基于模糊GO法的慣性導(dǎo)航系統(tǒng)可靠性研究

王 海 朋， 段 富 海*， 江 秀 紅

( 1.大連理工大學(xué) 機(jī)械工程學(xué)院, 遼寧 大連 116024；2.沈陽(yáng)航空航天大學(xué) 電子信息工程學(xué)院， 遼寧 沈陽(yáng) 110136 )

0 引 言

在國(guó)防高可靠性領(lǐng)域，武器裝備的可靠性一直受到高度重視．平臺(tái)慣性導(dǎo)航系統(tǒng)(inertial navigation system，INS)是復(fù)雜高可靠性機(jī)電一體化系統(tǒng)．近年來由于INS數(shù)據(jù)錯(cuò)誤和功能失效而引起的事故時(shí)常發(fā)生，因此對(duì)作為運(yùn)載體主信號(hào)源的INS可靠性評(píng)價(jià)尤為重要．INS可靠性分析主要存在的問題是[1]：①裝在飛機(jī)、導(dǎo)彈、通信衛(wèi)星等運(yùn)載體上的INS是典型小子樣系統(tǒng)，其可靠性試驗(yàn)周期長(zhǎng)且代價(jià)昂貴，現(xiàn)場(chǎng)試驗(yàn)數(shù)據(jù)少，很難獲取元件精確的失效數(shù)據(jù)；②INS可靠性存在一定的不確定性，如故障發(fā)生機(jī)理和故障模式復(fù)雜多變，部件和分系統(tǒng)對(duì)系統(tǒng)可靠性影響不確定等；③傳統(tǒng)可靠性模型缺乏自適應(yīng)修正能力．因此急需尋求一種有效的不確定性INS的可靠性分析方法．

GO法(goal-oriented methodology)是一種有效的復(fù)雜系統(tǒng)可靠性分析方法[2]，特別適合有電流、氣流、液流等實(shí)際物流產(chǎn)生的多狀態(tài)復(fù)雜系統(tǒng)可靠性分析[3]．如樊冬明等[4]建立了基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的可修GO法模型，并通過核電站高壓注水系統(tǒng)驗(yàn)證了所提模型的有效性；江秀紅等[5]提出了一種基于GO法的INS預(yù)測(cè)維修平臺(tái)設(shè)計(jì)方法；陳潔等[6]提出了貝葉斯GO法，并對(duì)深水關(guān)井作業(yè)進(jìn)行了可靠性分析．傳統(tǒng)GO法的系統(tǒng)可靠性分析假設(shè)元件存在2種或3種狀態(tài)，其狀態(tài)概率值精確可知．因此傳統(tǒng)GO法用精確值描述元件的各狀態(tài)概率，不能反映出真實(shí)情況，會(huì)降低系統(tǒng)可靠性分析結(jié)果的可信度．

模糊可靠性理論是處理可靠性工程中不精確和不確定性問題的一種新方法[7]，利用模糊數(shù)學(xué)在處理不確定性信息方面的優(yōu)勢(shì)，使復(fù)雜系統(tǒng)可靠性和安全性評(píng)估結(jié)果更真實(shí)可信．如文獻(xiàn)[8-9]將零部件的失效概率模糊化，提出了一種基于模糊理論的故障樹算法，并應(yīng)用到工程系統(tǒng)的可靠性評(píng)估中；文獻(xiàn)[10-11]將事件發(fā)生的成功概率用三角模糊數(shù)表示，提出了基于三角模糊數(shù)的GO法，但均不適用于評(píng)估多狀態(tài)元件和系統(tǒng)的可靠性．文獻(xiàn)[12]將工程變量處理為隨機(jī)變量和模糊變量，提出了一種可綜合處理模糊不確定信息和隨機(jī)不確定信息的可靠度計(jì)算模型；文獻(xiàn)[13]將具有危害性事件發(fā)生的可能性和嚴(yán)重程度模糊化，提出了一種基于模糊理論的風(fēng)險(xiǎn)評(píng)估方法．

針對(duì)傳統(tǒng)GO法的不足，本文引入三角模糊數(shù)和擴(kuò)展原理分別對(duì)輸入、輸出數(shù)據(jù)的模糊不確定性進(jìn)行量化，提出一種模糊數(shù)學(xué)理論與GO可靠性模型相結(jié)合的多狀態(tài)系統(tǒng)可靠性分析方法——模糊GO法，并將其應(yīng)用到INS可靠性研究中．

