CN104573224B - 一种基于模型检测技术的复杂机电系统可靠性评估方法 - Google Patents
一种基于模型检测技术的复杂机电系统可靠性评估方法 Download PDFInfo
- Publication number
- CN104573224B CN104573224B CN201510003352.7A CN201510003352A CN104573224B CN 104573224 B CN104573224 B CN 104573224B CN 201510003352 A CN201510003352 A CN 201510003352A CN 104573224 B CN104573224 B CN 104573224B
- Authority
- CN
- China
- Prior art keywords
- electromechanical systems
- complex electromechanical
- reliability
- complex
- state
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/82—Elements for improving aerodynamics
Landscapes
- Test And Diagnosis Of Digital Computers (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于模型检测技术的复杂机电系统可靠性评估方法，通过对复杂机电系统进行可靠性分析形式化建模以及可靠性要求的形式化表达，利用模型检测工具由计算机自动判断系统是否满足预期设定的可靠性指标并且求解系统可靠度以及各种故障模式发生的概率。该方法克服了传统机电系统可靠性评价方法建模、评估过程复杂的缺点，提高了复杂机电系统可靠性评估的效率和准确性。
Description
【技术领域】
本发明属于机电系统领域，特别涉及一种复杂机电系统可靠性评估方法。
【背景技术】
目前国内外在复杂机电系统可靠性评估中最为常用的方法是故障树(FTA)分析方法以及失效模式和效应(FMEA)分析方法。但值得注意的是：1)FMEA需要分析基本单元(系统元件)失效模式可能导致的系统故障(潜在故障)，但这一分析过程是定性的、借助领域专家的经验完成的，不仅容易出错，而且对由大量元件组成的复杂机电系统显得非常繁琐和耗时；2)FTA分析方法首先需要建立故障树(FTA本身并不能帮助研究故障原因及其相互关系，进而构建故障树)，而建树过程复杂，不仅需要完整地确定各个故障事件及其原因事件，还要求准确描述各事件间的逻辑关系。如果故障树节点中的故障事件(故障模式)事先辨识不正确，或故障事件之间的因果关系不准确，则基于故障树的可靠性评估将失去意义。
【发明内容】
本发明的目的在于提供一种基于模型检测技术的复杂机电系统可靠性评估方法，通过计算机技术自动而详尽的搜索系统的有穷状态空间进而判断其是否满足预期设定的可靠性要求并识别各种故障模式发生的概率，进而实现复杂机电系统的可靠性评估。
为了实现上述目的，本发明采用如下技术方案：
一种基于模型检测技术的复杂机电系统可靠性评估方法，包括以下步骤：
1)构建复杂机电系统的状态空间；
2)建立复杂机电系统可靠性分析的形式化模型；
3)复杂机电系统可靠性要求的形式化规约；
4)复杂机电系统各种潜在故障模式的形式化规约；
5)复杂机电系统的形式化验证：根据步骤2)建立的复杂机电系统可靠性分析的形式化模型以及步骤3)、4)建立的可靠性要求的形式化规约、潜在故障模式的形式化规约，输入到模型检测工具，通过计算机自动搜索复杂机电系统的有穷状态空间，判断复杂机电系统是否满足预期设定的可靠性指标并求解复杂机电系统的可靠度以及各种潜在故障模式发生的概率，实现系统的可靠性评估。
优选的，步骤1)具体包括以下步骤：首先分析复杂机电系统功能，包括复杂机电系统总功能以及为了实现总功能，复杂机电系统内各组成部分要实现的元功能；其次分析系统的结构组成，对系统进行结构层次划分，研究各层次的结构组成以及子系统内元部件之间以及不同子系统内元部件之间的逻辑关系，通过状态变迁描述系统内不同组成部分为了实现系统总功能而发生的行为过程；另一方面，考虑复杂机电系统内不同元部件在潜在失效模式下可能发生的状态变迁；最后将复杂机电系统正常工作条件下以及包含潜在故障条件下的状态变迁融合，得到复杂机电系统的状态空间。
