自控貓專欄 | 馬爾可夫1oo1矩陣

2020-12-05 百家號

本內容來自微信公眾號:自控貓

狀態的建立

在研究1oo1模型之前我們要先清楚一個概念:故障裕度的概念。

故障裕度:在正常行使安全功能的情況下,系統結構配置能夠容忍的危險失效數目。

對於MooN模型來說他的故障裕度為N-M。根據上述概念可知1oo1模型故障裕度為0(HFT=0),也就是說其1oo1模型不能容忍任何危險失效。

對於1oo1模型的分析我們要從其基本電路入手。其基本電路的圖如下:

上圖為1oo1系統的輸出開路安全基本電路圖。在開路安全電路中安全失效狀態為輸出電路中存在不正常的斷路,危險狀態為輸出電路中存在不正常的短路。

因1oo1系統輸出電路只存在一個輸出電路,當發生安全失效時輸出電路存在不正常的開路無法正常輸出,使得系統處於安全失效狀態。當發生危險失效時輸出電路存在不正常的短路無法正常輸出,使得系統處於危險失效狀態。

因為1oo1系統既無法忍受安全失效也無法忍受危險失效,所以當發生任何失效時均會使得系統處於結果狀態。考慮本身的自診斷。故而對於1oo1通道來說來說存在1種初始狀態結果狀態系統完好(OK),3種最終結果狀態:安全失效(FS)、被發現的危險失效(FDD)、未被發現的危險失效(FDU)。需要注意的是最終結果狀態之間無法相互轉移。

在1oo1矩陣中無論是被發現的安全失效和未被發現的安全失效均會造成過程誤停車,造成了相同的後果。處於該兩種狀態時重啟後系統能夠再次的完好使用。所以在建立狀態關係時可以把FSD和FSU合併為FS狀態。

對於被發現的危險失效,因為被診斷出來,系統會拒絕該危險失效,此時系統資源是可用的,經過維修後系統恢復正常狀態。(在此狀態情況下系統會拒絕危險失效即導向安全側)

對於未被發現的危險失效狀態即系統發生危險的狀態。

以上是對於1oo1馬爾科陣模型的狀態做的劃分。

02各狀態間概率轉移的分析

1oo1通道系統中三種結果狀態FS FDD FDU之間無法相互轉化。

為了下文方便表述把OK、FS、FDD、FDU狀態分別標為0、1、2、3狀態。

取為1小時的前提下計算各狀態之間轉移的概率。因為1oo1系統只存在一個通道,所以0-1的轉移情況只有1種即該通道發生安全失效,該情況的轉移概率為λsd+ λsu。由此可得0-1的轉移概率為(λsd +λsu)。

對於1-0的轉化是因為對於安全失效會造誤停車,經過系統維修再次重啟後系統能夠再次的完好使用。當系統自診斷出被檢測到的安全失效時系統會發出報警,使得維護人員就會對其儘快的維修重啟,所以會以概率μsd使系統由1狀態轉移到0狀態。所以1-0狀態的轉移概率是其維修率μsd。

註:μsd=1/Tsd Tsd系統平均重啟時間,一般取24h。

對於0-2的轉化分析與0-1的轉化分析基本相同其轉移概率為λdd。

對於2-0的轉化分析與1-0的轉化分析基本相同其轉移概率為μo。

註:μo=1/MTTR MTTR系統平均修復時間,一般取8小時。

對於0-3的轉化分析與0-1的轉化分析基本相同其轉移概率為

λdu。

對於3無法轉化為其他狀態是由於只在系統自診斷的情況下未被檢測到的失效無法進行相應的針對修復。故而該狀態無法向任何狀態轉移。

故而可以得出上圖所示的馬爾科夫模型。

03狀態矩陣的得出

對於OK狀態即0狀態的向其本身即其他狀態轉移的分析。

0-0:從圖中可以得出0狀態轉移到了1、2、3。故此0-0的狀態就是全概率1減去轉移到他們狀態的概率值。填在對應的表格中。

0-1:即兩者之間曲線的值。填在相應的表格中

其他狀態轉化到本身及其他狀態的概率仿此。

故而得出1oo1結構的狀態轉移矩陣。

參考文獻:SIS中基於Markov模型的診斷模塊失效率分析--王慧鋒 張亨 湯陳懷 羅曉明SIS中考慮功能測試的 Markov 建模分析--王慧鋒等安全系統定量可靠性評估的Markov模型--郭海濤等:安全儀表系統的Markov建模方法研究--吳寧寧,陳嘹,吳明光,王海清安全儀表系統的功能安全--清華大學出版社安全完整性等級sil驗證方法對比--付建民IEC61508

