系统故障检测及可靠性课程设计论文

系统故障检测及可靠性课程设计（论文）学院专业学生姓名班级学号水下机器人软件可靠性及故障诊断方法研究摘要：针对于智能水下机器人在软件系统故障诊断过程中广泛存在的不确定性和复杂关联性，采用改进的软件FMEA方法，对AUV智能规划决策控制系统进行了可靠性分析和研究，在总结了AUV主要软件故障模式的基础上，提出了一种基于FMEA的三层贝叶斯网络诊断模型。通过贝叶斯网络的推理机制，分别对单一故障和复合故障进行了推理实验。实验结果表明，采用上述方法能有效地提高水下机器人系统软件可靠性以及故障诊断能力。关键词：智能水下机器人；软件可靠性；失效模式影响分析；故障诊断1前言智能水下机器人(AUV)由于工作环境的复杂性、外界因素的未知多变性，使得任何细微的故障都有可能产生灾难性的后果，所造成的经济损失将无法估量，因此如何提高系统可靠性及故障诊断能力已成为AUV研究领域的重要课题。然而，相对于水下机器人硬件可靠性的研究，软件可靠性还没有得到足够的重视[1]。针对国内在水下机器人软件可靠性研究方面还没有深入展开的现状，本文结合水下机器人软件系统的特点，运用改进的FMEA技术，给出了实际可行的水下机器人软件可靠性分析及评估方案，总结了AUV的主要软件故障模式，并在此基础上，建立了基于FMEA的贝叶斯诊断网络。实验表明，本文方案能有效地提高水下机器人软件系统可靠性及故障诊断的准确性，对水下机器人可靠性技术的发展起到了一定的推动作用。2基于FMEA的AUV可靠性分析失效模式影响分析(FailureModeandEffectsAnalysis,FMEA)是一种传统的系统可靠性、安全性分析方法[2]。根据FMEA的基本原理及方法要求，本文给出了水下机器人智能决策系统软件的FMEA实施步骤：(1)确定描述分析对象；(2)确定潜在的失效模式；(3)描述失效的影响；(4)确定原因；(5)风险评估。本文分析对象为AUV智能决策系统软件模块，该系统主要包括6大功能模块：(1)全局路径规划模块；(2)局部路径规划模块；(3)紧急情况处理模块；(4)通讯模块；(5)目标搜索模块；(6)任务下达模块。以路径规划模块为例，其FMEA表如表1所示。表1路径规划模块FMEA表模块名称故障模式主要故障原因故障影响全局路径规划模块（1）全局路径规划不合理（1）环境建模不合理或失效（2）全局路径搜索模块失效（3）地图文件读写错误（1）航迹（2）航速（3）状态参数异常（2）无法规划出全局路径路径局部规划模块（1）碰到障碍物（1）控制规则表创建失效（2）避障函数失效（3）向目标点前进（4）写入目标文件出错（1）航迹（2）航速（3）状态参数异常（4）碰到障碍物（5）无法从文件获取数据（2）无法规划出局部路径（3）文件读写不同步（1）全局数据库不一致（2）日志文件出错3改进的FMEA风险评估方法3.1传统FMEA的局限性传统FMEA风险评估过程如图1所示[3]，其主要是通过计算风险顺序数RPN(RiskPriorityNumber)来评估产品或系统的风险等级。RPN是FMEA分析中的一个最重要的评价指标，它反映了某项潜在失效模式发生风险性及其危害性。传统FMEA中RPN是发生率O、严重度S和难检度D三者的乘积。由于不同的O、S、D相乘可以得到相同的RPN值，而RPN值相同情况下，各种失效模式对于系统的风险作用却不相同[4]，因此，仅以RPN来判断各种失效模式的风险顺序明显存在着不足。另外，传统FMEA又很难对主观或定性的描述语言变量做出准确判断，这也极大地限制了FMEA的使用效果。确定严重度S确定频度O确定探测度D确定风险排序RPN风险评估图1风险评估过程图基于传统FMEA的局限性，本文从改进风险顺序数RPN确定方法的角度出发，研究了基于模糊集理论和灰色关联理论的FMEA方法[5]，试图在水下机器人软件系统中对风险进行定量评估，使风险的评估更加接近实际情况。