基于DTBN的動量輪備份系統(tǒng)剩余壽命預測研究*

程月華 田 靜 陸寧云 姜 斌

1. 南京航空航天大學航天學院，南京 210016 2. 南京航空航天大學自動化學院，南京 210016

?

基于DTBN的動量輪備份系統(tǒng)剩余壽命預測研究*

程月華1田 靜2陸寧云2姜 斌2

1. 南京航空航天大學航天學院，南京 210016 2. 南京航空航天大學自動化學院，南京 210016

可靠性及剩余壽命分析是基于狀態(tài)的系統(tǒng)維護(CBM)的基礎，具有重要的指導意義。目前對部件級壽命預測的研究比較成熟，但對系統(tǒng)級壽命預測的研究甚少。本文基于動態(tài)故障樹對動量輪備份系統(tǒng)進行可靠性及壽命預測分析，對現(xiàn)有文獻中備份部件失效概率密度的描述方法進行了改進，以滿足當t→∞時累積失效概率和等于1，并將改進后的部件失效概率密度描述方法結合離散時間貝葉斯網(wǎng)絡(DTBN)對備份門的求解進行了分析。最后，以動量輪備份系統(tǒng)為實例進行可靠性及壽命預測分析。

備份門；壽命預測；貝葉斯網(wǎng)絡；動態(tài)故障樹

作為重要的執(zhí)行機構之一，動量輪系統(tǒng)常用于航天器的姿態(tài)穩(wěn)定控制及機動控制，為了提高整個動量輪系統(tǒng)的可靠性及性能，星上配置的動量輪系統(tǒng)多采用冗余備份配置，例如三正一斜裝、2個V型安裝等。動量輪系統(tǒng)失效會導致衛(wèi)星姿態(tài)失穩(wěn)，影響任務正常實施，從而引起系統(tǒng)失效等嚴重經(jīng)濟損失。開展動量輪系統(tǒng)剩余壽命預測為姿態(tài)控制系統(tǒng)可靠性運行及在軌任務管理和規(guī)劃具有積極的指導意義。

1 問題提出

由于受到成本、體積、功耗及重量等因素的限制，公用備份是動量輪系統(tǒng)中常見配置形式。對備份部件的失效概率密度函數(shù)進行準確的描述是開展系統(tǒng)可靠性分析及壽命預測研究的前提。

對于備份部件來說，存在2種狀態(tài)，即儲備狀態(tài)和啟用狀態(tài)。2種狀態(tài)下受的工作載荷通常是不相等的，所以處于2種狀態(tài)下部件失效的概率密度函數(shù)也不同?，F(xiàn)有文獻針對不同狀態(tài)下的失效問題，假設部分部件在儲備狀態(tài)下的失效率是啟用狀態(tài)下失效率的α倍，其中，0≤α≤1，冷備份時α=0，熱備份時α=1，溫備份時0<α<1[5-9]，且在備份部件由儲備狀態(tài)切換到啟用狀態(tài)時直接將失效率切換為啟用狀態(tài)下的失效率。這種直接切換失效率的方法存在一個問題，即在整個時間軸上備份部件的失效概率累積和不等于1。

假設某備份部件在啟用狀態(tài)下失效概率密度函數(shù)服從失效率為λ的指數(shù)分布，且在ts時刻，該備份部件由儲備狀態(tài)切換到啟用狀態(tài)，則備份部件的失效時間概率密度函數(shù)為

(1)

其中，ts為部件由儲備狀態(tài)切換到啟用狀態(tài)的時刻。

則該備份部件的失效分布函數(shù)如下

(2)

顯然，當t→∞時，F(xiàn)(t)=1-e-αλts+e-λts,F(∞)的最終值跟α和ts有關。若取λ=0.02，α=0.5，ts=100，則備份部件的失效概率密度函數(shù)及失效分布函數(shù)如圖1和2所示。

圖1 失效概率密度函數(shù)

圖2 失效分布函數(shù)

實際上，任何部件的壽命都是有限的，即當t足夠大時，部件一定處于失效狀態(tài)，即不管α和ts取任何滿足0≤α≤1，ts≥0的值，備份部件在整個時間軸上的失效概率和都應該為1，即F(∞)=1。因此，由圖2可以看出直接切換失效率不太合理。

2 改進的備份部件失效概率密度描述方法

考慮到并非所有部件的失效率都已知且固定，部件在儲備狀態(tài)下的失效率也不一定與啟用狀態(tài)下的失效率存在α倍關系，且儲備狀態(tài)下的樣本比較多，可以通過文獻[10-12]中的方法實時得到儲備狀態(tài)下的失效概率密度函數(shù)。故本文不采用失效率的方式描述部件的失效，而直接采用失效概率密度函數(shù)的方式描述。

