一种用于智能设备嵌入式系统中硬件与软件故障相互作用的耦合故障模式与影响分析方法
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:A Coupled Failure Mode and Effects Analysis Method for Hardware-Software Failure Interactions in Embedded Systems of Intelligent Equipment
【字体:
大
中
小
】
时间:2026年01月03日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
彭煌|唐超伟|孙宇|赵海川中国重庆401331,重庆大学微电子与通信工程学院摘要故障模式与影响分析(FMEA)是一种有效的风险防控方法,已被广泛应用于各个领域,用于识别潜在故障并提升系统可靠性。然而,传统的FMEA方法往往孤立地分析软件和硬件故障,难以充分识别或评估软硬件交互对系
彭煌|唐超伟|孙宇|赵海川中国重庆401331,重庆大学微电子与通信工程学院摘要故障模式与影响分析(FMEA)是一种有效的风险防控方法,已被广泛应用于各个领域,用于识别潜在故障并提升系统可靠性。然而,传统的FMEA方法往往孤立地分析软件和硬件故障,难以充分识别或评估软硬件交互对系统安全的影响。为解决这一缺陷,本文提出了一种考虑软硬件故障耦合的FMEA方法(HSFC-FMEA),重点研究此类耦合对风险优先数(RPN)的影响。通过引入哈达玛积以及基于幂指数的内/外积映射,构建了故障模式耦合矩阵和计算模型,用以计算耦合故障模式的RPN值。此外,借助稀疏矩阵压缩技术,该方法可扩展应用于具备集成软硬件功能的大规模系统,而不仅限于嵌入式系统。通过对一种智能燃气加注控制设备的案例研究,证明了该方法的有效性。它通过将软硬件故障模式在严重性、发生概率及可检测性方面的耦合效应纳入考量,为集成系统的风险评估带来了新的维度,从而解决了因孤立分析而导致的耦合故障模式被忽视的问题。与传统方法的比较进一步证实了HSFC-FMEA的适用性与有效性引言智能设备中的嵌入式控制系统整合了计算机硬件与软件,用于执行特定任务或功能,通常需要在高可靠性及实时响应性的环境中运行。它被广泛应用于军事、航空、航天、工业自动化等领域的设备核心控制部件中。由于嵌入式系统对可靠性和安全性有着严格的要求,因此高质量的设计以及低缺陷的制造流程对于确保整体可靠性至关重要。在复杂的电子系统中,计算机系统通常充当控制核心。系统的故障不仅源于孤立的硬件或软件故障,还可能由它们之间复杂的交互作用(本文称之为“耦合”)所引发的故障传播过程导致[1]。例如,在铁路信号灯的自动控制系统中,轨道上的信号装置因雷击而发生故障,无法输出表示是否有车辆的信号。恰巧,负责读取该装置车辆信号的软件单元存在“if-case”设计错误。当系统无法接收到车辆信号时,它没有采用以危险为导向的机制,而是继续使用之前的(正常)信号,从而导致铁路信号灯显示错误(绿色而非红色),最终引发前后列车之间的严重碰撞。实际上,有许多案例表明,严重的事故是由软件故障(非独立故障)或程序漏洞造成的[2]。硬件与软件之间的相互影响使得电子系统中的混合故障特征更为复杂。在软件密集型系统中,由于系统复杂性、系统交互作用以及级联效应,故障可能难以识别、分析和缓解[3]。为了确保系统安全运行,有必要对硬件和软件故障都进行风险分析。由于这种耦合关系,识别和分析故障模式变得更加困难,需要全面考虑硬件、软件以及耦合故障。故障模式与影响分析(FMEA)是一种广泛应用于各个行业的可靠性技术,旨在保障系统、服务及项目的安全与可靠性[4]。它已被广泛应用于航空航天[5,6]、电子行业[7,8]、汽车工业[9]以及制造业[10,11]等领域。作为一种主动的风险评估工具,FMEA能够系统地识别和评估系统、设计或流程中的潜在故障模式,并强调在灾难发生前采取预防措施,从而降低故障发生的概率[12]。然而,现有的FMEA方法通常假设故障模式彼此独立,难以满足嵌入式系统中识别软硬件耦合故障的复杂需求。已有研究提出了扩展FMEA应用范围以分析故障耦合的方法。例如,一些研究人员提出了考虑多级系统交互效应的改进型FMEA方法[13,14]。不过,针对复杂嵌入式系统中软硬件耦合故障的研究仍然相对较少。近年来,国际标准也对FMEA方法进行了更新。