بررسی قابلیت اطمینان سیستم های قدرت با مدل شبکه بیضی بلوک دیاگرام قابلیت اطمینان و گراف قابلیت اطمینان
Publish place: 16th Iran"s Electrical Engineering Student Conference
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,450
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ISCEE16_275
Index date: 12 July 2014
بررسی قابلیت اطمینان سیستم های قدرت با مدل شبکه بیضی بلوک دیاگرام قابلیت اطمینان و گراف قابلیت اطمینان abstract
قابلیت اطمینان ویژگی بسیار مهمی در طراحی و برنامه ریزی همه سیستمهای مهندسی می باشد. به منظور بررسی قابلیت اطمینان برای آن دسته از سیستم هایی که دارای گره های قابل اطمینان و مسیرهای غیرقابل اطمینان هستند مانند سیستم های ارتباطی، نمودار قابلیت اطمینان با استفاده از گیت های منطقی (RGGG) پیشنهاد شده است. و نیز جهت بررسی قابلیت اطمینان آن دسته از سیستم هایی که با گره های غیرقابل اطمینان و مسیرهای مطمئن مدل می شوند، گراف قابلیت اطمینان با گیت های منطقی (RBDGG) پیشنهاد می شود. که یک روش قابل فهم و دارای استفاده آسان برای آنالیز قابلیت اطمینان سیستم ها می باشد. یکی ازمشخصات منحصر به فرد RBDGG این است که از روابط گیت های منطقی مانند گیت AND و گیت OR برای درک بلوک دیاگرام قابلیت اطمینان (RBD) استفاده می شود. در این مقاله روابط مسئله برای مدل RBDGG و نیز روشی برای بدست آوردن مدل معادل شبکه بیضی بدون تشکیل درخت خطا و با درنظر گرفتن تک تک اجزا سیستم ارائه شده است و نتایج بدست آمده با مدل RGGG در شبکه بیضی در دو مثال مقایسه شده است.
بررسی قابلیت اطمینان سیستم های قدرت با مدل شبکه بیضی بلوک دیاگرام قابلیت اطمینان و گراف قابلیت اطمینان Keywords:
آنالیز قابلیت اطمینان , بلوک دیاگرام قابلیت اطمینان با گیت های منطقی (RBDGG) , شبکه های بیضی (BN) , گراف قابلیت اطمینان با گیت های منطقی (RGGG)
بررسی قابلیت اطمینان سیستم های قدرت با مدل شبکه بیضی بلوک دیاگرام قابلیت اطمینان و گراف قابلیت اطمینان authors
محمد مقامیان زاده
دانشجوی کارشناسی ارشد گروه برق، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
حسن براتی
استادیار گروه برق، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :