基于马尔科夫更新过程的侦察系统可靠性分析
四余度飞控计算机设计及基于马尔可夫模型的可靠性分析

中图分类号:V247.12
文献标识码:A
文章编号:1673-1131(2019)10-0010-02
0引言
飞控计算机是飞行控制系统的核心部件,完成控制状态 选择、控制律计算和余度管理等工作,其性能和可靠性直接影 响到飞机的飞行安全。为提高飞控计算机的安全性和可靠性, 普遍釆用余度技术设计多余度体系架构的方法,为飞机的飞 行安全提供保障。
X At(l- e )
1- X At
图1四余度飞控计算机系统状态转移过程
根据图1四余度飞控计算机系统状态转移过程,可以得
到马尔可夫链模型状态可靠度方程描述,如式(1)所示。
P,(/+A/)=(l-4^V)P0(/) P, (Z+A/) = 4沁P° (/)+(l-3AA/)P, (/)
Pj(«+A/) = 32ay(P, (r)+P,(/))+(l- 2AAt) P2(r) P, (r+A/) = 2沁(P: (r)+P< (r))+(1 -心)P, (r)
余度数的选择要从飞控系统执行任务的可靠性指标出发, 综合考虑系统的重量、体积、成本和余度管理的方式。过多的 冗余通道,不仅不会使飞控系统的可靠性大幅提高,还会带来 硬件成本的增加,提高余度管理软件的复杂度。研究发现国 内外许多飞机的飞控系统均釆用四余度体系架构,故本文只 针对四余度飞控计算机提出详细的系统设计,并对其可靠性 这一特性问题,利用马尔可夫模型进行余度计算机过程分析 及多通道状态组合转换。
1四余度飞控计算机架构
飞控计算机釆用4X1的体系结构,即飞控计算机由4个
完全相同的余度通道组成,每个余度通道的硬件配置完全相
同,包括主处理器模块(CPU)、接口模块(IOM)、通道接口模块 (IOC)。CPU模块完成飞控系统余度管理、控制律计算、工作 模式转换、系统状态申报、故障告警、负责自检测和对本通道 的其他各子模块进行检测。IOM模块主要接受外部信号源的 数据,将接收的数据通过内部总线传输给CPU使用;同时通过 内部总线接收CPU模块的指令输出信号,发送给外部伺服舵 机进行飞行控制。IOC模块主要完成四余度计算机的同步和 交叉传输(CCDL)等功能。
风险评估技术-马尔可夫分析

马尔可夫分析1 概述如果系统未来的状况仅取决于其现在的状况,那么就可以使用马尔可夫分析(Markov analysis)。
这种分析通常用来分析那些存在多重状况的可维修系统,而可靠性框图分析不适合对该系统进行充分分析。
通过运用更高层次的马尔可夫链,这种方法可拓展到更复杂的系统中。
同时,这种方法只会受模型、数学计算和假设的限制。
马尔可夫分析是一项定量技术,可以是不连续的(利用状态间变化的概率)或者连续的(利用各状态的变化率)。
虽然马尔可夫分析可以手动进行,但是该技术的性质使其更依存于市场上普遍存在的计算机程序。
2 用途马尔可夫分析技术可用于各种系统结构(无论是否需要维修),包括:●串联系统中相互独立的部件;●并联系统中相互独立的部件;●负荷分载系统;●备用系统,包括发生转换故障的情况;●降级系统。
马尔可夫分析技术也可以用于计算设备可用度,包括考虑需要维修的备件。
3 输入马尔可夫分析的关键输入数据如下所示:●系统、子系统或组件可能处于的各种状况的清单(例如,完全运行、部分运行(降级状况)以及故障状况等);●认清建模所必需的可能的转移。
例如,如果是汽车轮胎故障,那就要考虑备胎的状况,还要考虑检查频率;●一种状况到另一种状况的变化率,通常由不连续事项之间的变化概率来表示,或者连续事项的故障率(λ)及/或维修率(μ)来表示。
4 过程马尔可夫分析技术主要围绕“状态”这个概念(例如,现有状态及故障状态)以及基于常概率的状态间的转移。
随机转移概率矩阵可用来描述状态间的转移,以便计算各种输出结果。
为了说明马尔可夫分析技术,不妨分析一种仅存在于三种状态的复杂系统。
功能、降级和故障将分别界定为状态S1、状态S2以及状态S3。
每天,系统都会存在于这三种状态中的某一种。
下表说明了系统明天处于状态Si的概率(i可以是1、2或3)。
表-马尔可夫矩阵该概率阵称作马尔可夫矩阵,或是转移矩阵。
注意,每栏数值之和是1,因为它们是每种情况一切可能结果的总和。
基于马尔柯夫过程的可修系统可靠性建模(吴志良)

可修系统是由一些部件和一个 (或多个) 维修
[1] 设备 (或维修 工) 组成的系统 . 可修系统在使用
过程中, 一般由正常工作状态转移到故障状态, 然 后经维修设备 (或 维 修 工) 对 故 障 部 件 进 行 修 理, 使其恢复到正常状态, 如此往复循环下去 . 正常工 作状态和故障 状 态 相 互 转 移 的 过 程, 可以用概率 方法来描述 . 研 究 可 修 系 统 的 主 要 数 学 工 具 是 随 机过程理论, 当构成系统的各部件的寿命分布和 故障后的修理 时 间 分 布 均 为 指 数 分 布 时, 这样的
行数学建模 . 首先推导出单部件可修系统可用度与可靠度的表达式, 在此基础上, 推导出工程上常用的两并一 备复杂可修系统可用度与可靠度的表达式, 总结出求解复 杂 可 修 系 统 稳 态 可 用 度 的 简 单 方 法 . 两 种 方 法 结 论 一致, 为进一步研究可修系统可靠性、 维修性提供重要理论依据 .
正常工作状态和故障状态相互转移的过程可以用概率方法来描述研究可修系统的主要数学工具是随机过程理论当构成系统的各部件的寿命分布和故障后的修理时间分布均为指数分布时这样的可修系统可用马尔柯夫过程来描述本文应用马尔柯夫过程完成了对单部件可修系统和两并一备冷备旁待可修系统可靠性维修性的数学建模工作以满足对可修系统可靠性为连续时间离散状态空间的马尔柯夫过程马尔柯夫过程可靠性研究中最普遍的随机过程是连续时间收稿日期
#
型, 考虑以下假设: (l)系统部件只能取两种状态: 正常或故障 . (2)部 件 的 状 态 转 移 率 (失 效 率 " 和 修 复 率 即部件的失效 分 布 和 维 修 时 间 分 布 !)均为常数, 均服从指数分布, 在此条件下, 可以证明可用马尔 柯夫过程来描述该系统 . (3) 状 态 转 移 可 以 在 任 意 时 刻 进 行, 但在相 当小的时间区间 #I 内 不 会 发 生 两 个 或 两 个 以 上 的部件转移, 即同时发生两次或两次以上故障的
基于马尔可夫模型的NCS可靠性分析

1 Makv可 靠度模 型 “] ro
一Hale Waihona Puke 个 具有 n个 状 态 的 系统 的离 散 Ma o 靠 r v可 k
断扩大 , 复杂性的 日益提高 , 以及系统投资的巨大 ,
工 业 网络 的可靠性 问题 日臻 重要 , 为 当今工 业化 、 成 信息化社会的重要研究 内容 ¨ 3 -] 。 工业 网络 控制 系统 可靠 性分 析是 可靠 性研 究领
维普资讯
・
6・
工业仪表与 自动化装置
20 0 7年第 5期
基 于 马 尔可 夫 模 型 的 N S可 靠性分 析 C
魏利胜 , 费敏锐
( 海大 学 机 电工程与 自动 化 学院 , 上 上海 20 7 ) 00 2