2019年,美国汽车工业行动组(AIAG)和德国汽车工业协会(VDA)的原始设备制造商成员及一级供应商成员共同发布了第一版《潜在故障模式与影响分析参考手册》[15]。2018年,国际电工委员会(IEC)发布了IEC 60812-2018《故障模式与影响分析(FMEA和FMECA)》标准[16]。汽车工程师学会(SAE)在2021年1月发布的SAE J1739 FMEA标准中也未包含针对软硬件组合单元的FMEA分析内容[17]。在SAE ARP 5580标准中,虽然强调了软件FMEA的分析要求,尤其是软件与硬件之间的接口(硬件接口)以及不同程序或任务之间的接口(软件接口),但缺乏具体的分析方法[18]。在FMEA中,风险优先数(RPN)是用于系统化风险评估的定量指标。该方法通过以下公式计算来识别和确定关键故障模式:RPN = S × O × D,其中S(严重性)、O(发生概率)和D(可检测性)均按1-10分制进行评分[19]。根据FMEA标准[20],较高的RPN值意味着故障风险较高,需要立即采取措施加以缓解[21]。分析流程包括:(1)按照RPN值从高到低对故障模式进行排序;(2)将高风险项目列为优先处理对象;(3)实施有针对性的控制措施,以提高系统可靠性。此外,持续的质量改进举措有助于将潜在故障模式控制在可接受的风险范围内。在RPN框架下,根据FMEA规范,严重性(S)是主要的权重因素[20],而发生概率(O)和可检测性(D)则处于次要地位[11,22]。这种分层加权机制能够根据故障后果的严重程度,对故障模式进行严格的优先级划分。在智能设备的嵌入式系统中,硬件和软件是根据各自的性能需求进行配置的,它们的可靠性与安全性是相互依赖且相互制约的。硬件和软件的故障可能会产生耦合效应[23,24]。当这种耦合为正效应(即增强效应)时,会放大故障的影响,进而导致系统出现严重甚至灾难性的后果[25,26]。作为系统可靠性的基础,硬件组件通常需要经过彻底的分析与验证,以确保其在各种环境下的稳定运行。与此同时,随着人们对软件可靠性的日益重视,许多学者提出了各种软件可靠性增长模型,如马尔可夫过程模型和贝叶斯网络模型[27,28]。然而,这些模型大多仅关注单一软件故障,缺乏对软硬件耦合故障的全面分析。尽管软件故障不会像硬件故障那样出现物理磨损,但在特定条件下,软件缺陷仍可能引发故障,并在系统中扩散到其他硬件或软件模块[29]。诸如故障树分析(FTA)和贝叶斯网络之类的传统模型,在分析单个组件的可靠性方面较为有效[30,31]。杨等人提出了一种新的故障模式与影响分析方法——相关FMEA,用于识别具有相关故障的海上浮动风力发电机的关键故障。他们利用贝叶斯网络模型来识别和分析组件及其故障之间的相关性,从而使分析更具可持续性[30]。张等人提出了一种改进的FMEA多准则群决策模型,用于公用隧道建设项目的风险评估[32]。为弥补在不确定性条件下评估RHRS可靠性的不足,丁等人结合FMEA、FTA和模糊贝叶斯网络(FBN)方法,建立了一种新的可靠性评估方法。然而,这些方法难以有效描述硬件与软件之间的复杂交互关系[33]。在大多数复杂的嵌入式系统中,故障通常与硬件和软件都有关,且呈现出层次结构与相关性[2]。全球范围内的研究者们已经对软件和硬件的故障模式进行了广泛研究,尤其侧重于对硬件物理故障(如物理损坏、组件老化、电气噪声)和软件逻辑故障(如算法错误、资源竞争、异常处理不足)的独立分析[34]。由于软件与硬件的相互依赖性,故障不再孤立存在,而是可以通过复杂的交互作用形成混合故障模式[35]。这些混合故障在特定的运行条件下会表现出独特的特性,使得传统分析方法难以准确定位和量化其交互影响。为应对软件与硬件混合故障带来的挑战,一些研究开始探索软硬件协同工作的故障模式及其影响分析方法。滕等人将系统故障分为硬件故障、软件故障以及软硬件交互故障三类,开发了一种能够考虑这些不同类型故障的可靠性模型,该模型已在电信系统中得到成功应用[1]。同时,El-Sayed和Schroeder的研究分析了硬件与软件故障之间的相关性,但并未深入探讨其耦合故障的识别与分析方法[36]。程等人考虑了故障交互问题,研究了具有故障交互的多组件系统的最优联合检测与任务终止策略[37]。Gregory Levitin提出了一种算法,用于评估由运行在多个硬件单元上的容错软件组件构成的系统的可靠性及预期执行时间[38]。范等人提出了一种框架,用于分析海上自主水面舰艇运行模式中的耦合效应[39]。