优选的，步骤2)具体包括以下步骤：根据1)中的结果，得到复杂机电系统功能正常条件下的状态变迁序列以及系统内元部件存在故障的条件下的状态变迁序列；再根据复杂机电系统内各种故障发生的概率信息，通过反应式模块形式语言构建复杂机电系统可靠性分析的形式化模型。
优选的，步骤3)具体包括以下步骤：根据复杂机电系统的功能层次结构与系统正常情况下的行为状态描述，采用自顶向下的策略，确定能反映系统总功能的最高层次的系统行为及其状态，以此表征复杂机电系统功能正常使能条件下的行为和状态，以能够实现这一系统状态的概率作为复杂机电系统的可靠性评价指标；并利用形式化逻辑语言建立系统可靠性要求的形式化规约。
优选的，步骤4)具体包括以下步骤：利用风险分析技术辨识复杂机电系统潜在的危险行为和故障模式，针对系统的潜在故障模式，分析能反映潜在故障模式的最高层次的行为与状态，以此表征与潜在故障模式对应的异常行为和状态，以能够实现这一系统状态的概率作为潜在故障模式发生的概率；最后利用形式化逻辑语言建立各种故障模式的形式化规约。
与现有技术相比，本发明具有以下有益的技术效果：
本发明提出一种基于模型检测技术的复杂机电系统可靠性评估方法，用形式化语言描述描述复杂机电系统在运行过程中的状态变迁，并通过模型检测工具Prism转化为对应的数学模型。同时，利用时序逻辑公式表达机电系统的可靠性要求指标以及各种潜在故障模式的状态组合。通过模型检测可以自动的求解系统的可靠度以及各种故障模式发生的概率。具体来讲具有以下有益效果：
(1)、模型检测是一种自动化的验证手段，通过模型检测可以利用计算机自动搜索系统状态空间，提高了可靠性评估的效率。
(2)、利用形式化语言描述系统模型而省去了建立系统数学模型的过程，简化了系统建模过程。利用时序逻辑语言描述各种可靠性指标，简化了可靠性评估过程。
(3)、通过形式化的方法建模，确保了模型无二义性，同时依赖于模型检测工具精确的数值求解能力使得求解结果更精确可信。
(4)、通过模型检测可以求解各种故障模式发生的概率随时间变化关系以及系统内零部件故障对系统可靠性的影响，克服了FMEA定性分析的缺点。
【附图说明】
图1为基于模型检测技术的复杂机电系统可靠性评价方法流程图；
图2为复杂机电系统功能正常与故障的表征示意图；
图3为复杂机电系统状态变迁概率分支表征示意图。
【具体实施方式】
下面对本发明进行详细的说明，所述是对本发明的解释而不是限定。
请参阅图1至图3所示，本发明一种基于模型检测技术的复杂机电系统可靠性评估方法，通过建立复杂机电系统可靠性分析的形式化模型以及可靠性指标的形式化规约，通过模型检测工具进行形式化验证，能够实现复杂机电系统的可靠性评估，具体包括以下步骤：
1)构建复杂机电系统的状态空间
1.1)根据功能-行为-状态(FBS，Function-Behavior-State)建模理论，功能是由系统的行为来实现的，而行为可以离散化为系统的一系列状态及其变迁。为此首先结合复杂机电系统的功能层析结构(总功能-子功能-元功能)，采用自顶向下、逐层分解的方法分析系统内各层次的结构组成单元为了实现相应的功能而发生的行为过程及状态变迁，形成正常条件下复杂机电系统各种状态及其变迁序列的形式化表达，在本发明中称为状态及其变迁序列的正常视图，用SV0表示。该视图表示系统正常行为过程中的各个状态。
1.2)考虑复杂机电系统不同层次的结构组成单元可能发生的故障模式，并建立失效模式相对应的系统状态及其变迁序列的形式化表达，形成系统状态及其变迁序列的失效视图，用SVi表示。失效视图反映了功能失效情况下系统行为过程中的各个状态。并将复杂机电系统的故障视图SVi同正常视图SV0相融合，如图2所示，得到复杂机电系统运行过程的状态空间。
2)建立复杂机电系统可靠性分析的形式化模型
机电系统在工作、运行过程中是一离散事件动态系统，系统内元部件的正常状态到故障状态变迁是一随机过程。根据步骤1)得到的复杂机电系统的状态空间，在系统功能正常条件下的状态变迁序列的基础上增加各种故障状态分支并确定各种故障发生的概率信息，如图3所示，通过反应式模块形式语言(reactive module formalism)构建复杂机电系统可靠性分析的形式化模型，以便由模型检测工具转化为对应的数学模型。为了简化用户建模过程，反应式模块形式语言在描述复杂机电系统时可以将其分割成若干个较为简单的独立进程模块，每个模块包含一组状态变量和一组命令。每个命令的形式如下所示
[]guard->prob_1:update_1+…prob_n:update_n；
