适于IMA核心处理系统的可靠性分析方法技术方案

本发明专利技术公开了一种适于IMA核心处理系统的可靠性分析方法，包括：S1，生成IMA核心处理系统典型结构GAR的动态故障树模型；S2，对生成的动态故障树进行定性和定量分析；S3，对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率，并在发生故障后进行信息更新，给到安全分析师薄弱环节信息。本发明专利技术不依赖于某种特定的概率分布和规模大小，可以很好地完成对动态故障树的分析并进行信息更新，同时减少了手动计算的开销，避免了传统的动态故障树定量分析分析方法例如Markov链产生的空间状态爆炸问题，并且达到了对不同时间段的仿真分析的高精度。

【技术实现步骤摘要】
适于IMA核心处理系统的可靠性分析方法
本专利技术涉及航空电子系统安全性
，具体而言涉及一种适于IMA核心处理系统的可靠性分析方法。
技术介绍
随着技术的进步，安全关键系统的复杂性和规模越来越庞大。安全关键系统是需要保障人类生命、环境健康和财务保障的系统。医疗和外科设备、航空和空中交通管制、危险和有毒化学过程以及核电站等都属于安全关键系统。不同的关键性能指标，如可靠性、安全性、可用性和安全性，已被引入作为安全关键系统的评估措施。系统的可靠性可以定义为在一定的和预先定义的时间内，系统按照预期运行而没有任何故障或故障的概率。许多经典的系统可靠性分析技术如故障树分析(FTA)、失效模式效应和临界性分析(FMECA)等均可以用来评估系统的可靠性。其中FTA是评估系统可靠性最常用的方法，广泛应用于核工业系统、机械系统、电气系统、液压系统等系统。传统的静态故障树只关注组件之间的简单逻辑组合，而忽略了组件之间的依赖关系或时序关系等动态特性。因此，在分析复杂动态系统的失效特性时存在较大的误差。为了弥补短缺的动态特性的静态故障树模型,提出了在故障树的基础上,扩展了功能相关门(FDEP),备件门(WSPCSP,HSP),优先与门(PAND)等动态逻辑门,应用马尔可夫理论分析的动态故障树模型来解决。但传统的马尔科夫方法仅适用于指数分布，且存在状态空间爆炸问题，难以应用于大型动态故障树分析。贝叶斯网络(BN)是一个由节点和有向边组成的有向无环图，离散时间贝叶斯网络(DTBN)是一个有N个节点的BN，一般表示N＝<<X,E>,P>，图中节点X＝{X1，…，XN}表示变量，组件状态值、人员操作等现象都可以抽象为节点变量。有向边E表征节点变量之间的因果关系。在(Xi,Xj)中，Xi是Xj的父结点，Xj是Xi的子结点。没有父节点的节点是根节点，没有子节点的节点是叶节点。有向图蕴涵条件独立性。P表示条件概率分布(CPD)。离散时间贝叶斯网络中任务时间T被划分为n个相等的时间间隔，每个时间间隔的长度为△＝T/n，整个任务时间被划分为n+1个部分:[0，△]，[△，2△]，[2△，3△]，…，[(N-1)△，N△]，[N△，+∞]。若节点E＝[(x-1)△，x△]，则节点E在[(x-1)△，x△]区间内失效，或节点E处于x状态，若顶事件ET失败，则必须在该(n+1)时间区间内发生。从贝叶斯网络隐含的独立性假设可以看出，在知道根节点的先验概率分布和非根节点的条件概率分布的前提下，可以得到包含所有节点的联合概率分布。贝叶斯网络在系统建模、推理和诊断等方面的优势，在可靠性分析中得到了广泛的应用。例如，专利号为CN104317990A的专利技术中提出了一种基于风险的多阶段任务航天器可靠性改进方法，能够实现多阶段任务航天器常规失效、冗余备份失效及相关失效建模分析，得到任务后果状态概率和主要风险因素，为航天器可靠性改进提供技术支撑。然而，该可靠性改进方法并没有提出具体的风险特性模型的创建方法，也未涉及空间状态爆炸问题和计算量大的问题的解决方案。