摘要 : 基于传统可靠性理论的研 究, 出了一种 M ro 模型的 网络控制 系统可靠性评 估方法 提 akv 及其建模过程。该方法通过详细分析工业网络控制 系统的特殊性, 构建网络控制 系统的可靠性状 态图, 以推导 系统的查普 曼 一 尔莫戈罗夫( hp a K loo v 方程 , 科 C am n— o qr ) m o 得到工业网络控 制 系统 的可靠度 模 型 , 为网络控 制 系统进 一 步应 用 于 国民经济 众 多领 域 奠定基 础 。 关键词 : a o 可靠性模型; Mr v k 可靠性分析 ; 网络状态; 网络控制 系统 中图分类 号 :P 0 T 2 2+. 文 献标 识码 : 文 章编 号 :0 0— 6 2 2 0 ) 5— 0 6— 3 1 A 10 08 (07 0 00 0
(C) N S
0 引 言
自上世 纪 9 O年代 以来 , 随着 控 制 技 术 、 算 伴 计 机技术 和 网络技 术 的飞 速 发展 , 工业 控 制 系统 正 由 封闭 的集 中体 系加 速 向网 络 化 、 综合 化 、 布 化 、 分 节 点 智 能化 的趋势 转变 。 这种 网络化 的控 制模 式与 传 统 的点 对点 控 制 模 式 相 比 , 有 成 本 低 、 接 线 数 具 连 少 、 于安装 维 护 、 易 系统 可靠 性 与 灵 活 性 高 , 实 现 可 资 源共 享 、 程操 作 与控制 等诸 多优 点 , 远 广泛 应用 于 众 多工 业领 域 。但是 , 着 网 络控 制 系统 规 模 的 不 随
基于马尔科夫过程的电力系统可靠性预测

式中 x1 , x2 , . . . , xn ∈ S 这种随机过程 X( t) 为连续时间 、有限状态空间的马尔可夫 过程。 在可修系统中, 系统状态的转移概率只与现时刻所处的 状态有关, 而与以前或有限次以前所处的状态无关,这符合 马尔可夫过程的条件。
P{X(t)=x|X(tn)=xn}=P{X(t)=x} =P{X(t)=x|X(t1)=x1,X(t2)=x2,…,X(tn)=xn}
令
由全概率公式可得:
P (t )[a t o(t )]
i j i ij
t 0
Pj (t )
离开j状态 进入j状态
'
马尔可夫过程
写成矩阵形式为
P0 ' (t ) ' 1 (t ) P ' PN (t )
这样 ,在给定起始状态概率的条件下,从式( 3) 可以解出P0( t), P1( t), …, PN( t)。 在实际问题中, 可以判定哪些是工作状态,哪些是失效状态 。 假定其中 Pi( t) ( i =0 , 1 , 2 , …, k) 是系统工作状态的概率, 而 Pi( t) ( i =k +1 , …,N) 是系统失效状态的概率,可得系统的瞬时 可用度为
串联可维修系统
多部件串联的可修系统是常见的控制系统。 假定每个部件的失效率和维修率分别为 λ i , μ i( i =1 , 2 , …, n) 都是常数,且各部件故障后修复如新 假定各部件状态相互独立, 且不会有两个或多个部件同时失 效 则系统状态空间为
串联可维修系统
系统从 t到 t +Δ t 时刻的转移概率为
i
如何利用马尔可夫逻辑网络进行异常检测(七)

在当今信息技术高度发达的社会,数据安全和网络安全成为人们关注的焦点。
随着网络攻击技术的不断更新和网络攻击手段的日益复杂,传统的安全防护手段已经无法满足当前的需求。
因此,如何利用先进的技术手段进行异常检测成为了当前网络安全领域的热点问题之一。
马尔可夫逻辑网络作为一种新型的异常检测技术,具有很高的潜力和应用价值。
本文将从马尔可夫逻辑网络的基本原理、工作机制以及应用案例等方面进行详细的介绍和分析,旨在帮助读者深入了解马尔可夫逻辑网络,并掌握其在异常检测领域的应用方法。
一、马尔可夫逻辑网络的基本原理马尔可夫逻辑网络是一种基于概率图模型的异常检测方法,其基本原理是利用马尔可夫逻辑网络模型对数据进行建模和分析,然后通过对比实际观测数据和模型预测数据的差异来进行异常检测。
马尔可夫逻辑网络模型以节点和边为基本元素,节点表示系统中的各种状态或事件,边表示节点之间的概率关系。
通过对节点和边的建模,马尔可夫逻辑网络可以较为准确地描述系统的运行状态和数据之间的关联。
二、马尔可夫逻辑网络的工作机制马尔可夫逻辑网络的工作机制主要包括模型建立、参数学习和异常检测三个基本步骤。
首先,利用实际观测数据对系统进行建模,确定节点和边的连接关系,并估计节点之间的概率分布。
然后,通过参数学习算法对模型的参数进行估计和学习,使模型能够更好地适应实际数据。
最后,利用已经建立和学习好的马尔可夫逻辑网络模型,对新的观测数据进行异常检测,通过比较观测数据的概率分布和模型预测数据的差异,识别出异常数据并给出相应的报警。
三、马尔可夫逻辑网络在异常检测中的应用案例马尔可夫逻辑网络在异常检测领域已经有了一些成功的应用案例。
以网络安全领域为例,马尔可夫逻辑网络可以对网络流量数据进行建模和分析,通过对网络流量数据的概率分布进行建模,识别出异常的网络流量行为,包括DDoS攻击、僵尸网络等。
此外,马尔可夫逻辑网络还可以应用于工业自动化领域的异常检测,通过对工业生产过程中的传感器数据进行建模和分析,识别出异常的生产过程,提高工业生产的安全性和可靠性。
基于马尔可夫的软件可信评估模型研究(全文)
方法,这种方法适用性很强,适合用于时间和空间序列当中。在 马尔可夫模型当中,主要包含了状态转移和状态两个概念;首先, 状态对事物存在或者可能出现的形态,相同客观事物当中的不同 状态之间是独立的,不同意同时存在两种的状态。其次,状态转 移是指事物从一种状态转变为另外的一种状态,客观事物只能处 在诸多状态当中的一种状态当中,那么每个状态都具有多种的转 向。因此,用概率描述状态转移的可能性的大小,就是状态转移 的概率。
1
图 1 可信评估模型框架 在正常的情形下,从一个软件多次的运行的数据能够得到各 个场景当中各属性的正常的取值的范围;当软件进行实际运行时 候,检查点当中的场景值会发生一定的偏差,偏差越大,那么软 件出现的异常可能性也就越大。当偏差超过了一定的范围的时候, 软件就是发生的异常状况,此时软件结果是可靠的。 为了验证设计的模型的合理性,需要进行仿真实验验证。实 验以 GNU 开源文件压缩程序 Gzip 作为目标程序,设置了 6 个 检查点。需要计算每一个检查点的状况从而得到软件整体的可信 度。 本模型测试了软件遭受攻击的时候软件可信性的能力。由于 软件外部因素的变化,场景信息也会发生一定的变化,这个变化 可以通过马尔可夫模型表现出来。因此在理论上,模型能够检测 出软件是否在危险的环境当中,甚至能够表现软件是否受到了不 明的攻击。 图 2 显示了模型在一般的情况和受攻击情况下的软件可信 度 的 情 况 变 化 , 其 中 分 析 了 CVE-20XX-4335 和 CVE-20XX-4336 两个漏洞攻击。从图中可以看出第四个和第五 个可信度发生了明显的降低,可见模型能够准确的检测出软件遭 受到了攻击。这就说明了本文建立的模型还是很有效的。 图 2 漏洞攻击可信度实验结果 4.总结
马尔可夫逻辑在信息检索中的索引优化方法(Ⅱ)
随着信息技术的发展和应用,信息检索已经成为人们在日常生活和工作中必不可少的一部分。
在互联网时代,我们可以轻松地通过搜索引擎找到我们需要的信息,但是搜索引擎的效率和准确性一直是人们关注的焦点。
马尔可夫逻辑在信息检索中的索引优化方法,正是一种能够提高搜索引擎效率和准确性的重要技术。
首先,我们来了解一下什么是马尔可夫逻辑。
马尔可夫逻辑是一种基于马尔可夫链的逻辑推理方法,它能够对复杂的非线性系统进行建模和推理。
在信息检索中,马尔可夫逻辑可以被用来对搜索引擎进行优化,提高搜索结果的准确性和相关性。
