CN110580559B - 随机硬件失效指标获取方法、装置、设备及存储介质 - Google Patents

随机硬件失效指标获取方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110580559B
CN110580559B CN201810589864.XA CN201810589864A CN110580559B CN 110580559 B CN110580559 B CN 110580559B CN 201810589864 A CN201810589864 A CN 201810589864A CN 110580559 B CN110580559 B CN 110580559B
Authority
CN
China
Prior art keywords
failure
minimum
minimum cut
cut set
basic
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.)
Active
Application number
CN201810589864.XA
Other languages
English (en)
Other versions
CN110580559A (zh
Inventor
王方方
孙衍茂
翟萧
宋健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Continental Tamic Automotive Systems Shanghai Co ltd
Original Assignee
Continental Tamic Automotive Systems Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Continental Tamic Automotive Systems Shanghai Co ltd filed Critical Continental Tamic Automotive Systems Shanghai Co ltd
Priority to CN201810589864.XA priority Critical patent/CN110580559B/zh
Publication of CN110580559A publication Critical patent/CN110580559A/zh
Application granted granted Critical
Publication of CN110580559B publication Critical patent/CN110580559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明提供了一种随机硬件失效指标获取方法、计算机设备及计算机存储可读存储介质。本发明技术方案的随机硬件失效指标获取方法包括：基于故障树分析获取违背安全目标的最小割集集合；获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。本发明的技术方案获取的随机硬件失效指标准确度高，且获取随机硬件失效指标的复杂度低。

