技术领域
[0001] 本申请涉及设备安全监测领域，特别涉及一种油气站场压缩机组的风险评估方法、系统、计算机可读存储介质和电子设备。
相关背景技术
[0002] 油气站场作为天然气运输过程中的中间站场，扮演着天然气的长距离运输中“心脏”的功能，为天然气的稳定输送提供动力。压缩机组作为油气站场中的核心动力设备，源源不断的为天然气的输送提供动力，是油气站场中极为关键的压缩机组。因此，通过对压缩机组的故障模式进行风险分析，及时掌握压缩机组的运行状态，对于保障压缩机组工作的正常运行有着及其重要的作用。因此，通过对压缩机组的故障模式进行风险分析，及时掌握压缩机组的运行状态，对于保障压缩机组工作的正常运行有着及其重要的作用。当前，已将RCM(Reliability Centered Maintenance，以可靠性为中心的维修)理论和应用引入到空军和民航维修计划制定中，并对其效果进行了跟踪，并对其效果进行了肯定。在石化系统中，应用RCM在避免过剩维修、减少维修成本的同时，也提高了设备的可靠性。但传统的RCM技术通过定性风险等级分析来确定设备的风险等级，在诸多设备间的风险评估中无法详细辨识每个设备的风险大小关系；此外，传统RCM技术基于压缩机组本身开展风险评估研究，未考虑到站场内设备间的相互影响关系，风险评估结果准确度低。
具体实施方式
[0057] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0058] 多米诺效应分析可以弥补RCM技术的不足，即通过对站场内设备的布局分析，在设备固有风险的基础上添加设备间多米诺失效风险，从而提高设备风险评估的准确度。而模糊风险推理能够将RCM的风险评估指标进行量化，不仅可以准确地判定出设备的风险等级，又可以将设备的风险进行量化，便于直观的刻画出各设备的风险严重程度。
[0059] 本申请将RCM技术与多米诺效应、模糊风险推理相结合，提出一种考虑多米诺效应的油气站场动设备模糊风险评估方法，并对某站场内的压缩机组的6个主要故障模式的风险等级与风险值进行分析。具体而言，首先，结合油气站场中设备的布置简图与设备的固有风险计算出压缩机的多米诺失效概率与总失效概率；其次，采用九分标度法对压缩机组各故障模式的影响权重值进行计算；然后，利用模糊推理方法构建压缩机故障模式的三维风险矩阵，进而构建出"IF‑THEN"模糊规则库；最后，依据三维风险矩阵计算压缩机各故障模式的风险值。
[0060] 请参见图1，图1为本申请实施例提供的一种油气站场压缩机组的风险评估方法的流程图，该方法包括：
[0061] S101：确定所述油气站场中各压缩机组之间的多米诺效应关系；
[0062] S102：确定所述多米诺效应关系下的失效概率，并执行所述失效概率和故障频率之间的概率转换，得到所述故障频率；
[0063] S103：构建所述故障频率对应的三维风险矩阵色谱图；
[0064] S104：利用所述三维风险矩阵色谱图对所述压缩机组进行设备模糊风险计算，确定所述压缩机组的风险状态。
[0065] 步骤S101首先执行设备间多米诺效应分析：
[0066] 设备间多米诺效应风险分析的总体思路为：确定油气站场中的压缩机组的失效概率，并根据失效概率确定设备固有风险。再基于设备固有风险对所述压缩机组进行多米诺效应风险分析，确定多米诺效应关系。具体过程描述如下：
[0067] 先执行油气站场静设备的失效概率与固有风险分析。由于设备的固有风险受设备的失效概率与设备的危险指数的影响，且相同设备的失效概率与危险指数也相同。压缩机组的失效概率与危险指数如表1所示，其中，COF为“失效概率”，C为“危险指数”：
[0068] 表1压缩机组的失效概率与危险指数
[0069]设备 COF C RG
‑3 ‑1
压缩机组 6.0×10 90.828 5.45×10
[0070] 管理系统修正因子通过对管理系统评估工作手册中101个问题进行汇总后，将各问题转换为管理系统修正因子，其数学表达式为：
[0071]
[0072] 式中：S为管理系统对于工作手册中各问题的评估参数。
[0073] 设备的固有风险与设备的失效概率与危险指数相关，固有风险的计算公式如公式(2)所示：
[0074] RG＝POF×Ci(2)；
[0075] 式中，RG为设备固有风险；POF为设备失效概率；Ci为第i个设备的危险指数。
[0076] 设备的多米诺效应风险主要受到油气站场中各设备本身的失效风险与设备间距离的影响，因此通过绘制站场主要设备的平面布置简图，可计算出设备间距离矩阵。