在传统的信息检索系统中,搜索引擎通过对文档进行索引来实现检索功能。
索引是一种数据结构,用于快速定位和访问文档中的信息。
而马尔可夫逻辑在信息检索中的索引优化方法,可以通过对文档之间的关联性进行建模,来提高搜索引擎的效率和准确性。
马尔可夫逻辑在信息检索中的索引优化方法的核心思想是利用马尔可夫链来建立文档之间的关联性模型。
马尔可夫链是一种随机过程,具有“无记忆”的性质,即在某一时刻的状态只与前一时刻的状态有关。
在信息检索中,我们可以将文档之间的关联性看作是一个状态转移过程,通过建立马尔可夫链模型,可以对文档之间的相关性进行建模和推理。
通过马尔可夫逻辑在信息检索中的索引优化方法,我们可以将文档之间的关联性转化为马尔可夫链的转移概率,从而实现对文档之间关联性的量化和分析。
这样一来,搜索引擎就可以根据文档之间的关联性来对搜索结果进行排序和过滤,提高搜索结果的准确性和相关性。
除了利用马尔可夫链来建立文档之间的关联性模型,马尔可夫逻辑在信息检索中的索引优化方法还可以通过对搜索查询进行建模,来提高搜索引擎的效率和准确性。
通过对搜索查询进行建模,我们可以将查询与文档之间的关联性转化为马尔可夫链的转移概率,从而实现对搜索结果的排序和过滤。
马尔可夫逻辑在信息检索中的索引优化方法可以被应用于各种类型的信息检索系统,例如文本检索、图像检索和音频检索等。
马尔可夫决策过程的应用前景分析(Ⅰ)
马尔可夫决策过程的应用前景分析马尔可夫决策过程是一种重要的概率模型,广泛应用于工程、管理、经济等领域。
它通过对状态转移概率的建模,可以用来描述动态系统的演化规律,并为决策问题提供可靠的参考。
在当今的信息时代,随着人工智能、大数据等技术的发展,马尔可夫决策过程的应用前景也越来越广阔。
1. 自然语言处理在自然语言处理领域,马尔可夫决策过程可以用来构建文本生成模型。
基于马尔可夫链的文本生成模型可以模拟语言的语法规律和语义关联,生成连贯的自然语言文本。
这对于生成对话系统、智能客服等应用具有重要意义。
以往的文本生成模型往往难以捕捉长距离的语义关联,而基于马尔可夫决策过程的模型则可以更好地解决这一问题。
2. 金融风险管理在金融领域,风险管理是一个极为重要的问题。
马尔可夫决策过程可以用来建立金融市场的风险模型,从而帮助投资者和机构更好地进行风险控制和资产配置。
通过对市场状态的建模和预测,可以更准确地识别风险事件,并采取相应的应对措施。
这对于金融市场的稳定和健康发展具有重要意义。
3. 基础设施运维在工程领域,基础设施的运维和管理是一项复杂而又重要的任务。
马尔可夫决策过程可以用来建立基础设施的故障诊断和预测模型,帮助工程师更好地进行设备维护和修复。
通过对设备状态的实时监测和分析,可以及时预测设备的故障和损坏,从而减少停机时间和维修成本,保障基础设施的可靠运行。
4. 医疗诊断在医疗领域,马尔可夫决策过程可以用来建立疾病诊断和预测模型。
通过对患者的病情和治疗过程进行建模和分析,可以更准确地诊断疾病,制定个性化的治疗方案。
这对于提高医疗诊断的准确性和治疗效果具有重要意义,可以为患者提供更好的医疗服务。
综上所述,马尔可夫决策过程在各个领域都有着广泛的应用前景。
随着技术的不断发展和应用场景的不断拓展,马尔可夫决策过程将会发挥越来越重要的作用,成为推动各行业发展和改善人们生活的重要工具。
因此,对马尔可夫决策过程的研究和应用具有重要的意义,也是未来技术发展的重要方向。
基于马尔可夫过程船舶电力系统可靠性仿真分析
关 键 词 :船舶发电系统;电力负荷;可靠性评估;充裕度
0 引 言