1 數(shù)據(jù)的模糊算法

1.1 模糊集合的截集

1.2 數(shù)據(jù)的三角模糊數(shù)轉(zhuǎn)化方法

三角模糊數(shù)是最常見的模糊數(shù)之一，具有計(jì)算簡(jiǎn)單、表達(dá)直觀等優(yōu)點(diǎn)，廣泛用于解決可靠性領(lǐng)域中模糊不確定性問題[14-15]．為描述某事件發(fā)生的模糊不確定性，將某事件發(fā)生概率的精確值處理為可進(jìn)行模糊化運(yùn)算的三角模糊數(shù)，用式(1)方法進(jìn)行模糊化處理，構(gòu)造三角模糊數(shù)(l,m,h)：

l=p·(1-Ef),m=p,h=p·(1+Ef)

(1)

式中：l、m、h分別為事件發(fā)生的最小可能值、最可能值、最大可能值；p為事件發(fā)生的概率；Ef為誤差因子，可根據(jù)實(shí)際工況和領(lǐng)域?qū)＜医?jīng)驗(yàn)選?。?/p>

1.3 擴(kuò)展原理和參數(shù)規(guī)劃

(2)

(3)

下邊界：

(4a)

上邊界：

(4b)

2 基于模糊GO法的可靠性分析原理

GO法是一種以成功為導(dǎo)向的圖形化系統(tǒng)可靠性分析方法[18]．模糊GO法是將模糊集合理論與GO可靠性模型相結(jié)合，引入三角模糊數(shù)和擴(kuò)展原理對(duì)輸入、輸出數(shù)據(jù)的模糊不確定性進(jìn)行量化，其可靠性分析原理如圖1所示，步驟如下：

(1)分析系統(tǒng)的基本原理，明確各元件、子系統(tǒng)的邏輯結(jié)構(gòu)；

(2)根據(jù)單元功能和單元輸入、輸出信號(hào)之間的邏輯關(guān)系確定對(duì)應(yīng)單元的操作符類型[2]；

(3)根據(jù)系統(tǒng)物流邏輯上的進(jìn)程，用信號(hào)流連接各操作符，生成GO圖；

(4)從輸入操作符開始，按照各操作符的運(yùn)算規(guī)則，沿著信號(hào)流，得到系統(tǒng)的輸出狀態(tài)及狀態(tài)概率表達(dá)式；

(5)采用式(1)的處理方法，將元件各狀態(tài)發(fā)生概率的精確值轉(zhuǎn)化為三角模糊數(shù)，得到元件各狀態(tài)的模糊可靠性數(shù)據(jù)；

(6)用擴(kuò)展原理將系統(tǒng)的輸出狀態(tài)概率表示為一個(gè)新的模糊數(shù)，按步驟(5)得到的三角模糊數(shù)作為擴(kuò)展原理的輸入變量，按步驟(4)得到的狀態(tài)概率表達(dá)式作為擴(kuò)展原理的模糊映射關(guān)系，用參數(shù)規(guī)劃方法得到直觀的系統(tǒng)模糊狀態(tài)概率隸屬度函數(shù)，據(jù)此對(duì)系統(tǒng)做出可靠性分析與評(píng)價(jià)．

圖1 模糊GO法可靠性分析原理Fig.1 Reliability analysis principle of fuzzy GO methodology

3 INS的模糊GO法可靠性評(píng)價(jià)

3.1 系統(tǒng)分析及GO圖建立

為驗(yàn)證模糊GO法的有效性，選用平臺(tái)慣性導(dǎo)航系統(tǒng)(INS)進(jìn)行可靠性分析研究．某三軸INS基本結(jié)構(gòu)原理圖如圖2所示，主要組成：①1個(gè)三軸慣導(dǎo)平臺(tái)；②3個(gè)高精度加速度計(jì)；③3個(gè)高精度陀螺儀；④穩(wěn)定回路，包括前置放大器、數(shù)字控制器、功率驅(qū)動(dòng)和力矩電機(jī)等；⑤3個(gè)旋轉(zhuǎn)變壓器；⑥導(dǎo)航計(jì)算機(jī)；⑦控制顯示器；⑧電源等．

