基于DSPN的航天器系统级可测试性指标确定方法
2013-12-28
(北京空间飞行器总体设计部,北京 100094)
1 引言
可测试性是指产品能及时、准确地确定其状态(可工作、不可工作或性能下降)并隔离其内部故障的一种设计特性[1-2]。国外自20世纪90年代起,就充分考虑复杂系统可测试性设计,以提高可靠性和降低成本,其中包括“铱星”系统和F-22 战机的研制。国内相关研究起步较晚,针对系统级指标确定,武器装备领域对基于Petri网和遗传算法的方法进行了研究[1,3]。航天领域的标准明确指出,“要根据产品特点把可测试性设计到产品和设备中去”[4],并且提出“可测试性定量要求,主要指对故障检测率、故障隔离率、故障检测时间、故障隔离时间和虚警率等指标提出要求”[5]。但目前实际工程中,可测试性工作基本停留在定性要求上,缺乏有效的系统级指标确定和设计手段。作为一种设计指标,可测试性指标需要先确定系统级要求,再进行指标分配及其它环节,这就导致可测试性工作难以开展、可测试性思想难以应用。
本文对基于确定与随机Petri网(Deterministic and Stochastic Petri Nets,DSPN)的可测试性指标确定方法进行研究。可测试性指标要求的输入,来自系统可用度、可靠性、总体优化考虑等系统约束,其输出分级传递,最终体现在系统测试过程中,因此建立输入与输出的关系成为指标要求确定问题的关键[4,6]。DSPN 作为一种系统建模工具,通过对系统状态及状态变化的建模,可以有效覆盖描述系统状态变化过程的各类时间参数和概率参数[7]。因此,对系统测试过程进行DSPN 建模,将可测试性指标及其影响因素联系起来,再对模型进行数学求解,确定所需指标是可行的。该方法可为今后系统级可测试性指标要求的确定提供参考。
2 DSPN 简介
Petri网(Petri Nets,PN)是一种图形化离散动态系统建模工具,以研究模型系统的组织结构和动态行为为目标,在通信协议、计算机组织结构、可靠性分析等方面应用广泛。DSPN 是PN 的扩展,主要体现在将变迁分为瞬时变迁和延时变迁。瞬时变迁的实施时间为零,与随机开关相关联;延时变迁的实施时间既可以是确定常数,也可以是服从指数分布的随机变量,从而可以更充分地描述系统故障、检测、维修等与时间相关的随机事件[7-8]。本文使用的主要DSPN 结构元素见表1,通过变迁的实施,系统状态标识在位置中进行移动,从而遍历系统状态。
表1 DSPN 结构元素Table 1 Configuration element of DSPN
3 航天器系统测试过程的DSPN模型
3.1 问题分析
航天器可测试性指标主要包括故障检测率、故障隔离率、故障检测时间、故障隔离时间和虚警率,这些指标是模型的未知变量和求解目标。系统级可测试性指标影响因素主要有系统可用度、可靠性指标、系统结构等,还有测试模式、测试环境、测试能力的影响[1-2],对其假设如下:型号使用可用度要求为A、型号故障率为λ,系统包含有n个分系统,型号测试和故障处理分为系统级和现场可更换单元(Line Replace Unit,LRU)级[1],系统测试采用连续运行的工作模式,系统测试有虚警率要求。
航天器系统测试与LRU 级(包含在分系统测试中)的测试对象、测试环境、测试接口和可靠性要求不同,二者存在动态过程需求,因此对可测试性指标的要求也不同。以确定可测试性指标为目的对测试过程建模,应充分考虑两个层级的不同输入对分析结果的影响,进行分级建模。根据系统级测试和故障处理过程,系统状态大致可分为5个阶段,如图1所示。
图1 系统测试和故障处理过程Fig.1 Process of system test and failure disposal
系统故障过程包含可靠性指标;故障检测阶段包含故障检测相关指标;故障隔离阶段包含故障隔离相关指标;故障维修阶段包含故障LRU 返厂维修等操作,实际上等同于分系统级故障测试处理过程;另外,还应包含虚警环节和总装、运输等中间环节。
3.2 问题建模
模型依照图1中的过程顺序进行搭建,相应系统故障检测处理过程的DSPN 模型如图2,具体模型说明见表2。结合图2对系统状态变化说明如下。
图2 系统故障检测处理过程DSPN 模型Fig.2 DSPN model of system test and failure disposal process
表2 系统故障检测处理过程DSPN 模型说明Table 2 Annotation of DSPN model of system test and failure disposal process
系统初始由正常状态P1到系统故障P2;故障检测完毕P3后,若故障不可测P4(故障检测率造成)经人工检测才使故障被检测P5,否则故障直接被检测P5;故障隔离完毕P6后,若故障不可隔离P7(故障隔离率造成)经人工隔离才使故障被隔离P8,否则故障直接被隔离P8至单机LRU;对已隔离的n个LRU 经拆卸进入单机返厂维修过程(P9至P18),其中返厂维修过程与系统级检测隔离步骤大致相似;LRU 维修完毕后进行装配,返回系统正常状态P1;对虚警过程,系统虚警PFA后,经虚警故障隔离及人工排查,确定系统虚警返回系统正常状态;并对各状态间变化过程进行了变迁设置。