船舶 ,特 别 是 军用 舰船 , 由于 工 作特 性 的要 求 , 出航后 长 时期 远 离基 地 ,在 发生 故 障 时不可 能及 时得 到 岸上 的支援 ,因此 ,可靠 性 尤 显重 要 …。船舶 电站 是船 舶 的重 要 组成 部 分 ,是 船舶 电力 系 统 的 核 心 ,特 别 是船 舶 电力 推 进 的发展 与 推广 ,更 凸显 出电站 运行 的可 靠 性经 济 性对 船 舶 的航行 安全 及 经 济 运 行 具有 重要 意 义 。近 年来 ,关于 船 舶 电站 可靠 性 的研 究颇 丰 ,但 采用 马 尔可 夫过 程 理论 研 究方 法
(M S P )功 能 ,提 高 电力 系统 安 全 与经 济运 行水 平 。
1 电力 系 统
11 理 论 模型 .
111 容 量模 型 .. 船舶 电力系 统是 一个 产 生 、分配 和 消耗 电 能的统 一整 体 , 由发 电机组 、配 电网络 和 电力 负荷三 大
收稿 日期 :2 1.6O ;修 改稿 收稿 日期:2 1.50 0 00一1 0 00 —4
基于 马尔可夫 过程船舶 电力系统 可靠性仿 真分析
林 少芬 ,江小 霞,陈子凯 ,郑文 杰
( 集美大学轮机工程 学院,厦 门 3 12 ) 6 1 0
摘
要
船舶可靠性 至关 重要 ,该 文采用 马尔可夫过程 ,从接近实 际情 况出发 ,建 立有别 于 以往的船舶 发 电系统 的容量模型;从概 率论 出发 , 用MA L B 利 T A ,选择合适 的模拟方法 ,模拟 出电力负荷概率分布 曲线,快速地 建立负荷模 型。创新性地 应用 电力不足概 率法 ( O P 于船舶 电力系统 中,结合容量模型 与负荷模 型 ,得 LL ) 出船舶发 电系统 可靠性指标 ,为船舶发 电 组的容量 、台数 以及 预防性 维修提供 参考 ,有助于完善 能量管理 机
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
鼻工I动化 Ordnance Industry Automation
·7·
doi:10.39690.issn.1006—1576.2010.03.003
基于马尔科夫更新过程的侦察系统可靠性分析
沈吉锋1,张永志1,宋朝河2,陈芬1 (1.蚌埠坦克学院计算机教研室,安徽蚌埠233050:2.解放军炮兵学院研究生45队,安徽合肥230031)
B ased on Markov Renewal Process Credibility Analysis of Reconnaissance System
SHEN Ji.fengl,ZHANG Yong.zhil,SONG Chao.he2,CHEN Fenl (1.Staff Room of Computer,Bengbu Tank Institute,Bengbu 233050,China;
hi(f)=gi(f)+三f JIlJ(f--U)dQⅡ(“),f∈E
即:
hi(f)=gi(f)+∑a口(f)宰hj(f一“),f∈E
jEE
其中,hf(f)、gf(t)都是定义在【O,oo)上的非负、 在任何有限区间上的有界函数。
1 马尔科夫更新过程的概念
2侦察系统可靠性分析模型
设随机变量乙取值在E={O,1,…,K)中,而随机 变量L取值在【0,oo)中,且有0=死≤rl≤疋≤…≤ 兀,n=O,l,…,如果对所有j『∈E,忿0,有P{乙+l习,
O:一个部件开始工作,另一个部件储备; l:一个部件开始工作,另一个部件开始修理; 2:一个部件发生故障,另一个部件在修理。 进一步假设x(o表示时刻t系统所处的状态; 瓦(丁o=0)表示系统第,1次发生状态转移的时刻。令 z。---x(L+O),表示系统在第n次状态转移的时刻所 进入的状态,因此,{乙,丁。,n=O,1,…}构成马尔科 夫更新过程。根据系统的假设以及马尔科夫更新过 程理论,得到系统状态之间的转移关系如图1。
