本发明主要涉及可靠性分析，具体涉及一种可靠度快速量化系统、方法及设备。
背景技术：
1、故障树分析（fta）是一种常用的可靠度量化方法，通常有上行法、下行法、二元决策图方法和零压缩二元决策图方法，对于复杂系统而言，其故障树模型规模较大，上行法、下行法、二元决策图方法计算速度慢，但比较准确，而零压缩二元决策图方法计算速度快，但有所近似，为此研究人员在此基础上发明了并行计算等方法提高复杂故障树求解速度。
2、例如，对比文件1（苗祚雨,等..基于二元决策图的故障树最小割集求解算法研究.《中北大学学报：自然科学版》.2014,第35卷(第2期),6.doi:10.3969/j.issn.1673-3193.2014.02.011.）公布了基于二元决策图求解故障树的方法，对比文件2（汪进,等.. 适于风险监测系统的零压缩二元决策图基本事件排序方法.《核科学与工程》.2010,第30 卷(第4期),360-364.）公布了基于零压缩二元决策图求解故障树的方法，对比文件3（cn103235881 b，2016.07.20；cn 103400050 b，2016.07.06）公布了基于协同和并行计算技术求解故障树的方法，但是都没有将二元决策图和零压缩二元决策图这两种方法进行综合利用、并充分发挥各自优点的方法出现，并行计算对于独立性较好的故障树（可分解为独立子树）有效，但是对于关联度较高的故障树则效果不佳，其对于计算机资源的消耗也较高。对比文件4（cn 103399820 b，2016.03.02）给出了基于事件树和故障树分析的故障判断系统，其中包括了数据输入、事件树解析、故障预处理和故障分析模块，它是将事件树转化为故障树模型后进行求解，本系统跳过了事件树解析模块，直接用故障树模型进行分析，且故障树求解器中的具体实施方式也有较大改进。
3、但是，对于危险性较高系统的实时风险监测（如核电站）、紧急情况下故障排查（如反应堆熔化、武器失效等）、高风险活动（如火箭发射、特种武器运输）等应用场景下，需要极快速度准确评定分析对象的可靠度，既要快速，还要准确，现有方法和系统都不能很好的解决这个难题。
4、同时，当前常用的可靠度量化分析设备为计算机，对于规模极大的复杂系统还需要工作站甚至超级计算机，不具备廉价和便携的特点，不利于大范围推广可靠度量化技术。此外，传统的可靠度分析人员在分析系统之前，还需要对系统进行故障树建模，再将模型导入到专门的分析系统中，整个过程耗时费力，缺乏一种快速便携的可靠度快速量化设备。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术的不足，提供一种可靠度快速量化系统、方法及设备。
2、本发明解决上述技术问题的技术方案如下：
3、一种可靠度快速量化系统，包括故障树解析器、故障树处理器、故障树求解器：
4、所述故障树解析器，用于基于txt、xml、excel、jpg文件格式，生成故障树模型结构和信息数据库，模型结构由n个多元组组成，第i个多元组为{gi，ti，i1i,i2i,…,iki}组成，其中gi表示第i个多元组中的逻辑门id，ti表示第i个多元中的逻辑门类型，i1i,i2i,…,iki表示第i个多元组中逻辑门的输入id，它们是基本事件或者其他多元组中的逻辑门，信息数据库包括故障树名称和描述、逻辑门名称和描述、基本事件名称和描述；
5、所述故障树处理器，用于将故障树模型结构规范化、简化，再将简化后的故障树模块化，包括故障树规范化模块、故障树简化模块和故障树模块化模块，所述故障树规范化模块包括复杂门处理单元、房型事件处理单元、共因失效处理单元；
6、所述故障树求解器，用于对故障树进行定性分析和定量计算，包括故障树定性分析模块和故障树定量计算模块，所述故障树定性分析模块包括最小割集生成单元和最小割集合并单元，所述故障树定量计算模块包括顶事件概率计算单元、重要度计算单元、敏感性计算单元和不确定性计算单元。
7、所述故障树处理器，具体用于：
8、将故障树模型结构进行等效变换，将所有的逻辑门转换成与门和或门；
9、将kn门、异或门、同或门、与非门、或非门、非门转换成与门和或门；
10、将取值为0和1的房型事件按照布尔运算规则删除，直到所有的房型事件全部删除完毕；