4 DSPN 模型求解
模型求解思路是将模型转化为与可达图状态相同的的马尔科夫链,然后求解该马尔科夫链。为简化分析,以图2中两级连接点P9和P18为界,设置系统级子网和LRU 级子网,进行简化和替代得到简化LRU 级的系统等效DSPN 模型,如图3所示,对等效DSPN 模型定义系统状态可达标识见表3。在系统级模型中求解出LRU 级等效状态PSS和LRU级平均实施速率TSS的相关参数后,就可以代入被简化子网进行分系统级或LRU 级设计分析,从而方便可测试性指标的传递和分配。
图3 等效DSPN 模型Fig.3 Equivalent DSPN model
表3 等效DSPN 模型状态可达标识表Table 3 State attainability annotation of equivalent DSPN model
为将模型同构于马尔科夫链进行求解,须要消除瞬时变迁的随机开关对系统结构的影响,因此对可达图进行状态压缩,得到状态压缩的DSPN 模型,相应状态可达图见图4。
图4 状态压缩的等效DSPN 模型状态可达图Fig.4 State attainability plot of constringent equivalent DSPN model
图4可同构为一个离散空间连续时间的半马尔科夫过程,相当于在一个连续时间马尔可夫链(CTMC)中,有限个状态的驻留时间变为常量[9-10]。将此CTMC记为随机过程X(t),t≥0。定义其稳态概率(S为系统状态全集),状态转换概率pij(τ)=P{X(t+τ)=j|X(t)=i},i,j∈S,i≠j,状态转换速率qij=得到CTMC状态转换速率矩阵Q:
对CTMC时间采样得到嵌入马尔可夫链(Embed Markov Chain,EMC),根据矩阵Q求解EMC,再由CTMC与EMC稳态概率的关系,可解得CTMC稳态概率[6,11],即航天器系统测试过程DSPN 模型各状态稳态概率。其中系统正常状态M0稳态概率(即系统稳态可用度A0)如下:
式(1)就是系统可用度与可测试性指标的关系式,即模型求解结果,可对其进行指标分析。
5 指标确定举例
对系统稳态可用度、系统可靠度等目前已有的已知指标,其取值尽量贴近工程值;对故障检测和隔离相关的速率等尚不明确的已知指标,结合工程经验进行假设;待求指标为标准中规定的5 项指标以及LRU 级平均实施速率;综上整合指标信息见表4。
表4 已知指标及待求指标Table 4 Index default and unknown quantity
根据可靠度函数R(t)=1-e-λt,得到故障率λ≈1.944×10-5h-1。参数带入式(1),可得
对于λN,假设pN中pFD、pFI均是在[0.6,1]范围内的概率值,由式(4)得到pN∈[1.3,2.2],因此,在该区间内对pN平均间隔取值作为参量,作λN与稳态可用度关系如图5(a)。系统稳态可用度要求不小于0.98,则应有λN≥0.004h-1;而λN≤0.007h-1以后,提高λN对提高系统稳态可用度带来的收益明显变低,因此限定λN范围[0.004,0.007]。另外假设考虑成本约束,要求系统稳态可用度在0.985以内,则易见pN取1.9附近值 时,曲线较为合适。
对于pN,选取λN在[0.004,0.007]内平均间隔取值作为参量,作pN与稳态可用度关系如图5(b)。选取pN=1.9附近的区间[1.7,2],在其内观察曲线,系统稳态可用度范围同样定为[0.98,0.985],可见λN≥0.005h-1时,曲线较为合适。
综上,为使设计成本最小,在满足系统要求的可适范围内,取λN最低值λN=0.005h-1,以及此时pN最低可适值pN=1.9。
图5 速率替代因子和概率替代因子与系统稳态可用度关系图Fig.5 Relation plot of velocity substitutive factor &probability substitutive factor and system usability
这时,已经可以综合设计可测试性指标。本文考虑保证测试覆盖性,对pFD取值尽量高,因此取pFD=95%;考虑降低技术实现难度,pFI可以偏低,由关系式得到pFI=83.1%;并且预留更多故障隔离时间;假设分系统测试和故障处理需≥100h,得到指标见表5。其中,虚警率由其它指标代入式(2),结合可用度要求得出,满足系统虚警率≤10%假设,取值得到验证。
表5 系统级可测试性指标结果Table 5 Results of system testability index
6 结束语
针对航天领域系统级可测试性指标确定方法的不足,研究了一种基于DSPN 的航天器系统级可测试性指标确定方法,通过对系统测试过程的分析和DSPN 建模,以及对该模型的数学求解,确定了故障检测率、故障隔离率、故障检测时间、故障隔离时间、虚警率等可测试性指标与系统可用度、可靠性等约束之间的关系,并通过实例给出了上述指标的分析求解过程。在整个建模分析过程中,各项假设条件可参照实际情况进一步细化,使模型更加贴近实际;另外对系统可用度多元函数的分析还可以进一步研究,以提高指标分析的准确度。从而,可对航天器系统级可测试性指标的设计提供参考。
