[发明专利]多阶段任务系统冗余配置优化方法

说明书

本发明提供的一种多阶段任务系统冗余配置优化方法，包括步骤S1：建立多阶段系统的故障树和贝叶斯网络，获得多阶段系统的路集组合；S2：建立元件累积损伤模型，计算元件在各阶段的可靠度，带入多阶段系统的路集组合，得到多阶段任务系统可靠度；S3：建立多阶段任务系统冗余配置的优化数学模型；S4：代入多阶段任务系统可靠度，利用遗传算法，求解优化数学模型，获得最优元件配置基因；本发明采用遗传算法寻找系统的最优配置，采用元件冗余跨阶段共用能在不降低系统可靠性前提下显著降低造价、系统重量等性能参数，考虑失效率的不确定性获得的系统鲁棒性冗余配置结构能够显著地抵抗不确定因素的变化对系统可靠性造成的影响使系统可靠性具备稳定性。

技术领域

本发明涉及多阶段系统可靠性建模领域，具体涉及一种多阶段任务系统冗余配置优化方法。

背景技术

现有工业设备大多是高精密、高复杂设备，其任务的完成，大多由多个不同任务阶段串联而成，如导弹的攻击任务分为发射、惯性制导、末端制导三阶段组成，这样的系统称为PMS(Phased-Mission Systems)。PMS冗余配置优化的目的是通过选择冗余元件的类型以及个数在成本，重量、体积等约束下实现系统可靠性最大化，或者在保证系统达到一定可靠性以及满足重量、体积等约束条件下实现成本最小化。

PMS不同任务阶段其系统组成，元件配置，元件失效率各不相同，加之元件阶段内以及跨阶段共用造成元件失效阶段相关，使得PMS无论在可靠性求解还是冗余配置优化都较单阶段任务系统复杂的多。

目前已有较多文献讨论了PMS的可靠性求解方法，大致可分为三类：静态模型法、动态模型法以及仿真抽样方法。静态模型法如PMS-BDD(BDD，二元决策图，Binary DecisionDiagram)方法很好的解决了阶段间的相关性以及元件共用问题；贝叶斯网络(BayesianNetworks,BN)方法利用节点间的条件概率关系能很好地表示元件在阶段内以及阶段间的共用性，并有成熟的推理算法可以利用。动态模型法如Markov模型、Petri网模型等，动态模型方法能处理阶段内以及阶段间的元件共用性，但存在组合爆炸问题。基于大数定理的蒙特卡洛方法从原理上来说该方法几乎没有限制，缺点是为了获得一定精度的解必须多次重复仿真，耗时过长。

单阶段任务系统冗余配置优化，无论在系统可靠性计算还是优化技术上都很成熟，而针对PMS的冗余配置优化文献尚不多。目前已有人研究了PMS冷备份冗余的优化，故障级覆盖系统的优化,PMS在随机冲击情况下的冗余优化问题，还有人利用模拟方法考虑了多失效模式的PMS冗余优化，研究了串并联PMS的优化，针对多状态PMS展开研究获得了系统的最佳冗余配置。现有的对PMS冗余优化采用的优化工具而言多为遗传算法与粒子群算法，且都是在PMS的各阶段分别进行冗余元件的配置，未考虑元件冗余阶段共享情况，元件冗余阶段共享即在i阶段a元件的冗余在i阶段结束后仍然可以在j阶段作为a元件的冗余继续使用，元件冗余各阶段共享在生产中是实际存在的，其能够充分利用冗余元件的使用寿命，在保证系统可靠性前提下显著减少各阶段并联元件的数量从而降低系统成本、重量、体积等指标。

现已有人在单阶段任务系统冗余配置优化中考虑了元件失效率的不确定性，但在PMS冗余配置优化中，极少有文献考虑元件失效率的不确定性。生产实际中因技术水平的差异、加工、测量、统计误差等因素导致元件失效率不是一个确定值，若按确定值来处理，设计的系统不具有系统可靠性的鲁棒性，即元件失效率的一个小的波动很可能导致系统最优可靠性发生很大突变，即系统抗波动性差。考虑元件失效率的不确定性时，求系统可靠性的最优解显得意义不大，寻找系统抗波动性强的最优鲁棒解及其对应的系统最优冗余配置就显得很有实际意义。

因此，需要提出一种考虑元件跨阶段共用、元件冗余跨阶段共享和元件失效率不确定性的多阶段任务系统冗余配置优化方法。

发明内容