Description

随机硬件失效指标获取方法、装置、设备及存储介质
技术领域
本发明涉及汽车技术领域，更具体地，涉及一种随机硬件失效指标获取方法及装置、计算机设备、计算机存储可读存储介质。
背景技术
道路车辆功能安全标准ISO26262根据危害和风险程度对车辆控制系统的安全性进行了评级，划分为从ASIL A到ASIL D四个安全完整性等级，其中ASIL D为最高等级，安全要求最高。而对于不同的安全完整性等级有不同的安全参数要求，主要指标包括：单点故障度量指标(SPFM，single-point fault metric)和潜伏故障度量指标(LFM，latent-faultmetric)用于衡量硬件架构的设计合理性；随机硬件失效概率度量，也称之为随机硬件失效指标(PMHF，probabilistic metric for random hardware failures)用于衡量随机硬件失效整体水平。
随机硬件失效指标作为评判汽车电子系统安全性的一个重要指标，其针对多点失效的随机硬件失效指标的评估是一个难点。目前通常采用以下两种方法对多点失效的随机硬件失效指标进行评估：
1.道路车辆功能安全标准采用的评估方法
道路车辆功能安全标准中采用的评估方法，针对多点失效的随机硬件失效指标的计算考虑了元件失效模式本身和施加在其上的安全机制或诊断机制的失效同时发生导致违背安全目标的情况。
然而采用上述评估方法存在一定的问题：首先只考虑了元件失效模式本身和施加在其上的安全机制或诊断机制的失效同时发生导致违背安全目标的情况，没有考虑其他情况下的多点失效(如：元件1的失效模式A和元件2的失效模式B同时发生)，导致评估获得的多点失效的随机硬件失效指标小于实际的多点失效的随机硬件失效指标。其次，采用该方法评估多点失效的随机硬件失效指标时，需要考虑安全机制或诊断机制和元件失效模式的各种排列组合，并对各种排列组合是否违背安全目标进行分析，实际应用中导致工作量较大，增加了获取多点失效的随机硬件失效指标的复杂度。再次，目前在道路车辆功能安全标准中采用失效模式影响和诊断分析(FMEDA，Failure Modes Effects and DiagnosticAnalysis)来计算每个元件失效模式所对应的失效率，但是FMEDA是针对于单点失效的分析，不适用于分析多点失效的影响。
2.权威评审机构或认证机构采用的评估方法
目前一些权威评审机构或认证机构计算多点失效的随机硬件失效指标时，将λMPF.L(多点失效中的潜伏失效的失效率)作为多点失效的随机硬件失效指标。该评估方法将元件失效模式本身的潜伏失效作为多点失效的随机硬件失效指标，虽然简化了计算方式，但是采用该评估方法获得的多点失效的随机硬件失效指标大于实际的多点失效的随机硬件失效指标。此外，该评估方法没有办法评估实际的多点失效对安全目标的影响结果，因此，不利于后续基于多点失效的分析来对整体设计进行评估。
因此，如何提供一种可以准确评估多点失效的随机硬件失效指标的方法，成为目前亟待解决的问题之一。
发明内容
本发明要解决的问题是提供一种随机硬件失效指标获取方法，以提供准确的随机硬件失效指标。
为解决上述问题，本发明技术方案提供一种随机硬件失效指标获取方法，包括:
基于故障树分析获取违背安全目标的最小割集集合；
获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
可选的，所述基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件指标包括：对所述第一最小割集集合中每一个最小割集的失效率相加以获取随机硬件失效指标。
可选的，获取所述第一最小割集集合中的最小割集的失效率包括：
获取所述最小割集中每一个基本失效的失效率；
对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率。
可选的，获取基本失效的失效率包括：获取元件的失效率和其失效模式比例，将所述元件的失效率与其失效模式比例相乘以获取基本失效的失效率。
本发明技术方案还提供一种随机硬件失效指标获取装置，包括：
第一获取单元，用于基于故障树分析获取违背安全目标的最小割集集合；
第二获取单元，用于获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
第三获取单元，用于获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
第四获取单元，用于基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
可选的，所述第三获取单元包括：
获取子单元，用于获取所述最小割集中每一个基本失效的失效率；
运算单元，用于对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率。
本发明技术方案还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述计算机程序时实现如下操作：
基于故障树分析获取违背安全目标的最小割集集合；
获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
本发明技术方案还提供一种计算机存储可读存储介质，包括：计算机
可执行指令，当所述计算机可执行指令被运行时执行如上所述的随机硬件失效指标获取方法。
与现有技术相比，本发明技术方案具有以下优点：
基于故障树分析获得违背安全目标的最小割集集合，获取了最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合，即第一最小割集集合。基于第一最小割集集合中每一个最小割集的失效率以获取随机硬件失效指标。由于采用故障树分析获得了违背安全目标的所有的多点失效，因此，可以将违背安全目标的不同类型的多点失效均予以考虑，进而最终获得的多点失效的随机硬件失效指标与实际的多点失效的随机硬件失效指标基本一致，极大的提高了获得的多点失效的随机硬件失效指标的准确度。另外，由于不用对安全机制或诊断机制与元件失效模式进行不同的排列组合，因此在降低获取多点失效的随机硬件失效指标的复杂度的同时，也在很大程度上减少了实际应用中的工作量。此外，由于是先通过分析获得违背安全目标的多点失效后，再有针对性的获取基本失效的失效率，因此进一步地降低了实际应用中的工作量。
附图说明
图1是本发明实施例的随机硬件失效指标获取方法的流程图；
图2是本发明实施例的基于故障树分析一安全目标的示意图；
图3是本发明实施例的随机硬件失效指标获取装置的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
正如背景技术中所述的，目前在对多点失效的随机硬件失效指标进行评估时，评估获得的多点失效的随机硬件失效指标的准确度较低，与实际的多点失效的随机硬件失效指标相差较大。因此本发明实施例提供一种复杂度低且能准确获得多点失效的随机硬件失效指标的获取方法。图1是本发明实施例的随机硬件失效指标获取方法的流程图，如图1所示，本发明实施例的随机硬件失效指标获取方法包括：
S10：基于故障树分析获取违背安全目标的最小割集集合；
S11：获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
S12：获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
S13:基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
以下结合通过故障树分析自动驾驶系统中动态运动控制功能的一安全目标为例，对本发明实施例的随机硬件失效指标获取方法进行详细的说明。