(References)
[1]邱静,刘冠军,杨鹏,等.装备测试性建模与设计技术[M].北京:科学出版社,2012 Qiu Jing,Liu Guanjun,Yang Peng,et al.Equipment testability modeling and design techniques[M].Beijing:Science Press,2012(in Chinese)
[2]石君友.测试性设计分析与验证[M].北京:国防工业出版社,2011 Shi Junyou.Testability design analysis and verification[M].Beijing:National Defense Industry Press,2011(in Chinese)
[3]吕晓明,黄考利,连光耀,等.复杂装备系统级测试性指标确定方法研究[J].计算机测量与控制,2008,16(3):357-359,362 Lv Xiaoming,Huang Kaoli,Lian Guangyao,et al.Research on deciding testability figures of complicated equipment[J].Computer Measurement & Control,2008,16(3):357-359,362(in Chinese)
[4]中国航天工业总公司.QJ3051-98.航天产品测试性设计准则[S].北京:中国标准出版社,1998 China Aerospace Industry Corporation.QJ3051-98.Testability design standard for spacecraft[S].Beijing:Standard Press of China,1998(in Chinese)
[5]国防科学技术工业委员会.GJB2547A-95.装备测试性大纲[S].北京:中国标准出版社,1995 Commission of Science,Technology and Industry for National Defense.GJB2547A-95.Testability program for material[S].Beijing:Standard Press of China,1995(in Chinese)
[6]David M B,Brain A K,Alony H.Automated testability decision tool[R].New York:Rome Laboratory Air Force Systems Command Griffiss AFB,1991
[7]林闯.随机Petri网和系统性能评价[M].北京:清华大学出版社,2005 Lin Chuang.Stochastic Petri nets and system performance evaluation[M].Beijing:Tsinghua University Press,2005(in Chinese)
[8]李建楠,胡健生,吴文.基于确定与随机Petri网的CSMA/CD 协议建模与分析[J].计算机应用与软件,2012,29(7):207-209,253 Li Jiannan,Hu Jiansheng,Wo Wen.DSPN-based CSMA/CD protocol modeling and analysis[J].Computer Application and Software,2012,29(7):207-209,253(in Chinese)
[9]Tavana M,Bush T E,Davis E L.Modeling operational robustness and resiliency with high-level Petri nets,AFRL-RI-RS-TP-2012-17[R].New York:Air Force Research Laboratory,2012
[10]林闯,李雅娟,刘雪宁.非马尔可夫随机Petri网的分析方法及应用[J].系统仿真学报,2003,15:71-75 Lin Chuang.,Li Yajuan,Liu Xuening.Analysis methods and applications of non-markovian stochastic Petri nets[J].Journal of System Simulation,2003,15:71-75(in Chinese)
[11]Zijal R,Ciardo G.Discrete deterministic and stochastic Petri nets,ICASE Report No.96-72[R].Hampton:NASA Langley Research Center,1996