11、将 s个处于共因失效的基本事件转换为 s个共因故障树，替代原来故障树中的基本事件；
12、利用faunet规则简化故障树结构，使其每一层逻辑门的类型相同，相邻层的逻辑门的类型不同；
13、将简化后的故障树转换成 m个故障树模块，第 i个故障树模块为 f i， f i中的基本事件不会出现在其他故障树模块中。
14、所述故障树求解器，具体用于：
15、将 m个故障树模块转换成对应的零压缩二元决策图，再将 m个零压缩二元决策图合并成1个零压缩二元决策图，最后将这个合并后的零压缩二元决策图转换成 r个最小割集，第 i个最小割集为mcsi={ei1,ei2,…,eij(i)},其中 j( i)为第 i个最小割集包含的基本事件个数,每个最小割集的 j( i)取值不同；
16、然后，将 r个最小割集转换成二元决策图，计算得到故障树的顶事件概率及其不确定性分布，以及每个基本事件的重要度和敏感性。
17、所述最小割集生成单元用于将 m个故障树模块转换成对应的零压缩二元决策图，将每个零压缩二元决策图转换成对应的最小割集；所述最小割集合并单元，将 m个零压缩二元决策图合并成一个零压缩二元决策图，最后将合并后的零压缩二元决策图转换成 r个最小割集；所述的顶事件概率计算单元用于基于二元决策图结构计算顶事件概率；所述的重要度计算单元用于计算得到给定基本事件及基本事件组的fv重要度、raw重要度、rrw重要度、结构重要度、概率重要度和关键重要度；所述的敏感性计算单元用于计算得到给定基本事件的敏感性，以及每个基本事件中包含的所有参数的敏感性；所述的不确定性计算单元用于计算得到给定基本事件可靠度参数不确定性引起的顶事件概率不确定性分布，抽样方法采用蒙特卡洛抽样和拉丁超立方抽样。
18、所述的基于二元决策图结构计算顶事件概率，具体计算方法为：将二元决策图映射为 t个ite结构，第i个ite结构表示为{xi,li,ri},第1个ite结构映射为失效概率p1=x1×l1+（1-x1）×r1，其中l1和r1继续分解为后续的ite结构，以此类推，将 t个ite结构全部展开，最终可计算得到顶事件概率p1。
19、本发明解决上述技术问题的另一技术方案如下：一种可靠度快速量化方法，包括如下步骤：
20、s1，通过故障树解析器导入复杂系统对应的故障树模型；
21、s2，通过故障树处理器将故障树模型进行规范化和简化，并转化为若干个独立的故障树模块；
22、s3，通过故障树定性分析模块最小割集生成单元得到每个独立故障树模块对应的零压缩二元决策图结构；
23、s4，通过故障树定性分析模块最小割集合并单元得到故障树模型对应的零压缩二元决策图结构；
24、s5，根据零压缩二元决策图结构计算故障树模型的最小割集；
25、s6，根据最小割集得到故障树模型的二元决策图结构；
26、s7, 根据bdd结构计算故障树模型的顶事件失效概率；
27、s8, 根据最小割集和顶事件失效概率计算给定基本事件组、基本事件及其可靠度参数的重要度、敏感性，并对顶事件概率进行不确定性分析。
28、所述的步骤s6具体包括如下步骤：
29、s61，将基本事件排序，并将所有最小割集中的基本事件按照从小到大排列；
30、s62，将所有最小割集转换成二元决策图结构，第i条最小割集mcsi={ei1,ei2,…,eij(i)}开始，将割集中的每个基本事件eik(k=1,2,…,j(i))均转换成bdd结构{eik,1,0},并将j(i)个ite结构相与，mcsi对应的二元决策图结构即为bddi=；
31、s63，将所有最小割集对应的二元决策图结构相或，得到故障树模型的二元决策图结构bdd=。
32、所述的步骤s7具体包括如下步骤：
33、s71，将二元决策图映射为t个ite结构，第i个ite结构表示为{xi,li,ri}；
34、s72，将第1个ite结构映射为失效概率p1=x1×l1+（1-x1）×r1；
35、s73，将l1对应的ite结构{x2，l2，r2}映射为失效概率p2=x2×l2+（1-x2）×r2；
36、s74，将r1对应的ite结构{x3，l3，r3}映射为失效概率p3=x3×l3+（1-x3）×r3；