执行S10，基于故障树分析获取违背安全目标的最小割集集合。图2是本发明实施例的基于故障树分析一安全目标的示意图，以安全目标为避免非预期制动不足为例，通过故障树分析工具可获得如图2所示的示意图，图2中对于违背非预期制动不足这一安全目标而言，失效1-1、失效1-2、失效1-3…失效1-n中的任何一个发生都会违背安全目标。在失效1-1下，失效2-1或失效2-2中的任何一个发生都会导致失效1-1发生。在失效2-1下，失效3-1和失效3-2同时发生时才会导致失效2-1发生。而在失效2-2下，失效3-3或失效3-4中任何一个发生都会导致失效2-2发生。在失效3-1下，基本失效1或者基本失效2中任何一个发生时，失效3-1发生，在失效3-2下，基本失效3和基本失效4同时发生时失效3-2才发生。因此，通过图2所示，可以获得违背该安全目标的最小割集集合为{{基本失效1，基本失效3，基本失效4}，{基本失效2，基本失效3，基本失效4}，…，{基本失效m-2，基本失效m-1}，{基本失效m}}。也即在该最小割集集合中，任意一个最小割集中的基本失效同时发生时均会导致违背上述的安全目标，如：基本失效1、基本失效3以及基本失效4同时发生时，违背非预期制动不足，基本失效2、基本失效3以及基本失效4同时发生时，违背非预期制动不足。通过故障树分析工具可以知晓违背该安全目标的所有可能的失效以获取违背安全目标的最小割集集合。
执行S11，获取第一最小割集集合。本实施例中，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合。具体地，本实施例中先判断最小割集中基本失效的个数是否大于等于2，然后再通过对系统实际运行情况的分析来确定最小割集中基本失效是否可能同时发生。举例来说若对于最小割集：{基本失效1，基本失效3，基本失效4}而言，若基本失效1、基本失效3以及基本失效4可能同时发生，则最小割集{基本失效1，基本失效3，基本失效4}为第一最小割集。对最小割集集合中的每一个最小割集进行分析则可以获得第一最小割集集合。
执行S12：获取所述第一最小割集集合中每一个最小割集的失效率，本实施例中，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率。具体地，首先获取所述最小割集中每一个基本失效的失效率。本实施例中，通过如下方式获得基本失效的失效率：
获取元件的失效率和其失效模式比例，将所述元件的失效率与其失效模式比例相乘以获取基本失效的失效率。对于元件的失效率而言，不同元件的失效率的计算方法均不同，以电阻为例，电阻的失效率可以通过如下公式获得：
λ＝λref×λT
其中：λ为电阻的失效率，λref为参考条件下的失效率，λT为温度相关系数。
而对于电阻而言，不同失效模式的比例有所不同，如失效模式为电阻开路时，电阻开路的比例为40％，失效模式为电阻漂移时电阻漂移的比例为60％。因此，当基本失效为电阻开路时，基本失效率为电阻的失效率乘以40％。实际应用中对不同的元件其元件失效率和其失效模式比例可以参考相应的手册获得。
在获得最小割集中每一个基本失效的失效率后，接下来对所述最小割集中每一个基本失效的失效率相乘即可以获得所述第一最小割集集合中的最小割集的失效率。举例来说若对于最小割集：{基本失效1，基本失效3，基本失效4}而言，基本失效1的失效率为A、基本失效3的失效率为B、基本失效4的失效率为C，则最小割集{基本失效1，基本失效3，基本失效4}的失效率为A×B×C。
在获得了第一最小割集集合中每一个最小割集的失效率后，执行S13，基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。本实施例中，具体地，通过对所述第一最小割集集合中每一个最小割集的失效率相加以获取随机硬件失效指标。如：若最后获得的最小割集{基本失效1，基本失效3，基本失效4}的失效率为λFR1，最小割集{基本失效2，基本失效3，基本失效4}的失效率为λFR2，…，最小割集{基本失效m-2，基本失效m-1}的失效率为λFRm，则违背该安全目标的多点失效的PMHF为为λFR1+λFR2+…+λFRm。
至此，通过执行上述的步骤获得的违背某一安全目标的多点失效的随机硬件失效指标，通过利用故障树分析工具，可以获得违背安全目标可能出现的不同类型的多点失效，其中不但包括了元件失效模式本身和施加在其上的安全机制或诊断机制的失效同时发生导致违背安全目标的情况，还包括了其他可能出现的情况，因此最终计算得到的多点失效的随机硬件失效指标和实际的多点失效的随机硬件失效指标非常接近。且由图2的分析可以知晓影响安全目标的全部多点失效，因此不需要考虑安全机制或诊断机制和元件失效模式的排列组合，在实际的工程应用中可以大幅度的减少工作量，以及操作复杂度。通过元件的失效率机及其失效模式比例即可获得多点失效的随机硬件失效指标，避免了其他不必要的计算，可进一步的减少工作量。此外，在采用上述方法获得多点失效的随机硬件失效指标的过程中，可以知晓多点失效对安全目标的影响因此有利于对后续基于多点失效的分析来对系统整体设计进行改进。
图3是本发明实施例的随机硬件失效指标获取装置的示意图，如图3所示所述随机硬件失效指标获取装置包括：
第一获取单元10，用于基于故障树分析获取违背安全目标的最小割集集合；
第二获取单元11，用于获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
第三获取单元12，用于获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
第四获取单元13，用于基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
本实施例中，所述第三获取单元12包括：获取子单元，用于获取所述最小割集中每一个基本失效的失效率；运算单元，用于对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率。
本实施例中所述随机硬件失效指标获取装置的具体实施请参照随机硬件失效指标获取方法进行，此处不再赘述。
本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器用于执行所述计算机程序时实现如下操作：
基于故障树分析获取违背安全目标的最小割集集合；
获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
本发明实施例还提供一种计算机存储可读存储介质，包括：计算机可执行指令，当所述计算机可执行指令被运行时执行上述任一项所述的方法。
综上所述，本发明提供的随机硬件失效指标获取方法及装置、计算机设备、计算机存储可读存储介质，至少具有如下有益效果：
基于故障树分析获得违背安全目标的最小割集集合，获取了最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合，即第一最小割集集合。基于第一最小割集集合中每一个最小割集的失效率以获取随机硬件失效指标。由于采用故障树分析获得了违背安全目标的所有的多点失效，因此，可以将违背安全目标的不同类型的多点失效均予以考虑，进而最终获得的多点失效的随机硬件失效指标与实际的多点失效的随机硬件失效指标基本一致，极大的提高了获取到的多点失效的随机硬件失效指标的准确度。另外，由于不用对安全机制或诊断机制与元件失效模式进行不同的排列组合，因此在降低获取多点失效的随机硬件失效指标的复杂度的同时，也在很大程度上减少了实际应用中的工作量。此外，由于是先通过分析获得违背安全目标的多点失效后，再有针对性的获取基本失效的失效率，因此进一步低降低了实际应用中的工作量。
本发明虽然已以较佳实施例公开如上，发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明和的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (4)

