本发明涉及可靠性研究技术领域，具体地涉及一种基于性能模型进行多状态系统任务可靠性建模的方法。
背景技术：
多状态系统是指执行指定任务时，有一定数量性能水平的系统。通常存在如下情况的系统一般即可视为多状态系统：①组成系统的二态(工作或失效)元件对系统整体性能有累积效应时，如k-out-of-n系统；②系统元件的性能水平随时间(疲劳，局部故障)或环境状况的变化而退化时，元件故障可导致系统整体性能水平的下降。
任务可靠性指产品在规定任务剖面内完成规定功能的能力，表征了产品对任务成功性的要求。任务成功性主要与产品发生导致产品不能完成规定任务的故障(严重故障)有关。任务可靠性分析与评估的主要参数是平均严重故障间隔时间MTBCF与任务可靠度MR，其中MTBCF度量方法为在规定的一系列任务剖面中，产品任务总时间与严重故障总数之比；MR的度量方法为规定的一系列任务剖面中，任务成功执行次数与任务总次数之比。
目前国内外对多状态系统任务可靠性建模方法研究的焦点是对复杂系统的可靠性分析及评估。尤其是在武器装备领域、计算机及网络、能源供应等领域中，许多复杂系统的工作状态具有不可忽视的多状态特性，传统的二状态可靠性理论已经难以有效应对。因此，大量针对多状态系统任务可靠性建模分析与评估的建模方法应运而生，如布尔模型扩展方法(多态故障树、多态贝叶斯网络)、随机过程方法(马尔可夫方法、随机Petri网)、通用生成函数、蒙特卡洛仿真方法等。然而，这些方法都没能构建故障机理、关键参数、组件性能、系统故障判据(性能指标)之间自下而上的故障传递关系。实际工程中的故障机理本身很多也具有多状态特性，因此基于性能模型构建这种自下而上的传递关系对分析与评估多状态系统任务可靠性具有十分重要的意义。
通过检索现有文献资料，尚未发现有国内学者提出基于性能模型构建故障传递关系进行多状态系统任务可靠性分析与评估的建模方法。
技术实现要素：
为了克服现有技术的缺陷，提出了一种基于性能模型进行多状态系统任务可靠性建模的方法。
本发明是这样实现的：
本发明提供一种基于性能模型进行多状态系统任务可靠性建模的方法，其包括以下步骤：
S1、收集目标多状态系统设计信息：所述设计信息包括工作原理、结构组成、工况信息、性能指标、结构参数、样本参数以及测试数据；
S2、建立目标多状态系统性能模型：其包括以下子步骤：
①将系统模块化；②依据自底向上层次化建模原则，利用模块进行元组件或设备的建模、验证以及封装；③进行系统集成建模，构建系统级模型；④完成系统性能模型建模及验证；
S3、确定目标多状态系统的故障判据：根据S1中搜集的多状态系统设计信息，所给出的故障判据至少包含性能指标及其阈值范围：能够全面表征目标多状态性能的性能指标；性能指标影响系统功能与性能实现的阈值范围；
S4、对目标多状态系统的故障模式进行分析建模：首先对目标多状态系统做故障模式、影响及危害性分析FMECA，得到影响系统任务可靠性的关键故障模式，分析这些关键故障模式所属故障类别及故障机理类型；
S5、目标多状态系统故障的信息获取：针对S4中得到的关键故障模式，按照故障信息获取方法得到的故障信息一般包含：故障率数据、故障状态数据以及性能退化数据；
S6、目标多状态系统故障注入与仿真：根据S5获取的故障信息，基于脚本的建模与仿真机制完成故障注入与仿真，提取多状态故障仿真结果；
S7、对目标多状态系统任务进行可靠性分析与评估：利用基于时序故障注入的任务可靠性仿真评估方法计算得到目标多状态系统平均严重故障间隔时间MTBCF和任务可靠度RM；
所述的基于时序故障注入的任务可靠性仿真评估方法，要求满足下面的假设：每次任务执行时间是tm；不考虑非任务时间对故障的影响；发生故障立即维修且修好如新；抽样次数为N次。利用蒙特卡洛抽样，所得到相互独立关键故障的最小故障时间即为一次严重故障间隔时间TBCFi(1≤i≤N)，通过仿真得到N个严重故障间隔时间数据，这样MTBCF使用下式进行计算：
同时，对多状态系统的任务可靠度MR进行评价，使用下式计算：
由于在仿真过程中记录了第i次抽样发生系统故障的严重故障间隔时间TBCFi(1≤i≤N)，因此该次任务的次数可记为本次系统严重故障间隔时间除以每次任务时间的最大正整数，即
优选地，S2中所述的系统模块化是指将系统分散为容易处理的基本模块，
所述的元组件或设备性能建模，是指将模块赋予参数后按照系统功能逻辑关系搭建元组件或设备性能模型。
优选地，S2中所述的元组件或设备性能模型进行验证，是指利用S1中收集到元组件相关信息对所建立元组件或设备的模型进行验证，若误差在误差阈值之内则进行误差分析，计算相对误差，若误差在误差阈值之外，需要分析误差原因，相应修正模型直至满足要求；
所述元组件或设备性能模型进行封装，是指根据层次性建模的原则，将已经验证通过的元组件封装为具备某些功能接口的简单模块。
优选地，S2中所述的元组件或设备性能模型进行验证的具体过程是指将所得到的元组件或设备性能模型的仿真数据与相应元组件或设备性能信息置于同一坐标系下，观察二者是否趋势一致。
优选地，所述误差阈值为5％；
所述误差原因包括抽象误差、等效误差、数值误差或环境误差，所述抽象误差指建模前抽象建模目标数学模型时所做的必要假设与真实情况之间的偏差，所述等效误差指为方便进行分析计算，提高仿真效率，对数学模型进行近似简化运算所引入的误差，所述数值误差指采用不同数值方法的离散方程代替原始方程产生的截断误差以及计算机存储精度不足造成的舍入误差，所述环境误差指元组件或设备样本或试验数据对应试验环境与仿真环境之间的误差；
若抽象误差是主要误差则需要根据实际情况对抽象的数学模型进行适度修正；若等效误差是主要误差，则需要重新进行模型简化；若数值误差是主要误差，则考虑改进算法或提高内存精度；若环境误差是主要原因，则需要考虑重新设置仿真条件。
优选地，S2中所述的系统集成建模包含但不限于多领域混合建模、混杂系统建模以及冗余系统的建模；
所述的系统性能模型建模，是指将元组件模型或子系统模型按照逻辑关系构建系统性能模型；
所述的系统性能模型验证，是指将所得到的系统性能模型仿真数据与S1得到的相应系统性能信息置于同一坐标系下，观察二者是否趋势一致，若误差在误差阈值之内则进行误差分析，计算相对误差，若误差在允许阈值范围之外，分析误差原因，相应修正模型直至满足性能要求。
优选地，系统性能模型验证中，所述误差阈值为10％。
优选地，所述故障建模是指针对故障模式的类型确定合适的建模方式：对离散二状态故障，采用新增冗余部件法与更改参数法建模；对离散多状态故障可通过利用建模软件建模语言新建故障模块与更改参数法建模；对连续多状态故障可通过连续更改参数法与连续抽样赋值法建模。
优选地，S6中基于脚本的建模与仿真机制是指针对故障模型定义相应的仿真脚本Script。
与现有技术相比，本发明具有以下有益效果：
本发明通过构建故障机理、关键参数、组件性能、系统故障判据(性能指标)之间自下而上的故障传递关系进行多状态系统任务可靠性分析与评估，具有更好的完整性和准确性。
本发明适用范围广、可分析离散多状态系统与连续多状态系统、受外界环境及模型自身制约较小的优点，考虑了元件及模型本身的特性，即元/组件之间动态性、相关性、耦合性等特征，使仿真更具有针对性，可有效提高多状态系统任务可靠性分析的准确性与计算效率。
附图说明
图1为本发明的基于性能模型进行多状态系统任务可靠性建模方法的流程图；
图2为本发明的系统模块化流程示意图；
图3为本发明的离散状态故障信息获取方法示意图；
图4为本发明的连续状态故障信息获取方法示意图；
图5为本发明的基于时序故障注入的任务可靠性仿真评估方法示意图；
图6为本发明的实施例中的交流电动燃油泵整体性能验证模型示意图；
图7为本发明的实施例中的交流电动燃油泵起动过程性能验证示意图；
图8为本发明的实施例中的交流电动燃油泵稳态过程性能验证；
图9为本发明的实施例中的冗余部件建模示意图；
图10为本发明的实施例中的更改参数建模示意图；
图11为本发明的Modelica建模示意图；
图12为本发明的电源频率异常故障注入示意图；
图13a为本发明的燃油泵输出油液流量随电源频率变化的仿真图；
图13b为本发明的燃油泵泵口压力随电源频率变化的仿真图；
图14为本发明的线圈老化故障注入脚本示意图；
图15a为本发明的线圈老化引起系统故障时间的概率密度函数及其拟合函数；
