CN112364491B - 系统安全性量化试验方法、装置、计算机设备和存储介质 - Google Patents

系统安全性量化试验方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112364491B
CN112364491B CN202011173390.4A CN202011173390A CN112364491B CN 112364491 B CN112364491 B CN 112364491B CN 202011173390 A CN202011173390 A CN 202011173390A CN 112364491 B CN112364491 B CN 112364491B
Authority
CN
China
Prior art keywords
failure
mode
fault mode
target system
safety
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
CN202011173390.4A
Other languages
English (en)
Other versions
CN112364491A (zh
Inventor
黄铎佳
乔丽娜
谢丽梅
时钟
刘文浩
蔡玉红
黄海东
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.)
China Electronic Product Reliability and Environmental Testing Research Institute
Original Assignee
China Electronic Product Reliability and Environmental Testing Research Institute
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 China Electronic Product Reliability and Environmental Testing Research Institute filed Critical China Electronic Product Reliability and Environmental Testing Research Institute
Priority to CN202011173390.4A priority Critical patent/CN112364491B/zh
Publication of CN112364491A publication Critical patent/CN112364491A/zh
Application granted granted Critical
Publication of CN112364491B publication Critical patent/CN112364491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/08Probabilistic or stochastic CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Abstract

本申请涉及一种系统安全性量化试验方法、装置、计算机设备和存储介质。包括:计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,将故障模式参数集合中的目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数集合,根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果。在本方法中,计算机设备根据确定的故障模式组合,对目标系统进行功能安全性试验,实现了以定量的故障模式对系统进行试验的目的,目标系统的安全性量化结果更为准确。

Description

系统安全性量化试验方法、装置、计算机设备和存储介质
技术领域
本申请涉及系统测试技术领域,特别是涉及一种系统安全性量化试验方法、装置、计算机设备和存储介质。
背景技术
系统安全性分析与评估对系统的稳定运行起着重要的作用。目前针对系统安全性的研究包括系统安全性分析和评估,如通过功能危险性分析(Functional HazardAnalysis,FHA)识别整机级和系统级所有失效状态,通过初步飞机/系统安全性评估(Preliminary Aircraft/System Safety Assessment,PASA/PSSA)分配安全性要求、分析失效原因,利用系统安全性评估(System Safety Assessment,SSA)对系统的安全性要求进行评估验证。
现有技术中,采用定性评估、定量评估、以及综合评估等方式对飞机系统进行安全性评估。其中,分析人员采用故障模式与影响分析(Failure Modes and EffectsAnalysis,FEMA)方法等方法对飞机系统进行定性评估;通过定量概率评估方法等方法对飞机系统进行定量评估。
然而,上述定性评估和定量评估的方法均依赖于分析人员逻辑的正确性和考虑的全面性。而对于复杂系统,其故障模式及组合也更为复杂,采用上述系统安全性评估方法易导致安全性评估不准确等问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高量化准确性的系统安全性量化试验方法、装置、计算机设备和存储介质。
第一方面,提供一种系统安全性量化试验方法,该方法包括:
根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;
将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
在其中一个实施例中,上述根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,包括:
根据各故障模式的失效率和各故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合;
去除所有候选故障模式参数集合中的空集,并对相同的候选故障模式参数集合进行并集处理,得到故障模式参数集合。
在其中一个实施例中,上述根据各故障模式的失效率和各故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合,包括:
根据各故障模式的失效率,计算抽样算法的执行总次数N;
将各故障模式的失效率输入至抽样算法中执行抽样操作,得到候选故障模式参数集合,重复执行抽样操作,直到执行次数达到执行总次数N,得到N个候选故障模式参数集合。
在其中一个实施例中,上述将各故障模式的失效率输入至抽样算法中执行抽样操作,得到候选故障模式参数集合,包括:
基于预设的数值区间,生成各故障模式对应的随机数;
根据各随机数和各故障模式的失效率,计算各故障模式对应的失效时间;
根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合。
在其中一个实施例中,上述根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合,包括:
若故障模式的失效时间处于对应的风险暴露时间区间内,则提取故障模式;
根据提取到的故障模式,生成候选故障模式参数集合。
在其中一个实施例中,上述根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果,包括:
根据功能失效故障模式的发生次数集合,计算目标系统的失效总次数;
根据目标系统的失效总次数和抽样算法的执行总次数,计算目标系统的实际失效率;
将目标系统的实际失效率与目标系统的失效率指标进行比较,得到目标系统的安全性量化结果;目标系统的失效率指标是根据系统安全性指标分配得到的。
在其中一个实施例中,上述将目标系统的实际失效率与目标系统的失效率指标进行比较,得到目标系统的安全性量化结果,包括:
若目标系统的实际失效率大于目标系统的失效率指标,则确定目标系统的安全性量化结果为不符合指标要求;
若目标系统的实际失效率小于或等于目标系统的失效率指标,则确定目标系统的安全性量化结果为符合指标要求。
在其中一个实施例中,上述方法还包括:
对目标系统进行失效模式与影响分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间。
第二方面,提供一种系统安全性量化试验装置,该装置包括:
确定模块,用于根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;
试验模块,用于将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
量化模块,用于根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
第三方面,提供一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行该计算机程序时实现上述第一方面任一所述的系统安全性量化试验方法。
第四方面,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时实现上述第一方面任一所述的系统安全性量化试验方法。
上述系统安全性量化试验方法、装置、计算机设备和存储介质,计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,将故障模式参数集合中的目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数集合,根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果。在本方法中,计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定定量的故障模式组合,通过故障注入方法对目标系统进行功能安全性试验,实现了以定量的故障模式对系统进行试验的目的,使得系统安全性的量化结果不依赖于人工分析,量化结果更为准确。
附图说明
图1为一个实施例中系统安全性量化试验方法的应用环境图;
图2为一个实施例中系统安全性量化试验方法的流程示意图;
图3为一个实施例中系统安全性量化试验方法的流程示意图;
图4为一个实施例中系统安全性量化试验方法的流程示意图;
图5为一个实施例中系统安全性量化试验方法的流程示意图;
图6为一个实施例中系统安全性量化试验方法的流程示意图;
图7为一个实施例中系统安全性量化试验方法的流程示意图;
图8为一个实施例中系统安全性量化试验方法的流程示意图;
图9为一个实施例中系统安全性量化试验装置的结构框图;
图10为一个实施例中系统安全性量化试验装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的系统安全性量化试验方法,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种系统安全性量化试验方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请图2-图9实施例提供的系统安全性量化试验方法,其执行主体为计算机设备,也可以是系统安全性量化试验装置,该系统安全性量化试验装置可以通过软件、硬件或者软硬件结合的方式成为计算机设备的部分或全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
在一个实施例中,如图2所示,提供了一种系统安全性量化试验方法,涉及的是计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,将故障模式参数集合中的目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,根据功能失效故障模式的发生次数,确定目标系统的安全性量化结果的过程,包括以下步骤:
S201、根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合。
其中,故障模式的失效率指的是某一特定故障模式的发生概率;故障模式的风险暴露时间区间指的是该故障发生可能造成关注的安全性影响的时间段。
在本实施例中,计算机设备可以根据统计的目标系统中各设备的故障模式,确定目标故障模式子集,并对目标故障模式子集的发生次数进行统计,生成故障模式的发生次数集合,从而形成故障模式参数集合;可选地,由于目标系统中涉及较多设备,计算机设备还可以基于抽样算法,根据各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,对目标系统的故障模式进行抽样操作,从而确定定量的目标故障模式子集,对应的对目标故障模式子集的发生次数进行统计,生成故障模式的发生次数集合,从而形成故障模式参数集合,本实施例对此不做限定。