专利号为CN111311092A的专利技术中提出了一种基于煤气化设备动态风险的评估方法，专利号为CN111275195A的专利技术专利中提出了一种基于煤气化设备动态贝叶斯网络建模方法，结合这两件专利技术，可以根据动态/静态逻辑门向动态贝叶斯网络的转换规则，将故障树转换为动态贝叶斯网络模型，最后导入事件的历史信息和应用模糊集理论确定根节点的先验概率，凭借贝叶斯网络的反向推理功能推导根节点的后验概率并进行排序，从而确定系统的薄弱环节。然而，第一，煤气化设备和IMA核心处理系统的结构及复杂度不同，适于煤气化设备的动态风险评估方法不适用于评估IMA核心处理系统的可靠性，第二，在前述专利技术中，故障树模型转换规则中，计算节点条件概率分布时需要结合多个事件的概率密度函数，计算量大，且没有考虑不同离散时间状态下故障概率，不能很好地获得多状态下顶事件发生的概率。
技术实现思路
本专利技术针对现有技术中的不足，提供一种适于IMA核心处理系统的可靠性分析方法，基于离散时间贝叶斯网络(DTBN)对动态故障树(DFT)进行定性和定量分析，该方法采用离散时间贝叶斯网络，不依赖于某种特定的概率分布和规模大小，可以很好地完成对动态故障树的分析并进行信息更新，同时减少了手动计算的开销，避免了传统的动态故障树定量分析分析方法例如Markov链产生的空间状态爆炸问题，并且达到了对不同时间段的仿真分析的高精度。为实现上述目的，本专利技术采用以下技术方案：一种适于IMA核心处理系统的可靠性分析方法，所述可靠性分析方法包括以下步骤：S1，根据专家经验和已有的故障事件信息生成IMA核心处理系统典型结构GAR的动态故障树，生成的动态故障树是一个单一动态故障树或一组动态故障树，用来表示可能导致系统故障的所有组件故障的可能组合；S2，对生成的动态故障树进行定性和定量分析：S21，通过将故障树转换为最小割集以进行定性分析，最小割集是导致顶部事件的必要和充分的基本事件的最小组合；S22，基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析；在定量分析中，给定单个基本事件的故障率或概率，用数学方法计算出包括顶层事件发生的概率以及重要度在内的定量可靠性指标；S3，对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率，并在发生故障后进行信息更新。为优化上述技术方案，采取的具体措施还包括：进一步地，步骤S1中，所述生成IMA核心处理系统典型结构GAR的动态故障树的过程包括以下步骤：从系统输出的偏差开始，演绎地遍历系统架构，即从系统级输出到组件级故障，以检查故障通过组件之间的连接传播，并结合各个组件的本地故障树，直到没有连接的组件存在为止。进一步地，步骤S22中，所述基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析的过程包括以下步骤：S221，将基本事件转换为根节点，将中间事件转换为中间节点，将顶部事件转换为叶节点，完成DFT到DTBN的图形映射；所述中间事件为逻辑门；S222，通过填充根节点的先验概率值和其他节点的条件概率表来完成数值映射，所述先验概率值为基于基本事件的故障概率，节点的先验概率表中每个条目表示各自事件处于特定状态的概率；假定故障概率分布为指数分布，在区间(t1,t2)内某一组件失效的概率，通过对指数分布密度函数拟合出如下计算方式：式中，X离散时间贝叶斯网络中的某一组件节点，λ为该组件的故障概率。一旦每个根节点分配了先验概率值，则根据各逻辑门的失效机理生成所有中间节点的条件概率值，中间节点出于某种状态的概率值取值0或1，取决于其父节点的状态。进一步地，步骤S3中，所述对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率的过程包括以下步骤：利用根节点的失效概率数据和各中间本文档来自技高网...

