一种基于贝叶斯网络的物流无人机失效风险评估方法与流程

[0001]
本发明属于物流无人机技术领域，特别是涉及一种基于贝叶斯网络的物流无人机失效风险评估方法。


背景技术：

[0002]
目前评估无人机失效风险的技术较少，尤其是针对物流无人机展开失效风险评估的技术。由于无人机的失效风险与其结构特点和运行环境密切相关，而城市物流无人机结构复杂，各系统故障都可能导致无人机整体失效坠毁。同时，在城市空中物流运输中，强风、暴雨、强电磁干扰都会诱发无人机系统意外故障，造成坠机伤人。现有的无人机失效风险评估方法并未较好地针对物流无人机的结构特点、运行环境和保障人员工作特性进行建模，同时由于缺乏对物流无人机失效诱因的全面提取，无法建立风险定量化评估模型。


技术实现要素：

[0003]
为了解决上述问题，本发明的目的在于提供一种基于贝叶斯网络的物流无人机失效风险评估方法。
[0004]
为了达到上述目的，本发明提供的基于贝叶斯网络的物流无人机风险评估方法包括按顺序进行的下列步骤：
[0005]
步骤1：从系统结构角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0006]
步骤2：从运行环境角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0007]
步骤3：从人为因素角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0008]
步骤4：基于步骤1、步骤2和步骤3获得的物流无人机意外坠落事故的诱因构建物流无人机失效评估贝叶斯网络；
[0009]
步骤5：构建步骤4获得的物流无人机失效评估贝叶斯网络的条件概率表：
[0010]
步骤6：依据步骤1、步骤2和步骤3获得的概率值和步骤5)获得的物流无人机失效评估贝叶斯网络图的条件概率表，计算出不同事故诱因发生时物流无人机发生意外坠落事故的风险。
[0011]
在步骤4中，所述的基于步骤1、步骤2和步骤3获得的物流无人机意外坠落事故的诱因构建物流无人机失效评估贝叶斯网络的方法是：
[0012]
根据步骤1)、步骤2)和步骤3)获得的物流无人机意外坠落事故的诱因，分别将控制失效、失速、失去全部动力和失去部分动力四项失效模式作为事故节点，按照各自之间的因果关系将各个事故节点通过有向边以单箭头形式连接，其中箭头起始端的事故节点是父节点，箭头末端的事故节点是子节点，由此将失效模式与诱因通过有向无环图连接起来，基于网络框架的有向无环图描述变量间的依赖和独立关系，构建成物流无人机失效评估贝叶
斯网络。
[0013]
在步骤5中，所述的构建步骤4获得的物流无人机失效评估贝叶斯网络的条件概率表中的条件概率是指一个事故在另外一个事故已经发生条件下的发生概率，可通过物流无人机运行数据的统计分析和各事故节点的联合分布概率计算公式获得，如式(1)所示。
[0014][0015]
式中：p为事故节点的条件概率；x
i
为事故节点编号；n为事故节点x
i
的所有父节点数量；π为累计相乘函数；π(x
i
)为事故节点x
i
的所有父节点。
[0016]
在步骤6中，所述的依据步骤1、步骤2和步骤3获得的概率值和步骤5)获得的物流无人机失效评估贝叶斯网络图的条件概率表，计算出不同事故诱因发生时物流无人机发生意外坠落事故的风险的方法是：
[0017]
依据步骤1、步骤2和步骤3获得的概率值和步骤5)获得的物流无人机失效评估贝叶斯网络图的条件概率表，使用贝叶斯网络原理，计算出步骤1、步骤2和步骤3中某一项事故诱因或某几项事故诱因发生时，物流无人机发生意外坠落事故的风险。
[0018]
本发明提供的基于贝叶斯网络的物流无人机失效风险评估方法具有如下有益效果：
[0019]
针对物流无人机的系统结构、运行场景和人为因素的特点，全面地分析了造成物流无人机失效的各类诱因，并利用贝叶斯网络将复杂的联合概率分布分解成一系列相对简单的模块，大大降低了知识获取的难度和概率推理的复杂性，适用于物流无人机系统风险评估中不确定性的推理问题，为物流无人机安全风险定量化评估提供了有效方法。
附图说明
[0020]
图1为物流无人机系统结构组成示意图。
[0021]
图2为本发明构建的物流无人机失效评估贝叶斯网络示意图。
[0022]
图3为本发明中通信链路故障工况各事件发生概率分布图。
[0023]
图4为电机故障工况各事件发生概率分布图。
具体实施方式
[0024]
为使本发明的目的、技术方案及优点更加清楚明白，以下根据附图并列举实施例，对本发明做进一步详细说明。
[0025]
本发明提供的基于贝叶斯网络的物流无人机风险评估方法包括按顺序进行的下列步骤：