圖2 某三軸INS基本框圖Fig.2 Basic structure schematic of some three-axis INS

根據(jù)圖2建立INS的GO圖，如圖3所示．GO圖中共有29個(gè)操作符和29個(gè)信號(hào)流，其中操作符代表具體元件，信號(hào)流代表具體物流．電源是INS的唯一輸入單元，可用類型5操作符(單信號(hào)發(fā)生器)模擬；陀螺儀、加速度計(jì)會(huì)由于熱沖擊、電磁輻射等一些不恰當(dāng)?shù)膭?dòng)作或不期望的外界刺激產(chǎn)生提前輸出，可用類型3操作符(觸發(fā)發(fā)生器)模擬；力矩電機(jī)可能因電機(jī)線路短路等原因出現(xiàn)提前啟動(dòng)的情況，也可用類型3操作符(觸發(fā)發(fā)生器)模擬；前置放大器、數(shù)字控制器、功率驅(qū)動(dòng)、慣導(dǎo)平臺(tái)、旋轉(zhuǎn)變壓器、導(dǎo)航計(jì)算機(jī)及控制顯示器都假定為兩種狀態(tài)單元，可用類型1操作符(兩狀態(tài)單元)模擬．?dāng)?shù)字控制器只有同時(shí)收到3個(gè)前置放大器輸出的正確角速度信號(hào)，才向功率驅(qū)動(dòng)電路發(fā)出有效信號(hào)，因此可用類型10操作符(與門)來模擬3個(gè)前置放大器之間的邏輯關(guān)系．同理，加速度計(jì)、力矩電機(jī)及旋轉(zhuǎn)變壓器輸出之間的邏輯關(guān)系也可用類型10操作符來模擬．INS各操作符類型、代表的單元及各元件的模糊狀態(tài)概率(以三角模糊數(shù)形式表示)如表1所示．

圖3 某三軸INS的GO圖Fig.3 GO figure of some three-axis INS

3.2 模糊GO運(yùn)算

若GO圖中存在某信號(hào)連接到兩個(gè)或多個(gè)操作符的情況，則該信號(hào)定義為共有信號(hào)[2]．由圖3可知，信號(hào)流1、2、3、11、19均為共有信號(hào)．由于包含同一共有信號(hào)流的信號(hào)流之間并不是完全獨(dú)立的，在定量計(jì)算系統(tǒng)狀態(tài)概率時(shí)，需對(duì)含有共有信號(hào)的信號(hào)流進(jìn)行修正．在用概率公式算法計(jì)算時(shí)，將含有共有信號(hào)的各狀態(tài)概率表達(dá)式展開，把共有信號(hào)的高次項(xiàng)修正為一次項(xiàng)，修正后的各狀態(tài)概率表達(dá)式表示正確的狀態(tài)概率[2]，修正后的關(guān)鍵信號(hào)流表達(dá)式如下：

表1 GO操作符及相應(yīng)的模糊狀態(tài)概率

信號(hào)流3

pr3(1)=Ar3(1)-Ar3(0)；

pr3(0)=Ar3(0)=0

(5)

信號(hào)流10

pr10(1)=Ar10(1)-Ar10(0)；

(6)

信號(hào)流18

3pc15(0)·(pc14(1)·pc15(1))2·As11(1)；

3pc15(0)·(pc14(1)·pc15(1))2+

(pc14(1)·pc15(1))3)·As11(0)；

pr18(1)=Ar18(1)-Ar18(0)；

pr18(0)=Ar18(0)

(7)

信號(hào)流23

pr23(1)=Ar23(1)-Ar23(0)；

pr23(0)=Ar23(0)

(8)

信號(hào)流27

pr27(1)=Ar27(1)-Ar27(0)；

pr27(0)=Ar27(0)

(9)

信號(hào)流29

Ar29(1)=Ar28(1)·pc29(1)；

Ar29(0)=Ar28(0)·pc29(1)=0；

pr29(1)=pr28(1)·pc29(1)=

As1(1)·(a27+b27)·pc29(1)；

pr29(0)=pr28(0)·pc29(1)=0

(10)

其中

pc15(1))3+3pc15(0)·(pc14(1)·pc15(1))2，

Ari(j)表示輸出信號(hào)流i的狀態(tài)值從0到j(luò)的狀態(tài)累積概率；Asi(j)表示輸入信號(hào)流i的狀態(tài)值從0到j(luò)的狀態(tài)累積概率；pri(j)表示編號(hào)為i的信號(hào)流輸出狀態(tài)j的概率；a10、b10、a18、b18、a27、b27均與共有信號(hào)無關(guān)．

