用于分析存在级联确定性共同原因故障的阶段性任务系统可靠性的隐式方法
《Reliability Engineering & System Safety》:Implicit methods for reliability analysis of phased-mission systems subject to cascading deterministic common cause failures
【字体:
大
中
小
】
时间:2026年02月08日
来源:Reliability Engineering & System Safety 13.7
编辑推荐:
陈梦竹|王朝楠|王玉洁|吴志涛中国广州暨南大学信息科学与技术学院摘要在面临级联确定性共同原因故障的阶段性任务系统中,一个共同原因可能导致多个系统组件同时失效,而这些初始故障又可能通过多米诺效应引发更多组件的失效。本文分别针对无环结构和哈密顿环结构下的级联效应,提出了两种基于多值决
陈梦竹|王朝楠|王玉洁|吴志涛中国广州暨南大学信息科学与技术学院摘要在面临级联确定性共同原因故障的阶段性任务系统中,一个共同原因可能导致多个系统组件同时失效,而这些初始故障又可能通过多米诺效应引发更多组件的失效。本文分别针对无环结构和哈密顿环结构下的级联效应,提出了两种基于多值决策图的隐性分析方法,用于此类系统的可靠性分析。所提出的方法可应用于具有任意失效时间的组件,同时考虑外部共同原因和内部共同原因。通过蒙特卡洛仿真验证了这些方法的正确性,并分析了它们的时间和空间复杂度。此外,还通过一个智能家居系统的案例研究,展示了这些方法的适用性和优势。引言阶段性任务系统通过按顺序执行多个不重叠的任务来运行[1,2]。由于环境因素、应力水平及操作条件的变化,同一系统中不同阶段的系统配置、组件失效模式以及阶段持续时间都可能存在差异[3]。此外,对于特定组件而言,各阶段之间存在统计依赖性,这意味着在不可修复的阶段性任务系统中,除第一阶段外,每个阶段开始时组件的状态应与前一阶段结束时的状态相同。这种动态依赖性增加了可靠性分析的难度[4,5]。阶段性任务系统被广泛应用于各种实际场景中,包括但不仅限于无线传感器网络[6]、无人机[7]、智能家居系统[8]、飞机队列[9]以及体表传感器网络系统[10]。目前,关于阶段性任务系统可靠性的研究主要采用基于仿真的方法[11]或分析建模方法[12,13]。仿真方法适用于任何系统结构或组件失效时间分布,但只能给出近似结果,且为获得更高精度需要更多的计算资源。而分析建模方法虽然能提供精确结果,但可分为三类:状态空间模型[14,15]、组合方法[[16], [17], [18], [19]],以及根据需要整合前两类的模块化方法[20]。本文采用的基于多值决策图的方法被认为是用于阶段性任务系统可靠性分析的最有效的组合方法[12]。随着阶段性任务系统规模和功能集成度的提升,组件间的相互作用日益复杂[21]。这种复杂性带来的一个重要后果就是出现依赖性故障,尤其是共同原因故障,即多个组件因同一个共同原因而同时失效[22,23]。根据其发生机制,共同原因故障可分为外部类型和内部类型。外部共同原因故障包括地震、恶劣天气以及操作人员失误等外部因素的影响;而内部共同原因故障则通常是系统组件的自身故障导致了故障的进一步传播[24]。根据对组件的影响程度,共同原因故障还可分为确定性共同原因故障和概率性共同原因故障[25]。对于确定性共同原因故障,一旦触发事件发生,相关组件必然会失效;而对于概率性共同原因故障,触发事件发生后,相关组件以一定的概率(介于0和1之间)发生失效。在过去几十年里,已有大量研究致力于探讨阶段性任务系统中的确定性共同原因故障和概率性共同原因故障。在确定性共同原因故障方面,2013年Xing等人[24]开发了一种基于二进制决策图的方法,用于评估受此类故障影响的阶段性任务系统。在后续研究中,Levitin等人[26]基于通用生成函数开发了一种评估串并联系统的方法。Wang等人[27]则开发了一种显式方法以及两种基于多值决策图的隐性方法,用于评估系统可靠性。在概率性共同原因故障方面,以往也有大量相关研究。Wang等人[25]基于二进制决策图开发了显式和隐性方法来分析系统可靠性。Zhu等人[28]提出了一种随机计算方法,用于分析受概率性共同原因故障影响的阶段性任务系统可靠性。Wu等人[29]则提出了一种结合二进制决策图和马尔可夫模型的模块化可靠性建模与分析方法。不过,这些研究仅考虑了确定性共同原因故障。当网络中的局部故障引发更广泛的系统故障时,就会出现级联效应,这可能会影响到货物运输、供应链运作以及国际贸易的可靠性[[30], [31], [32]]。在共同原因故障的场景中也能观察到类似的级联行为。级联共同原因故障指的是某个组件因共同原因故障而失效,进而又成为新的共同原因,导致其他组件也无法正常工作。