1.一种随机硬件失效指标获取方法，其特征在于，包括：
基于故障树分析获取违背安全目标的最小割集集合；
获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
获取所述第一最小割集集合中每一个最小割集的失效率，包括：
获取所述最小割集中每一个基本失效的失效率，所述获取基本失效的失效率进一步包括：获取元件的失效率和其失效模式比例，将所述元件的失效率与其失效模式比例相乘以获取基本失效的失效率；
对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率，其中所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标，包括：对所述第一最小割集集合中每一个最小割集的失效率相加以获取随机硬件失效指标。
2.一种随机硬件失效指标获取装置，其特征在于，包括：
第一获取单元，用于基于故障树分析获取违背安全目标的最小割集集合；
第二获取单元，用于获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
第三获取单元，用于获取所述第一最小割集集合中每一个最小割集的失效率，所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率，其中，所述第三获取单元包括：
获取子单元，用于获取所述最小割集中每一个基本失效的失效率；
运算单元，用于对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率；
第四获取单元，用于基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标。
3.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器用于执行所述计算机程序时实现如下操作：
基于故障树分析获取违背安全目标的最小割集集合；
获取第一最小割集集合，所述第一最小割集集合是指最小割集集合中最小割集的基本失效个数大于等于2且基本失效同时发生的最小割集的集合；
获取所述第一最小割集集合中每一个最小割集的失效率，包括：
获取所述最小割集中每一个基本失效的失效率，所述获取基本失效的失效率进一步包括：获取元件的失效率和其失效模式比例，将所述元件的失效率与其失效模式比例相乘以获取基本失效的失效率；
对所述最小割集中每一个基本失效的失效率相乘以获得最小割集的失效率，其中所述最小割集的失效率是指所述最小割集中所有基本失效同时发生的概率；
基于所述第一最小割集集合中每一个最小割集的失效率获取随机硬件失效指标，包括：对所述第一最小割集集合中每一个最小割集的失效率相加以获取随机硬件失效指标。
4.一种计算机存储可读存储介质，其特征在于，包括：计算机可执行指令，当所述计算机可执行指令被运行时执行如权利要求1所述的方法。
CN201810589864.XA 2018-06-08 2018-06-08 随机硬件失效指标获取方法、装置、设备及存储介质 Active CN110580559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810589864.XA CN110580559B (zh) 2018-06-08 2018-06-08 随机硬件失效指标获取方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810589864.XA CN110580559B (zh) 2018-06-08 2018-06-08 随机硬件失效指标获取方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110580559A CN110580559A (zh) 2019-12-17
CN110580559B true CN110580559B (zh) 2023-08-11

