一种无人系统可靠性分析方法、系统及电子设备技术方案

本发明专利技术公开一种无人系统可靠性分析方法、系统及电子设备，涉及无人系统控制技术领域。本发明专利技术通过构建无人系统超网络模型，能够提取无人系统的结构要素及其关联关系，在此基础上构建Petri网模型，结合基于需求设计的无人系统可靠性度量指标与可靠性测试用例，能够实现对无人系统不同功能的可靠性评估，进而解决现有技术中无法很好的从可靠性角度出发描述无人系统整体性能的问题。人系统整体性能的问题。人系统整体性能的问题。

【技术实现步骤摘要】
一种无人系统可靠性分析方法、系统及电子设备


[0001]本专利技术涉及无人系统控制
，特别是涉及一种无人系统可靠性分析方法、系统及电子设备。

技术介绍

[0002]无人系统作为一种复杂系统，具有结构复杂、故障复杂、传播复杂等特点。传统可靠性指标与测评方法更多的是从静态分析的角度对无人系统的可靠性进行测评，或者单一地对无人系统的组件可靠性进行测评，忽视了无人系统的动态特性，即不同工作阶段的功能特征与运行特征，故无法很好的描述无人系统整体的可靠性性能。

技术实现思路

[0003]为解决现有技术存在的上述问题，本专利技术提供了一种无人系统可靠性分析方法、系统及电子设备。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种无人系统可靠性分析方法，包括：
[0006]构建无人系统超网络模型；
[0007]基于所述无人系统超网络模型构建无人系统Petri网模型；
[0008]基于所述无人系统Petri网模型确定无人系统可靠性度量指标；
[0009]基于所述无人系统超网络模型生成可靠性测试用例集；
[0010]基于所述可靠性测试用例集中每一测试用例构建Petri网；
[0011]基于所述无人系统Petri网模型的执行原理和执行过程，统计各所述Petri网的可量化元素；
[0012]基于无人系统可靠性度量指标与所述Petri网的可量化元素间的映射关系，确定无人系统的单一功能维度和任务可靠性。
[0013]可选地，所述构建无人系统超网络模型，具体包括：
[0014]提取无人系统特征；所述无人系统特征包括：无人系统组成结构、无人系统组织层次架构、无人系统指控架构和无人系统运行能力；
[0015]运用MBSE建模工具将所述无人系统特征转换为基于MBSE的无人系统模型的要素，以生成无人系统体系模型组；
[0016]将所述无人系统体系模型组转化为所述无人系统超网络模型。
[0017]可选地，所述将所述无人系统体系模型组转化为所述无人系统超网络模型，具体包括：
[0018]定义无人系统的感知
‑
决策
‑
驱动功能；
[0019]结合定义的感知
‑
决策
‑
驱动功能，依次定义单层网络模型的节点与连边，并将所述无人系统体系模型组依次转化为单层网络模型组；所述单层网络模型组包括：
[0020]根据所述单层网络模型组所描述的无人系统的组成及交互关系，补充完善所述单
层网络模型组；
[0021]根据无人系统运行过程中的指控关系，定义单层网络模型组中各单层网络模型间的耦合连边，以形成所述无人系统超网络模型；所述无人系统超网络模型为涵盖决策层、协同层与物理层的多层超网络模型。
[0022]可选地，所述基于所述无人系统超网络模型构建无人系统Petri网模型，具体包括：
[0023]基于所述无人系统超网络模型构建感知
‑
决策Petri网模型；
[0024]基于所述无人系统超网络模型构建决策
‑
驱动Petri网模型。
[0025]可选地，所述基于所述无人系统超网络模型构建感知
‑
决策Petri网模型，具体包括：
[0026]将所述无人系统超网络模型中的要素提取并抽象为Petri网的元素；所述Petri网的元素包括：库所、变迁和令牌；
[0027]基于所述Petri网的元素分析无人系统中感知至决策阶段的态势感知与决策逻辑流程，从结构视角出发构建结构维感知
‑
决策Petri网模型，从功能视角出发构建功能维感知
‑
决策Petri网模型，并将所述功能维感知
‑
决策Petri网模型嵌套于所述结构维感知
‑
决策Petri网模型中得到感知
‑
决策Petri网模型。
[0028]可选地，所述基于所述无人系统超网络模型构建决策
‑
驱动Petri网模型，具体包括：
[0029]将所述无人系统超网络模型中任务层与协同层的要素提取并抽象为Petri网的元素；
[0030]基于所述Petri网的元素分析无人系统中决策至驱动阶段的决策生成与决策执行流程，并从功能视角出发构建功能维决策
‑
驱动Petri网模型。
[0031]可选地，所述无人系统可靠性度量指标包括：感知
‑
决策可靠性指标、决策
‑
驱动可靠性指标和任务可靠性指标。
[0032]可选地，所述基于所述无人系统超网络模型生成可靠性测试用例集，具体包括：