3.3 系統(tǒng)可靠性評(píng)價(jià)

由GO圖可知，信號(hào)流29所具有的可靠性特征量表征慣性導(dǎo)航系統(tǒng)的可靠性特性．式(10)中pr29(0)是系統(tǒng)輸出模糊狀態(tài)0的表達(dá)式，表征系統(tǒng)輸出提前信號(hào)的可靠性特性，由pr29(0)=0可知，INS不存在輸出提前狀態(tài)的情況．式(10)中pr29(1)是INS輸出模糊狀態(tài)1的表達(dá)式，表征系統(tǒng)輸出模糊成功信號(hào)的可靠性特性．根據(jù)表1中數(shù)據(jù)、系統(tǒng)輸出模糊狀態(tài)1的表達(dá)式及擴(kuò)展原理，用參數(shù)規(guī)劃方法，借助Matlab可得出直觀的INS輸出模糊成功概率的隸屬度函數(shù)，如圖4所示．

由圖4知：INS輸出的模糊成功概率所有可能的取值均在由α=0所確定的區(qū)間[0.998 835 16，0.999 617 58]，區(qū)間邊界值0.998 835 16 和0.999 617 58分別為INS輸出的模糊成功概率的最小可能值和最大可能值；0.999 226 30 為INS輸出的模糊成功概率的最可能值，對(duì)應(yīng)于隸屬度α=1.0的結(jié)果．若將α-截集作為系統(tǒng)模糊區(qū)間的置信程度，由模糊集合的截集可知，α-截集的取值越小，系統(tǒng)可靠度的模糊區(qū)間越大，數(shù)據(jù)在模糊區(qū)間的離散度越大，分析結(jié)果的可信度越低；α-截集的取值越大，系統(tǒng)可靠度的模糊區(qū)間越小，數(shù)據(jù)在模糊區(qū)間離散度越小，可靠性分析結(jié)果的可信度越高．可從決策者偏好的角度取α=0.5，表示中立偏好(neutral attitude)可信，得系統(tǒng)可靠度的置信模糊區(qū)間為[0.999 030 71， 0.999 421 92]．

圖4 模糊成功概率的隸屬度函數(shù)Fig.4 Membership function of fuzzy successful probability

4 基于模糊FTA的INS可靠性分析

為驗(yàn)證模糊GO法的有效性，采用文獻(xiàn)[19]提出的模糊FTA對(duì)INS進(jìn)行可靠性分析，分析時(shí)假設(shè)：①各事件只存在成功和故障兩種狀態(tài)；②各事件相互獨(dú)立；③不考慮人為故障和誘發(fā)故障．以控制顯示器不能成功輸出姿態(tài)角和加速度信息為頂事件，建立故障樹，如圖5所示．

圖5 某三軸INS的FTA圖Fig.5 FTA figure of some three-axis INS

在FTA圖中以Xi表示各底事件，對(duì)底事件賦予模糊概率值，模糊數(shù)據(jù)見表2．由INS原理圖可知，任何一個(gè)元件故障都會(huì)導(dǎo)致頂事件發(fā)生，故該故障樹中的最小割集為{X1}，…，{X23}；由文獻(xiàn)[19]可知，該故障樹頂事件發(fā)生的概率為

表2 底事件模糊數(shù)據(jù)

λ～=1-∏23i=1(1-λ～i)

(11)

式中：

5 3種可靠性分析方法對(duì)比

用模糊FTA、傳統(tǒng)GO法、模糊GO法分析INS系統(tǒng)的可靠性，得出直觀的INS輸出模糊成功概率的隸屬度函數(shù)如圖4所示，得出的不同截集水平下的系統(tǒng)可靠性指標(biāo)見表3．

分析表3可知：

(1)用傳統(tǒng)GO法得到的系統(tǒng)可靠度，與當(dāng)α=1.0時(shí)用模糊GO法得出的結(jié)果相同．因?yàn)楫?dāng)α=1.0時(shí)，用模糊GO法計(jì)算出的系統(tǒng)可靠度對(duì)應(yīng)于當(dāng)所有元件的狀態(tài)概率取精確值時(shí)得出的結(jié)果．