對于備份部件，假設儲備狀態(tài)下失效概率密度函數(shù)為fα(t)，立即啟用時失效概率密度函數(shù)為f(t)，則本文將備份部件的失效概率密度函數(shù)定義為

(3)

其中，ts為部件由儲備狀態(tài)切換到啟用狀態(tài)的時刻，t′滿足

當部件為理想冷備份時，即在備份狀態(tài)下失效概率密度為0，部件由儲備狀態(tài)切換到啟用狀態(tài)后的失效概率密度函數(shù)相當于將立即啟用時的失效概率密度函數(shù)在時間軸上向右平移了ts。而當部件為完全熱備份時，即備份狀態(tài)下和立即啟用時具有相同的失效概率密度函數(shù)，部件由儲備狀態(tài)切換到啟用狀態(tài)后的失效概率密度函數(shù)和立即啟用時的失效概率密度函數(shù)相同。

通過對失效概率密度函數(shù)積分可以得到失效分布函數(shù)

(4)

當t→∞時，

(5)

顯然，t→∞時，F(xiàn)(t)=1。

因此，通過改進后，只需要獲得部件的失效概率密度函數(shù)而不必已知失效率及失效率固定亦可對備份部件進行可靠性分析及壽命預測。同時，改進后能滿足在整個時間軸上部件的失效概率和為1，從而更合理的對備份部件的失效進行描述。

3 備份門的求解

利用上節(jié)中提出的備份部件的失效概率密度描述方法，結合離散貝葉斯網(wǎng)絡(DTBN)[7]對備份門進行求解。

備份門分熱備份門、冷備份門和溫備份門，由于備份方式的不同主要體現(xiàn)在儲備狀態(tài)下的失效概率密度函數(shù)上，即不同的備份方式對應于不同的儲備狀態(tài)下的失效概率密度函數(shù)。而本文所提的求解方法將儲備狀態(tài)下的失效概率密度函數(shù)作為已知輸入，因此不同備份方式備份門的求解方法相同，不同僅體現(xiàn)在輸入。故本節(jié)中備份門求解方法研究不區(qū)分備份方式。

備份門由1個主部件和1個儲備部件組成，儲備部件在主部件失效后立即啟用。如圖3(a)所示，A為主部件，B為備份部件。根據(jù)上節(jié)提出的方法，將備份門轉換為對應的離散時間貝葉斯網(wǎng)絡如圖2(b)。

圖3 備份門及對應DTBN

采用DTBN的思想，將整個時間軸劃分為多個區(qū)間，區(qū)間的大小根據(jù)實際需要確定，假設每個區(qū)間的大小為Δ，則整個時間軸正半軸劃分為Tm={[0,Δ),[Δ,2Δ),…,[(m-1)Δ,mΔ),[mΔ,∞)}。對于圖3(b)所示的備份門對應的離散時間貝葉斯網(wǎng)絡(DTBN)，共有3個隨機變量A，B和S，假設對于隨機變量X，若X=k，k=1,2,3,…,m+1，則表示X對應的部件在時間區(qū)間[(k-1)Δ,kΔ)內失效?；谝陨霞僭O及備份門的失效機理，并結合第1節(jié)中提出的備份部件失效概率密度函數(shù)描述方法，可以得到整個備份系統(tǒng)在第1個時間區(qū)間失效概率為

(6)

其中，fαB(t)表示備份輪子B處于儲備狀態(tài)下的失效概率密度函數(shù)，fA(t)表示主輪A的失效概率密度函數(shù)，下同。

同理，可以得到整個備份系統(tǒng)在第x個時間區(qū)間的失效概率

(7)

通過以上計算方法得到備份系統(tǒng)S在整個時間軸上每個時間區(qū)間的失效概率后，通過積分可以得到失效分布函數(shù)，進而可以得到備份系統(tǒng)的可靠性以及平均剩余壽命。

4 動量輪備份系統(tǒng)仿真驗證

針對常用的動量輪備份系統(tǒng)，結合上節(jié)中的求解方法對動量輪系統(tǒng)的失效進行仿真及分析。該動量輪備份系統(tǒng)的安裝結構圖如圖4所示。5個輪子按俯仰軸獨立備份，且滾轉軸與偏航軸公用備份方式安裝，對應的動態(tài)故障樹模型如圖5(a)所示，其中D，E，F(xiàn)分別安裝在星體的X，Y，Z軸方向，H為E的備份輪，G為D和F=的公用備份輪。

圖4 動量輪備份系統(tǒng)安裝結構

圖5 動量輪備份系統(tǒng)的動態(tài)故障樹模型及對應的DTBN

圖6 失效概率密度函數(shù)

