CN112182783A - 航天飞行器系统的风险识别方法、设备及存储介质 - Google Patents
航天飞行器系统的风险识别方法、设备及存储介质 Download PDFInfo
- Publication number
- CN112182783A CN112182783A CN202011202094.2A CN202011202094A CN112182783A CN 112182783 A CN112182783 A CN 112182783A CN 202011202094 A CN202011202094 A CN 202011202094A CN 112182783 A CN112182783 A CN 112182783A
- Authority
- CN
- China
- Prior art keywords
- product
- risk
- aircraft
- environmental
- domain
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000012502 risk assessment Methods 0.000 claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 21
- 230000009471 action Effects 0.000 claims description 18
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 15
- 238000011161 development Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 10
- 238000009434 installation Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 23
- 238000013461 design Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012356 Product development Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012407 engineering method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000981 bystander Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003864 performance function Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种航天飞行器系统的风险识别方法、设备及存储介质,其中,方法包括:根据预先建立的飞行器模型确定飞行器模型参数;根据飞行器模型参数进行基于时序的风险分析计算;根据风险分析计算的结果对飞行器系统的风险进行识别。本申请实施例提供的航天飞行器系统的风险识别方法、设备及存储介质能够对飞行器系统的风险进行识别。
Description
技术领域
本申请涉及航天技术领域,尤其涉及一种航天飞行器系统的风险识别方法、设备及存储介质。
背景技术
运载火箭一种依靠发动机喷射工作介质所产生的反作用力向前推进的飞行器,是实现航天飞行的运载工具,通常用于发射卫星、载人飞船及月球探测器等。近年来,随着商用化市场的不断推进,商业运载火箭在市场上崭露头角。
商业运载火箭的研制需兼顾研制进度及产品可靠性水平,市场竞争给二者带来了矛盾。相关技术中,商业运载火箭的技术风险管控方法中采用全要素覆盖的“平铺式”识别,以及分层级监控的“旁观式”控制,涉及的技术体系种类庞杂,数量繁多,在应用过程中存在难以把握重点、难以聚焦问题、难以精准化解、难以高效完成的问题。不能适应商业运载火箭型号低成本、高可靠的设计特点,难以满足迅速占领市场的需求。
发明内容
为了解决上述技术缺陷之一,本申请实施例中提供了一种航天飞行器系统的风险识别方法、设备及存储介质。
本申请第一方面实施例提供一种航天飞行器系统的风险识别方法,包括:
根据预先建立的飞行器模型确定飞行器模型参数;
根据飞行器模型参数进行基于时序的风险分析计算;
根据风险分析计算的结果对飞行器系统的风险进行识别。
本申请第二方面实施例提供一种航天飞行器系统的风险识别设备,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如上所述的航天飞行器系统的风险识别方法。
本申请第三方面实施例提供一种计算机可读存储介质,其上存储有计算机程序;所述计算机程序被处理器执行以实现如上所述的航天飞行器系统的风险识别方法。