式中，守卫条件guard用来表示对应的行为变迁发生的条件；prob_1、prob_n用是一个表示状态转移率的非负实数；update_1、update_n用于描述模型变量的更新过程。因此通过该建模语言可以描述复杂机电系统在运行过程中的状态变迁以及各种变迁发生的概率，从而由模型检测工具转化为对应的数学模型，如离散时间马尔科夫模型(DTMC)、连续时间马尔科夫模型(CTMC)等。
3)复杂机电系统可靠性要求的形式化规约
根据复杂机电系统的功能层次结构与系统正常情况下的行为状态描述(正常视图中的)，采用自顶向下的策略，确定能反映系统总功能的最高层次的系统行为(通常为系统的最终执行动作)及其状态，以此表征复杂机电系统功能正常使能条件下的行为和状态，以能够实现这一系统状态的概率作为复杂机电系统的可靠性评价指标。并通过形式化逻辑语言建立系统可靠性要求的形式化规约。复杂机电系统的行为过程是一连续时间离散状态随机模型，因此用连续随机逻辑(CSL)形式化语言来描述可靠性评价要求，根据CSL语言逻辑公式的巴克斯范式定义，可以将复杂机电系统的可靠性要求转换成CSL逻辑公式，例如
P＝？[true G≤T(system normal)]
表示在时间T内，状态“system normal”一直保持的概率是多少。
4)复杂机电系统各种潜在故障模式的形式化规约
利用风险分析技术(如故障树分析(FTA)、故障模式影响及危害分析(FMECA))辨识复杂机电系统潜在的危险行为和故障模式，针对复杂机电系统的潜在故障模式，分析能反映潜在故障模式的最高层次的行为与状态，以此表征与潜在故障模式对应的异常行为和状态，以能够实现这一系统状态的概率作为潜在故障模式发生的概率。最后利用形式化逻辑语言建立各种故障模式的形式化规约。同步骤3)一样，可以用CSl语言描述各种故障模式发生的概率，例如
P＝？[true F≤T(system error)]
表示在时间T内，状态“system error”发生的概率是多少。
P＝？[system normal U≤T motor error]
表示在时间T内系统处于状态“system normal”直到状态“motor error”发生的概率是多少。
5)复杂机电系统的形式化验证
根据步骤2)建立的复杂机电系统可靠性分析的形式化模型以及步骤3)、4)建立的可靠性要求的形式化规约、潜在故障模式的形式化规约，输入到模型检测工具Prism，通过计算机自动搜索复杂机电系统的有穷状态空间，判断其是否满足预期设定的可靠性指标并求解系统的可靠度以及各种潜在故障模式发生的概率，实现系统的可靠性评估。
Claims (1)
1.一种基于模型检测技术的复杂机电系统可靠性评估方法，其特征在于，包括以下步骤：
1)构建复杂机电系统的状态空间；
2)建立复杂机电系统可靠性分析的形式化模型；
3)复杂机电系统可靠性要求的形式化规约；
4)复杂机电系统各种潜在故障模式的形式化规约；
5)复杂机电系统的形式化验证：根据步骤2)建立的复杂机电系统可靠性分析的形式化模型以及步骤3)、4)建立的可靠性要求的形式化规约、潜在故障模式的形式化规约，输入到模型检测工具，通过计算机自动搜索复杂机电系统的有穷状态空间，判断复杂机电系统是否满足预期设定的可靠性指标并求解复杂机电系统的可靠度以及各种潜在故障模式发生的概率，实现系统的可靠性评估；
步骤1)具体包括以下步骤：首先分析复杂机电系统功能，包括复杂机电系统总功能以及为了实现总功能，复杂机电系统内各组成部分要实现的元功能；其次分析系统的结构组成，对系统进行结构层次划分，研究各层次的结构组成以及子系统内元部件之间以及不同子系统内元部件之间的逻辑关系，通过状态变迁描述系统内不同组成部分为了实现系统总功能而发生的行为过程，形成正常条件下复杂机电系统各种状态及其变迁序列的形式化表达，称为状态及其变迁序列的正常视图；另一方面，考虑复杂机电系统内不同元部件在潜在失效模式下可能发生的状态变迁，建立与失效模式相对应的系统状态及其变迁序列的形式化表达，形成系统状态及其变迁序列的失效视图；最后将复杂机电系统正常工作条件下以及包含潜在故障条件下的状态变迁融合，即将复杂机电系统的故障视图同正常视图相融合，得到复杂机电系统的状态空间；
步骤2)具体包括以下步骤：根据1)中的结果，得到复杂机电系统功能正常条件下的状态变迁序列以及系统内元部件存在故障的条件下的状态变迁序列；再根据复杂机电系统内各种故障发生的概率信息，在系统功能正常条件下的状态变迁序列的基础上增加各种故障状态分支并确定各种故障发生的概率信息，通过反应式模块形式语言构建复杂机电系统可靠性分析的形式化模型；