S202、将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合。
在本实施例中,计算机设备根据上述步骤中得到的目标故障模式子集,基于故障注入方法,将目标故障模式子集注入目标系统进行功能安全性试验,即令目标系统在目标故障模式子集中的各故障模式下运行,确定造成目标系统功能失效的功能失效故障模式子集,可选地,计算机设备可以根据功能失效故障模式子集统计各故障模式发生的次数,从而生成功能失效故障模式发生次数集合,示例地,计算机设备将上述步骤确定的目标故障模式子集{B}通过故障注入的方式向目标系统注入集合相应的故障模式进行系统安全性试验,确认会导致目标系统功能失效的故障模式组合{F}={{Ae},{Ah},…,{Aq}},统计各故障模式发生的次数确认发生次数{D}={ce,ch,…,cq},本实施例对此不做限定。
S203、根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
在本实施例中,计算机设备根据功能失效故障模式发生次数集合,确定目标系统的安全性量化结果,可选地,计算机设备可以统计功能失效故障模式发生次数集合中发生次数的总和,根据该总和次数确定目标系统的安全性量化结果,例如,总和次数大于预设的次数阈值,则确定目标系统的安全性量化结果为不符合指标要求;总和次数小于或等于预设的次数阈值,则确定目标系统的安全性量化结果符合指标要求。此外,计算机设备还可以计算总和次数与预设的次数阈值的商,根据商确定目标系统的安全性量化结果,本实施例对此不做限定。
上述系统安全性量化试验方法中,计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,将故障模式参数集合中的目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数集合,根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果。在本方法中,计算机设备根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定定量的故障模式组合,通过故障注入方法对目标系统进行功能安全性试验,实现了以定量的故障模式对系统进行试验的目的,使得系统安全性的量化结果不依赖于人工分析,量化结果更为准确。
由于目标系统中涉及设备较多,在对目标系统进行故障注入功能安全性试验之前,可以对故障注入数据进行定量分析,在一个实施例中,如图3所示,上述根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合,包括:
S301、根据各故障模式的失效率和各故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合。
其中,抽样算法可以为蒙特卡洛抽样算法,也可以是其他抽样算法。在本实施例中,计算机设备基于抽样算法进行抽样操作,并将抽样操作的输出结果和各故障模式的失效率输入至预设的抽样算法中,得到算法输出结果,根据算法输出结果,确定候选故障模式参数集合,可选地,计算机设备根据抽样操作的输出结果和各故障模式的失效率可以得到各故障模式的失效时间,基于各故障模式的失效时间,确定候选故障模式参数集合,本实施例对此不做限定。
S302、去除所有候选故障模式参数集合中的空集,并对相同的候选故障模式参数集合进行并集处理,得到故障模式参数集合。
在本实施例中,计算机设备在执行抽样算法之后,会得到多个候选故障模式参数集合,示例地,多个候选故障模式参数集合可以表示为{A1}、{A2}、...、{AN},计算机设备对所有候选故障模式参数集合进行筛选,除去候选故障模式参数集合中的空集,合并候选故障模式参数集合中相同的集合,得到故障模式参数集合{B}={{A1},{A2},…,{Ak}}。此外,计算机设备根据各组合的发生次数,生成各故障模式集合发生次数的集合,发生次数的集合可以表示为{C}={c1,c2,…,ck},本实施例对此不做限定。
在本实施例中,计算机设备基于预设的抽样算法,根据各故障模式的失效率和各故障模式的风险暴露时间区间执行抽样操作,并对抽样操作得到的多个候选故障模式参数集合进行筛选,确定的故障模式参数集合更为准确有效。
可选地,在一个实施例中,如图4所示,上述根据各故障模式的失效率和各故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合,包括:
S401、根据各故障模式的失效率,计算抽样算法的执行总次数N。
在本实施例中,计算机设备根据各故障模式的失效率,确定目标系统的失效率指标P,从而根据目标系统的失效率指标P和预设的计算公式,确定抽样算法的执行总次数N,其中,执行总次数N的计算公式为:
Figure BDA0002748005250000091
其中,α为置信度,1-α为置信水平,δ为绝对精度,P为目标系统的失效率指标,(1-P)≈1。
可选地,当δ取
Figure BDA0002748005250000092
时,若置信水平取80%,则N=6.6248/P;若置信水平取85%,N=8.3232/P;若置信水平取90%,N=10.9512/P,本实施例对此不做限定。
S402、将各故障模式的失效率输入至抽样算法中执行抽样操作,得到候选故障模式参数集合,重复执行抽样操作,直到执行次数达到执行总次数N,得到N个候选故障模式参数集合。
在本实施例中,根据上述步骤得到抽样算法的执行总次数,计算机设备基于该总次数执行抽样操作,可选地,计算机设备将各故障模式的失效率输入至预设的抽样算法中,根据抽样算法的输出结果,确定候选故障模式参数集合{A},在每执行完一次抽样操作时,计算机设备判断当前抽样操作的执行次数是否已经达到执行总次数N,若当前抽样操作的执行次数小于N,则返回继续执行抽样操作,直到当前抽样操作的执行次数达到执行总次数N,此时,计算机设备可以得到N个候选故障模式参数集合{A1}、{A2}、...、{AN},本实施例对此不做限定。
在本实施例中,计算机设备基于计算得到的抽样操作的执行总次数进行抽样操作,该抽样算法实现了在一定的置信度下,定量地得到有效的故障模式集合的目的。
计算机设备可以基于蒙特卡洛抽样进行抽样操作,可选地,计算机设备还可以基于其他抽样算法进行抽样操作,在一个实施例中,如图5所示,上述将各故障模式的失效率输入至抽样算法中执行抽样操作,得到候选故障模式参数集合,包括:
S501、基于预设的数值区间,生成各故障模式对应的随机数。
在本实施例中,计算机设备基于蒙特卡洛抽样方法,从区间[0,1]中抽取随机R,可选地,计算机设备可以根据故障模式的数量抽取相同数量的随机数,形成随机数与故障模式的对应关系。
S502、根据各随机数和各故障模式的失效率,计算各故障模式对应的失效时间。
在本实施例中,根据上述抽取的各故障模式对应的随机数,和各故障模式对应的失效率,基于预设的计算公式,计算各故障模式对应的失效时间。示例地,针对故障模式1,抽取的随机数为R1,其故障模式的失效率为λ1,该故障模式对应的失效时间t1的计算公式为:
Figure BDA0002748005250000101
故障模式2以及其他故障模式对应的失效时间的计算方法类似。
S503、根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合。
在本实施例中,通过上述步骤,可以计算得到所有故障模式对应的失效时间集合{T}={t1,t2,…,tm-1,tm},计算机设备根据各故障模式对应的失效时间,和故障模式的风险暴露时间区间,确定候选故障模式参数集合。示例地,计算机设备可以通过判断各故障模式对应的失效时间是否处于其对应的风险暴露时间区间内,确定候选故障模式参数集合中的故障模式,本实施例对此不做限定。
在本实施例中,计算机设备通过蒙特卡洛抽样方法,实现定量抽取故障模式,并根据故障模式的失效时间和风险暴露时间区间,确定候选故障模式集合,该方案简单有效的确定了定量的故障模式,为故障注入试验提供了有效的数据。
可选地,计算机设备根据各故障模式对应的失效时间,确定真正造成安全性影响的故障模式参数集合,在一个实施例中,如图6所示,上述根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合,包括:
S601、若故障模式的失效时间处于对应的风险暴露时间区间内,则提取故障模式。
在本实施例中,计算机设备根据确定的各故障模式对应的风险暴露时间区间集合
Figure BDA0002748005250000111
和各故障模式对应的失效时间集合{T}={t1,t2,…,tm-1,tm},确定各故障模式对应的失效时间是否处于对应的风险暴露时间区间内,示例地,针对故障模式1,判断t1是否处于
Figure BDA0002748005250000112
内,若t1处于
Figure BDA0002748005250000113
内,则将故障模式1提取出来,故障模式2以及其他故障模式类似。
S602、根据提取到的故障模式,生成候选故障模式参数集合。
在本实施例中,按照上述方案,针对所有故障模式的失效时间和风险暴露时间区间进行判断,提取失效时间处于风险暴露时间区间的对应的故障模式,形成候选故障模式参数集合{F}。
在本实施例中,根据风险暴露时间区间确定造成安全性影响的故障模式,该方案简单有效的确定了定量的故障模式,为故障注入试验提供了有效的数据。
失效故障模式的发生次数侧面反映了目标系统的安全性和稳定性,在一个实施例中,如图7所示,上述根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果,包括:
S701、根据功能失效故障模式的发生次数集合,计算目标系统的失效总次数。
在本实施中,计算机设备根据功能失效故障模式子集,统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合,示例地,失效功能故障模式子集可以表示为{F}={{Ae},{Ah},…,{Aq}},相应的功能失效故障模式的发生次数集合可以表示为{D}={ce,ch,…,cq},根据该集合中所有的次数,计算目标系统的失效总次数n,可选地,计算机设备可以将所有次数叠加,得到目标系统的失效总次数n,即n=ce+ch+…+cq,本实施例对此不做限定。
S702、根据目标系统的失效总次数和抽样算法的执行总次数,计算目标系统的实际失效率。
在本实施例中,计算机设备根据上述计算得到的目标系统的失效总次数n,以及上述步骤计算得到的抽样算法的执行总次数N,计算目标系统的实际失效率,可选地,计算机设备可以将目标系统的失效总次数与抽样算法的执行总次数N的商作为目标系统的实际失效率P,即:P=n/N,本实施例对此不做限定。
S703、将目标系统的实际失效率与目标系统的失效率指标进行比较,得到目标系统的安全性量化结果;目标系统的失效率指标是根据系统安全性指标分配得到的。
在本实施例中,计算机设备根据计算得到的目标系统的实际失效率P,与目标系统的失效率指标进行比较。其中,目标系统的失效率指标P指标可以根据系统需求、安全性目标分配得到。从而计算机设备根据P和P指标进行对比,得到目标系统的安全性量化结果。
可选地,在一个实施例中,若目标系统的实际失效率大于目标系统的失效率指标,则确定目标系统的安全性量化结果为不符合指标要求。
在本实施例中,若P大于P指标,则意味着目标系统的故障失效率已经超过失效率指标,此时,认定目标系统的安全性量化结果为不符合指标要求,该目标系统的存在不稳定性或存在不安全性。
若目标系统的实际失效率小于或等于目标系统的失效率指标,则确定目标系统的安全性量化结果为符合指标要求。
在本实施例中,若P小于或等于P指标,则意味着目标系统的的故障失效率在可接受范围之内,此时,认定目标系统的安全性量化结果为符合指标要求,该目标系统处于安全状态或稳定状态。
在本实施例中,计算机设备根据目标系统的功能失效故障模式的发生次数计算目标系统的实际失效率,从而根据目标系统的实际失效率和失效率指标确定目标系统的安全性量化结果,该方案简单有效。
目标系统的各设备的故障模式的确定可以通过失效模式与影响分析方法进行分析评估确定,在一个实施例中,上述方法还包括:
对目标系统进行失效模式与影响分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间。
在本实施例中,计算机设备可以基于目标系统,统计目标系统中包括的设备的种类、数量等参数,从而基于失效模式与影响分析方法,对目标系统中各个设备进行故障模式分析,得到故障模式集合,可选地,针对各设备,分析各设备在不同工作阶段下的产生的所有故障模式,例如,针对飞机系统,分析起落架在放下阶段下可能出现的故障,可选地,在飞机起落架放下阶段,可能出现的故障模式包括起落架被卡住等。根据故障模式集合,统计各个故障模式对应的失效率,例如,若故障模式集合中存在m个故障模式,则故障模式失效率可以表示为{λ}={λ12,…,λm-1m},需要说明的是,各个故障模式的失效率可由设备的厂家提供。此外,还可以根据故障模式集合,确定各个故障模式对应的失效判据,以及各个故障模式对应的风险暴露时间区间,各个故障模式的风险暴露时间区间可以表示为
Figure BDA0002748005250000131
本实施例对此不做限定。
在本实施例中,通过失效模式与影响分析方法对目标系统中各个设备的故障模式进行分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间,为进一步对目标系统进行定量试验较为准确的样本数据。
为了更好的说明上述方法,如图8所示,本实施例提供一种系统安全性量化试验方法,具体包括:
S101、对目标系统进行失效模式与影响分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间;
S102、根据各故障模式的失效率,计算抽样算法的执行总次数N;
S103、基于预设的数值区间,生成各故障模式对应的随机数;
S104、根据各随机数和各故障模式的失效率,计算各故障模式对应的失效时间;
S105、根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合;
S106、判断当前执行次数是否等于执行总次数N;若小于N,则返回执行步骤S103;若等于N,则执行步骤S107;
S107、得到N个候选故障模式参数集合,去除所有候选故障模式参数集合中的空集,并对相同的候选故障模式参数集合进行并集处理,得到故障模式参数集合;
S108、将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;
S109、根据功能失效故障模式的发生次数集合,计算目标系统的失效总次数;
S110、根据目标系统的失效总次数和抽样算法的执行总次数,计算目标系统的实际失效率;
S111、将目标系统的实际失效率与目标系统的失效率指标进行比较,得到目标系统的安全性量化结果。
在本实施例中,计算机设备对目标系统进行失效模式与影响分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间,基于得到的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间和预设的抽样算法,确定定量的故障模式组合,通过故障注入方法对目标系统进行功能安全性试验,实现了定性分析与定量试验结合对目标系统进行安全性量化的目的,量化结果更为准确。
上述实施例提供的系统安全性量化试验方法,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
应该理解的是,虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-8中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种系统安全性量化试验装置,包括:确定模块01、试验模块02和量化模块03,其中:
确定模块01,用于根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;
试验模块02,用于将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
量化模块03,用于根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
在一个实施例中,上述确定模块01,具体用于根据各故障模式的失效率和各故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合;去除所有候选故障模式参数集合中的空集,并对相同的候选故障模式参数集合进行并集处理,得到故障模式参数集合。
在一个实施例中,上述确定模块01,具体用于根据各故障模式的失效率,计算抽样算法的执行总次数N;将各故障模式的失效率输入至抽样算法中执行抽样操作,得到候选故障模式参数集合,重复执行抽样操作,直到执行次数达到执行总次数N,得到N个候选故障模式参数集合。
在一个实施例中,上述确定模块01,具体用于基于预设的数值区间,生成各故障模式对应的随机数;根据各随机数和各故障模式的失效率,计算各故障模式对应的失效时间;根据各故障模式对应的失效时间和各故障模式的风险暴露时间区间,确定候选故障模式参数集合。
在一个实施例中,上述确定模块01,具体用于若故障模式的失效时间处于对应的风险暴露时间区间内,则提取故障模式;根据提取到的故障模式,生成候选故障模式参数集合。
在一个实施例中,上述量化模块03,具体用于根据功能失效故障模式的发生次数集合,计算目标系统的失效总次数;根据目标系统的失效总次数和抽样算法的执行总次数,计算目标系统的实际失效率;将目标系统的实际失效率与目标系统的失效率指标进行比较,得到目标系统的安全性量化结果;目标系统的失效率指标是根据系统安全性指标分配得到的。
在一个实施例中,上述量化模块03,具体用于若目标系统的实际失效率大于目标系统的失效率指标,则确定目标系统的安全性量化结果为不符合指标要求;若目标系统的实际失效率小于或等于目标系统的失效率指标,则确定目标系统的安全性量化结果为符合指标要求。
在一个实施例中,如图10所示,上述系统安全性量化试验装置还包括分析模块04,用于对目标系统进行失效模式与影响分析,得到目标系统的各设备的故障模式、目标系统的各故障模式的失效率、以及目标系统的各故障模式的风险暴露时间区间。
关于系统安全性量化试验装置的具体限定可以参见上文中对于系统安全性量化试验方法的限定,在此不再赘述。上述系统安全性量化试验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;
将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
根据目标系统中各设备的故障模式、各故障模式的失效率、以及各故障模式的风险暴露时间区间,确定故障模式参数集合;故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;
将目标故障模式子集中的目标故障模式注入目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
根据功能失效故障模式的发生次数集合,确定目标系统的安全性量化结果;量化结果用于表征目标系统的安全性是否符合指标要求。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种系统安全性量化试验方法,其特征在于,所述方法包括:
根据目标系统中各设备的故障模式、各所述故障模式的失效率、以及各所述故障模式的风险暴露时间区间,基于预设的抽样算法确定故障模式参数集合;所述故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;所述故障模式的风险暴露时间区间为所述故障模式发生所造成关注的安全性影响的时间段;
将所述目标故障模式子集中的目标故障模式注入所述目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计所述功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;所述功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
根据所述功能失效故障模式的发生次数集合,确定所述目标系统的安全性量化结果;所述量化结果用于表征所述目标系统的安全性是否符合指标要求。
2.根据权利要求1所述的系统安全性量化试验方法,其特征在于,所述根据目标系统中各设备的故障模式、各所述故障模式的失效率、以及各所述故障模式的风险暴露时间区间,确定故障模式参数集合,包括:
根据各所述故障模式的失效率和各所述故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合;
去除所有所述候选故障模式参数集合中的空集,并对相同的候选故障模式参数集合进行并集处理,得到所述故障模式参数集合。
3.根据权利要求2所述的系统安全性量化试验方法,其特征在于,所述根据各所述故障模式的失效率和各所述故障模式的风险暴露时间区间,基于预设的抽样算法执行抽样操作,得到多个候选故障模式参数集合,包括:
根据各所述故障模式的失效率,计算所述抽样算法的执行总次数N;
将各所述故障模式的失效率输入至所述抽样算法中执行抽样操作,得到候选故障模式参数集合,重复执行抽样操作,直到执行次数达到所述执行总次数N,得到N个候选故障模式参数集合;
其中,所述执行总次数N的计算公式为:
Figure FDA0003195928680000021
其中,α为置信度,1-α为置信水平,δ为绝对精度,P为目标系统的失效率指标,(1-P)≈1;erf()为误差函数。
4.根据权利要求3所述的系统安全性量化试验方法,其特征在于,所述将各所述故障模式的失效率输入至所述抽样算法中执行抽样操作,得到候选故障模式参数集合,包括:
基于预设的数值区间,生成各所述故障模式对应的随机数;
根据各所述随机数和各所述故障模式的失效率,计算各所述故障模式对应的失效时间;
根据各所述故障模式对应的失效时间和各所述故障模式的风险暴露时间区间,确定候选故障模式参数集合;
其中,第i个故障模式对应的失效时间ti的计算方法为:
Figure FDA0003195928680000022
其中,λi为第i个故障模式的失效率;第i个故障模式的对应的抽取的随机数为Ri
5.根据权利要求4所述的系统安全性量化试验方法,其特征在于,所述根据各所述故障模式对应的失效时间和各所述故障模式的风险暴露时间区间,确定候选故障模式参数集合,包括:
若所述故障模式的失效时间处于对应的风险暴露时间区间内,则提取所述故障模式;
根据所述提取到的故障模式,生成所述候选故障模式参数集合。
6.根据权利要求3所述的系统安全性量化试验方法,其特征在于,所述根据所述功能失效故障模式的发生次数集合,确定所述目标系统的安全性量化结果,包括:
根据所述功能失效故障模式的发生次数集合,计算所述目标系统的失效总次数;
根据所述目标系统的失效总次数和所述抽样算法的执行总次数,计算所述目标系统的实际失效率;
将所述目标系统的实际失效率与所述目标系统的失效率指标进行比较,得到目标系统的安全性量化结果;所述目标系统的失效率指标是根据系统安全性指标分配得到的。
7.根据权利要求6所述的系统安全性量化试验方法,其特征在于,所述将所述目标系统的实际失效率与所述目标系统的失效率指标进行比较,得到目标系统的安全性量化结果,包括:
若所述目标系统的实际失效率大于所述目标系统的失效率指标,则确定所述目标系统的安全性量化结果为不符合指标要求;
若所述目标系统的实际失效率小于或等于所述目标系统的失效率指标,则确定所述目标系统的安全性量化结果为符合指标要求。
8.根据权利要求1-7任一项所述的系统安全性量化试验方法,其特征在于,所述方法还包括:
对所述目标系统进行失效模式与影响分析,得到所述目标系统的各设备的故障模式、所述目标系统的各所述故障模式的失效率、以及所述目标系统的各所述故障模式的风险暴露时间区间。
9.一种系统安全性量化试验装置,其特征在于,所述系统安全性量化试验装置包括:
确定模块,用于根据目标系统中各设备的故障模式、各所述故障模式的失效率、以及各所述故障模式的风险暴露时间区间,基于预设的抽样算法确定故障模式参数集合;所述故障模式参数集合包括目标故障模式子集和目标故障模式的发生次数集合;所述故障模式的风险暴露时间区间为所述故障模式发生所造成关注的安全性影响的时间段;
试验模块,用于将所述目标故障模式子集中的目标故障模式注入所述目标系统,进行功能安全性试验,得到功能失效故障模式子集,并统计所述功能失效故障模式子集中各功能失效故障模式的失效次数,得到功能失效故障模式发生次数集合;所述功能失效故障模式子集用于表征导致系统发生功能失效状态的故障模式集合;
量化模块,用于根据所述功能失效故障模式的发生次数集合,确定所述目标系统的安全性量化结果;所述量化结果用于表征所述目标系统的安全性是否符合指标要求。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
CN202011173390.4A 2020-10-28 2020-10-28 系统安全性量化试验方法、装置、计算机设备和存储介质 Active CN112364491B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011173390.4A CN112364491B (zh) 2020-10-28 2020-10-28 系统安全性量化试验方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011173390.4A CN112364491B (zh) 2020-10-28 2020-10-28 系统安全性量化试验方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112364491A CN112364491A (zh) 2021-02-12
CN112364491B true CN112364491B (zh) 2021-10-15

Family

ID=74511146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011173390.4A Active CN112364491B (zh) 2020-10-28 2020-10-28 系统安全性量化试验方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112364491B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120080019A (ko) * 2011-01-06 2012-07-16 나종화 통합 오류주입을 이용한 임베디드 시스템의 신뢰도를 측정하는 시스템 및 그 방법
CN102629232A (zh) * 2012-01-09 2012-08-08 北京航空航天大学 引入测试有效性的软件可靠性验证测试方法
CN103913662A (zh) * 2014-04-14 2014-07-09 中国人民解放军国防科学技术大学 一种基于故障注入的测试系统单粒子功能失效率的方法
CN105260555A (zh) * 2015-10-28 2016-01-20 苏州同元软控信息技术有限公司 一种基于Modelica模型的故障注入系统及其方法
CN105302476A (zh) * 2015-09-17 2016-02-03 哈尔滨工程大学 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法
CN105512488A (zh) * 2015-12-13 2016-04-20 中国航空工业集团公司西安飞机设计研究所 一种用于机载设备测试性试验的准随机故障抽样方法
US9727432B1 (en) * 2014-10-09 2017-08-08 Seagate Technology Llc Accelerated testing using simulated failures in a multi-device storage system
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
CN111340349A (zh) * 2020-02-21 2020-06-26 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 产品可靠性评估方法、装置、计算机设备和存储介质
CN111651853A (zh) * 2020-04-14 2020-09-11 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 产品故障综合诊断能力的评估方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125110A1 (en) * 2014-09-26 2016-05-05 Yogitech S.P.A. Method for the simulation of faults in integrated circuits of electronic systems implementing applications under functional safety, corresponding system and computer program product
US9747153B2 (en) * 2015-06-22 2017-08-29 Microsoft Technology Licensing, Llc Resilience as a service
CN109144835A (zh) * 2018-08-02 2019-01-04 广东浪潮大数据研究有限公司 一种应用服务故障的自动预测方法、装置、设备及介质
CN110929934A (zh) * 2019-11-22 2020-03-27 深圳市通用互联科技有限责任公司 设备故障预测方法、装置、计算机设备和存储介质
CN111459700B (zh) * 2020-04-07 2023-04-28 华润电力技术研究院有限公司 设备故障的诊断方法、诊断装置、诊断设备及存储介质
CN111703590A (zh) * 2020-04-30 2020-09-25 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 复杂系统可靠性试验方法、装置、计算机设备和存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120080019A (ko) * 2011-01-06 2012-07-16 나종화 통합 오류주입을 이용한 임베디드 시스템의 신뢰도를 측정하는 시스템 및 그 방법
CN102629232A (zh) * 2012-01-09 2012-08-08 北京航空航天大学 引入测试有效性的软件可靠性验证测试方法
CN103913662A (zh) * 2014-04-14 2014-07-09 中国人民解放军国防科学技术大学 一种基于故障注入的测试系统单粒子功能失效率的方法
US9727432B1 (en) * 2014-10-09 2017-08-08 Seagate Technology Llc Accelerated testing using simulated failures in a multi-device storage system
CN105302476A (zh) * 2015-09-17 2016-02-03 哈尔滨工程大学 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法
CN105260555A (zh) * 2015-10-28 2016-01-20 苏州同元软控信息技术有限公司 一种基于Modelica模型的故障注入系统及其方法
CN105512488A (zh) * 2015-12-13 2016-04-20 中国航空工业集团公司西安飞机设计研究所 一种用于机载设备测试性试验的准随机故障抽样方法
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
CN111340349A (zh) * 2020-02-21 2020-06-26 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 产品可靠性评估方法、装置、计算机设备和存储介质
CN111651853A (zh) * 2020-04-14 2020-09-11 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) 产品故障综合诊断能力的评估方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"动车组故障树-蒙特卡洛法仿真分析与可靠性试验抽样方案研究";胡川;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20140531;摘要、第三章 *
"飞机整机级系统安全性指标分析";宗蜀宁 等;《空军工程大学学报(自然科学版)》;20120229;第13卷(第1期);第1节到第5节 *
Dynamic fault tree analysis using Monte Carlo simulation in probabilistic safety assessment;K. DurgaRao et.al;《Reliability Engineering and System Safety》;20081011;全文 *
Fault Injection Acceleration by Architectural Importance Sampling;Mojtaba Ebrahimi et.al;《2015 IEEE》;20121231;全文 *
基于故障注入技术的航天器系统级软件测试方法研究;幺飞 等;《航天器工程》;20190228;全文 *

Also Published As

Publication number Publication date
CN112364491A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
Sharma et al. Quantifying software performance, reliability and security: An architecture-based approach
CN111314173B (zh) 监控信息异常的定位方法、装置、计算机设备及存储介质
Böhme STADS: Software testing as species discovery
CN107992410B (zh) 软件质量监测方法、装置、计算机设备和存储介质
CN113287009A (zh) 用于评估分析仪器性能的技术
Kolassa et al. A model of the commit size distribution of open source
Ferrucci et al. Investigating functional and code size measures for mobile applications
CN114186405A (zh) 一种核动力反应堆系统的参数不确定性分析方法及系统
CN113988065A (zh) 影响因素分析方法及装置、存储介质及电子设备
Fenske et al. How preprocessor annotations (do not) affect maintainability: a case study on change-proneness
CN112364491B (zh) 系统安全性量化试验方法、装置、计算机设备和存储介质
CN116340934A (zh) 终端异常行为检测方法、装置、设备及存储介质
CN111703590A (zh) 复杂系统可靠性试验方法、装置、计算机设备和存储介质
Boring As low as reasonable assessment (ALARA): Applying discount usability to control room verification and validation
CN105787369A (zh) 基于切片度量的Android软件安全分析方法
CN111210105B (zh) 连续工作性能验证、装置、计算机设备和存储介质
US11593249B2 (en) Scalable points-to analysis via multiple slicing
CN107402883A (zh) 一种数据测试处理方法和装置
Fedotova et al. Applicability of extreme value theory to the execution time prediction of programs on socs
Mufazzal et al. Towards minimization of overall inconsistency involved in criteria weights for improved decision making
KR102060643B1 (ko) 무기체계 소프트웨어 신뢰성 추정 방법, 무기체계 소프트웨어 신뢰성 관리 방법 및 장치, 이를 위한 프로그램이 기록된 컴퓨터 판독가능 기록매체
Nagaraju et al. Online optimal release time for non-homogeneous Poisson process software reliability growth model
Jang et al. Operator action log based monitoring and control and its verification of nuclear power plants
CN111651753A (zh) 用户行为分析系统及方法
Avritzer et al. Estimating the CPU utilization of a rule-based system

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