图15b为本发明的线圈老化引起系统故障时间的累积分布函数及其拟合函数。
具体实施方式
以下将参考附图详细说明本发明的示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
本发明提供一种基于性能模型进行多状态系统任务可靠性建模的方法，其包括以下步骤：
S1、收集目标多状态系统设计信息：所述设计信息包括工作原理、结构组成、工况信息、性能指标、结构参数、样本参数以及测试数据。
S2、建立目标多状态系统性能模型：其包括以下子步骤：
①将系统模块化；②依据自底向上层次化建模原则，利用模块进行元组件或设备的建模、验证以及封装；③进行系统集成建模，构建系统级模型；④完成系统性能模型建模及验证。
S2中所述的系统模块化是指将系统分散为容易处理的基本模块，
所述的元组件或设备性能建模，是指将模块赋予参数(如对电阻元件给定电阻值、质量块给定质量等)后按照系统功能逻辑关系(系统功能逻辑关系，如将电阻元件与其有接口关系的元件连接)搭建元组件或设备性能模型。
S2中所述的元组件或设备性能模型验证，是指利用S1中收集到元组件相关信息对所建立元组件或设备的模型进行验证，若误差在阈值之外，需要分析误差原因，相应修正模型直至满足要求。
验证：将所得到的性能模型仿真数据与相应元组件或设备性能信息(试验数据、样本数据)置于同一坐标系下，观察二者是否趋势一致，若一致则进行误差分析，计算相对误差。对无特殊要求的元组件或设备，最大相对误差一般要求不超过5％。
误差原因：抽象误差，建模前抽象建模目标数学模型时所做的必要假设与真实情况之间的偏差，如三相异步电机建模时假设异步电机为理想电机(忽略空间谐波和齿槽效应；忽略磁路饱和；忽略铁芯损耗；不考虑频率变化及温度变化对线圈绕组影响)；等效误差，为方便进行分析计算，提高仿真效率，对数学模型进行近似简化运算所引入的误差，如对非线性微分方程进行小偏差线性化；数值误差，采用不同数值方法的离散方程代替原始方程产生的截断误差以及计算机存储精度不足造成的舍入误差；环境误差，元组件或设备样本或试验数据对应试验环境与仿真环境之间的误差。
解决办法：若抽象误差是主要误差，需要根据实际情况对抽象的数学模型适度修正，如考虑温度变化对线圈阻值影响；若简化误差是主要误差，需要重新进行模型简化，如做小偏差线性化时，增加一定的高阶项；若数值误差是主要误差，考虑改进算法或提高内存精度；若验证误差是主要原因，需要考虑重新设置仿真条件。
所述元组件或设备性能模型封装，是指根据层次性建模的原则，将已经验证通过的元组件封装为具备某些功能接口的简单模块，以便在更高层级、更复杂系统中使用，可有效简化系统级模型。
封装，就是将元组件或设备的模型打包为某个自定义的模块，即保持输入-输出关系不变，模型的输入、输出分别对应模块的输入、输出。因此，封装操作从本质上而言，是白盒。
S2中所述的系统集成建模包含但不限于多领域混合建模、混杂系统建模、冗余系统的建模；
多领域混合建模是指同一个模型容纳来自不同领域的模型，如电机模型中涉及电磁学、电学、机械、热学等多个领域，同一领域的元件之间的信息交互可借助建立在相同类型的领域连接器(数学方程描述的任意领域元件的行为)，不同领域元件模型之间由于模型接口无法直接连接，需要将实际物理系统的能量转化器件抽象映射为一个表示能量转化的模型元件，借助能量转化器的不同类型接口实现不同领域元件模型的信息交互，最终完成建模。
混杂系统建模是指同一个模型中包含动态连续模型与离散事件模型，其中动态连续模型是基于能量守恒、质量守恒、动量守恒等基本物理定律，描述系统连续时变行为，而离散事件模型则是描述与系统相关事件的离散行为。混杂系统建模时，模型中所有变量保持其实际值，直至这些值被显式改变。这些变量值可在连续积分与事件时刻被活动的方程访问，活动的方程表明变量之间必须满足的约束关系，仅有活动的方程是可以求解的。仅在触发离散事件时，描述离散事件的相关方程才是活动的方程。