表1 系统寿命时间统计表(单位:h)
统计次数
寿命时间
~一一一一一一 一一一一一一一 维修时间
统计次数 寿命时间 维修时间
一 ~一~一
万方数据
根据表l并结合式(10),对寿命时间和维修时 间分布函数的参数估计可得:互=o.1l;西:4.79: 丘=0.10。由式(3)可知,系统稳态可用度 A=0.9507。对式(3)作拉普拉斯反变换,得到雷 达系统的瞬时可用度,如图2(虚线)。
根据MRP过程极限定理可知。系统稳态可用度
为:A=l,i.+m。JA。(j)=互:F丢孑:;笔专耘c4,
3)侦察系统的瞬态可用度 对式(3)作拉普拉斯反变换,可得系统的瞬态 可用度。但是冷储备系统的工作时间通常比系统进 入稳态可用度的时间短,稳态可用度很难描述系统 瞬态可用度的动态变化;而且当寿命时间和维修时 间函数较为复杂时,无论是拉普拉斯变换还是反变 换都会遇到计算困难。故采用时域迭代法求解更新 方程组,以获取冷储备系统的瞬态可用度。为讨论 方便,改写更新方程组为:
2.No.45 Brigade of Postgraduate,Artillery Academy of PLA,Hefei 23003 1,China)
Abstract:Aiming at the credibility of cold save system which the life function or the time of maintaining disobedience or incomplete obedience exponential distribution non-Markov,building usability analytic model based on Markov renewal process and analyze system availability according to time domain iteration method.Through usability analysis of the radar system,it examined the model possibility and provided the valid methods for availability analysis tO non—Markov system.
Ao(t)2 joAt(卜u)dQ。l(“)+【1一F(f)】
删-l
A一1(t-u)dQll(//)
’(5)
+上A2(t—u)dQl2(“)+【l一,(f)】
A2(t)2上Al(f—u)dQ21(“)
令“咖等盟;咖)=了dQu(u)U
:
a
Q“
删=掣;喇=了dQ21(u)U
,并且设峨(f)<
d
o“
M,tE【0,+∞),i=O,1,2,根据幂级数解的形式,则
可靠性分析模型,对这3个可靠性指标进行分析。 1)模型假设 假设2个同型部件构成的贮备系统中,每个部
件的工作寿命x服从韦布尔分布w(a,名),密度函
数厂x(t)=Z a(At)口一1 e一‘2 7厂,t≥O;名,口>0和 分布函数F,(t)=l—e-(2‘r,t≥0, 其中
口以:f[tdF,,(f);部件故障后的修理时间l,服从参 J0
根据表1,对系统部件的寿命时间和维修时间 参数的估计值,可知其分布为:
F r(t)=l—e一(4.79‘)””,t≥0 F,(t)=1一e。0_o‘,t≥0
运用Matlab计算机程序,对可用度的马尔可夫 更新方程的迭代进行算法计算,结合式(6)得到冷 储备系统的瞬时可用度变化曲线,如图2(实线)。
㈣
(一7)
通过编程计算上述迭代方程,可计算H{系统可
万方数据
第3期
沈吉锋,等:基于马尔科夫更新过程的侦察蚕统可靠性分析
·9.
