樹形結(jié)構(gòu)原則
        4.2.2 樹圖美學定律原則
    4.3 樹圖布局算法
        4.3.1 故障樹結(jié)構(gòu)獲取
        4.3.2 后序遍歷
        4.3.3 前序遍歷
    4.4 布局算法案例實現(xiàn)
    4.5 本章小結(jié)
第5章 基于.NET的面向?qū)ο蠊收蠘浞治鲕浖_發(fā)
    5.1 需求分析
        5.1.1 功能需求
        5.1.2 性能需求
    5.2 概要設(shè)計
        5.2.1 開發(fā)技術(shù)與開發(fā)環(huán)境
        5.2.2 軟件總體結(jié)構(gòu)
        5.2.3 軟件系統(tǒng)工作流程
    5.3 軟件模塊設(shè)計
        5.3.1 登錄模塊設(shè)計
        5.3.2 類模塊設(shè)計
        5.3.3 對象模塊設(shè)計
        5.3.4 流圖模塊設(shè)計
        5.3.5 故障樹合成模塊設(shè)計
        5.3.6 故障樹分析模塊設(shè)計
        5.3.7 討論區(qū)模塊設(shè)計
    5.4 操作實例
第6章 結(jié)論與展望
    6.1 研究結(jié)論
    6.2 研究展望
參考文獻
致謝



本文編號：3767157