表3 3種分析方法得到的系統(tǒng)可靠性指標(biāo)

(2)傳統(tǒng)GO法計(jì)算出的可靠度均在模糊GO法計(jì)算出的可靠度置信模糊區(qū)間內(nèi)，這驗(yàn)證了模糊GO法的有效性．

(3)用模糊FTA和模糊GO法得出不同截集水平的可靠度有差異．因?yàn)槟：鼺TA在建模時(shí)只考慮各底事件的成功和故障兩種狀態(tài)，而在GO法中還考慮到陀螺儀、加速度計(jì)及力矩電機(jī)可能存在的提前狀態(tài)．同樣驗(yàn)證了本文所提方法的有效性，能夠有效評(píng)估多狀態(tài)元件和系統(tǒng)的可靠性．

(4)基于隸屬度函數(shù)的模糊區(qū)間能將元件和系統(tǒng)的不確定性量化，使得可靠性分析結(jié)果具有說服力．

6 結(jié) 論

(1)將模糊數(shù)學(xué)理論引入到基于GO法的系統(tǒng)可靠性分析中，提出了一種模糊不確定性系統(tǒng)可靠性分析方法——模糊GO法．用模糊數(shù)來描述元件的狀態(tài)概率值，可有效解決由于缺乏足夠的數(shù)據(jù)、統(tǒng)計(jì)的不確定性、建模的不確定性等因素而導(dǎo)致的概率不確定性問題；用擴(kuò)展原理將系統(tǒng)的輸出狀態(tài)概率表示為一個(gè)新的模糊數(shù)，可得到不同截集水平下的可靠度置信模糊區(qū)間，將系統(tǒng)輸出的不確定性量化，能準(zhǔn)確地分析系統(tǒng)的可靠性；運(yùn)用參數(shù)規(guī)劃的方法可得到直觀的系統(tǒng)模糊狀態(tài)概率隸屬度函數(shù)，使得系統(tǒng)可靠性分析結(jié)果更加直觀，且方法思路清晰、簡(jiǎn)潔方便．

(2)采用模糊GO法研究INS可靠性，經(jīng)與傳統(tǒng)GO法和模糊FTA分析結(jié)果對(duì)比，驗(yàn)證了模糊GO法有效，可作為一種復(fù)雜多態(tài)系統(tǒng)可靠性分析方法．

(3)模糊GO法克服了傳統(tǒng)GO法中各操作符只能根據(jù)元件歷史統(tǒng)計(jì)值給定一個(gè)精確值的不足，可為復(fù)雜系統(tǒng)的模糊不確定性分析提供有效且實(shí)用的分析工具，有較強(qiáng)的工程實(shí)用性．

[1] 馮 靜,潘正強(qiáng),孫 權(quán),等. 小子樣復(fù)雜系統(tǒng)可靠性信息融合方法及其應(yīng)用[M]. 北京:科學(xué)出版社, 2015.

FENG Jing, PAN Zhengqiang, SUN Quan,etal.MethodsandApplicationsofReliabilityInformationFusionforComplexSystemwithSmallSampleTest[M]. Beijing: Science Press, 2015. (in Chinese)

[2] 沈祖培,黃祥瑞. GO法原理及應(yīng)用:一種系統(tǒng)可靠性分析方法[M]. 北京:清華大學(xué)出版社, 2004.

SHEN Zupei, HUANG Xiangrui.PrincipleandApplicationofGOMethodology:ASystemReliabilityAnalysisMethodology[M]. Beijing: Tsinghua University Press, 2004. (in Chinese)

[3] 蘭 雪,段富海,桑 勇. GO-FLOW法在飛機(jī)EHA可靠性分析中的應(yīng)用[J]. 北京航空航天大學(xué)學(xué)報(bào), 2017,43(6):1264-1270.

LAN Xue, DUAN Fuhai, SANG Yong. Application of GO-FLOW methodology in reliability analysis of aircraft EHA [J].JournalofBeijingUniversityofAeronauticsandAstronautics, 2017,43(6):1264-1270. (in Chinese)

[4] 樊冬明,任 羿,劉林林,等. 基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的可修GO法模型算法[J]. 北京航空航天大學(xué)學(xué)報(bào), 2015,41(11):2166-2176.

