復雜裝備試驗安全風險評估與預警

前言
第1章 復雜裝備試驗概述 1
1.1 復雜裝備研制簡介 1
1.2 試驗程序及步驟 3
1.3 國內(nèi)外裝備試驗工作內(nèi)容 7
1.4 安全風險管理研究綜述 13
1.4.1 風險坐標圖法 14
1.4.2 蒙特卡羅方法 15
1.4.3 關鍵風險指標管理法 17
1.4.4 壓力測試法 18
第2章 試驗安全風險事件識別 19
2.1 相關概念 19
2.2 主要安全風險識別方法及適用性分析 22
2.2.1 文檔審查 22
2.2.2 信息收集法 22
2.2.3 安全事件檢查表分析 27
2.2.4 假設分析 29
2.2.5 圖解法 30
2.2.6 專家判斷法 32
2.2.7 危險與可操作性分析 32
2.2.8 故障樹 34
2.2.9 因果分析 35
2.2.10 功能集成危險識別 37
2.2.11 失效模式和效果分析 38
2.2.12 層次任務分解 39
2.2.13 人為過失預測分析 40
2.3 安全風險事件分類 41
2.3.1 基于成因的安全風險分類 41
2.3.2 基于流程的安全風險分類 44
2.3.3 基于后果的安全風險分類 47
2.4 基于模糊信息的安全風險識別方法 49
2.4.1 基于質量信息的安全事件量化分析模型 49
2.4.2 質量信息融合方法 58
2.4.3 基于Vague集的關鍵安全事件識別方法 59
2.5 基于神經(jīng)網(wǎng)絡的安全事件識別方法 67
2.5.1 神經(jīng)網(wǎng)絡綜合評價特點 67
2.5.2 徑向基神經(jīng)網(wǎng)絡理論模型及工作原理 69
2.5.3 基于徑向基神經(jīng)網(wǎng)絡的安全事件分析方法 71
2.6 基于云模型的安全事件識別方法 80
2.6.1 云模型簡介 81
2.6.2 云模型的運算及轉化方法 86
2.6.3 基于云模型改進的TOPSIS方法 90
2.7 基于因果關系的安全事件識別 92
2.7.1 三種基本因果關系 92
2.7.2 基于因果關系的安全事件識別流程 93
2.8 基于系統(tǒng)仿真的安全事件識別方法 99
2.8.1 仿真理論研究 99
2.8.2 仿真在系統(tǒng)分析中的應用及其概念框架 100
2.8.3 仿真在系統(tǒng)安全事件識別中的應用現(xiàn)狀 103
2.8.4 基于系統(tǒng)流程仿真的安全事件識別 105
第3章 試驗安全風險事件分析 109
3.1 主要安全風險分析方法及適用性分析 109
3.1.1 安全風險分析方法概述 109
3.1.2 安全風險評價方法研究 111
3.1.3 安全風險分析流程研究 112
3.2 基于Vague集的安全風險預測模型 114
3.2.1 時間序列簡介 114
3.2.2 基于Vague集的安全風險預測模型 115
3.3 基于安全指數(shù)的預警 119
3.3.1 一般指數(shù)構建 119
3.3.2 安全指數(shù)構建 120
3.3.3 安全指數(shù)的構建方法 124
3.4 基于后果影響的安全風險評級 126
3.4.1 FMECA方法 126
3.4.2 FMECA在安全分析中的應用 130
3.5 基于Monte Carlo仿真的改進FMECA安全分析模型 137
3.5.1 FMECA量化分析存在的問題 137
3.5.2 基于Monte Carlo的安全分析模型 139
3.5.3 基于Monte Carlo仿真的FMECA案例分析 142
3.6 基于流程仿真的試驗過程安全分析與評價方法 147
3.6.1 系統(tǒng)仿真流程概況 147
3.6.2 安全分析與評價模型 152
3.6.3 模型的仿真過程與安全分析評價 159
第4章 試驗安全事件知識庫架構 162
4.1 知識庫構建目標 162
4.2 相關方法介紹 165
4.3 基于風險事件庫的知識庫構建及預警 167
4.3.1 數(shù)據(jù)庫基礎 167
4.3.2 知識庫架構 168
4.3.3 知識庫預警 169
4.4 基于質量信息中的安全事故數(shù)據(jù)庫的知識庫
構建及預警 169
4.4.1 數(shù)據(jù)庫基礎 169
4.4.2 知識庫架構 170
4.4.3 知識庫預警 173