本申请实施例提供的技术方案,通过根据预先建立的飞行器模型确定飞行器模型参数,根据飞行器模型参数进行基于时序的风险分析计算,根据风险分析计算的结果对飞行器系统的风险进行识别,能够识别出飞行器系统各时序环节存在的风险点以采取相应的措施予以化解,提高飞行器系统的稳定性和可靠性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例一提供的航天飞行器系统的风险识别方法的流程图;
图2为本申请实施例二提供的航天飞行器系统模型的结构示意图;
图3为本申请实施例二提供的基于时序的风险计算识别的拓扑图;
图4为本申请实施例二提供的航天飞行器系统模型的严酷度分析拓扑图。
图5为本申请实施例二提供的融合六性工程方法的飞行器技术风险管控总体实施方案的结构框图;
图6为本申请实施例二提供的基于时序的风险分析的结构框图;
图7为本申请实施例二提供的六性闭环管控的结构框图;
图8为本申请实施例提供的航天飞行器系统的风险识别设备的结构框图。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白,以下结合附图对本申请的示例性实施例进行进一步详细的说明,显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例提供一种航天飞行器系统的风险识别方法,用于对飞行器系统是否存在风险进行识别。
实际应用中,该航天飞行器系统的风险识别方法可以通过计算机程序实现,例如,应用软件等;或者,该方法也可以实现为存储有相关计算机程序的介质,例如,U盘、云盘等;再或者,该方法还可以通过集成或安装有相关计算机程序的实体装置实现,例如,芯片、可移动智能设备等。
图1为本申请实施例一提供的航天飞行器系统的风险识别方法的流程图。如图1所示,本实施例提供的风险识别方法包括:
步骤101、根据预先建立的飞行器模型确定飞行器模型参数。
本实施例以商业火箭为例,对具体方案进行说明。首先,对商业火箭的研制过程进行抽象化建模,建立飞行器模型。飞行器模型包含飞行器在研制过程中涉及到的产品结构、安装、环境等各项参数,具体的建模方式及模型可根据商业火箭的具体型号进行设定,本实施例不做限定。
步骤102、根据飞行器模型参数进行基于时序的风险分析计算。
根据上述飞行器模型参数进行风险分析计算,尤其是基于时序的风险分析计算。具体的计算内容可根据所要计算的模型参数进行设定。
步骤103、根据风险分析计算的结果对飞行器系统的风险进行识别。
根据上述步骤中风险分析计算得到的结果识别飞行器系统是否存在风险。
本实施例提供的技术方案,通过根据预先建立的飞行器模型确定飞行器模型参数,根据飞行器模型参数进行基于时序的风险分析计算,根据风险分析计算的结果对飞行器系统的风险进行识别,能够识别出飞行器系统各时序环节存在的风险点以采取相应的措施予以化解,提高飞行器系统的稳定性和可靠性。
实施例二
本实施例是在上述实施例的基础上,对航天飞行器系统的风险识别方法进行进一步的优化。
上述飞行器模型参数具体可以包括:表征飞行器市场和用户需求的需求参数、表征飞行器产品的产品参数、表征飞行器硬件及软件接口的接口参数、表征飞行器外部环境状况的环境参数、表征飞行器研制及应用状况的动作参数、表征飞行器研制及应用时序状况的时域参数、飞行器研制及应用空间状况的空域参数以及表征飞行器影响因素的影响域参数。
本实施例提供一种具体的实现方式:
图2为本申请实施例二提供的航天飞行器系统模型的结构示意图。如图2所示,将商业运载火箭所包含的产品和研制过程中的各类动作统一表示为状态模块,每个状态模块是若干要素的集合,内部要素均进行量化,状态模块之间用输入输出符进行连接。对于商业运载火箭的模块式模型具体包含需求模块、产品模块、接口模块、环境模块、动作模块、影响域模块、时域模块、空域模块,各个模块的具体内涵如下:
模块式模型也可称之为卡片式模型,例如:卡片式模型具体包含需求卡片、产品卡片、接口卡片、环境卡片、动作卡片、影响域卡片、时域卡片、空域卡片。
a)需求模块(Crq):在进行充分市场调研的基础上,定义利益相关者的期望为需求模块,包括对系统功能的需求(运载能力(载荷质量Mrq,轨道高度Hrq)),还包括产品和服务的需求(发射场地(经度Erq、纬度Srq)、响应时间Trq),产品成本(CE_rq),即:
Crq={Mrq,Hrq,Erq,Srq,Trq,CE_rq},
b)产品模块(Cpd):一方面包括系统结构中每一个涉及任务执行的产品,自最底层产品到高层的集成产品(动力系统Ps、电气系统Es、结构系统Ss、飞控软件系统Cs)。另一方面还包括用于生成每个产品的设计方案的设计流程、验证和确认产品性能功能的试验方案以及将相应产品作为寿命周期阶段的一项功能产品交付到更高的产品层次中而进行的功能和性能评估。
Cpd={Ps,Es,Ss,Cs},
各系统又可分解为一系列单机设备或结构组件:
Ps={Psi}={Ps1,Ps2,Ps3,Ps4}
Es={Esi}={Es1,Es2,Es3,Es4}
Ss={Ssi}={Ss1,Ss2,Ss3,Ss4,Ss5,Ss6}
Cs={Csi}={Cs1,Cs2},
Ps1:I级固体发动机;
Ps2:II级固体发动机;
Ps3:III级固体发动机;
Ps3:IV级固体发动机;
Es1:控制器1;
Es2:控制器2;
Es3:测量一体机;
Es4:伺服一体机;
Ss1:整流罩;
Ss2:载荷舱;
Ss3:末修舱;
Ss4:级间段;
Ss5:尾段;
Ss6:火工品;
Cs1:姿态控制软件;
Cs2:轨道控制软件;
定量指标可以表示为:
Psi={Rfmi,Imi,Mpdri,Dpdi...}
Esi={Mesi,Vcoi,Rexi...}
Ssi={Mssi Sssi Kssi...}
Csi={Fcni,Mcni...},
Rfmi:i级发动机的推重比;
Imi:i级发动机比冲;
Mpdri:i级发动机装药量;
Dpdi:i级发动机直径;
Mesi:第i个电气设备的重量;
Vcoi:第i个电气设备总线通信码率;
Rexi:第i个电气设备其他功能指标;
Mssi:火箭中编号为i的结构的质量;
Sssi:火箭中编号为i的结构的安全系数;
Kssi:火箭中编号为i的结构的刚度;
Fcni:姿态控制算法i;
Mcni:轨道控制算法i。
c)接口模块(Cif):包括产品之间采用的机械接口(IFmec)和电气接口(IFelec),以及将产品置于上层系统的过程中产品与上层产品产生的耦合效应(IFmulti),还包括各个产品研制单位之间的输入输出关系(IFio):
Cif={IFmec,IFelec,IFmulti,IFio},
接口模块中的每个要素都与2个以上的产品模块有连接。
d)环境模块(Cenv):每个产品在研制、生产、试验、使用全寿命周期中所经历的各类力学(ENf)、热学(ENh)、自然(ENn)、电磁环境(ENe)要素。
Cenv={ENf,ENh,ENn,ENe},
e)动作模块(Cact):一方面,包括商业运载火箭系统所涉及的各个产品在各个阶段所进行的技术状态更改、方案完善。另一方面,包括商业火箭任务执行全流程中所发生的点火、飞行、分离、释放等动作流程。商业运载火箭所涉及的所有技术状态及形态“变化”均包含于动作模块。
动作模块根据商业火箭的任务需求进行确定,可以按照时间历程对每个动作模块进行编号:
Cact={Cact1,Cact2,Cact3,...},
f)影响域模块(Cef):包括产品在上一级和下一级产品功能实现过程中的作用,还包括各类动作所产生的影响,以及产品故障的影响。同时,在管理层面,包括所有决策对产品本身和进度、成本的影响。
影响域模块是一个因变量模块,随着需求模块(Crq)、产品模块(Cpd)、接口模块(Cif)、环境模块(Cen)、动作模块(Cact)的变化和耦合关系确定,即:
Cef=f(ΔCrq,ΔCpd,ΔCif,ΔCen,ΔCact),
g)时域模块(CT):包括研制流程关键环节所发生的时间节点,还包括火箭时序动作关键环节所发生的时间节点,时域模块属于坐标轴类模块,用于标识时间线。
h)空域模块(CD):包括商业火箭在特定时间内所在的地点、空间位置、姿态信息,以及各产品在箭上的安装位置信息,空域模块和时域模块类似,也属于坐标轴类模块,用于标识空间点。
基于上述各模块参数,进行基于时序的风险分析计算。图3为本申请实施例二提供的基于时序的风险计算识别的拓扑图。如图3所示,基于有限状态积理论,以六性分析方法为牵引,将各上述模块由连接符进行连接,建立风险拓扑网络图。主要基于需求模块(Crq)、产品模块(Cpd)、动作模块(Cact)、环境模块(Cen)、时域模块(CT)、空域模块(CD)、影响域模块(Cef)信息,开展基于时序的风险分析计算。
在拓扑图中,模块之间的连接关系可以分为函数关系、增益关系、衰减关系,分别用符号“f”、“+”、“-”进行表示,同时,定义模块和模块之间的“×”运算规则,表示模块的联合作用或模块综合影响,“×”运算规则如下:
时序的变化主要导致环境的变化,因此基于时序的风险分析计算主要关注产品和环境之间的耦合关系,采用如下方式实现:
a)根据飞行器模型参数进行产品域分析,确定产品域风险量值
具体可包括如下三个步骤:根据飞行器模型参数以及预设的飞行器的时序特征、动作特征及产品在飞行器上的安装位置特征确定产品经历的环境量值;根据所述环境量值及预设的产品环境效应确定产品的环境耐受极限;根据所述环境耐受极限及环境量值确定产品域风险量值。
本实施例提供一种具体的实现方式:
(1)根据运载火箭的时序和动作,以及产品安装位置,计算产品经历的环境量值:
Cen=f(CT,CD,Cact,Cpd)=Cact(CT)×CD×Cpd (10)
其中,Cact(CT)表示CT时刻运载火箭的时序动作,CD表示所研究的产品在箭上的安装位置,Cpd表示产品自身的性质,包括结构形式、质量、组成材料等。