圖7 失效分布函數(shù)和可靠性函數(shù)

從圖6可以看出，動量輪備份系統(tǒng)的失效時間主要集中在60～140個月之間，并且從失效分布圖中容易看出，采用本文改進后的備份部件失效概率密度函數(shù)描述方法能保證在t大于某一值后，失效分布函數(shù)的值為1，即在時間區(qū)間[0,∞]上該部件一定會失效，這比較符合概率特性。結合平均剩余壽命的含義及計算公式可以得到該動量輪備份系統(tǒng)的平均剩余壽命為92.897個月；

5 結論

對備份部件失效概率密度函數(shù)的描述方法進行了改進，并結合離散時間貝葉斯網(wǎng)絡(DTBN)對動態(tài)故障樹中的備份門的分析方法進行了研究。利用本文中的方法對系統(tǒng)進行可靠性及壽命分析時，不必備份部件的失效率已知并且恒定不變，只要已知備份部件失效概率密度函數(shù)，即可對系統(tǒng)的可靠性及壽命進行分析。另外，改進后的備份部件失效概率密度函數(shù)描述方法，不會再出現(xiàn)當t→∞時累積失效分布函數(shù)不等于1的情況，即能保證在整個時間區(qū)間內備份部件失效的概率和為1，這更符合實際情況。

[1] 高順川, 馮靜, 孫權，等.基于威布爾分布的動態(tài)故障樹定量分析方法[J].質量與可靠性, 2005,(5): 28-31.(GaoShunchuan,FengJing,SunQuan,etal.ResearchontheQuantitativeAnalysisMethodofDynamicFaultTreeBasedonWeibulldistribution[J].QualtyandRelibility, 2005,(5): 28-31.)

[2] 季會媛. 動態(tài)故障樹分析方法研究[D]. 國防科學技術大學, 2002.(JiHuiyuan.ResearchontheAnalysisMethodofDynamicTree[D].NationalUniversityofDefenseTechnology, 2002.)

[3] 張曉潔, 趙海濤, 苗強，等.基于動態(tài)故障樹的衛(wèi)星系統(tǒng)可靠性分析[J].宇航學報, 2009, 30(3): 1249-1254.(ZhangXiaojie,ZhaoHaitao,MiaoQiang,etal.ReliabilityAnalysisofSatelliteSystemBasedonDynamicFaultTree[J].JournalofAstronautics, 2009, 30(3): 1249-1254.)

[4]AmariS,DillG,HowaldE.ANewApproachtoSolveDynamicFaultTrees[C]//AnnualReliabilityandMaintainabilitySymposium, 2003, 374- 379.

[5] 周忠寶, 馬超群, 周經(jīng)倫，等.基于動態(tài)貝葉斯網(wǎng)絡的動態(tài)故障樹分析[J].系統(tǒng)工程理論與實踐, 2008, 28(2):35-42.(ZhouZhongbao,MaChaoqun,ZhouJinglun,etal.DynamicFaultTreeAnalysisBasedonDynamicBayesianNetworks[J].SystemsEngineering-Theory&Practice, 2008, 28(2): 35-42.)

[6]PortinaleL,BobbioA,RaiteriD,etal.CompilingDyanamicFaultTreesintoDynamicBayesianNetsforReliabilityAnalysis:theRadybanTool[J].BMA, 2007.

[7] 周忠寶, 周經(jīng)倫, 孫權，等.基于離散時間貝葉斯網(wǎng)絡的動態(tài)故障樹分析方法[J].西安交通大學學報, 2007, 41(6):732-736.(ZhouZhongbao,ZhouJinglun,SunQuan,etal.DynamicFaultTreeAnalysisMethodBasedonDiscrete-TimeBayesianNetworks[J].Journalofxi′anJiaotongUniversity, 2007, 41(6): 732-736.)

[8]BoudaliH,BechtaDuganJ.Acontinuous-timeBayesiannetworkreliabilitymodeling,andanalysisframework[J].ReliabilityIEEETransactionson, 2006, 55(1): 86-97.

[9]BoudaliH,DuganJ.Adiscrete-timeBayesianNetworkReliabilityModelingandAnalysisFramework[J].ReliabilityEngineerings&ssystemSafety, 2005, 87(3): 337-49.

[10] 厲海濤, 金光, 周經(jīng)倫，等.動量輪維納過程退化建模與壽命預測[J]. 航空動力學報, 2011, 26(3): 622-627.(LiHaitao,JinGuang,ZhouJinglun,etal.MomentumwheelWienerprocessdegradationmodelingandlifeprediction[J].JournalofAerospacePower, 2011, 26(3): 622-627.)