冗余与容错系统建模是指同一个模型不仅包含备份元组件或设备，还包含与之关联的故障检测、故障诊断、故障决策、故障响应等复杂逻辑。对备份的元组件或设备的建模，采用模型复用即可；对故障检测的建模一般通过各种传感器实现；故障诊断通过将元组件或设备的输出信息与预先设定的信息进行比较得到残差实现，若残差超过规定值，则定位该元组件或设备故障；故障决策的建模一般通过脚本或逻辑运算模型编写决策函数及决策规则；故障响应建模可通过开关、离合等元组件进行冗余调动或重构。
所述的系统性能模型建模，是指将元组件模型或子系统模型按照逻辑关系构建系统性能模型。
所述的系统性能模型验证，是指利用S1中收集到系统性能相关信息对所建立系统性能模型进行验证，若误差在允许阈值范围之外，分析误差原因，相应修正模型直至满足性能要求。
验证：将所得到的性能模型仿真数据与相应系统性能信息(试验数据、样本数据)置于同一坐标系下，观察二者是否趋势一致，若一致则进行误差分析，计算相对误差。对无特殊要求的系统，最大误差一般要求不超过10％。
误差原因：累积误差，系统元组件或设备的模型误差累积效应所造成系统误差；数值误差，采用不同数值方法的离散方程代替原始方程产生的截断误差以及计算机存储精度不足造成的舍入误差；环境误差，产品样本或试验数据对应试验环境与仿真环境之间的误差。
解决办法：若累积误差是主要误差，需要设法降低系统误差中占比较大的元组件或设备误差；若简化误差是主要误差，需要重新进行模型简化，如做小偏差线性化时，增加一定的高阶项；若数值误差是主要误差，考虑改进算法或提高内存精度；若验证误差是主要原因，需要考虑重新设置仿真条件。
S3、确定目标多状态系统的故障判据：根据S1中搜集的多状态系统设计信息，所给出的故障判据至少包含性能指标及其阈值范围：能够全面表征目标多状态性能的性能指标；性能指标影响系统功能与性能实现的阈值范围。
S4、对目标多状态系统的故障模式进行分析建模：首先对目标多状态系统做故障模式、影响及危害性分析FMECA，得到影响系统任务可靠性的关键故障模式，分析这些关键故障模式所属故障类别及故障机理类型。
S5、目标多状态系统故障的信息获取：针对S4中得到的关键故障模式，按照故障信息获取方法得到的故障信息一般包含：故障率数据、故障状态数据以及性能退化数据。
S6、目标多状态系统故障注入与仿真：根据S5获取的故障信息，基于脚本的建模与仿真机制完成故障注入与仿真，提取多状态故障仿真结果。
S7、对目标多状态系统任务进行可靠性分析与评估：利用基于时序故障注入的任务可靠性仿真评估方法计算得到目标多状态系统平均严重故障间隔时间MTBCF和任务可靠度RM。
所述的基于时序故障注入的任务可靠性仿真评估方法，要求满足下面的假设：每次任务执行时间是tm；不考虑非任务时间对故障的影响；发生故障立即维修且修好如新；抽样次数为N次。利用蒙特卡洛抽样，所得到相互独立关键故障的最小故障时间即为一次严重故障间隔时间TBCFi(1≤i≤N)，通过仿真得到N个严重故障间隔时间数据，这样MTBCF使用下式进行计算：
同时，对多状态系统的任务可靠度MR进行评价，使用下式计算：
由于在仿真过程中记录了第i次抽样发生系统故障的严重故障间隔时间TBCFi(1≤i≤
N，因此该次任务的次数可记为本次系统严重故障间隔时间除以每次任务时间的最大正整数(向上取整，如2.1则取3)，即
所述故障建模是指针对故障模式的类型确定合适的建模方式：对离散二状态故障，采用新增冗余部件法与更改参数法建模；对离散多状态故障可通过利用建模软件建模语言新建故障模块与更改参数法建模；对连续多状态故障可通过连续更改参数法与连续抽样赋值法建模。
S6中基于脚本的建模与仿真机制是指针对故障模型定义相应的仿真脚本Script，在Dymola软件中，批处理仿真脚本主要结构是：
checkModel()；
参数及数值；
simulateModel()；
…
checkModel()；
参数及数值；
simulateModel()；
其中checkModel()函数是选定目标模型进行模型编译，simulateModel()通过设定仿真时间、求解算法、结果保存路径等对目标函数进行仿真运算与结果保存。
再利用Run Script函数执行上述脚本进行多次仿真，即控制软件自动执行批处理仿真。
下面结合具体实施例对本发明的工作原理进行进一步说明：
