贝叶斯网络需基于故障树进行构造,在静态系统中,静态贝叶斯网络与静态故障树结合,拓展了故障树的求解方法,但只能描述静态失效行为,无法描述时序性、相关性、顺序性和冗余性等动态失效行为;在动态系统中,离散时间、连续时间贝叶斯网络与Dugan动态故障树结合,简化了Dugan动态故障树的计算,但难以刻画系统全部的静、动态失效行为,故现有的基于Dugan动态故障树的离散时间和连续时间贝叶斯网络贝叶斯分析方法存在局限性。T-S动态故障树分析方法突破了Dugan动态故障树分析方法的局限性,能够刻画任意静、动态失效行为。针对上述不足,为充分发挥T-S动态故障树和贝叶斯网络在分析建模和推理计算的优势,提出新型连续时间贝叶斯网络分析方法,即基于T-S动态故障树的连续时间贝叶斯网络分析方法,以及基于此的重要度及灵敏度分析方法。首先,提出一种新型连续时间贝叶斯网络分析方法,给出T-S动态故障树向连续时间贝叶斯网络的转化方法,提出连续时间贝叶斯网络叶节点故障概率算法、根节点后验概率算法。为验证所提方法的可行性,将其与静态贝叶斯网络分析方法、基于Dugan动态故障树的离散时间和连续时间贝叶斯网络分析方法、离散时间和连续时间T-S动态故障树分析方法进行对比分析。然后,提出新型连续时间贝叶斯网络的概率重要度、关键重要度、微分重要度、综合重要度、改善函数、风险业绩值、风险降低值、灵敏度,给出静态和离散时间贝叶斯网络重要度及灵敏度算法,并与静态贝叶斯网络和离散时间贝叶斯网络重要度及灵敏度算法对比,进而验证所提出的新型连续时间贝叶斯网络重要度及灵敏度算法的可行性。最后,将所提新型连续时间贝叶斯网络方法应用于风电机组液压制动系统和卫星电源系统的可靠性分析,求解系统的故障概率及各部件的后验概率,进而求得各部件的概率重要度、关键重要度、微分重要度、综合重要度、改善函数、风险业绩值、风险降低值、灵敏度,为帮助发现系统薄弱环节、改进系统设计、故障诊断与维修提供依据。