[发明专利]基于多状态多值决策图的航空发动机可靠性分析方法

说明书

本发明公开了一种基于多状态多值决策图的航空发动机可靠性分析方法，主要解决现有技术对多状态系统建模出现状态空间过大的问题。其实现方案是：1)建立底事件的多状态多值决策图模型；2)对动态门的底事件进行排序；3)建立静态门与动态门的多状态多值决策图模型；4)按照事件状态数目对底事件以非降序排序；5)调整4)底事件的顺序；6)根据5)的底事件顺序建立航空发动机转子系统的多状态多值决策图模型。本发明考虑底事件的状态数目对多状态多值决策图大小的影响，通过对底事件进行排序得到优化的底事件顺序，缩小了多状态多值决策图的大小，降低了系统可靠性分析模型中状态空间的规模，可用于对航空发动机转子系统进行可靠性分析。

技术领域

本发明属于航空技术领域，特别涉及一种航空发动机建模方法，可用于对航空发动机转子系统进行可靠性分析。

背景技术

以往对可靠性的研究中大多是基于二元状态系统展开的，系统及其组成元件均被认为只有“正常”和“故障”两种状态。因此，对二元状态系统进行建模和分析的理论和工具已经非常成熟，包括故障树，可靠性框图和二元决策图BDD等方法。然而，在实际中，大多数系统都是相对复杂的多状态系统，因此，对多状态系统的可靠性建模及分析，已经逐渐成为目前国内外研究的热点。Hudson J C,Kapur K C在1983年最先提出了用于多状态系统的多状态元件的可靠性分析方法，并对多状态系统进行了语义定义。

多状态系统的特征在于系统及其组成元件包含从“完全正常”到“完全故障”之间的多种状态和性能水平。可以模拟复杂的行为，例如共享负载，性能下降，不完全覆盖，冗余备份和有限容量。多状态系统有许多实际的应用，包括电力系统，机械系统，通信和传输网络，计算机系统，传感器网络和逻辑电路等。

Yuchang Mo在2014年提出了一种基于动态故障树DFT的多值决策图MDD的分析方法，通过使用多只变量对动态门进行编码，生成多值决策图MDD模型来模拟系统的故障行为，但是该方法只能解决二状态系统的动态故障树的模型，不能用于多状态系统的研究中。Y Ren,C Zeng等在2019年提出了一种基于多值决策图MDD的多状态GO模型的新算法，用于对复杂系统可靠性进行定性和定量分析，但是该方法并不能直观表现多状态系统的结构。

ALisnianski,D Elmakias等在2012年提出了一种多状态马尔可夫模型MSMM，用于分析发电机组的多状态可靠性，但是这样方法比较复杂，计算量大，存在状态空间爆炸的问题。

Liudong Xing等在2009年提出了一种新的基于决策图的多状态分析方法，称为多状态多值决策图MMDD，用于分析具有多态元件的多状态系统。并将多状态多值决策图MMDD方法与现有的基于二元决策图BDD的方法进行比较，证明多状态多值决策图MMDD方法与二元决策图BDD方法相比，可以提供更少的计算复杂度和更简单的模型评估算法。ShresthaA,Xing L等在2010年提出了一种基于排序启发式的多状态多值决策图MMDD模型，该模型在原来多状态多值决策图MMDD模型的基础上，对多状态多值决策图MMDD模型进行了约简。LiX Y,Huang H Z等在2018年基于多状态多值决策图MMDD模型对不可修复的多状态系统的可靠性进行评估，但是这种方法并不适用于可修复的系统。

在国内也有很多学者对多状态系统的可靠性建模进行了研究和创新。王斌等基于多值决策图MDD对动态故障树DFT进行了分析，但是并未建立多状态下的系统模型。李淑梅等基于模块分解的多态故障树进行了可靠性分析方法的研究，王宁等基于多状态故障树建立了多状态多值决策图MMDD模型，并将多态故障树进行模块化分解后分别建立系统在每个状态下的多状态多值决策图MMDD模型。但是这些方法均只能解决只包含与或门的静态故障树模型，并不适用于包含动态逻辑关系的多状态系统。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于多状态多值决策图的航空发动机可靠性分析方法，以在多状态多值决策图MMDD中增加多状态动态门的语义，缩小多状态多值决策图MMDD的大小，降低系统可靠性分析模型中状态空间的规模。