某型交流电动燃油泵主要由三相异步电机与带诱导叶轮的离心泵组成，其功能是为油箱与散热分系统输油。输油过程中，要求交流电动燃油泵满足系统所需压力和流量要求。交流电动燃油泵满足如下的假设：每次任务执行时间是
tm＝1h；不考虑非任务时间对故障的影响；发生故障立即维修且修好如新，维修不会影响其它故障模式的状态；抽样次数为N次。
现利用本发明进行电动燃油泵的任务可靠性建模，实现过程如下：
搜集建立电动燃油泵性能模型所需设计信息。表1给出了交流电动燃油泵离心泵部分性能建模所需设计信息。
表1交流电动燃油泵离心泵部分设计参数
建立交流电动燃油泵性能模型，利用模块化建模思想，采取自底向上的建模原则建立附图6所示的交流电动燃油泵性能验证模型，其中模块1是电源，模块2是测量模块，模块3是油液模块，模块4是三相异步电机模块，模块5是燃油泵模块；模块6是负载模拟模块。模块4与模块5都是完成性能验证后的封装模块，组成交流电动燃油泵性能模型。附图7、附图8分别给出了对交流电动在燃油泵起动过程与稳态过程中性能的验证，结果表明所建的交流电动燃油泵性能模型所得仿真数据与实际测试数据十分吻合，最大相对误差均不超过8％，在允许范围内，即所建的性能模型能准确反映交流电动燃油泵的性能。
给出交流电动燃油泵故障判据，表2给出了交流电动燃油泵的故障判据，由于交流电动燃油泵在绝大多数任务阶段工作在电源线电压为200V、频率为400Hz的工况下，因此本案例中采用该工况下的故障判据。
表2交流电动燃油泵故障判据
分析交流电动燃油泵关键故障模式，表3给出了影响交流电动燃油泵任务可靠性的关键故障模式、所属零部件、故障类型及研究方法等信息。
表3交流电动燃油泵关键故障模式
建立交流电动燃油泵关键故障模型，附图9—11分别给出了以交流电动燃油泵关键故障模式为对象，通过冗余部件、更改参数、Modelica建模方法实现故障建模的案例。其中，图9是在燃油交流电动泵性能模型基础上，采用冗余部件法，通过增加图中灰色虚线所示的冗余部件(离合Cluth模块)模拟电机转轴断裂或与燃油泵叶轮连接松脱故障行为，即在触发离合Cluth模块之前，电机带动燃油泵正常工作；触发离合Cluth模块后，电机输出轴与燃油泵连接断开。图10给出了在燃油交流电动泵性能模型基础上，采用更改参数法，通过修改电机关键参数定子、转子阻值Rs与Rr来模拟线圈老化故障行为，即不同老化时间对应不同的Rs与Rr，进而影响燃油交流电动泵性能。图11是在燃油交流电动泵性能模型基础上，采用Modelica建模方法，通过建立三相开关模型来模拟缺相的故障行为，即通过触发开关模拟电机缺一相、缺二相或三相的故障情况。
获取交流电动燃油泵关键故障信息。根据附表3中交流电动燃油泵关键故障的研究方法，结合附图3、附图4中离散状态、连续状态故障的故障信息获取方式，得到表4所示交流电动燃油泵离散二状态、离散多状态、连续多状态的故障信息。
表4交流电动燃油泵离散二状态故障的故障信息
表5交流电动燃油泵离散多状态故障的故障信息
进行交流电动燃油泵关键故障注入与仿真。对离散多状态故障，通过调用附图12所示扫描函数修改参数(电源频率值)实现故障注入，得到附图13a及图13b所示频率异常故障时的仿真结果；对连续多状态故障，通过编写附图14所示脚本直接控制软件多次仿真，得到图15a及图15b所示线圈老化引起系统故障时间的概率密度函数与累积分布函数及其分布拟合函数。
分析与评估交流电动燃油泵任务可靠性，对离散状态故障(如轴断裂、缺相、频率异常等)，按照表4、表5中故障信息进行抽样；多连续状态故障(如线圈老化、密封老化、轴承磨损等)，根据步骤7中所得仿真结果进行抽样，得到表6所示的交流电动燃油泵连续多状态故障的故障信息。按照附图5所示算法，进行N＝100000次蒙特卡罗抽样，得到该型交流电动燃油泵的平均严重故障间隔时间MTBCF＝2842.23h，任务可靠度MR＝99.965％，并得到附图15所示的线圈老化引起系统故障时间的概率密度函数与累积分布函数。
表6交流电动燃油泵连续多状态故障的故障信息
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。