[0033]基于所述无人系统超网络模型明确无人系统的关键参数及与所述关键参数相应的取值集合；
[0034]基于无人系统的关键参数及与所述关键参数相应的取值集合，构建正交表；所述正交表中每一行都代表一组测试用例，每一个测试用例中均包括多个测试参数。
[0035]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0036]本专利技术提供的无人系统可靠性分析方法，通过构建无人系统超网络模型，提取无人系统的结构要素及其关联关系，在此基础上构建Petri网模型，结合基于需求设计的无人系统可靠性度量指标与可靠性测试用例，能够实现对无人系统不同功能的可靠性评估，进而解决现有技术中无法很好的从可靠性角度出发描述无人系统整体性能的问题。
[0037]此外，本专利技术还提供了以下实施结构：
[0038]一种无人系统可靠性分析系统，应用上述提供的无人系统可靠性分析方法；所述系统包括：
[0039]超网络模型构建模块，用于构建无人系统超网络模型；
[0040]Petri网模型构建模块，用于基于所述无人系统超网络模型构建无人系统Petri网
模型；
[0041]度量指标确定模块，用于基于所述无人系统Petri网模型确定无人系统可靠性度量指标；
[0042]用例集生成模块，用于基于所述无人系统超网络模型生成可靠性测试用例集；
[0043]Petri网构建模块，用于基于所述可靠性测试用例集中每一测试用例构建Petri网；
[0044]可量化元素统计模块，用于基于所述无人系统Petri网模型的执行原理和执行过程，统计各所述Petri网的可量化元素；
[0045]可靠性确定模块，用于基于无人系统可靠性度量指标与所述Petri网的可量化元素间的映射关系，确定无人系统的单一功能维度和任务可靠性。
[0046]一种电子设备，包括：
[0047]存储器，用于存储计算机程序；
[0048]处理器，与所述存储器连接，用于调取并执行所述计算机程序，以实施上述提供的无人系统可靠性分析方法。
[0049]因本专利技术提供的上述两种实施结构实现的技术效果与本专利技术提供的无人系统可靠性分析方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人系统可靠性分析方法，其特征在于，包括：构建无人系统超网络模型；基于所述无人系统超网络模型构建无人系统Petri网模型；基于所述无人系统Petri网模型确定无人系统可靠性度量指标；基于所述无人系统超网络模型生成可靠性测试用例集；基于所述可靠性测试用例集中每一测试用例构建Petri网；基于所述无人系统Petri网模型的执行原理和执行过程，统计各所述Petri网的可量化元素；基于无人系统可靠性度量指标与所述Petri网的可量化元素间的映射关系，确定无人系统的单一功能维度和任务可靠性。2.根据权利要求1所述的无人系统可靠性分析方法，其特征在于，所述构建无人系统超网络模型，具体包括：提取无人系统特征；所述无人系统特征包括：无人系统组成结构、无人系统组织层次架构、无人系统指控架构和无人系统运行能力；运用MBSE建模工具将所述无人系统特征转换为基于MBSE的无人系统模型的要素，以生成无人系统体系模型组；将所述无人系统体系模型组转化为所述无人系统超网络模型。3.根据权利要求2所述的无人系统可靠性分析方法，其特征在于，所述将所述无人系统体系模型组转化为所述无人系统超网络模型，具体包括：定义无人系统的感知
‑
决策
‑
驱动功能；结合定义的感知
‑
决策
‑
驱动功能，依次定义单层网络模型的节点与连边，并将所述无人系统体系模型组依次转化为单层网络模型组；所述单层网络模型组包括：根据所述单层网络模型组所描述的无人系统的组成及交互关系，补充完善所述单层网络模型组；根据无人系统运行过程中的指控关系，定义单层网络模型组中各单层网络模型间的耦合连边，以形成所述无人系统超网络模型；所述无人系统超网络模型为涵盖决策层、协同层与物理层的多层超网络模型。4.根据权利要求3所述的无人系统可靠性分析方法，其特征在于，所述基于所述无人系统超网络模型构建无人系统Petri网模型，具体包括：基于所述无人系统超网络模型构建感知
‑
决策Petri网模型；基于所述无人系统超网络模型构建决策
‑
驱动Petri网模型。5.根据权利要求4所述的无人系统可靠性分析方法，其特征在于，所述基于所述无人系统超网络模型构建感知
‑
决策Petri网模型，具体包括：将所述无人系统超网络模型中的要素提取并抽象为Petri网的元素；所述Petri网的元素包括：库所、变迁和令牌；基于所述Petri网的元素分析无人系统中感知至决策阶段的态势感知与决策逻辑流程，从结构视角出发构建结构维感知
‑

【专利技术属性】
技术研发人员：冯凯风，李大庆，姚安卓，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：