步骤3)具体包括以下步骤：根据复杂机电系统的功能层次结构与系统正常情况下的行为状态描述，采用自顶向下的策略，确定能反映系统总功能的最高层次的系统行为及其状态，以此表征复杂机电系统功能正常使能条件下的行为和状态，以能够实现这一系统状态的概率作为复杂机电系统的可靠性评价指标；并利用形式化逻辑语言建立系统可靠性要求的形式化规约；
步骤4)具体包括以下步骤：利用风险分析技术辨识复杂机电系统潜在的危险行为和故障模式，针对系统的潜在故障模式，分析能反映潜在故障模式的最高层次的行为与状态，以此表征与潜在故障模式对应的异常行为和状态，以能够实现这一系统状态的概率作为潜在故障模式发生的概率；最后利用形式化逻辑语言建立各种故障模式的形式化规约。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510003352.7A CN104573224B (zh) | 2015-01-05 | 2015-01-05 | 一种基于模型检测技术的复杂机电系统可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510003352.7A CN104573224B (zh) | 2015-01-05 | 2015-01-05 | 一种基于模型检测技术的复杂机电系统可靠性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104573224A CN104573224A (zh) | 2015-04-29 |
| CN104573224B true CN104573224B (zh) | 2018-07-17 |
Family
ID=53089278
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510003352.7A Expired - Fee Related CN104573224B (zh) | 2015-01-05 | 2015-01-05 | 一种基于模型检测技术的复杂机电系统可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104573224B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106776295B (zh) * | 2016-11-30 | 2020-09-22 | 北京广利核系统工程有限公司 | 一种基于Altarica形式化语言的软件FMEA分析方法 |
| CN106682835B (zh) * | 2016-12-29 | 2020-05-22 | 西安交通大学 | 一种数据驱动的复杂机电系统服役质量状态评估方法 |
| CN107516169A (zh) * | 2017-08-29 | 2017-12-26 | 上海航天控制技术研究所 | 一种闭环控制系统可诊断性评价方法 |
| CN108052768B (zh) * | 2017-12-28 | 2021-06-25 | 吉林大学 | 一种基于定量验证方法的并发实时系统可靠性评估方法 |
| CN108388710B (zh) * | 2018-02-06 | 2021-10-08 | 西安交通大学 | 一种基于概率行为树的复杂机电系统可靠性建模方法 |
| CN111581831B (zh) * | 2020-05-11 | 2023-04-07 | 西安交通大学 | 一种失效相关多状态系统可靠性评估方法 |
| CN112817784B (zh) * | 2020-12-31 | 2023-01-13 | 南京航空航天大学 | 一种面向软错误的寄存器可靠性建模与评估方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101013452A (zh) * | 2007-02-05 | 2007-08-08 | 江苏大学 | 一种符号化的模型检测方法 |
| CN102624476B (zh) * | 2012-01-10 | 2014-09-10 | 南京邮电大学 | 一种基于模型检测的无线传感器网络时间同步检验方法 |
| CN103220685B (zh) * | 2013-04-22 | 2016-03-30 | 南京邮电大学 | 基于动态规划的传感器网络软件模型检验方法 |
-
2015