專欄作者:沈立明工作經歷:在某化工廠參與過10萬噸混合苯加氫、4萬噸預處理、15萬噸苯加氫、60萬噸預處理的建設工作。在10萬噸混合苯加氫、4萬噸預處理、15萬噸苯加氫項目中主要負責儀表的選型、技術溝通、技術協議的擬定、儀表安裝、與設計院進行溝通、原始開工調試及後期運維等工作。60萬噸預處理的儀表選型安裝及與設計院溝通。

自控貓Markov專欄:

專欄 | 01 馬爾可夫SIL定級驗證概述

相關焦點

  • 自控貓專欄:馬爾可夫2oo3矩陣
    吳寧寧,陳嘹,吳明光,王海清安全儀表系統的功能安全--清華大學出版社安全完整性等級sil驗證方法對比--付建民IEC61508作者簡介專欄作者
  • 馬爾可夫模型學習
    1.1馬爾可夫過程       馬爾可夫過程(Markov process)是一類隨機過程。它的原始模型馬爾可夫鏈,由俄國數學家A.A.馬爾可夫於1907年提出。該過程具有如下特性:在已知目前狀態(現在)的條件下,它未來的演變(將來)不依賴於它以往的演變 (過去 )。例如森林中動物頭數的變化構成——馬爾可夫過程。
  • 時間序列模型(三)——馬爾可夫模型
    (Stochastic Matrix):如果一個矩陣的元素是非負的,且每一行元素的和為1,則這個矩陣稱為隨機矩陣。隨機矩陣的作用是將概率方便的引入矩陣計算。與行向量右乘的矩陣稱為右隨機矩陣,是隨機矩陣的主要形式。20世紀30年代,數學家Hsu和Wishart首次提出隨機矩陣。(2)e:在本文中指元素全是1的列向量。由於右隨機矩陣每一行元素的和為1,故右隨機矩陣左乘e之後,結果還是e。由此可見,e是此右隨機矩陣的一個特徵向量,對應特徵值是1。
  • 人力資源考試必學詞彙:Markov Analysis馬爾可夫分析
    在馬爾可夫分析中,可以基於過去的變動來預測不同工作類別中員工的變動。馬爾可夫分析不僅可以用來預測員工從一種工作類別到另一種工作類別的流動,而且可以預測組織單位之間,組織級別之間,不同地點之間或薪水級別之間可能發生的變動。
  • 強化學習的最基本概念馬爾可夫決策過程簡介
    在本文中我將介紹強化學習的基本方面,即馬爾可夫決策過程。我們將從馬爾可夫過程開始,馬爾可夫獎勵過程,最後是馬爾可夫決策過程。目錄  馬爾可夫過程  馬爾可夫獎勵過程  馬爾可夫決策過程馬爾可夫過程  馬爾可夫決策過程(MDP)代表了一種強化學習的環境。我們假設環境是完全可見的。這意味著我們擁有了當前狀態下做出決定所需的所有信息。然而,在我們討論MDP是什麼之前,我們需要知道馬爾科夫性質的含義。
  • 土地利用轉移矩陣製作
    1 馬爾可夫模型(Markov)1.1馬爾可夫模型馬爾科夫模型(Markov
  • 自控貓專欄:馬爾科夫計算PFDavg原理
    狀態轉移矩陣P馬爾科夫轉移概率:在固定時長內系統某一個狀態轉移到其他狀態的概率,狀態轉移矩陣用P表示。系統狀態矩陣(Si):系統在t時刻處在其各個狀態的概率組成的向量。系統初始矩陣(So):系統OK狀態元素為1時的矩陣。
  • Sci | 加速動力學結合馬爾可夫模型指導蛋白設計
    圖2:大規模構象變化和不同規模的採樣方法圖片來源:Frontiers in Molecular Biosciences馬爾可夫模型為了改進這些方法,最近5年,基於馬爾可夫模型(MSM)的採樣方法逐漸流行,可以在毫秒級的時間尺度上採樣蛋白質動態。
  • Sci|加速動力學結合馬爾可夫模型指導蛋白設計
    圖2:大規模構象變化和不同規模的採樣方法圖片來源:Frontiers in Molecular Biosciences馬爾可夫模型為了改進這些方法,最近5年,基於馬爾可夫模型(MSM)的採樣方法逐漸流行,可以在毫秒級的時間尺度上採樣蛋白質動態
  • 什麼是馬爾可夫決策過程
    關於馬爾可夫決策過程的馬爾可夫是什麼?馬爾可夫是安德烈·馬爾科夫(Andrey Markov),他是著名的俄羅斯數學家,以其在隨機過程中的工作而聞名。「馬爾可夫」通常意味著在當前狀態下,未來和過去是獨立的。
  • 貝葉斯與馬爾可夫 -- More I Cannot Wish You/王力宏
    而真正的雙向或無前後次序的模型,才是馬爾可夫網絡。 貝葉斯可以說是貝葉斯派的鼻祖了。這一派研究的內容,最初和賭博相關,就是想看看每一次賭的結果會不會影響後面的投注或賭博。直觀來說,貝葉斯派是認同會影響的,即承認前因後果。而頻率派則是另一個分支、另一套思路,與貝葉斯最大的區別在於它不承認前因對後果的影響,認為在賭博的時候,每一次的投注都不會影響後面的投注。
  • 和「馬爾可夫」聊一聊
    馬爾可夫隱馬爾可夫模型的定義定義
  • 卡農的馬爾可夫 -- 你要的全拿走/胡彥斌
    因為有卡農的存在,所以,多模態的馬爾可夫建模的搜索空間又進一步複雜化了。另外,再談下胡的這首歌。裡面有六次連續咬字的降A,如果音不高,但因為同一頻率的六個字發音是不同的,唱的時候就需要不斷且快速地變換口腔的位置。結果,共鳴位置的頻繁改變,使得其比升A的歌可能都難唱了。
  • 海賊王硬核分析之BZ震蕩延伸,耗散系統,馬爾可夫過程
    (抵消了果實消耗,但自然壽命還在繼續)所以黑鬍子和路飛這兩個宿敵註定要在偉大航路上為「最完美的轉換器」之名一絕高下 (笑三:馬爾可夫過程,概率學,可能的不可能 (重點敲黑板前面說了那麼多,無非就是為了說明海賊的世界處處都充斥科學的設定
  • 李增滬——北京師範大學——馬爾可夫過程 (研究內容:物理、生物和...
    所在院校: 北京師範大學       所在院系: 數學科學學院 職稱: 教授       招生專業: 概率論與數理統計 研究領域: 馬爾可夫過程
  • 馬爾可夫模型:2020年扶貧攻堅以後,我們應該怎麼辦?
    3用運動式策略來改變現狀,遠不如建立體系提升進步和致富的概率更加強大,後者更有價值」在談扶貧攻堅以前,我們介紹一個模型—馬爾可夫模型。這個模型描述了以固定的轉移概率在不同狀態之間轉換的動態系統。如果再假設這個過程能夠在任何兩個狀態之間轉移,並且這個過程不會產生循環 那麼馬爾可夫模型就可以得到唯一的統計均衡。什麼意思呢?以上課的狀態為例子,我們分為兩個狀態:第一,無聊;第二,充實!假設當你精神為充實是,你有90%的概率繼續保持這個狀態,10%的概率機會可能變成無聊;當你覺得無聊的時候,你有70%的概率繼續保持這個狀態,30%的概率機會可能變成充實。
  • 馬爾可夫與鞅&布朗運動與現代金融&複製與對衝&孿生風險中性
    壹 馬爾可夫與鞅 鞅的英文稱謂Martingale,同樣誕生於二項分布等古典概率概念的發源地——18世紀的法國。那裡,鞅特指的是一種賭博策略,來描述一種隨機過程。