步骤一、对产品或所述产品的仿真模型Cpd1施加环境量值Cen1,通过有限元计算或试验获取产品的环境效应Cen1×pd1。之后可以通过测试确定产品是否发生失效。
步骤二、按照预设步长ΔCen逐步增加环境量值,并施加于产品,通过有限元计算或试验获取产品的环境效应Ceni×pd1,其中Ceni表示第i步的环境量值,Ceni=Cen1+(i+1)ΔCen。其中,步长ΔCen一般取ΔCen=αCen1,其中α取决于环境类型,对于振动环境,
步骤三、重复执行步骤二直至通过有限元分析或试验测试发现产品发生破坏或工作异常,并确定当前环境量值Cenk。
当P1大于1时,不存在风险;当P1小于或等于1时,产生飞行器系统存在风险的识别结果。
通过统计实际试验的结果,获取产品已经历的环境试验量级,根据产品经历的试验量级判断产品是否存在试验充分性风险。
b)根据环境量值进行影响域分析,确定影响域风险量值。
根据产品的风险项目,分析时序协调性、时序指令发出的正确性与备保措施可靠性分析,以及涵盖频域管控与电磁兼容性的频域风险分析,产品故障的影响模块由产品模块和环境模块、不同产品模块之间的耦合关系确定。
Cefji=Cen×Cpdj×Cpdi,i≠1,
其中,Cpdi和Cpdj分别表示第i个和第j个产品模块,Cefji表示在环境Cen中第j个产品对第i个产品的影响。具体分析步骤如下:
步骤一、通过如下公式计算第j个产品参数Cpdj在环境参数Cen中的环境适应性风险指数Cen×pdj,
Cen×pdj=Cen×Cpdj。
之后可以根据环境适应性风险指数Cen×pdj计算环境效应。
步骤二、通过如下公式计算第j个产品参数Cpdj的环境响应对第i个产品参数Cpdi的影响值:
Cefji=(Cen×Cpdj)×Cpdi。
当影响域风险量值P2大于1时,不存在风险。
当影响域风险量值P2小于或等于1时,产生飞行器系统存在风险的识别结果。
重复上述步骤一至步骤三,直至遍历所有的产品,识别是否存在风险。
在上述技术方案的基础上,还可以开展聚焦产品模块的风险分析工作。具体的,进一步聚焦于产品维度,以六性分析方法为牵引,开展聚焦产品的多维度风险分析和识别,具体为利用产品模块、影响域模块、接口模块信息开展故障模式、影响及严酷度分析(FMECA),Ⅰ、Ⅱ类单点故障模式识别及分析。
图4为本申请实施例二提供的航天飞行器系统模型的严酷度分析拓扑图。如图4所示,对产品开展分层级的FMECA工作,确定风险产生的根源并确定风险的发生的可能性及严酷度,同时制定产品故障的检测和设计改进措施,增强产品设计的健壮性。在开展FMECA的基础上,对于影响运载火箭全系统成败的Ⅰ、Ⅱ类单点故障模式进行识别及分析,并从设计、生产、试验、测试、操作等方面制定相应措施,在产品研制全流程中化解技术风险,具体分析步骤为:
步骤一、分析产品Cpd1在时序CT下和环境Cen下的响应Cef:
Cef=CT×Cen×Cpd1,
步骤二、分析产品响应Cef对高一层级产品Cpd1-1的影响Cef1-1:
Cef1-1=Cef×Cpd1-1,
步骤三、重复步骤一~步骤二,直至分析至最高层级,即火箭系统。
图5为本申请实施例二提供的融合六性工程方法的飞行器技术风险管控总体实施方案的结构框图,图6为本申请实施例二提供的基于时序的风险分析的结构框图,图7为本申请实施例二提供的六性闭环管控的结构框图。结合图5至图7所示的内容,本实施例提供的上述方案提出了一种商业运载火箭的模块式抽象建模方法,建立了基于模块式模型的风险管控方法体系,解决了传统航天型号风险管控方法难以聚焦的问题,提升了风险闭环管控工作的效率及精细化程度。还提出了一种基于时序流程动作及六性设计分析的产品多维度风险管控方法,以时序为线索,以六性方法为牵引,聚焦商业运载火箭产品薄弱环节,全面、系统地识别了技术风险,精准、有效地改进了设计,解决了商业运载火箭技术风险辨识缺乏系统性的问题。另外,提供了一种设计、分析、验证三位一体的层次化风险精准控制方法,对于不同类型的风险分别采取不同层次的控制措施,将风险化解措施所需各类资源进行最优化配置,解决了商业运载火箭风险管控耗时长、成本高的问题,提升了商业运载火箭的研制效率及可靠性水平。
以上各参数之间的关联关系及计算方式可参照已有技术中常用的方式,本实施例不做详细说明,也不限定具体的方式。
实施例三
图8为本申请实施例提供的航天飞行器系统的风险识别设备的结构框图。如图8所示,本实施例提供一种航天飞行器系统的风险识别设备,包括:存储器81、处理器82、以及计算机程序。其中,计算机程序存储在存储器81中,并被配置为由处理器82执行以实现如上任一内容所提供的航天飞行器系统的风险识别方法。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行以实现如上任一内容所提供的航天飞行器系统的风险识别方法。