- 2015-01-05 CN CN201510003352.7A patent/CN104573224B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104573224A (zh) | 2015-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104573224B (zh) | 一种基于模型检测技术的复杂机电系统可靠性评估方法 | |
| CN102789543B (zh) | 基于多试验信息的可靠性综合评估方法 | |
| CN104238545B (zh) | 一种石油炼化生产过程故障诊断和预警系统及其建立方法 | |
| CN102981452B (zh) | 数控机床三类功能部件的可靠性建模与可靠性评估方法 | |
| Aizpurua et al. | Supporting group maintenance through prognostics-enhanced dynamic dependability prediction | |
| CN105844050B (zh) | 基于时间相关的数控机床系统组件更换时间分析方法 | |
| CN104657613A (zh) | 一种复杂机电系统使用寿命评估方法 | |
| CN102208028A (zh) | 一种适用于动态复杂系统的故障预测和诊断方法 | |
| DE102010052998A1 (de) | Software-zentrierte Methodik für die Überprüfung und Bestätigung von Fehlermodellen | |
| Koziolek et al. | A large-scale industrial case study on architecture-based software reliability analysis | |
| CN103425874B (zh) | 一种基于率模可靠性理论的航天器健康评估方法 | |
| CN106598029A (zh) | 基于性能退化的列控车载设备可靠性预测方法 | |
| CN102819259A (zh) | 一种基于马尔可夫过程进行安全仪表功能的功能安全验证的方法 | |
| CN102360333B (zh) | 基于hisqm排队模型考虑故障排除过程的构件软件可靠性分析方法 | |
| CN112883569B (zh) | 一种数控机床故障传播扩散行为分析方法 | |
| CN105894138A (zh) | 一种制造业发货量的最优加权组合预测方法 | |
| US8359577B2 (en) | Software health management testbed | |
| CN102253663B (zh) | 一种网络化三容水箱系统的泄漏故障诊断方法及系统 | |
| Maystrenko et al. | An approach for estimation of integrated reliability indices and maintenance intervals of fiber-optic communication lines | |
| Pucel et al. | Intermittent fault diagnosis as discrete signal estimation: Trackability analysis | |
| CN104808645A (zh) | 一种离散事件系统故障诊断方法 | |
| Vento et al. | A methodology for building a fault diagnoser for hybrid systems | |
| Zhang et al. | A TFPG-Based Method of Fault Modeling and Diagnosis for IMA Systems | |
| Ehrenberger | Statistical testing of real time software | |
| Asghari et al. | Improving dynamic fault tree method for complex system reliability analysis: case study of a wind turbine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180717 Termination date: 20210105 |