37、s75，将p2和p3分别代入p1中，替换l1和r1，p1= x1×(x2×l2+（1-x2）×r2)+（1-x1）×(x3×l3+（1-x3）×r3)；
38、s76，以此类推，不断重复s73~s75的操作，直到将t个ite结构全部映射为对应的失效概率，最终可计算得到顶事件概率p1。
39、本发明解决上述技术问题的另一技术方案如下：一种可靠度快速量化设备，包括信号收发器、屏幕、话筒、语音识别器、数据存储器、编码解码器：
40、所述信号收发器用于通过网络、蓝牙、卫星信号与一台部署了本发明的一种可靠度快速量化系统的计算机之间相互传递图像和文本信息；
41、所述摄像头用于拍摄待分析系统的设计报告、工程图纸、fmea模型、rbd模型图片；
42、所述屏幕用于看见设计报告、工程图纸、fmea模型、rbd模型图片，以及故障树模型图片，和根据故障树模型快速量化的可靠度结果；
43、所述话筒用于输入用户的语音指令，用于修改根据设计报告、工程图纸、fmea模型、rbd模型转化成的故障树模型；
44、所述语音识别器用于将用户修改故障树模型的语音指令转换为文字指令；
45、所述数据存储器用户存储语音识别器生成的用户文字指令，以及摄像头生成的待分析系统的设计报告、工程图纸、fmea模型、rbd模型图片；
46、所述编码解码器用于将数据存储器中的文字和图片进行编码，通过信号收发器传递给远程计算，并能够将从远程计算机接收到的故障树模型图片和可靠度量化结果进行解码展示在屏幕上。
47、本发明的有益效果是：
48、（1）充分利用二元决策图与零压缩二元决策图的特性，发挥各自优点，既能快速获取复杂系统故障树模型的最小割集，也能精确求解复杂系统故障树模型的顶事件概率，同时满足了复杂系统可靠度评价所需的准确性和实时性。
49、（2）设备只处理图片和文字，而把复杂的处理过程交给远程计算机，包括通过智能识别图片并将其转化成故障树模型，求解故障树模型，根据文本指令修改故障树模型，从而极大降低了终端设备的复杂度，提高了终端设备的便携性和响应速度，使其更加易于批量生产和商业推广。
1.一种可靠度快速量化系统，其特征在于，包括故障树解析器、故障树处理器、故障树求解器：
2.根据权利要求1所述的可靠度快速量化系统，其特征在于，所述的故障树解析器能够解析的故障树模型格式包括txt、xml、excel、jpg、数据库、word、pdf。
3.根据权利要求1所述的可靠度快速量化系统，其特征在于，所述故障树处理器，具体用于：
4.根据权利要求1所述的可靠度快速量化系统，其特征在于，所述故障树求解器，具体用于：
5.根据权利要求4所述的可靠度快速量化系统，其特征在于，所述最小割集生成单元用于将m个故障树模块转换成对应的零压缩二元决策图，将每个零压缩二元决策图转换成对应的最小割集；所述最小割集合并单元，将m个零压缩二元决策图合并成一个零压缩二元决策图，最后将合并后的零压缩二元决策图转换成r个最小割集；所述的顶事件概率计算单元用于基于二元决策图结构计算顶事件概率；所述的重要度计算单元用于计算得到给定基本事件及基本事件组的fv重要度、raw重要度、rrw重要度、结构重要度、概率重要度和关键重要度；所述的敏感性计算单元用于计算得到给定基本事件的敏感性，以及每个基本事件中包含的所有参数的敏感性；所述的不确定性计算单元用于计算得到给定基本事件可靠度参数不确定性引起的顶事件概率不确定性分布，抽样方法采用蒙特卡洛抽样和拉丁超立方抽样。
6.根据权利要求5所述的可靠度快速量化系统，所述的基于二元决策图结构计算顶事件概率，其特征在于，具体计算方法为：将二元决策图映射为t个ite结构，第i个ite结构表示为{xi,li,ri},第1个ite结构映射为失效概率p1=x1×l1+（1-x1）×r1，其中l1和r1继续分解为后续的ite结构，以此类推，将t个ite结构全部展开，最终可计算得到顶事件概率p1。
7.一种可靠度快速量化方法，其特征在于，包括如下步骤：
8.根据权利要求7所述的可靠度快速量化方法，其特征在于，所述的步骤s6具体包括如下步骤：
9.根据权利要求8所述的可靠度快速量化方法，其特征在于，所述的步骤s7具体包括如下步骤：
10.一种可靠度快速量化设备，其特征在于，包括信号收发器、屏幕、话筒、语音识别器、数据存储器、编码解码器：