换句话说,在级联共同原因故障中,一个组件不仅可以作为触发因素,也可能成为受其他组件影响的依赖组件。目前关于级联共同原因故障的研究大多集中在单阶段系统上。2020年,Zhao等人[33]首次提出了一种分层组合方法,用于评估在多重竞争性概率性共同原因故障影响下的系统可靠性。Qiu等人[34]针对仅由外部共同原因故障引起的多重竞争性概率性共同原因故障情况,提出了显式和隐性可靠性分析方法,并考虑了不同共同原因故障之间的统计关系。Wang等人[35]开发了一种基于二进制决策图的显式方法,用于分析受此类故障影响的系统。Wang等人[36]则提出了两种基于二进制决策图的隐性方法,分别用于评估受无环结构和哈密顿环结构的多重竞争性概率性共同原因故障影响的车辆监测系统可靠性。近两年来,有越来越多的研究聚焦于存在级联确定性共同原因故障和多重竞争性概率性共同原因故障的阶段性任务系统。2024年,Chen等人[37]首次提出了一种基于多值决策图的显式方法,用于评估受级联确定性共同原因故障影响的智能家居系统可靠性。随后,Wu等人[38]又开发了一种基于二进制决策图和多值决策图的显式方法,用于评估受多重竞争性概率性共同原因故障影响的阶段性任务系统可靠性。尽管取得了这些进展,但对于存在级联确定性共同原因故障的阶段性任务系统的可靠性分析仍不够充分。特别是[37]中提到的现有方法依赖于显式建模策略,当组件数量、共同原因故障数量以及级联关系数量增加时,构建和评估大规模扩展的阶段性任务系统故障树以及相应的多值决策图会导致严重的计算效率问题。因此,迫切需要一种高效的分析型可靠性分析方法,能够在高度复杂且规模庞大的级联关系下,有效捕捉跨阶段的级联行为。本文提出了两种基于多值决策图的隐性方法,分别用于分析存在无环结构和哈密顿环结构级联效应的、受级联确定性共同原因故障影响的阶段性任务系统可靠性。通过构建共同原因故障事件空间,这些方法将共同原因故障的影响与任务本身分开。分离后的简化版阶段性任务系统故障树规模更小,从而减少了需要生成和评估的多值决策图的大小,进而提高了可靠性分析的效率。因此,与显式方法相比,这些方法更适合用于分析存在复杂且大规模级联确定性共同原因故障的阶段性任务系统。本文的贡献如下:•提出了两种隐性组合方法,用于评估受级联确定性共同原因故障影响的阶段性任务系统可靠性,同时考虑了外部共同原因故障和内部共同原因故障,以及无环结构和哈密顿环结构下的级联效应。•以智能家居系统为例,展示了所提方法的适用性和优势。•通过蒙特卡洛仿真验证了这些方法的正确性。•分析了这些方法的时间和空间复杂度,并与显式方法的复杂度进行了比较。本文的其余部分结构如下:第2节描述了级联确定性共同原因故障模型,并给出了一个存在无环结构和哈密顿环结构级联确定性共同原因故障的两阶段阶段性任务系统示例。第3节提出了两种基于多值决策图的隐性方法,分别用于评估存在无环结构和哈密顿环结构级联确定性共同原因故障的阶段性任务系统可靠性。第4节通过智能家居系统的案例研究,展示了这些方法在现实世界中的应用价值。第5节通过蒙特卡洛仿真验证了这些方法的正确性。第6节研究了这些方法的时间消耗和内存需求。第7节总结了本文内容,并提出了值得进一步研究的课题。章节概述系统模型本节介绍了考虑级联确定性共同原因故障的阶段性任务系统建模方法、共同原因故障之间的级联效应建模方式,以及一个展示阶段性任务系统遭受不同结构级联确定性共同原因故障影响的示例。所提出的方法本节介绍了两种分别用于分析无环结构和哈密顿环结构级联效应的方法。案例研究本节应用所提出的方法,评估了一个具有3个阶段、且受到不同结构级联确定性共同原因故障影响的智能家居系统的可靠性。验证为了检验所提方法的正确性,使用表4中列出的故障特征,对示例智能家居系统进行了蒙特卡洛仿真。仿真结果详细记录在表9和表10中,样本量在10^5到10^8之间。可以看出,随着样本量的增加,仿真结果与所提方法得出的结果越来越一致,从而证明了这些方法的正确性。蒙特卡洛仿真是通过以下方式进行的复杂度分析本节分析了所提方法的时间和内存需求。假设有一个包含N个组件的h阶段阶段性任务系统,同时受到M1个外部共同原因故障和M2个内部共同原因故障的影响。结论与未来工作本文提出了两种基于多值决策图的隐性方法,用于分析受级联确定性共同原因故障影响的阶段性任务系统可靠性,重点研究了具有无环结构和哈密顿环结构特征的复杂级联效应。对于无环结构下的级联效应,方法同时考虑了内部和外部共同原因故障;而对于哈密顿环结构下的级联效应,则仅考虑内部共同原因故障。与显式方法相比,隐性方法显著减小了原始阶段性任务系统的规模。CRediT作者贡献说明陈梦竹:撰写——初稿、方法论、概念设计。王朝楠:撰写——审阅与编辑、监督、资金获取、概念设计。王玉洁:撰写——审阅与编辑、资金获取、概念设计。吴志涛:撰写——审阅与编辑、方法论、资金获取。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号