[0077] 本实施实施例采用标准正态高斯分布函数模型对由冲击波超压引发站场设备损坏的可能性进行计算，计算公式如下：
[0078]
[0079] 式中，f为站场设备发生损坏的可能性；Y为目标设备损坏概率单位，σ、u分别指高斯分布函数中的方差与中位数。
[0080] 通过以上分析步骤，可以确定初始事件发生后的多米诺效应的概率向量F为：
[0081]
[0082] 式中，fij表示第i个设备的初始事故由多米诺效应导致第j个装置发生多米诺事故的概率；n为设备的数量。
[0083] 设备的多米诺效应风险计算公式如下：
[0084]
[0085] 式中，P0为事件发生的初始概率，Cj为第j个设备的危险指数，D指代多米诺效应(Domino)影响的相关参数。
[0086] 在油气站场中，例如设备发生泄漏导致蒸气云爆炸的可能性为0.04，则其初始事件概率P0为：
[0087] P0＝0.04POF(6)；
[0088] 为了将设备间多米诺效应对压缩机组造成的风险引入RCM分析过程中，本申请对动设备(主要包括泵和压缩机组)RCM分析的故障频率与对静设备RBI分析中的失效概率进行转换，进而与多米诺效应概率进行叠加，可以得出动设备考虑多米诺效应风险后的总风险。通过对某压缩机的FMEA(Failure Mode and Effects Analysis，失效模式及其影响分析)表进行分析，选出6种易发生的故障模式进行风险推理分析。
[0089] 设备的故障频率与失效概率之间的转换分析思路为：首先，利用层次分析法确定故障模式权重占比，用以计算压缩机组各故障模式的风险；其次，对压缩机组各故障模式多米诺效应风险进行分析；然后，对压缩机组各故障模式的故障频率风险进行分析；最后，依据多米诺效应风险与故障频率风险对压缩机组各故障模式的故障频率总风险进行分析。
[0090] 具体过程描述如下：
[0091] 第一步、利用层次分析法确定故障模式权重占比；
[0092] 通过对各故障模式的判断评价，依据九分标度法得出一致判断矩阵如公式(7)：
[0093]
[0094] 通过计算矩阵的一致判断矩阵的特征值与CR值来判定其是否通过一致性检验。
[0095] 其中九分标度法的取值含义如表2所示：
[0096] 表2九分标度法含义
[0097]标度 含义
1 表示两个因素相比，具有同样重要性
3 表示两个因素相比，一个因素比另一个因素稍微重要
5 表示两个因素相比，一个因素比另一个因素明显重要
7 表示两个因素相比，一个因素比另一个因素强烈重要
9 表示两个因素相比，一个因素比另一个因素极端重要
2，4，6，8 上述两相邻判断的中值
倒数 因素i与j比较的判断aij，则因j与i比较的判断aji＝1/aij
[0098] 再根据算术平均法计算压缩机组各故障模式的权重矩阵为：
[0099]
[0100] 第二步、压缩机组各故障模式多米诺效应风险分析：
[0101] 通过对站场内设备间的多米诺效应计算可以得出压缩机组的多米诺失效概率RD，依据压缩机组各故障模式的风险占比可以计算出各故障模式的多米诺效应风险RM为：
[0102]
[0103] 第三步、压缩机组各故障模式的故障频率风险分析：
[0104] 对某压缩机组的FMEA表进行分析，可以得出6种故障频率较高的故障模式分别为：振动或异响、喘振、密封泄漏、出口介质温度异常、轴承温度高与异常停机。然后，对每个故障模式的故障频率进行统计，如表3所示：
[0105] 表3故障模式失效概率
[0106] 故障模式 故障频率振动或异响 6
喘振 0.6
密封泄漏 3.91
出口介质温度异常 2.3
轴承温度高 3.22
异常停机 1.6
[0107] 第四步、压缩机组各故障模式的故障频率总风险分析：
[0108] 为了将设备间多米诺效应对压缩机组造成的风险引入RCM分析过程中，本申请对动设备RCM分析的故障频率与对静设备RBI分析中的失效概率进行转换，进而与多米诺效应概率进行叠加，可以得出动设备考虑多米诺效应风险后的总风险。
[0109] 对此，本申请针对故障频率与失效概率之间的转换以及相关计算步骤如下：
[0110] 1、将故障频率按照风险等级转换成RBI分析中的失效概率(每一等级进行等比例转换)。
[0111] 2、将失效概率与多米诺失效概率相加得出总失效概率。
[0112] 3、将总失效概率按照步骤1逆计算转化成总故障频率。
[0113] 4、将总故障频率通过Fuzzy转化成模糊数进行风险计算。
[0114] 故障频率与失效概率值的转化公式如式(10)：
[0115]
[0116] 式中，a、b分别表示故障频率等级区间的上限和下限，c、d分别表示失效概率等级区间的上限和下限，x表示故障模式的故障频率，y表示对应的失效概率值。
[0117] 构建三维风险矩阵色谱图的总体思路为：首先，基于三角模糊数确定风险等级表征值；然后，基于故障频率、故障后果、难检测度计算三维风险矩阵；最后，绘制三维风险矩阵色谱图。具体过程描述如下：
[0118] 首先基于三角模糊数确定风险等级表征值：
[0119] 在进行风险推理之前，需要定义输入和输出的模糊语言变量并确定相应的隶属度函数，这可以通过以下步骤完成：首先将输入变量(失效概率值，失效后果值)和输出变量(风险值)视为模糊语言变量，并与风险矩阵保持一致。此后将输入变量和输出变量等级分别以[0,10]论域上的三角模糊数A＝[a,b,c]表示，如表4所示，包括输入变量的等级低(L)，较低(RL)，中等(M)，较高(RH)、高(H)和输出变量的等级低(L)，中等(M)，较高(RH)、高(H)。最后，可以通过模糊变量的三角模糊数，得到输入变量和输出变量的隶属度函数。
[0120] 表4模糊语言变量的三角模糊数
[0121]等级 低(L) 较低(RL) 中(M) 较高(RH) 高(H)
输入 (0,0,2.5) (0,2.5,5) (2.5,5,7.5) (5,7.5,10) (7.5,10,10)
输出 (0,2,4) — (2,4,6) (4,6,8) (6,8,10)
[0122] 在模糊控制中，输入变量的模糊化是将输入变量从精确的实数值映射为模糊语言变量，从而使其适用于模糊逻辑推理。根据输入变量隶属度函数，取相邻两个隶属度函数交点的横坐标作为各风险等级的分界点，可以得到输入变量的等级分布区间如表5所示。
[0123] 表5输入函数模糊语言变量的等级区间分布
[0124]
[0125] 由于压缩机组的风险最终通过模糊逻辑推理得出的风险值进行衡量，在此取各输入函数模糊语言变量的等级区间的中值作为风险等级的表征数值，用于对三维风险矩阵进行计算。各输入函数模糊语言变量的等级区间的中值如表6所示：
[0126] 表6输入函数模糊语言变量的等级区间中值表
[0127]
[0128] 其次基于故障频率、故障后果、难检测度计算三维风险矩阵：
[0129] 由于压缩机组的故障频率、故障后果与难检测度三者之间的重要度的不同，在此设定故障频率、故障后果、难检测度的重要度分别为40％、40％、20％，基于此对三维风险矩阵进行计算，计算结果如表7所示：
[0130] 表7三维风险矩阵数值表
[0131]
[0132] 注：表中组合列中的三个数字分别表示故障频率、故障后果、难检测度的风险等级组合，其中1表示低(L)，2表示较低(RL)，3表示中等(M)，4表示较高(RH)，5表示高(H)。
[0133] 基于输出函数等级区间分布表中四个风险等级，对三维风险矩阵数值表中各风险等级进行划分，并绘制出三维风险矩阵色谱图如图2所示。
[0134] 设备模糊风险推理分析的总体思路为：首先，基于三维风险矩阵色谱图构建模糊规则库；然后，基于模糊规则库计算压缩机组各故障模式的风险值。具体过程描述如下：
[0135] 基于三维风险矩阵色谱图构建模糊规则库：
[0136] 以5×5×5的风险矩阵色谱图为例，将其转化为模糊规则库，模糊规则共有125条，部分内容如表8所示：
[0137] 表8模糊规则库
[0138]
[0139] 基于模糊规则库计算压缩机组各故障模式的风险值：
[0140] 首先根据设备的失效概率、失效后果等级与设备风险等级的评判准则建立模糊风险系统的输入、输出隶属度函数，见图3和图4，图3为本申请实施例提供的输入变量的模糊数函数示意图，而图4为本申请实施例提供的输出变量的模糊数函数示意图。
[0141] 将失效概率等级表与失效后果等级表与模糊语言变量的等级区间分布表相对应，然后将失效概率与失效后果进行由真实值向模糊数上的映射，可以得到对应的模糊数，其计算公式如式(11)所示：
[0142]
[0143] 式中，x表示模糊数，ξ表示失效概率或失效后果的真实值；ξhigh表示真实值所属等级的上界；ξlow表示真实值所属等级的下界,p、q与表6中的等级分布区间相对应，分别表示区间的下限与上限。
[0144] 下面结合具体的实施案例，详细介绍本申请的技术方案。油气站场动设备是天然气、石油的收集、净化处理、储运等功能的关键动力设备，因此，采用油气站场中的动设备验证本申请的准确性和合理性。
[0145] 压缩机组作为油气站场中的核心动力设备，源源不断的为天然气的输送提供动力，是油气站场中极为关键的动设备。总结归纳站场动设备的故障模式，明确可接受的风险水平，完善设备设施资产完整性管理体系，有助于最大限度地确保设备设施系统的有效运行，及时消除设备设施的不安全状态。因此，对油气站场中的动设备的风险分析是非常有必要的。
[0146] 先确定所述油气站场中各压缩机组之间的多米诺效应关系。第一步信啊油气站场静设备的失效概率与固有风险分析，通过对设备的通用因子、机械因子与工艺因子三个影响因子进行分析，得到压缩机组的评判数值明细如表9所示：
[0147] 表9设备修正系数
[0148] 评判指标 评判得分通用因子 1
机械因子 5
工艺因子 0
总分 6
[0149] 压缩机组的同类失效频率、管理系统修正因子、设备修正因子及其失效概率如表10所示：
[0150] 表10压缩机组失效概率
[0151]设备 Pk Fh FD PoF
‑3 ‑3
压缩机组 6.00×10 0.203 6 7.308×10
[0152] 结合设备危险指数与固有风险的计算公式，对站场内的各设备的固有风险进行计算，计算结果如表11所示：
[0153] 表11设备固有风险
[0154]设备 COF C 固有风险
‑3 ‑1
压缩机组1 6.0×10 90.828 5.45×10
‑3 ‑1
压缩机组2 6.0×10 90.828 5.45×10
‑3 ‑1
压缩机组3 6.0×10 90.828 5.45×10
[0155] 在对设备进行多米诺风险分析之前，需要先对站场内的主要设备的位置布局信息进行绘制，站场内主要设备的平面布置简图如图5所示，图5为本申请实施例提供的主要设备的平面布置简图。
[0156] 依据油气站场主要设备的平面布置简图，首先对站场的主要设备进行编号，然后对各设备之间的距离进行计算。各设备的编号如表12所示：
[0157] 表12设备编号
[0158]设备 编号 设备 编号
过滤分离器1 1 换热器1 11
过滤分离器2 2 换热器2 12
过滤分离器3 3 换热器3 13
过滤分离器4 4 超声流量计1 14
旋风分离器1 5 超声流量计2 15
旋风分离器2 6 超声流量计3 16
旋风分离器3 7 超声流量计4 17
旋风分离器4 8 压缩机组1 18
发球筒1 9 压缩机组2 19
发球筒2 10 压缩机组3 20
[0159] 依据站场主要设备平面布置简图对各设备的距离进行计算，并通过设备间距离矩阵绘制设备间距映射曲面图如图6所示，图6为本申请实施例提供的设备间距映射曲面图，便于直接观测出设备间的距离关系。
[0160] 依据设备之间的距离关系，本申请通过计算爆炸冲击波正相最大超压来对设备之间的多米诺效应引起的设备失效概率fi,j进行计算，并通过多米诺效应失效概率矩阵绘制出设备间多米诺效应风险图如图7所示，图7为本申请实施例提供的设备间多米诺效应风险图，通过图7可以看出，设备间距离越小，多米诺效应失效概率越高。
[0161] 依据上文实施例中的公式(2)～(6)对压缩机组的多米诺失效概率进行计算，结果如表13所示：
[0162] 表13压缩机组多米诺效应风险
[0163]
[0164]
[0165] 此后执行故障频率与失效概率之间的转换。先利用层次分析法确定故障模式权重占比：
[0166] 由于压缩机组各故障模式分别对压缩机的正常运行产生不同的影响，在此通过层次分析法对各故障模式通过两两比较的方式确定其相对重要性，进而得出各故障模式的影响权重值。
[0167] 通过调查专家对各故障模式的主观判断评价，依据九分标度法得出一致判断矩阵如公式(12)：
[0168]
[0169] 可通过python计算得出一致判断矩阵的特征值λmax＝6.049，且CR＝7.93×10‑3＜0.1，通过一致性检验。
[0170] 此后应用算术平均法计算权重：
[0171] 第一步、将各列做归一化处理；
[0172] 第二步、将归一化后的矩阵的各列相加，得到一个列向量；
[0173] 第三步、将这个列向量除以n，得到权重矩阵w，其中n为原列数。
[0174] 通过python对一致判断矩阵进行计算，得出压缩机组各故障模式的权重矩阵如下：
[0175]
[0176] 执行压缩机组各故障模式多米诺效应风险分析时，基于上述计算得出的压缩机组各故障模式的权重矩阵，对三组压缩机组各故障模式的多米诺效应风险进行计算，结果如表14所示：
[0177] 表14压缩机组多米诺效应影响失效概率
[0178]
[0179]
[0180] 压缩机组各故障模式的故障频率风险分析时，将压缩机组的各故障模式的故障频率通过公式(10)转化成失效概率，转化结果如表15所示：
[0181] 表15故障模式失效概率
[0182]故障模式 故障频率 失效概率
‑1
振动或异响 6 4.996×10
‑3
喘振 0.6 2.543×10
‑2
密封泄漏 3.91 4.628×10
‑3
出口介质温度异常 2.3 7.175×10
‑2
轴承温度高 3.22 1.807×10
‑3
异常停机 1.6 5.268×10
[0183] 最后执行压缩机组各故障模式的故障频率总风险分析：结合压缩机组自身的各故障模式的故障频率与站场多米诺效应对压缩机组的影响，各故障模式的故障频率总风险如表16所示：
[0184] 表16压缩机组失效概率总风险
[0185]
[0186] 将压缩机组的各故障模式的失效概率通过公式(10)转化成故障频率，转化结果如表17所示：
[0187] 表17压缩机组故障频率总风险
[0188]
[0189] 在第三阶段，执行设备模糊风险推理分析。
[0190] 首先进行故障频率模糊数计算：
[0191] 为了对压缩机组的故障模式进行风险分析，由公式(11)可将各故障模式的故障频率转化成模糊数，如表18所示：
[0192] 表18压缩机组故障频率模糊数
[0193]
[0194] 故障后果、难检测度模糊数计算
[0195] 由于故障后果与难检测度的风险度量均为定性分析，故取其对应风险等级区间的中值作为其模糊数，用于对风险值进行计算。故障后果与难检测度的模糊数值如表19所示：
[0196] 表19故障后果、难检测度模糊数
[0197]
[0198]
[0199] 基于上文隶属度函数与模糊规则库的映射条件，通过Matlab软件中的Fuzzy Logic Designer程序对压缩机组故障模式的风险值进行计算。计算结果如表20～22所示：
[0200] 压缩机组1的风险值如表20所示：
[0201] 表20压缩机组1风险值
[0202]
[0203] 压缩机组2的风险值如表21所示：
[0204] 表21压缩机组2风险值
[0205]
[0206] 压缩机组3的风险值如表22所示：
[0207] 表22压缩机组3风险值
[0208]
[0209]
[0210] 三维风险矩阵各面的风险单元图如图8所示，图8为本申请实施例提供的压缩机组1故障模式风险单元分布图，从左到右分别代表三维风险矩阵的从内到外的五层展开图。以压缩机组1的计算结果为例，各故障模式的风险值在三维风险矩阵中的风险单元位置分布如图8所示。
[0211] 风险等级的表征图如图9所示，从左到右分别代表低(L)、中等(M)、较高(RH)高(H)四个风险等级。以压缩机组1的计算结果为例，各故障模式的风险值在三维风险矩阵中的风险单元位置分布如图9所示，图9为本申请实施例提供的压缩机组1故障模式风险等级分布图。
[0212] 通过图9可以看出，压缩机组1的六种主要故障模式中，喘振的风险等级为M，密封泄漏、轴承温度高与出口介质温度异常的风险等级为RH，异常停机与振动或异响的风险等级为H。由此可知，压缩机组1的故障模式的风险等级较高，需要及时对压缩机组的故障模式制定维护计划。
[0213] 在不考虑站场的多米诺效应对压缩机组各故障模式的影响的情况下，通过模糊风险推理对各故障模式的风险值进行计算，计算结果如表19所示：
[0214] 基于上述对压缩机组各故障模式的原始风险值与考虑多米诺效应影响的风险值计算，可以得出3组压缩机组考虑多米诺效应影响前后的风险等级对比图，如图10所示，图10为本申请实施例提供的压缩机组风险等级对比图。
[0215] 通过图10可以看出出口介质温度异常与异常停机的风险等级受到多米诺效应影响后，风险等级增大，其余故障模式的风险等级未发生变化。
[0216] 基于上述对压缩机组各故障模式的原始风险值与考虑多米诺效应影响的风险值计算，可以得出3组压缩机组考虑多米诺效应影响前后的风险值对比图，如图11至图13所示，其中，图11为本申请实施例提供的压缩机组1风险值对比图，图12为本申请实施例提供的压缩机组2风险值对比图，图13为本申请实施例提供的压缩机组3风险值对比图。
[0217] 通过图11至图13可以看出异常停机受到站场多米诺效应的风险影响较大，喘振与出口温度异常受到的影响次之，振动或异响、轴承温度高与密封泄漏受站场多米诺效应的影响较小。
[0218] 本申请实施例通过引入模糊推理的方法，将压缩机组故障模式通过风险值进行度量，实现了不同故障模式风险的量化，可以通过风险值的排序判断压缩机组故障模式风险严重程度的大小，避免了风险结的发生。而传统RCM分析方法只能对动设备风险进行定性分析，而无法区分同一风险等级不同故障模式的风险严重程度，容易产生风险结。
[0219] 本申请通过引入多米诺效应原理，充分考虑到站场内设备之间的相互影响关系，并将设备间多米诺效应的影响量化为多米诺失效概率。设备的风险由设备固有风险与设备间多米诺失效风险共同组成。从油气站场系统的角度对设备间多米诺失效风险进行计算，使得设备风险评估更加符合实际情况。而传统RCM分析方法进行风险等级判定时仅对单个设备进行风险评估，而未考虑油气站场内设备间相互影响关系，使得风险评估结果不符合实际。
[0220] 本申请通过建立失效概率与故障频率之间的转换关系，将多米诺失效概率与故障频率转换后进行叠加，得到压缩机组各故障模式在整个油气站场系统受到的总风险，使得风险评估结果更加精准。而传统RCM分析方法仅考虑动设备本身的故障频率对设备风险的影响，而未考虑到多米诺效应风险的影响。
[0221] 本申请还提供了一种计算机可读存储介质，其上存有计算机程序，该计算机程序被执行时可以实现上述实施例所提供的步骤。该存储介质可以包括：U盘、移动硬盘、只读存储器(Read‑Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0222] 本申请还提供一种油气站场压缩机组的风险评估系统，包括：
[0223] 多米诺效应计算模块，用于确定所述油气站场中各压缩机组之间的多米诺效应关系；
[0224] 故障频率计算模块，用于确定所述多米诺效应关系下的失效概率，并执行所述失效概率和故障频率之间的概率转换，得到所述故障频率；
[0225] 风险计算模块，用于构建所述故障频率对应的三维风险矩阵色谱图；
[0226] 风险评估模块，利用所述三维风险矩阵色谱图对所述压缩机组进行设备模糊风险计算，确定所述压缩机组的风险状态。
[0227] 本申请还提供了一种电子设备，参见图14，本申请实施例提供的一种电子设备的结构图，如图14所示，可以包括处理器1410和存储器1420。
[0228] 其中，处理器1410可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器1410可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1410也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器1410可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器1410还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
[0229] 存储器1420可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器1420还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器1420至少用于存储以下计算机程序1421，其中，该计算机程序被处理器1410加载并执行之后，能够实现前述任一实施例公开的由电子设备侧执行的方法中的相关步骤。另外，存储器1420所存储的资源还可以包括操作系统1422和数据1423等，存储方式可以是短暂存储或者永久存储。其中，操作系统1422可以包括Windows、Linux、Android等。
[0230] 在一些实施例中，电子设备还可包括有显示屏1430、输入输出接口1440、通信接口1450、传感器1460、电源1470以及通信总线1480。
[0231] 当然，图14所示的电子设备的结构并不构成对本申请实施例中电子设备的限定，在实际应用中电子设备可以包括比图14所示的更多或更少的部件，或者组合某些部件。
[0232] 说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例提供的系统而言，由于其与实施例提供的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0233] 本申请中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
[0234] 还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