4.5 基于關聯(lián)規(guī)則的安全事件知識庫架構 174
4.5.1 關聯(lián)規(guī)則基本概念 174
4.5.2 關聯(lián)規(guī)則挖掘過程 174
4.5.3 關聯(lián)規(guī)則算法分類 176
4.5.4 Apriori關聯(lián)規(guī)則算法 177
4.5.5 安全事件知識庫架構 179
第5章 試驗安全風險預警方法 181
5.1 常見安全事件預測模型 181
5.2 基于稀有事件模型的加速抽樣仿真方法 184
5.2.1 稀有事件的概念 184
5.2.2 稀有事件研究狀況 185
5.2.3 基于稀有事件仿真的安全事件預測分析 185
5.2.4 利用重要抽樣法對稀有事件進行模擬仿真 187
5.3 基于因果貝葉斯網(wǎng)絡的安全風險預警與控制 191
5.3.1 安全和風險管理中的因果關系 191
5.3.2 因果貝葉斯網(wǎng)絡簡介 194
5.3.3 基于因果貝葉斯網(wǎng)絡的安全風險預警與控制建模 198
5.3.4 基于歷史數(shù)據(jù)的結構建模 210
5.3.5 因果貝葉斯網(wǎng)絡參數(shù)建模 214
5.3.6 簡化模型參數(shù)的方法 219
5.3.7 識別關鍵風險事件鏈 223
5.3.8 基于CBN的無人機試飛風險評估與預警應用案例 224
5.4 基于多元質量信息的安全事件預警模型 236
5.4.1 概述 236
5.4.2 意見池方法 237
5.4.3 Cooke的方法 238
5.4.4 貝葉斯方法 239
5.4.5 貝葉斯模型平均 240
第6章 基于飛參數(shù)據(jù)的重著陸預測模型 242
6.1 問題的提出和意義 242
6.2 飛參數(shù)據(jù)測量及采集 245
6.2.1 飛參數(shù)據(jù)采集原理 245
6.2.2 飛機載荷因數(shù)測量 248
6.2.3 發(fā)動機參數(shù)測量 250
6.2.4 飛行狀態(tài)參數(shù)測量 258
6.2.5 外部參數(shù)測量 283
6.2.6 數(shù)據(jù)處理 299
6.3 飛參數(shù)據(jù)與著陸安全 310
6.3.1 飛行安全的階段性 310
6.3.2 飛參數(shù)據(jù)的應用 311
6.3.3 關鍵飛參變量分析 312
6.3.4 飛參數(shù)據(jù)特征分析 314
6.4 重著陸成因分析 315
6.4.1 物理載荷模型 315
6.4.2 操作影響因素分析 316
6.4.3 環(huán)境影響因素分析 317
6.5 基于飛參數(shù)據(jù)的面板預測模型 318
6.5.1 面板數(shù)據(jù) 319
6.5.2 面板數(shù)據(jù)回歸理論 320
6.5.3 基于飛參數(shù)據(jù)的面板數(shù)據(jù)模型實證研究 328
第7章 案例研究 343
7.1 案例背景 343
7.2 無人機試飛試驗概況 345
7.2.1 無人機系統(tǒng) 345
7.2.2 無人機試飛試驗特點 348
7.2.3 無人機試飛試驗條件 348
7.2.4 無人機試飛流程及主要特點 351
7.3 無人機試飛試驗安全風險識別 353
7.3.1 某型民用無人機試飛安全因素 353
7.3.2 某型民用無人機試飛過程中故障和飛行安全事故數(shù)據(jù)統(tǒng)計 356
7.3.3 某型民用無人機試飛過程中的風險識別 358
7.4 某型無人機工程研制風險分析 363
7.4.1 工程研制階段OPA分析 364
7.4.2 風險因素識別整合 366
7.4.3 構建貝葉斯網(wǎng)絡模型 369
7.4.4 無人機工程研制風險模型分析 378
7.5 無人機試飛試驗安全風險預警 398
7.5.1 常見安全事件預測模型 398
7.5.2 某型民用無人機試飛風險預測模型 401
7.6 無人機試飛試驗安全事件控制 401
7.6.1 某型民用無人機關鍵風險控制 402
7.6.2 某型民用無人機試飛非關鍵風險控制 404
7.6.3 安全事件處置預案 407
7.7 某無人機試驗試飛仿真分析案例 422
7.7.1 案例數(shù)據(jù)與模型構建 422
7.7.2 案例仿真過程與結果分析 425
7.7.3 小結 428
參考文獻 430