Family

ID=68810220

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810589864.XA Active CN110580559B (zh) 2018-06-08 2018-06-08 随机硬件失效指标获取方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110580559B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1553328A (zh) * 2003-06-08 2004-12-08 华为技术有限公司 基于故障树分析的系统故障定位方法及装置
CN103235881A (zh) * 2013-04-21 2013-08-07 中国科学院合肥物质科学研究院 一种基于最小割集的核反应堆故障监测系统
CN104460337A (zh) * 2014-10-08 2015-03-25 机械工业仪器仪表综合技术经济研究所 一种基于修正β因子的控制系统共因失效分析方法
CN105574277A (zh) * 2015-12-23 2016-05-11 大陆泰密克汽车系统（上海）有限公司 基于道路车辆功能安全的安全界线相关参数标定方法
CN107703914A (zh) * 2017-09-30 2018-02-16 中国民用航空飞行学院 一种航空发动机fadec系统安全性评估方法
CN107784148A (zh) * 2016-08-31 2018-03-09 中国石油化工股份有限公司 一种集输管道失效率评估方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090106593A1 (en) * 2005-01-19 2009-04-23 Zigmund Bluvband System and Method for Bouncing Failure Analysis
US8190953B2 (en) * 2008-10-03 2012-05-29 Chakravarthy Sameer H Method and system for selecting test vectors in statistical volume diagnosis using failed test data
US8543286B2 (en) * 2011-06-24 2013-09-24 GM Global Technology Operations LLC Vehicle hardware integrity analysis systems and methods
EP3173889A1 (en) * 2015-11-24 2017-05-31 The Boeing Company Method and system for generating minimal cut-sets for highly integrated large systems

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1553328A (zh) * 2003-06-08 2004-12-08 华为技术有限公司 基于故障树分析的系统故障定位方法及装置
CN103235881A (zh) * 2013-04-21 2013-08-07 中国科学院合肥物质科学研究院 一种基于最小割集的核反应堆故障监测系统
CN104460337A (zh) * 2014-10-08 2015-03-25 机械工业仪器仪表综合技术经济研究所 一种基于修正β因子的控制系统共因失效分析方法
CN105574277A (zh) * 2015-12-23 2016-05-11 大陆泰密克汽车系统（上海）有限公司 基于道路车辆功能安全的安全界线相关参数标定方法
CN107784148A (zh) * 2016-08-31 2018-03-09 中国石油化工股份有限公司 一种集输管道失效率评估方法及装置
CN107703914A (zh) * 2017-09-30 2018-02-16 中国民用航空飞行学院 一种航空发动机fadec系统安全性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
符合ISO 26262标准的安全完整性等级评估方法的研究;何波;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180315(第03期);全文 *

Also Published As

Publication number Publication date
CN110580559A (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
West et al. Model fit and model selection in structural equation modeling
Kim The relation among fit indexes, power, and sample size in structural equation modeling
EP2515233A1 (en) Detecting and diagnosing misbehaving applications in virtualized computing systems
US10212058B2 (en) System and method for detecting system's performance regression
US20150379187A1 (en) Ranking Combinations of Mutants, Test Cases and Random Seeds in Mutation Testing
Heisey et al. Using auxiliary information to improve wildlife disease surveillance when infected animals are not detected: a Bayesian approach
CN110580559B (zh) 随机硬件失效指标获取方法、装置、设备及存储介质
Bharathi et al. A machine learning approach for quantifying the design error propagation in safety critical software system
EP2778640B1 (en) Outside air temperature measurement device and method
CN108052721A (zh) 运载火箭产品可靠性评估方法及装置、存储介质、终端
CN106034108A (zh) 一种信道检测方法及装置
US10289512B2 (en) Persistent command parameter table for pre-silicon device testing
CN109492192A (zh) 基于signature向量对Ⅱ型双边删失系统寿命数据的参数估计方法
US20210397506A1 (en) Localization of potential issues to objects
JP2019162254A5 (zh)
De Francesco et al. The CoDeF structure: A way to evaluate Ai including failures caused by multiple minor degradations
CN114153829A (zh) 用于能源大数据的跨时空双向数据缺失值填充方法和装置
CN113553941A (zh) 一种提取故障特征的方法、装置、设备、可读存储介质
CN116819464A (zh) 一种设备性能评估结果的可信度确定方法及装置
CN110619133B (zh) 降低车辆控制系统中的单点失效率的方法
CN107491576B (zh) 基于性能退化数据的导弹部件可靠性分析方法
EP3901805A1 (en) Cybersecurity threat detection program effectiveness assessment method and system
Weaver et al. Bayesian assurance tests for degradation data
CN117787005A (zh) 一种仿真场景可信度的确定方法、装置及电子设备
Chen Parameter Determination for the Battery Equivalent Circuit Model Using a Numerical Integro-Differential Method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant