一种基于博弈论(GO methodology)和改进贝叶斯网络(Modified Bayesian networks)的新型闭环反馈系统可靠性分析方法
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:A novel closed-loop feedback system reliability analysis methodology based on GO methodology and Modified Bayesian networks
【字体:
大
中
小
】
时间:2025年12月30日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 11
编辑推荐:
闭环反馈系统可靠性分析中提出结合GO方法论与贝叶斯网络(BNs)及转移熵(TE)理论的新方法,通过动态因果链转换和TE评分识别最弱连接,将静态逻辑环路转化为动态无环网络,提升数据稀缺场景下可靠性计算精度。
Jingkui Li|Xiao Wang|Nan Wang|Guorong Li|Xiuhong Jiang
沈阳航空航天大学民航学院,中国辽宁省沈阳市
摘要
在工业工程领域,闭环反馈在许多系统中被广泛使用。当使用传统的可靠性方法分析闭环反馈系统时,可能会出现逻辑循环或信号流循环等问题,导致计算结果不准确。为了解决这个问题,本文提出了一种新的可靠性分析方法。该方法使用GO方法进行建模,然后通过相应的映射规则将其转换为贝叶斯网络(BNs)。通过创新地将可靠性参数与传递熵(TE)理论结合,创建了一个适用于数据稀缺情况的因果强度计算框架。该方法的核心在于准确量化循环内的因果强度,识别最弱的因果链接,并将其从静态逻辑依赖关系转换为动态时间关系。这种转换通过将静态循环网络分解为特定时间框架内的动态无环网络,从而实现可靠性的准确计算。一个具体的飞机燃油控制系统案例研究展示了所提方法的有效性。
引言
闭环反馈在实际工程应用中非常普遍,核电站就是典型的例子[1,2]。系统中存在反馈控制组件可以提高其运行稳定性。因此,对具有反馈循环的系统进行可靠性分析至关重要。
近年来,贝叶斯网络(BNs)[17, [18], [19], [20]越来越多地被用于系统可靠性分析。BNs是在不确定性下进行概率推理的成熟工具[21]。Pearl(1988)开发了一种在不确定性存在的情况下使用BNs进行推理的有效策略。将BNs与其他方法结合使用引起了研究人员的广泛关注。许多研究人员[22, [23], [24]提出了将故障树分析(FTA)、Petri网和事件树分析与BNs结合的创新方法。将传统的可靠性技术与BNs相结合,扩展了BNs在更复杂系统行为中的应用,最近的的研究就证明了这一点。关键进展包括对共因故障的建模[25]、工业子系统故障的分析[26]以及对多状态[27]和分层动态系统的处理[28]。已经开发出了用于复杂多状态系统可靠性推断的高级算法[29],使BNs成为现代可靠性分析的统一框架。
仅使用BNs很难对闭环反馈控制系统进行全面的分析[30,31]。因此,本文提出了结合GO方法和TE理论的BNs来分析复杂的闭环反馈问题。GO方法[32]的特点是其直观的图形表示。该方法使用有向图,其中节点表示系统组件,边表示通过信号流建立的逻辑连接[33,34]。GO方法框架能够直接将系统示意图转换为计算可靠性模型,同时保持拓扑完整性。熵已成为众多研究领域中强大且多用途的分析工具。其核心价值在于量化复杂系统中的不确定性、信息内容、复杂性和演化方向。在故障诊断和可靠性分析领域,诸如相位熵、图像象限熵和多模态融合象限熵等方法为故障特征提供了新的多尺度和多源表征方法[35], [36], [37]]。Hao等人[38]提出了一种通过结合核主成分分析和多尺度符号传递熵来分析水泥预分解系统故障的根本原因分析方法,为复杂工业过程中的故障诊断提供了新的见解。Vallachira等人[39]开发了一种基于TE的工业机器人故障隔离方法,展示了信息论在机电系统故障定位中的有效性。特别是TE专注于量化状态之间的信息流向。这显著增强了系统可靠性分析中表征因果关系的能力。TE分数[40]量化了闭环子系统中每条有向边的因果关系强度。通过识别最弱的因果链接(由TE分数确定)并将它们转换为随时间变化的关系,原始的循环结构被转换为与BNs推理兼容的有向无环图[41]。这种方法保留了闭环反馈系统的时间动态性,并通过概率传播方法促进了有效的可靠性评估[42]。
本文的主要贡献总结如下:
(1)为了准确评估系统可靠性,本文建立了一种结合GO方法和MBNs的新可靠性分析模型。
(2)对于所研究的系统,通过结合传递熵理论和BNs来描述循环部分的可靠性。
(3)新方法可以识别循环中的薄弱环节,并提高闭环反馈系统可靠性计算的准确性。
本文的后续部分结构如下:第2节介绍GO方法、闭环反馈系统、BNs和TE。第3节阐述了MBNs在系统可靠性分析中的具体应用过程。第4节展示了使用单一反馈路径和多反馈路径进行系统可靠性分析的新方法。第5节通过一个飞机燃油控制系统的案例研究来验证所提出的技术和数据。最后,第6节总结了本文的工作成果。
章节摘录
GO方法
GO方法是一个以成功为导向的系统可靠性框架[43]。GO方法模型包括操作符和信号流,其中操作符识别系统内的逻辑连接,信号则将这些组件连接起来。GO方法模型包含17种不同类型的操作符[44],如图1所示。
所有操作符可以分为逻辑操作符、功能操作符和特殊操作符三类,每种操作符都有其独特的
测量反馈循环中的因果强度
在量化节点之间的因果强度时,需要指定以下参数:所有根节点在时的初始概率,,同一时间片内剩余节点相对于其父节点的条件概率, ,以及基于前一时间片中父节点的子节点的最弱因果关系的条件概率, [51]。这些参数是必要的
常见的闭环反馈研究分析
实际工程领域中充满了与闭环反馈相关的问题。在闭环反馈系统的可靠性研究中,经常遇到整个系统中只有一条反馈路径的情况。本节将探讨这种情况。图9展示了GO方法模型中的单一反馈路径。在这个模型中,每个操作符代表一个不同的组件
飞机燃油控制系统结构原理
飞机燃油控制系统主要由燃油箱、滑动油冷却器、高压泵、旁通阀、燃油歧管、高压燃油过滤器、发动机截止阀、低压燃油过滤器、发动机电子控制器、燃油控制单元、燃油喷射机构、燃油流量计和其他组件[53]组成。图16展示了特定飞机燃油控制系统的构造示意图。
飞机燃油控制系统使用滑阀
结论
本文提出了一种用于闭环反馈系统可靠性分析的新方法。通过将BNs与GO方法结合,所提出的方法保留了闭环反馈系统的固有特性,同时促进了准确的可靠性评估。TE分数用于测量节点之间的因果关系强度。然后使用这些计算值来识别循环中表现出最弱因果关系的有向边
CRediT作者贡献声明
Jingkui Li:撰写 – 审稿与编辑、监督、资金获取、数据整理。Xiao Wang:撰写 – 原始草案、方法论、调查、概念化、软件开发。Nan Wang:验证、软件开发、形式分析。Guorong Li:验证、项目管理、形式分析。Xiuhong Jiang:验证、项目管理、形式分析。
未引用的参考文献
[[3], [4], [5], [6], [7], [8], [9], [10], [11], [12], [13], [14], [15], [16]]
CRediT作者贡献声明
Jingkui Li:撰写 – 审稿与编辑、监督、资金获取、数据整理。Xiao Wang:撰写 – 原始草案、软件开发、方法论、调查、概念化。Nan Wang:验证、软件开发、形式分析。Guorong Li:验证、项目管理、形式分析。Xiuhong Jiang:验证、项目管理、形式分析。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号