故障树转贝叶斯网络的方法

故障树分析法是可靠性和安全性评估过程中经常采用的一种方法。应用该方法，可以辅助人们判断哪些事件的组合可导致危及系统安全的故障，并计算它们的发生概率，然后通过设计改进和有效的故障检测、维修等措施，设法减小它们的发生概率。故障树分析还可以令分析着者对系统的结构以及组成有更深层次的认识，从而做出有利于提高系统的可靠性的相关措施与决策。

故障树的本质是一种多层次逻辑关系图，构图的元素是事件和门，事件用来描述不同粒度的部件、系统、元素的故障状态，门将事件联系起来，表示事件之间的逻辑关系。由此故障树相关分析都是以逻辑代数为基础进行。

故障树分析在实际应用过程中，由于对系统故障的认识的有限性，一般都要对系统进行适度简化以构建出故障树。

贝叶斯网络又称为信念网络，是基于概率推理的图形化网络，全概率公式以及贝叶斯公式是贝叶斯网络分析的基础。

贝叶斯网络适用于表达和分析不确定性事件，应用于有条件的依赖多种控制因素的决策过程，可以从不完全信息中做出推断，能够进行因果、诊断、辩解等多种推理；能够进行各种复杂的条件概率的计算；能够进行敏感性分析，除此之外还能够通过知识学习进行模型的自我优化。

就可靠性分析来说，相对于贝叶斯网络，一方面，故障树构建过程简单，事件之间关系清晰，计算容易。另外一方面，为了建模，故障树模型经常被迫对实际情况进行适度的简化，导致模型与实际情形产生相当的距离，定量计算以及基于定量计算进行的分析能力也相对较弱，除此之外，故障树分析几乎不具备模型的自我完善能力。

因此，根据各自的特点，将故障树分析同贝叶斯网络分析联合起来应用，更有利于对系统进行高效、准确的建模，并进行丰富且具有针对性的分析，而且随着应用数据的不断获取，也能够及时通过知识学习实现系统模型的自我进化。

通常先以一个目标事件为顶点构建故障树，然后进行定性、定量计算，在将故障树模型转换为贝叶斯网络模型，基于贝叶斯网络模型根据需要进行相关推理、诊断、敏感性等分析及计算，在将结果相互印证。随着应用数据的不断累积，对贝叶斯网络模型持续升级并基于升级后的模型进行相关分析，获取最新的分析结果，辅助分析者做出最佳决策。

故障树模型转换为贝叶斯网络模型总体来说包含有三个步骤：

第一步****事件映射

将故障树模型中的事件节点映射为贝叶斯网络模型中的机会节点。

第二步****连接线映射

根据故障树模型中的事件之间的上下关系，映射到贝叶斯网络中机会节点的下上（有向边方向）关系。

第三步生成CPT表

根据故障树模型中的底事件的概率数据以及中间事件和顶事件各自对应的逻辑门，创建CPT表。

需要注意故障树模型中的重复事件节点要映射为贝叶斯网络中的一个机会节点，在连接线映射过程中也要进行相应的处理。

模型转换所需工作量同模型的复杂程度线性相关。出于效率及准确性方面的考虑，有必要采用软件工具来实现相关的转换。从公开渠道可获取的故障树建模及分析工具中，具备故障树转贝叶斯网络能力的软件并不多，talfta是其中之一。使用talfta进行模型转换过程简单高效，转换后的模型准确、完备且自动排版，便于后续维护与分析。应用talfta 实现故障树转贝叶斯网络的具体步骤如下：

第一步：使用talfta****打开或者创建故障树模型

在talfta中应用“新建”或“打开”功能获取故障树模型，并进行相应的定性及定量分析。

第二步：故障树模型转换为贝叶斯网络模型

在talfta中应用“导出为贝叶斯网络模型”功能实现模型转换。

第三步：使用talbay****打开导出的模型进行后续操作

在talbay中应用“打开”功能装载转换而得的贝叶斯网络模型，然后进行相应的推理、诊断、敏感性分析、模型验证、知识学习等操作。