[11] 劉良勇, 李建華, 鄧四二，等.飛輪軸承許用磨損壽命估算算法[J].軸承, 2011,(9): 1-5.(LiuLiangyong,LiJianhua,DengSier,etal.EvaluationMethodforAllowableWearLifeofFlywheelBearings[J].Bearing, 2011,(9): 1-5.)

[12]ZhouJ,LiuQ,JinG,etal.ReliabilityModelingforMomentumWheelBasedonDataMiningofFailure-Physics[C]//KnowledgeDiscoveryandDataMining, 2010.WKDD′10.ThirdInternationalConferenceon.IEEE, 2010:115-118.

[13] 卓紅艷, 金曉, 孟凡寶，等.一種系統(tǒng)壽命分析評估方法[J].工業(yè)控制計算機, 2013, 26(7): 128-129.(ZhuoHongyan,JinXiao,MengFanbao,etal.ResearchonSystemLifePredictionApproaches[J].IndustrialControlComputer, 2013, 26(7): 128-129.)

[14]MedjaherK,Tobon-MejiaDA,ZerhouniN.RemainingUsefulLifeEstimationofCriticalComponentsWithApplicationtoBearings[J].IEEETransactionsonReliability, 2012, 61(2): 292 - 302.

[15] 李建成, 楊永安, 安錦文.基于剩余推進劑估算的衛(wèi)星壽命預測方法[J].空間科學學報, 2006, 26(3): 193-196.(LiJiancheng,YangYongan,AnJinwen.GeostationarySatellite′sEnd-of-LifePredicationBasedonPropellant-RemainingEstimation[J].ChineseJournalofSpaceScience, 2006, 26(3): 193-196.)

[16]ZhangZhongfang,QuanQuan,CaiKai-yuan.AMethodforSatelliteResidualServiceLifePredictionBasedonMarkovModel[C]//The3rdChineseGuidance,NavigationandControlConference,Beijing, 2009, 487-493.

[17]PouraliM,MoslehA.ABayesianApproachtoOnlineSystemHealthMonitoring[C]//ReliabilityandMaintainabilitySymposium(RAMS), 2013Proceedings-annual.IEEE, 2013: 1-6.

[18]MontaniS,PortinaleL,BobbioA,etal.Atoolforautomaticallytranslatingdynamicfaulttreesintodynamicbayesiannetworks[C]//ProceedingsoftheRAMS'06.AnnualReliabilityandMaintainabilitySymposium, 2006.IEEEComputerSociety, 2006: 434-441.

[19]MontaniS,PortinaleL,BobbioA,etal.Radyban:AToolforReliabilityAnalysisofDynamicFaultTreesThroughConversionIntoDynamicBayesianNetworks[J].ReliabilityEngineering&SystemSafety, 2008, 93(7): 922-932.

[20]AmariS,DillG,HowaldE.ANewApproachtoSolveDynamicFaultTrees[C]//Reliability&MaintainabilitySymposium.IEEE, 2003: 374-379.

Research on Life Prediction of Momentum Wheels System Based on DTBN

Cheng Yuehua1，Tian Jing2， Lu Ningyun2， Jiang Bin2

1. College of Automation Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China 2. Academy of Frontier Science, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Asthefoundationofthecondition-basedmaintenance(CBM),theanalysisofreliabilityandlifepredictionhaveaguidingsignificance.Sofar,theresearchonlifepredictionofunitisperfect,whilethestudyonthelifepredictionofsystemisabsent.Inthispaper,thedynamicfaulttree(DFT)isusedtomodelthemomentumwheelsubsystemanditsreliabilityandresiduallifeareresearched.Animprovedmethodisproposedtodescribethefailureprobabilityofspareunit,whichisaimedtoguaranteethecumulativefailureprobabilityequalsto1whentisapproachinginfinity.Moreover,theproposedmethodiscombinedwiththeDTBNtoanalyzethereliabilityandresiduallifeofthesparegates.Finally,theproposedmethodisemployedtoanalyzethereliabilityandresiduallifeofmomentumwheelsystem.

Sparegate；Lifeprediction；Bayesnet；Dynamicfaulttree

*中央高?；究蒲袠I(yè)務費專項資金資助(2016083)

2015-11-25

程月華(1977-)，女，安徽懷寧人，博士，副研究員，主要研究方向為航天器故障預測、故障診斷與容錯控制；田 靜(1989-)，男，貴州遵義人，碩士研究生，主要研究方向為系統(tǒng)故障檢測與容錯控制技術；陸寧云(1978-)，女，江蘇連云港人，博士，教授，主要研究方向為復雜工業(yè)過程的建模、監(jiān)測、故障診斷和質量控制；姜 斌(1966-)，男，江西鄱陽人，博士，教授，主要研究方向為控制理論與控制工程。

V

A

1006-3242(2016)03-0089-06