本实施例提供的设备和存储介质具有与上述方法相同的技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种航天飞行器系统的风险识别方法,其特征在于,包括:
根据预先建立的飞行器模型确定飞行器模型参数;
根据飞行器模型参数进行基于时序的风险分析计算;
根据风险分析计算的结果对飞行器系统的风险进行识别。
2.根据权利要求1所述的方法,其特征在于,所述飞行器模型参数包括:表征飞行器市场和用户需求的需求参数、表征飞行器产品的产品参数、表征飞行器硬件及软件接口的接口参数、表征飞行器外部环境状况的环境参数、表征飞行器研制及应用状况的动作参数、表征飞行器研制及应用时序状况的时域参数、飞行器研制及应用空间状况的空域参数以及表征飞行器影响因素的影响域参数。
3.根据权利要求2所述的方法,其特征在于,根据飞行器模型参数进行基于时序的风险分析计算,包括:
根据飞行器模型参数进行产品域分析,确定产品域风险量值;
根据所述环境量值进行影响域分析,确定影响域风险量值。
4.根据权利要求3所述的方法,其特征在于,根据飞行器模型参数进行产品域分析,确定产品域风险量值,包括:
根据飞行器模型参数以及预设的飞行器的时序特征、动作特征及产品在飞行器上的安装位置特征确定产品经历的环境量值;
根据所述环境量值及预设的产品环境效应确定产品的环境耐受极限;
根据所述环境耐受极限及环境量值确定产品域风险量值。
5.根据权利要求4所述的方法,其特征在于,根据所述环境量值及预设的产品环境效应确定产品的环境耐受极限,包括:
步骤一、对产品或所述产品的仿真模型Cpd1施加环境量值Cen1,通过有限元计算或试验获取产品的环境效应Cen1×pd1;
步骤二、按照预设步长ΔCen逐步增加环境量值,并施加于产品,通过有限元计算或试验获取产品的环境效应Ceni×pd1,其中Ceni表示第i步的环境量值,Ceni=Cen1+(i+1)ΔCen;
步骤三、重复执行步骤二直至通过有限元分析或试验测试发现产品发生破坏或工作异常,并确定当前环境量值Cenk;
6.根据权利要求5所述的方法,其特征在于,根据所述环境耐受极限及环境量值确定产品域风险量值,包括:
计算环境耐受极限与环境量值之间的比值作为产品域风险量值。
8.根据权利要求3所述的方法,其特征在于,根据风险分析计算的结果对飞行器系统的风险进行识别,包括:
当产品域风险量值小于或等于1时,产生飞行器系统存在风险的识别结果;
当影响域风险量值小于或等于1时,产生飞行器系统存在风险的识别结果。
9.一种航天飞行器系统的风险识别设备,其特征在于,包括:
存储器;
处理器;以及
计算机程序;
其中,所述计算机程序存储在所述存储器中,并被配置为由所述处理器执行以实现如权利要求1-8任一项所述的航天飞行器系统的风险识别方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序;所述计算机程序被处理器执行以实现如权利要求1-8任一项所述的航天飞行器系统的风险识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202094.2A CN112182783B (zh) | 2020-11-02 | 2020-11-02 | 航天飞行器系统的风险识别方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202094.2A CN112182783B (zh) | 2020-11-02 | 2020-11-02 | 航天飞行器系统的风险识别方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182783A true CN112182783A (zh) | 2021-01-05 |
CN112182783B CN112182783B (zh) | 2024-05-10 |
Family
ID=73916872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202094.2A Active CN112182783B (zh) | 2020-11-02 | 2020-11-02 | 航天飞行器系统的风险识别方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182783B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051747A (zh) * | 2021-03-19 | 2021-06-29 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876207A (zh) * | 2018-08-03 | 2018-11-23 | 广州供电局有限公司 | 作业风险评估方法、装置、计算机设备和存储介质 |