表2模糊语言术语的清晰化评价语言三角模糊数清晰数极低（R）（0,0.76,1.84）0.81低（L）（1.5,2.8,3.85）2.76一般（M）（3.7,5.2,6.2）5.1高（H）（6.22,8.15,9.13）8.0很高（VH）（8.8，9.8,10）9.673.2基于三角模糊数的FMEA评价模型将水下机器人各种失效模式的O、S、D三变量作为模糊语言变量，每个语言变量包含5种评价语言术语，即{极低(R)，较低(L)，一般(M)，较高(H),很高(VH)}。在确定了水下机器人软件系统主要的失效模式、失效原因的基础上，由从事水下机器人软件测试及故障诊断的工作人员、科研人员组成专家小组，来确定主要故障模式的模糊评价语言术语集及其对应的模糊数。模糊数形式有很多，本文采用三角模糊数[6]对模糊语言术语进行定量化处理。若模糊数A可由(a,b,c)决定，且隶属函数值为：0,,,,,0,Axaxaxabbaxcxxbccbxc（1）则称A为三角模糊数，记A=(a,b,c)，当a=b=c时，A为一个精确数。这样，模糊语言术语对应的三角模糊数，可以借助专家的知识和经验来确定。模糊数的非模糊化是应用灰色关联理论计算的基础，国内外有许多学者对非模糊化算法进行了深入的研究[7]。本文根据三角模糊数分布特点，由式(2)：46abcG（2）将三角模糊数(a,b,c)化为单值，即可得出最终的评价结果，见表2。O、S、D可以采用相同的模糊语言术语集和模糊数，这样建立了模糊语言对应的模糊数，就可以对水下机器人主要失效模式做出评价。本文从水下机器人6大模块中选择了主要的故障模式，分别为：(1)全局路径规划不合理；(2)避障失败；(3)无法处理紧急情况；(4)通讯超时；(5)未能搜索到目标；(6)任务没有顺利下达。这6种主要故障模式的模糊等级评价表，如表3所示。表3故障模式模糊等级评价表故障模式OSD全局规划不合理MMM避障失败RVHM无法处理紧急情况RVHH通讯超时LML未能搜索到目标LHH任务没有顺利下达LMM3.3基于灰色关联度的PRN排序对典型的几种失效模式进行评价后，便可以根据灰色关联理论计算各种失效模式的灰色关联度，通过排序来确定各种失效模式的风险顺序，制定改进措施。灰色关联分析是用关联度大小来描述事物之间、因素之间关联程度的一种定量化的方法。它以系统的定性分析为前提、定量分析为依据，进行系统因素之间、系统行为之问曲线相似性的关联分析[8]。根据灰关联理论及对水下机器人失效模式的评价，按照表2中模糊语言术语对应的清晰数，建立水下机器人主要故障模式的比较矩阵A。5.105.105.100.819.675.100.819.678.002.765.102.762.768.008.002.765.105.10MMMRVHMRVHHALMLLHHLMM上面建立了比较矩阵，因为FMEA的风险排序数是相对于一定的参考基准来说的，从系统可靠性角度考虑，参考矩阵应该选择失效模式各变量的最优或最差值作为参考基准。本文选择最差值最为参考基准建立参考矩阵A0：0101010101010101010101010101010101010VHVHVHAVHVHVH关联性实质上是曲线问几何形状的差别，因此可以将曲线间差值的大小，作为关联程度的衡量尺度。可以定义以下关联系数的计算公式[9]：00000minminmaxmax,maxmaxiiimkmimkmjiiiimkmxkxkxkxkxkxkxkxkxkxk（3）式中，0,ixkxk为xi对于x0在k点的灰色关联系数；为分辨系数，取值在0至1之间，是可以事先确定的参数，本文取0.5。