论文部分内容阅读
航空航天可靠性的评估是航空航天领域的热点和难点。由于航空航天器可靠性关系到航空航天产品的造价、寿命以及其在空间的运行情况等多个方面,因此航空航天可靠性技术的发展关系到一个国家的经济发展、战略安全和未来的发展空间,对世界政治、经济、军事以及科技均具有重大的影响。
近年来,随着工程系统和装备所采用技术越来越先进、越来越复杂,对系统可靠性与可用性分析法提出了越来越高的要求:大型复杂系统可靠性与可用性分析方法的迫切要求；应用、普及系统可靠性工程知识,使其转化成生产力。为了适应以上要求,提高我国航空航天技术,进一步促进航空航天事业的发展,我国正逐步加深对航空航天的可靠性的研究。
故障树分析方法(Fault Tree Analysis,FTA),是将系统故障的各种原因(包括硬件、环境、人为因素),由总体至部分。按树枝状结构,自上而下逐层细化的分析方法。目前,故障树分析方法,已经从早期的航空、航天、核能等应用领域,渗透到各个工业应用领域,被公认为是可靠性和安全性分析的一种简单、有效、最有发展前途的分析方法。
因为故障树分析方法对系统的故障状态作了很多假设,主要体现在以下两方面:事件状态的二态性和故障逻辑关系的确定性；故障树中的事件都只有两种状态:正常和故障。所以这种方法更加适用于故障逻辑关系清晰、故障机理确定的系统,然而很多事件却具有多态性,例如电动机,它除了正常和故障两种状态外,还具有低于额定转速等其它故障状态,而在描述的事件具有多态性的时候,故障树就显得乏力。故障树中的逻辑门只能描述确定的逻辑关系,那就需要上下级事件之间的因果关系相当明确,但对于众多大型复杂的系统,导致其发生故障可能性有多种,上下级事件之间的因果关系也很不明确。面对这种情况,采用概率的方法来描述显得更加合适,因为逻辑门是不具有描述概率的能力的。
故障树分析方法不仅可以计算出系统(顶事件)的可靠度,而且同样能够给出底事件的重要度,但是却不能定量计算出在整个系统可靠性中某几个底事件或中间事件所占的地位。当已知系统中某些元件的状态时,用故障树分析方法很难计算出这些元件对部分系统或整个系统影响的条件概率,而往往这些条件概率对于提高和改善机械系统的可靠性的作用是很大的。例如,可以利用这些条件概率找出系统可靠性的薄弱点或薄弱环节。
贝叶斯网络具有众多其他模型无法比拟的特点和优势,归纳起来主要有以下三点:
一是贝叶斯网络能巧妙地蕴含节点变量之间的条件相关关系和因果关系,并能将多元知识图解可视化,建立知识表达和推理模型。
二是对于不确定性问题,贝叶斯网络也具有强大的处理能力。贝叶斯网络能在不完整的、有限的、不确定的信息条件下应用条件概率来表达各个信息要素之间的关联关系,从而进行学习和推理。
三是在多源信息表达与融合方面,贝叶斯网络同样能进行有效地分析。当存在各种与故障诊断相关的信息时,贝叶斯网络可以将这些信息全部以节点的方式融合到网络结构中,并进行统一处理。
从贝叶斯网络的结构可知,贝叶斯网络中的节点和有向边即关联关系是其主要构成要素。然而,在故障树结构中,同样具有两大关键要素,事件和逻辑门。通过分析比较可知,贝叶斯网络中节点与故障树的事件具有相似的描述能力；同理,贝叶斯网络中关联关系也与故障树中逻辑极其相似,都具表述抽象事件的能力。贝叶斯网络作为是一种不定性因果关联模型,能将多元知识图解可视化进行概率知识表达与推理,更能蕴含网络中各节点变量之间的条件相关关系及因果关系。因此,贝叶斯网络不仅具备故障树分析方法的推理能力,还可以对各推理要素进行定量的描述。鉴于二者如此多的相似点,我们试想将这两种方法结合起来进行可靠性分析。
由于贝叶斯网络本身节点变量间的条件独立性,基于故障树法基本思想的贝叶斯网络的推理计算,不再有单独处理的不交化计算过程和最小割集的求解,避免了不交化的大量计算,同时通过双向推理可以计算出任意一个或多个变量节点给定的条件下,网络正常工作的概率。进而通过反向推理,在网络故障条件下,计算出任意一个或多个变量节点故障的概率,对网络的薄弱环节进行诊断。桶排除法的推理算法即应用了贝叶斯网络节点变量间的条件独立性原则,进行网络的正向推理。
本文提出了基于贝叶斯网络的故障树分析方法,充分结合二者的优势,将其运用于航空航天领域可靠性评估。最后本文结合航空领域中一个典型的实例,在我们自己独立研发的航空航天可靠性计算平台上进行了实验仿真,经过计算分析,得到了更为全面有效的结果,从而进一步验证了算法的可行性和准确性。