FAN Dongming, REN Yi, LIU Linlin,etal. Algorithm based-on dynamic Bayesian networks for repairable GO methodology model [J].JournalofBeijingUniversityofAeronauticsandAstronautics, 2015,41(11):2166-2176. (in Chinese)

[5] 江秀紅,段富海,陳 璞,等. 基于GO法和RCM的慣性導(dǎo)航系統(tǒng)預(yù)測(cè)維修平臺(tái)設(shè)計(jì)[J]. 兵工學(xué)報(bào), 2014,35(9):1443-1450.

JIANG Xiuhong, DUAN Fuhai, CHEN Pu,etal. Design of predictive maintenance platform for INS based on GO methodology and RCM [J].ActaArmamentarii, 2014,35(9):1443-1450. (in Chinese)

[6] 陳 潔,陳國(guó)明,李新宏,等. 深水關(guān)井作業(yè)可靠性貝葉斯-GO法分析[J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2016,26(4):144-149.

CHEN Jie, CHEN Guoming, LI Xinhong,etal. Reliability analysis of deep-water shut-in operation using Bayesian GO approach [J].ChinaSafetyScienceJournal, 2016,26(4):144-149. (in Chinese)

[7] 張 萌. 統(tǒng)一模糊可靠性模型理論研究及葉片抗振模糊可靠性評(píng)估建模[D]. 西安:西北工業(yè)大學(xué), 2014.

ZHANG Meng. Theoretical study on the unified fuzzy reliability model and reliability assessment modeling of blades to avoid resonance [D]. Xi′an: Northwestern Polytechnical University, 2014. (in Chinese)

[8] BHARDWAJ R K, MALIK S C. Fuzzy reliability evaluation of a fire detector system [J].InternationalJournalofComputerApplications, 2012,43(3):41-46.

[9] LI Yanfeng, HUANG Hongzhong, LIU Yu,etal. A new fault tree analysis method:fuzzy dynamic fault tree analysis [J].EksploatacjaiNiezawodnosc-MaintenanceandReliability, 2012,14(3):208-214.

[10] 張根保,許 智,王國(guó)強(qiáng),等. 基于模糊理論的GO法多時(shí)序可靠性分析研究[J]. 機(jī)械設(shè)計(jì), 2010,27(11):15-18, 72.

ZHANG Genbao, XU Zhi, WANG Guoqiang,etal. Reliability analysis of GO method multi-temporal based on fuzzy theory [J].JournalofMachineDesign, 2010,27(11):15-18,72. (in Chinese)

[11] 張麗娜,李艷軍,張 建. 基于模糊GO法的飛機(jī)備件支援系統(tǒng)可靠性分析[J]. 科學(xué)技術(shù)與工程, 2017,17(4):105-109.

ZHANG Lina, LI Yanjun, ZHANG Jian. Research on reliability of aircraft spare parts support system based on fuzzy GO method [J].ScienceTechnologyandEngineering, 2017,17(4):105-109. (in Chinese)

[12] 李玲玲,武 猛,李志剛. 可靠性度量中的不確定信息處理[J]. 機(jī)械工程學(xué)報(bào), 2012,48(8):153-158.

LI Lingling, WU Meng, LI Zhigang. Uncertain information processing method in the reliability measurement [J].JournalofMechanicalEngineering, 2012,48(8):153-158. (in Chinese)

[14] DING Y, LISNIANSKI A. Fuzzy universal generating functions for multi-state system reliability assessment [J].FuzzySetsandSystems, 2008,159(3):307-324.

[15] DING Y, ZUO M J, LISNIANSKI A,etal. Fuzzy multi-state systems: General definitions, and performance assessment [J].IEEETransactionsonReliability, 2008,57(4):589-594.

[16] ZADEH L A. Fuzzy sets [J].InformationandControl, 1965,8(3):338-353.

[17] ZADEH L A. Fuzzy sets as a basis for a theory of possibility [J].FuzzySetsandSystems, 1978,1(1):3-28.

[18] SHEN Zupei, GAO Jia, HUANG Xiangrui. An exact algorithm dealing with shared signals in the GO methodology [J].ReliabilityEngineeringandSystemSafety, 2001,73(2):177-181.

[19] WANG Daqing, ZHANG Peng, CHEN Liqiong. Fuzzy fault tree analysis for fire and explosion of crude oil tanks [J].JournalofLossPreventionintheProcessIndustries, 2013,26(6):1390-1398.