用度的瞬时值。 4)可靠性分析模型的参数估计 假定系统寿命时间为随机变量,且服从
W(∥,∥),其分布函数为: F(Y)=1一exp{一(五Y)卢l
其可靠度函数为:R(y)=exp{一(flY)∥)。 其中,Y>0,∥>0,∥>0。
结合式(1),对式(2)作LS变换,求解可用度
更新方程组,可得:
五。(J):坠型娶幽土盟生丛 。。 s【1一F(S)+F(s+∥)】
A,(,):
!!二!生掣
‘3’
s Ll—F【s)+F【s+芦)J
A,(J):
笪!!二!兰!!!己
一一
s【s+∥)【1一F【S)+F(s+∥)J
因此有.1圳J— i'mU sA。(s)-l删J—i+mU sAl(s).1圳J—i'UmsA2(s)。
摘要:针对系统部件寿命或修理时间不服从,或不完全服从指数分布的非马尔科夫型冷贮备可修系统的可用性, 基于马尔科夫更新过程理论建立可用性分析模型,并依据时域迭代法分析系统的瞬时可用度。通过对雷达系统的可 用性分析,检验了模型的可行性,为非马尔可夫型系统的可用性分析提供了有效的方法.
关键词:马尔科夫更新过程;可用度;时域迭代法;极大似然估计 中图分类号:N945.17 文献标识码:A
部件1
l●●●
I●●● ●●●
部件2 系统状态
●●●● ●●●●
l
I
I工作▲····I 修理 L-……~J储备
图1 系统状态转移关系图
根据半马尔科夫核的表达式,可知:
Q01(f)=e{x≤f)=1一e一‘五’’4 Oll(f)=P{X≤t,Y<X}
5¨足(f)一日(u)]fy(u)du
Q12(f)=P{X≤t,X<Y}
m
哪
嘶
叫
眦
咖
一表示迭代法模拟曲线 …一-拉普拉斯逆变换计算结果 图2侦察系统瞬时可用度曲线
4 结束语
该模型为寿命时间服从韦布尔分布的冷贮备系 统提供了可靠性分析方法。满足增失效率序的寿命 函数的非马尔可夫系统是否均可运用该模型进行可 靠性分析,还要在后续研究工作中进行探索。
参考文献:
【1】曹晋华,程侃.可靠性数学引论【M】.北京:科学出版 社.2006:266—271.
布G(石)可知:
I厂l=了一,矽
T+7i {
兀2秒2 ,
【yz 2
(9)
其中,r=-0.577 215为欧拉常数。
由上述分析可得(∥,∥)的矩估计分别为:
f互:exp』一三一二垂二!生坚王二』堕’}
{【Jຫໍສະໝຸດ (10)卜瓤nQ_p2卜
其中,P=∑_lo og x。‘ ;a=∑_(109 X。“’)2。
3 雷达系统的可靠性分析
在装备的可靠性分析中,最重要的指标是系统 首次故障前的时间分布、系统可靠度以及系统的平 均故障次数。故基于马尔可夫更新过程理论,建立
L+1一L9 IZo,Zi,…,乙,To,Tl,…,L)=P{乙+l=J,死+l一死
9%},则随机过程(Z'T)=lZn,Tn,n=0,1,…}称为状
态空间E上的马尔科夫更新过程;又如果对所有f, J∈E t之0,e{z肿l=j,T。+广T。5 t IZ。=i}=Qij(t)与n 无关,则称(Z’乃是时齐的,称{Qf,(力,‘_『∈E J为半 马尔科夫核。当状态空间只有一个状态E-'{Ol时, 则{瓦+1一瓦,n=0,l,…l是独立同分布随机变量序列, 故{死,n=0,1,…l是部分和过程,即马尔科夫更新过 程成为更新过程。根据分析,经过化简可求得马尔
假定得到系统的寿命时间试验的以个完全样本 数据为:xl,x2,…,墨。这,1个数据可看作来自 总体w(∥,∥)的容量为,z的样本,则logXi,i=1,2,…,n 是独立同分布的随机变量,其共同分布为极值分布:
G(工)=1-exp(.exp(孚))
(8)
其中,i=log(口),0=五。
记扎=E[(109 x,)‘】,k=1,2,…,根据极值分
(1)