计算可知00minmin0.33;maxmax9.19iiimkmimkmxkxkxkxk根据以上公式可以得出水下机器人失效模式各变量与参考基准间的关联系数：00.51870.51870.51870.35731.00000.51870.35731.00000.7468,0.41610.51870.41610.41610.74680.74680.41610.51870.5187ixkxk在衡量失效模式的风险排序时由于各变量的影响程度不同，因此，可以考虑带有权值的关联度计算公式：设失效模式3个变量的指标权重为，则第，种失效模式与参考基准的关联度可由下式得到：3001,jiiixkxk(4)其中311ii。i由专家根据经验知识事先确定。水下机器人失效模式各变量的权系数分别为：1230.4,0.4,0.2,则根据公式(4)可计算得到各失效模式相对于参考基准的关联度，按照水下机器人各失效模式关联度从大到小进行排序，就可以确定风险顺序。表4为改进的失效模式风险排序；表5是按照传统FMEA方法得到的风险排序。表4基于灰色关联的风险排序故障模式失联度系数排序全局路径规划不合理0.51874避障失败0.64662无法处理紧急情况0.69231通讯超时0.45726未能搜索到目标0.61453任务没有顺利下达0.47775表5传统FMEA的风险排序故障模式OSDRPN排序全局路径规划不合理355754避障失败295903无法处理紧急情况2108.51701通讯超时34.54546未能搜索到目标286962任务没有顺利下达354605通过比较可以发现，在传统FMEA中，避障失败和搜索目标失败的严重度和难检度相差不多。传统FEMA中，避障失败排在3，而在改进的FMEA中，由于综合考虑了O、S、D三个变量对失效模式的影响，避障失败的严重度要大于搜索目标失败，因此避障失败的风险排序上升为2。可见，改进后的FMEA方法，能够综合比较，选择风险作用较大的潜在失效模式作为改进对象，提高判断的准确性。4基于FMEA的AUV贝叶斯诊断网络4.1基于FMEA的AUV贝叶斯诊断网络模型贝叶斯网络本质上是因果关系网，它对于解决复杂系统不确定性和关联性引起的故障有很大的优势。前面利用FMEA已经得出了水下机器人智能决策控制系统的主要软件故障模式、故障原因和故障影响。原因导致故障的发生，故障模式的出现又导致了对系统的影响。因此，根据水下机器人故障的状态信息及因果关系，建立了一个基于FMEA的贝叶斯诊断网络，它包括3个基本事件层：故障征兆层、故障层、故障原因层。所构造的贝叶斯诊断网络模型如图2所示。环境建模全局路径搜索策略控制规则表创建避障函数向目标点进行函数逃逸函数任务分配函数通讯连接函数目标识别函数全局路径规划不合理无法避障不能处理紧急情况通讯失败无法搜索到目标航迹异常碰到障碍物航速不稳定自救失败状态参数异常通讯超时通讯中断任务没有顺利下达1C2C3C4C5C6C7C8C9C1F2F3F4F5F6F1E2E3E4E5E6E7E图2水下机器人故障诊断系统的贝叶斯网络图4.2AUV故障诊断系统的贝叶斯推理在贝叶斯诊断网络建立完成之后，就可以进行相应的故障诊断推理[10]。设E为故障征兆，Fi为导致征兆E产生的n个故障组成的互不相容且完备的故障集，由贝叶斯公式可知[11]：1|||iiiiniiiPFEPFPEFPFEPEPFPEF（5）以水下机器人“航迹异常”故障影响节点E1为例，节点F1、F2的先验概率和节点E1的条件概率分别如表6和表7所示。有了条件概率和先验概率，根据条件独立性假设，就可以得出每个节点的边缘概率。E1的边缘概率可根据如下公式得出：表6节点1F和2F的先验概率表节点取值1PF2PFFalse0.81280.91True0.18720.09表7节点1E的条件概率表节点1F节点2F