[0026]
步骤1：从系统结构角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0027]
由于物流无人机系统结构复杂，各系统故障都会导致物流无人机发生意外坠落事故。物流无人机系统包括由动力系统、飞控系统、电力系统、通信系统和机体结构组成的飞行平台系统、地面控制系统和任务相关的载荷系统。按照图1所示的物流无人机系统的设备零部件构成，依次分析各环节发生故障的形式，根据物流无人机的运行数据，统计分析因系统结构故障造成的物流无人机意外坠落事故的诱因及各诱因的概率值，如表1所示。
[0028]
表1、系统结构角度的物流无人机意外坠落事故诱因及相关描述
[0029][0030][0031]
步骤2：从运行环境角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0032]
运行环境原因导致的物流无人机故障主要与运行时的天气条件有关，包括强阵风、强降水和积冰。当天气条件超出物流无人机正常运行的最大指标时，物流无人机的运行将受到较大的影响。根据物流无人机的运行数据，统计分析因运行环境造成的物流无人机意外坠落事故的诱因及各诱因的概率值，如表2所示。
[0033]
表2、运行环境角度的物流无人机意外坠落事故诱因及相关描述
[0034]
[0035]
步骤3：从人为因素角度分析并获得物流无人机意外坠落事故的诱因及各诱因的概率值；
[0036]
物流无人机失效的人为因素主要由物流无人机操控人员及地面检修人员产生。根据物流无人机的运行数据，统计分析因运行中所涉及的人员及其工作职责造成的物流无人机意外坠落事故的诱因及各诱因的概率值，如表3所示。
[0037]
表3、人为因素角度的物流无人机意外坠落事故诱因及相关描述
[0038][0039]
步骤4：基于步骤1、步骤2和步骤3获得的物流无人机意外坠落事故的诱因构建物流无人机失效评估贝叶斯网络；
[0040]
根据步骤1)、步骤2)和步骤3)获得的物流无人机意外坠落事故的诱因，分别将控制失效、失速、失去全部动力和失去部分动力四项失效模式作为事故节点，按照各自之间的因果关系将各个事故节点通过有向边以单箭头形式连接，其中箭头起始端的事故节点是父节点，箭头末端的事故节点是子节点，由此将失效模式与诱因通过有向无环图连接起来，基于网络框架的有向无环图描述变量间的依赖和独立关系，构建成物流无人机失效评估贝叶斯网络，如图2所示。
[0041]
步骤5：构建步骤4获得的物流无人机失效评估贝叶斯网络的条件概率表：
[0042]
步骤4)所构建的物流无人机失效评估贝叶斯网络包含一组事故节点，将相连的事故节点间的因果关系用条件概率表表示。条件概率是指一个事故在另外一个事故已经发生条件下的发生概率，用来刻画事故节点间的依赖关系。由于物流无人机事故节点间的关系较为复杂，事故节点间的关系并非相互独立的，因此事故节点的条件概率可通过物流无人机运行数据的统计分析和各事故节点的联合分布概率计算公式获得，如式(1)所示。
[0043][0044]
式中：p为事故节点的条件概率；x
i
为事故节点编号；n为事故节点x
i
的所有父节点数量；π为累计相乘函数；π(x
i
)为事故节点x
i
的所有父节点。
[0045]
以人工干预失败、电池故障和失去全部动力之间的条件概率为例，所建立的条件概率表如表4所示。
[0046]
表4、人工干预失败、电池故障和失去全部动力之间的条件概率
[0047][0048]
步骤6：依据步骤1、步骤2和步骤3获得的概率值和步骤5)获得的物流无人机失效评估贝叶斯网络图的条件概率表，计算出不同事故诱因发生时物流无人机发生意外坠落事故的风险；
[0049]
依据步骤1、步骤2和步骤3获得的概率值和步骤5)获得的物流无人机失效评估贝叶斯网络图的条件概率表，使用贝叶斯网络原理，计算出步骤1、步骤2和步骤3中某一项事故诱因或某几项事故诱因发生时，物流无人机发生意外坠落事故的风险。
[0050]
以电机故障和通信链路故障两种工况为例，分别计算两种工况下意外坠落事故及各中间事件发生概率。如图3和图4所示，在电机故障工况下，物流无人机意外坠落事故发生概率为21.69％，其中导致底事故发生的中间事故中概率最大的是桨叶失效和无人机失去部分动力，发生概率分别为99.98％和92.18％，而控制失效和人工干预失败发生概率低于1％；在通信链路故障工况下，物流无人机意外坠落事故发生概率为22.14％，其中导致底事故发生的中间事故中概率最大的是人工干预失败，发生概率为97.99％，其次无人机失速和控制失效发生概率也较大。这两种工况的计算结果清晰地展示了不同物流无人机事故诱因向意外坠落事故底事件发展过程中，各中间事件发生概率。