[发明专利]面向多状态机载搜救系统的模糊BN任务可靠性预测方法

说明书

本发明属于航空机载搜救系统可靠性分析技术领域，公开了面向多状态机载搜救系统的模糊贝叶斯网络(BN)任务可靠性预测方法。综合了BN对复杂系统中逻辑关联及其不确定性信息的描述优势和模糊集合理论对性能降级设备多状态的划分定义能力，模型能有效表达搜救系统多层级、多交联逻辑下的不确定性和设备性能退化下的多状态属性，实现系统任务可靠性水平和健康状态趋势预测与评估。

技术领域

本发明属于航空机载搜救系统可靠性分析技术领域，特别涉及面向多状态机载搜救系统的模糊BN任务可靠性预测方法。

背景技术

随着我国经济与军事的发展，海事活动日益增多，对海上搜索、救援的快速要求也越来越高。使用航空器进行海上搜索救援具有快速机动、覆盖面广、搜索效率高、搜索效果好等特点。为提升搜救效率，机载搜救系统将发挥重大作用。而搜救系统可靠性水平对搜索救援任务的效能和成功率有着直接影响，开展系统的任务状态预测可以在提升系统管理水平的同时避免事故发生和任务失败，以最大程度降低事故人员、财产、环境造成的人员损害和设备损失。

机载搜救系统借助复杂的传感器系统和综合处理逻辑实现海上目标搜索，其任务可靠性与传感器系统的工作模式和任务数据的处理效率相关，设备工作状态降级会使系统搜索效能和任务成功率处于不确定的多种状态，目前面向机载搜救系统复杂架构、逻辑的建模描述及多任务状态特征下的系统任务可靠性建模和预测评估方法相对较少，须开展进一步方法探索和应用研究。

发明内容

本发明提供了面向多状态机载搜救系统的模糊贝叶斯网络(Bayesian Network，BN)任务可靠性预测方法，综合了BN对复杂系统中逻辑关联及其不确定性信息的描述优势和模糊集合理论对性能降级设备多状态的划分定义能力，模型能有效表达搜救系统多层级、多交联逻辑下的不确定性和设备性能退化下的多状态属性，实现系统任务可靠性水平和健康状态趋势预测与评估。

本发明技术方案如下：

面向多状态机载搜救系统的模糊BN任务可靠性预测方法，所述方法包括以下步骤：

(1)基于搜救系统故障机理的BN模型建立有向无环图(Directed Acyclic Graph，DAG)；

(2)基于模糊集合理论对有向无环图中的节点进行多状态划分；

(3)基于有向无环图及其节点的多状态划分情况，建立非根节点的条件概率表CPT；

(4)根据有向无环图DAG和条件概率表，经联合概率的后验求解得到搜救系统在时刻t的任务可靠度和所处状态。

进一步，所述机载搜救系统包括：传感器和综合处理单元两类分系统。

进一步，在第(1)步中，根据多源信息确定系统发生故障的原因，建立以搜救系统失效作为顶事件的故障树；所述多源信息包括：故障判据、相似产品、试验信息、使用信息及工程经验；

基于故障树建立搜救系统贝叶斯网络模型的有向无环图，将与搜救系统任务相关的各设备X＝{X₁,X₂,…,X_n}对应抽象为随机变量，依据故障机理所反映的故障因果关系，以有向边连接节点变量的形式对系统逻辑进行描述，各节点的赋值为基于任务可靠性或状态概率度量的故障假设、测试值、观测现象或意见征询。

进一步，所有分系统下属各设备总量之和为p；假设所有设备的可靠性预测模型已通过试验或关键性能参数的监测与分析的方式获得；

在第(2)步中，对于p个设备，将其可靠性预测模型按时间序列以无监督等宽区间法离散化处理，则在未来一段时间T内得到p×T阶矩阵：