CN109064037A (zh) * | 2018-08-08 | 2018-12-21 | 上海西岸传媒港开发建设有限公司 | 基坑施工风险管控方法、系统和设备 |
CN109063293A (zh) * | 2018-07-20 | 2018-12-21 | 中国空间技术研究院 | 一种基于虚拟仿真技术的卫星总体总装设计风险识别方法 |
CN109558653A (zh) * | 2018-11-15 | 2019-04-02 | 中国运载火箭技术研究院 | 一种空间飞行器长期在轨能源系统安全性评估方法 |
CN109783870A (zh) * | 2018-12-18 | 2019-05-21 | 北京航空航天大学 | 一种基于形式化验证的人机交互风险场景识别方法 |
CN111061293A (zh) * | 2019-11-12 | 2020-04-24 | 中国运载火箭技术研究院 | 多参数耦合的飞行器故障定位方法、飞行器及存储介质 |
CN111259959A (zh) * | 2020-01-16 | 2020-06-09 | 山东超越数控电子股份有限公司 | 一种航天飞行控制器故障状态识别方法,设备及可读存储介质 |
CN111275101A (zh) * | 2020-01-19 | 2020-06-12 | 山东超越数控电子股份有限公司 | 一种飞机液压系统故障识别方法,设备及可读存储介质 |
US20200239162A1 (en) * | 2017-10-06 | 2020-07-30 | Mitsubishi Heavy Industries, Ltd. | Aircraft health diagnostic device and aircraft health diagnostic method |
-
2020
- 2020-11-02 CN CN202011202094.2A patent/CN112182783B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200239162A1 (en) * | 2017-10-06 | 2020-07-30 | Mitsubishi Heavy Industries, Ltd. | Aircraft health diagnostic device and aircraft health diagnostic method |
CN109063293A (zh) * | 2018-07-20 | 2018-12-21 | 中国空间技术研究院 | 一种基于虚拟仿真技术的卫星总体总装设计风险识别方法 |
CN108876207A (zh) * | 2018-08-03 | 2018-11-23 | 广州供电局有限公司 | 作业风险评估方法、装置、计算机设备和存储介质 |
CN109064037A (zh) * | 2018-08-08 | 2018-12-21 | 上海西岸传媒港开发建设有限公司 | 基坑施工风险管控方法、系统和设备 |
CN109558653A (zh) * | 2018-11-15 | 2019-04-02 | 中国运载火箭技术研究院 | 一种空间飞行器长期在轨能源系统安全性评估方法 |
CN109783870A (zh) * | 2018-12-18 | 2019-05-21 | 北京航空航天大学 | 一种基于形式化验证的人机交互风险场景识别方法 |
CN111061293A (zh) * | 2019-11-12 | 2020-04-24 | 中国运载火箭技术研究院 | 多参数耦合的飞行器故障定位方法、飞行器及存储介质 |
CN111259959A (zh) * | 2020-01-16 | 2020-06-09 | 山东超越数控电子股份有限公司 | 一种航天飞行控制器故障状态识别方法,设备及可读存储介质 |
CN111275101A (zh) * | 2020-01-19 | 2020-06-12 | 山东超越数控电子股份有限公司 | 一种飞机液压系统故障识别方法,设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
李炳蔚等: "基于时序的导弹武器系统环境适应性分析方法", 《装备环境工程》, vol. 15, no. 11, pages 70 - 74 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051747A (zh) * | 2021-03-19 | 2021-06-29 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
