传统故障树和T-S故障树分析方法仅能描述静态逻辑关系。Dugan动态故障树分析方法不可以描述任意形式的静、动态逻辑关系,且通常需借助Markov链、Monte Carlo等方法求解,无法直接进行定量分析。T-S动态故障树分析方法克服了现有静、动态故障树分析方法的不足。利用T-S动态故障树和贝叶斯网络模型综合求解,可充分发挥两种方法在机理分析建模与推理计算求解的优势,为此,研究基于T-S动态故障树的离散时间贝叶斯网络分析方法,以及基于此的重要度与灵敏度分析方法。首先,研究T-S动态故障树分析方法。介绍T-S动态故障树的建造流程以及T-S动态门的描述规则,包括时间状态规则和事件发生规则,给出T-S动态门输入、输出规则算法。通过与马尔科夫链和蒙特卡洛方法求解Dugan动态故障树分析方法、T-S故障树分析方法三种方法进行对比,验证T-S动态故障树分析方法的可行性和简便性。其次,研究T-S动态故障树向离散时间贝叶斯网络的转化方法。介绍基于T-S动态故障树的离散时间贝叶斯网络有向无环图,给出离散时间贝叶斯网络条件概率表和叶节点故障概率及根节点后验概率算法,通过与T-S动态故障树分析方法对比,验证基于T-S动态故障树的离散时间贝叶斯网络分析方法的可行性。然后,针对系统中部件的重要性测度问题,提出离散时间贝叶斯网络重要度与灵敏度算法,包括风险重要度、改善函数、微分重要度及灵敏度。通过与静态贝叶斯网络重要度与灵敏度对比,验证所提算法的可行性和优越性,为不同工程应用条件下发现系统薄弱环节、改善系统可靠性提供依据。最后,用所提方法对混凝土泵液压系统进行可靠性分析,求得该系统的故障概率及各部件的概率重要度、关键重要度、风险重要度、改善函数、微分重要度以及灵敏度,并对结果进行分析,为混凝土泵液压系统的可靠性分析和系统薄弱环节的识别提供依据。