[发明专利]一种船舶消防系统连锁性失效的预测方法

权利要求书

1.一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，X_k={x_k⁽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xm(1)(i)=Σi=1kxm(0)(i)(k=1,2....n),Z0(1)=(z0(1)(2),z0(1)(3).....z0(1)(n))]]>为的紧邻均值生成序列，-a为系统发展系数，b_m为驱动系数，按最小二乘法求解可得到a和b_m的估计值；

（3）确定比较序列X_k中失效因素对参考序列失效X₀因素的灰关联度r_0k(k＝1,2...N-1)；

（4）根据关联度r_0k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，筛选处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X_m与X_j(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＝(h_1,h_2,....h_p)，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。

2.根据权利要求1所述的一种船舶消防系统连锁性失效的预测方法，其特征在于：所述的连锁失效因素包括感烟传感器的烟雾浓度、感温探测器的温度、烟雾增加斜率、报警时间、线路的断路、线路的短路和人员巡检参数。