CN113051747B (zh) * | 2021-03-19 | 2024-02-09 | 北京圣涛平试验工程技术研究院有限责任公司 | 一种飞机可靠性数据资产模型构建方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112182783B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hasib et al. | A comprehensive review of available battery datasets, RUL prediction approaches, and advanced battery management | |
You et al. | Real-time state-of-health estimation for electric vehicle batteries: A data-driven approach | |
Zhang et al. | Lithium-ion battery pack state of charge and state of energy estimation algorithms using a hardware-in-the-loop validation | |
CN102801552B (zh) | 基于网络建模的用于错误隔离和错误减轻的系统和方法 | |
CN102576475B (zh) | 平台健康监视系统 | |
Fotouhi et al. | Electric vehicle battery parameter identification and SOC observability analysis: NiMH and Li‐S case studies | |
CN107066382B (zh) | 一种基于模型的航天器系统自动化测试方法 | |
CN106570281B (zh) | 基于相似产品信息的小子样产品贝叶斯可靠性评估方法 | |
EP1352327A2 (en) | Method and apparatus for predicting failure in a system | |
KR20180055192A (ko) | 배터리 상태를 추정하는 방법 및 장치 | |
CN111816936B (zh) | 电池梯次利用配组方法、系统、终端设备及存储介质 | |
JP2019191029A (ja) | 電池情報処理システム、組電池、電池モジュールの特性評価方法、および、組電池の製造方法 | |
CN111680388B (zh) | 任务电子系统可靠性数据量化方法、装置和计算机设备 | |
CN113221362B (zh) | 卫星发射场性能试验科目的选取方法、装置和电子设备 | |
US20180276321A1 (en) | Method and apparatus for testing design of satellite wiring harness and signal processing units | |
CN112182783A (zh) | 航天飞行器系统的风险识别方法、设备及存储介质 | |
Ramezani et al. | Multiple objective functions for falsification of cyber-physical systems | |
Peng et al. | Real-time state of charge estimation of the extended Kalman filter and unscented Kalman filter algorithms under different working conditions | |
CN116992577B (zh) | 跨介质航行器的仿真方法、系统、设备及存储介质 | |
KR20230088644A (ko) | 전기자동차의 배터리 성능진단을 위한 배터리 성능진단용 간이진단기 및 동작 방법 | |
CN113987840B (zh) | 基于Modelica的模型拆分方法、设备和存储介质 | |
CN113933718B (zh) | 一种退役电池容量分选方法、装置、设备及存储介质 | |
CN114912329A (zh) | 电池包模型的建模方法、装置、电子设备及存储介质 | |
Wang et al. | Reliability modeling and verification method for dynamic reconfiguration system | |
CN106656684A (zh) | 一种网格资源可靠性监控方法及装置 |
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 |