【技术保护点】
1.一种适于IMA核心处理系统的可靠性分析方法，其特征在于，所述可靠性分析方法包括以下步骤：/nS1，根据专家经验和已有的故障事件信息生成IMA核心处理系统典型结构GAR的动态故障树，生成的动态故障树是一个单一动态故障树或一组动态故障树，用来表示可能导致系统故障的所有组件故障的可能组合；/nS2，对生成的动态故障树进行定性和定量分析：/nS21，通过将故障树转换为最小割集以进行定性分析，最小割集是导致顶部事件的必要和充分的基本事件的最小组合；/nS22，基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析；在定量分析中，给定单个基本事件的故障率或概率，用数学方法计算出包括顶层事件发生的概率以及重要度在内的定量可靠性指标；/nS3，对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率，并在发生故障后进行信息更新。/n

【技术特征摘要】
1.一种适于IMA核心处理系统的可靠性分析方法，其特征在于，所述可靠性分析方法包括以下步骤：
S1，根据专家经验和已有的故障事件信息生成IMA核心处理系统典型结构GAR的动态故障树，生成的动态故障树是一个单一动态故障树或一组动态故障树，用来表示可能导致系统故障的所有组件故障的可能组合；
S2，对生成的动态故障树进行定性和定量分析：
S21，通过将故障树转换为最小割集以进行定性分析，最小割集是导致顶部事件的必要和充分的基本事件的最小组合；
S22，基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析；在定量分析中，给定单个基本事件的故障率或概率，用数学方法计算出包括顶层事件发生的概率以及重要度在内的定量可靠性指标；
S3，对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率，并在发生故障后进行信息更新。


2.根据权利要求1所述的适于IMA核心处理系统的可靠性分析方法，其特征在于，步骤S1中，所述生成IMA核心处理系统典型结构GAR的动态故障树的过程包括以下步骤：
从系统输出的偏差开始，演绎地遍历系统架构，即从系统级输出到组件级故障，以检查故障通过组件之间的连接传播，并结合各个组件的本地故障树，直到没有连接的组件存在为止。


3.根据权利要求1所述的适于IMA核心处理系统的可靠性分析方法，其特征在于，步骤S22中，所述基于离散时间贝叶斯网络算法将生成的动态故障树转换成离散时间贝叶斯网络结构来进行定量分析的过程包括以下步骤：
S221，将基本事件转换为根节点，将中间事件转换为中间节点，将顶部事件转换为叶节点，完成DFT到DTBN的图形映射；所述中间事件为逻辑门；
S222，通过填充根节点的先验概率值和其他节点的条件概率表来完成数值映射，所述先验概率值为基于基本事件的故障概率，节点的先验概率表中每个条目表示各自事件处于特定状态的概率；
假定故障概率分布为指数分布，在区间(t1,t2)内某一组件失效的概率，通过对指数分布密度函数拟合出如下计算方式：



式中，X代表节点变量，λ为基本组件的故障概率；
一旦每个根节点分配了先验概率值，则根据各逻辑门的失效机理生成所有中间节点的条件概率值，中间节点处于某种状态的概率值取值0或1，取决于其父节点的状态。


4.根据权利要求3所述的适于IMA核心处理系统的可靠性分析方法，其特征在于，步骤S3中，所述对转换后的离散时间贝叶斯网络进行顶事件概率的计算，通过联合概率分布算法计算顶事件发生的概率的过程包括以下步骤：
利用根节点的失效概率数据和各中间节点的条件概率表来获取系统失效概率；
利用离散时间贝叶斯网络的条件独立性假设，利用链式法确定一组随机变量{X1，X2，...，Xn}的联合概率分布为：



式中，Xi为贝叶斯网络中的节点变量，parent(Xi)表示节点Xi的父节点，1≤i≤n，n是节点变量总数。


5.根据权利要求1或者4所述的适于IMA核心处理系统的可靠性分析方法，其特征在于，步骤S3中，各逻辑门转换为离散时间贝叶斯网络的策略包括：
设N＝2，△＝T/N，将任务时间划分为3个时间间隔：(0，△)、(△，T)和(T，+∞)，T为任务时间，分别对应三种状态(1，2，3)；
假设状态事件仅用于工作或故障状态，那么所有的事件都是相互独立的；
设X表示贝叶斯网络中所有节点的状态的总称，S表示输出门Y的状态，用逻辑门构造时间离散条件概率表的方式包括：
(1...

【专利技术属性】
技术研发人员：王立松，张琴，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32