在其他研究中,郑等人提出了一个适用于嵌入式系统软硬件的高可靠性叠加模型,通过引入掩码数据与故障依赖性,更准确地评估系统可靠性,尤其是在考虑软硬件故障依赖性的情况下[24]。朱和Pham将软件与硬件子系统之间的交叉关联关系纳入可靠性建模中,采用马尔可夫链模型,提高了系统可靠性分析的覆盖范围[40]。Verma等人开发了一种方法,能够考虑时间误差以及硬件与软件之间的依赖关系,从而评估不可修复的时序关键系统的可靠性[41]。为提高软件和硬件系统可靠性分析的准确性,Park等人研究了硬件故障对软件可靠性模型的影响,并将这些模型与随机模型及威布尔模型相结合[42]。Sinha的模型不仅考虑了单个硬件或软件组件的故障,还涵盖了系统内的各种交互故障[43]。Akhtar等人利用决策试验与评估实验室及云模型,研究了制造业中硬件故障的交互性,以提高多故障耦合系统的分析精度[13]。马等人以铁路道岔系统为例,提出了一种结合q-rung正交模糊认知图(q-ROFCM)与TOPSIS方法的故障模式分析方法,提高了复杂系统中多种故障模式之间因果关系的分析精度。不过,该方法主要关注硬件故障模式之间的因果关系,未涉及软件故障或软硬件耦合故障的分析[44]。由此可见,尽管FMEA方法已在各个行业的硬件和软件故障分析中得到广泛应用,但仍存在一些挑战,比如在处理软硬件耦合故障时,方法不够完善,定量分析也不够精确。现有的FMEA方法假设硬件与软件是相互独立的,通常只分析它们各自的影晌,因而忽视了软硬件耦合故障,也无法对其进行分析评估。为弥补这一缺陷,我们提出了一种新的FMEA框架。在传统FMEA的基础上,增加了对嵌入式系统中软硬件耦合故障的研究与评估。本研究的主要贡献如下:•针对智能设备中的嵌入式系统,设计了一种考虑软硬件耦合故障模式的FMEA方法(HSFC-FMEA)。其耦合故障模式的RPN值被定义为C-RPN(在数学上称为RPNC),以此更全面地涵盖功能上相互耦合的硬件与软件系统的故障模式。该方法引入哈达玛积来计算耦合严重程度,构建故障模式耦合度矩阵模型,并基于该耦合矩阵定义FMEA分析步骤和RPN计算方法。所提出的耦合度量标准涵盖了硬件和软件故障的S、O、D以及耦合度,为系统级风险评估增添了新的维度,提供了综合性的风险度量方式。通过采用稀疏矩阵压缩技术,该研究证明了HSFC-FMEA方法在具有集成式软硬件功能的大型系统中的扩展性,显示出其良好的可扩展性和适用性。基于一种智能气体加注控制设备的验证表明,HSFC-FMEA能有效支持风险预防和设计优化。与其他先进方法的定量比较进一步证实了该方法的适应性和有效性。本文的其余结构如下:第二部分为该方法提供正式的理论基础,基于矩阵理论阐述了哈达玛积的运算与定理、动态模型的构建以及硬件和软件的属性向量建模。第三部分定义了所提出的HSFC-FMEA方法并概述其构建步骤。第四部分通过一个智能气体加注控制系统的案例研究,验证该方法的有效性并分析潜在的改进方向。最后,第五部分总结本研究工作并探讨未来的研究方向。
理论基础
本节针对智能设备中的嵌入式系统提出了一种改进型的HSFC-FMEA方法。在传统FMEA框架的基础上,该方法充分考虑了嵌入式系统中硬件与软件组件之间的内在功能依赖关系,实现了对硬件-软件耦合故障模式的全面FMEA分析。通过系统地分析和量化硬件-软件耦合故障的S、O、D,该方法能够实现对HSFM耦合度的定义与评估。
硬件故障模式指的是硬件组件的潜在故障类型,通常包括短路、开路、参数漂移、信号延迟、死锁、间歇性故障和永久性故障,这些故障会受到环境因素(如温度、湿度)和使用寿命衰减的影响。软件故障模式则指软件运行过程中的错误类型,如算法错误、数值溢出/下溢、空指针引用、无限循环、资源泄漏、时序问题等。
案例研究与分析
本节以以嵌入式系统为核心组件的智能气体加注控制设备作为典型实例,验证HSFC-FMEA方法的适用性和有效性。文中介绍了该智能气体加注控制设备中集成的各类模块,如软件控制、各类传感器、实时通信功能以及智能报警功能,并分析了其多层次、多组件的耦合结构与关联关系,从而证明了该方法的有效性。
结论
本文提出了一种硬件-软件故障耦合FMEA(HSFC-FMEA)方法。通过建立硬件-软件耦合的故障分析框架,该方法解决了现有FMEA方法在故障模式分析方面的局限性,拓展了FMEA在复杂系统中的应用深度和广度,为系统可靠性设计与风险控制提供了新的方法和工具。主要结论如下:
1)本研究重点关注硬件与软件之间的耦合机制。
作者贡献说明
黄鹏:指导工作、软件开发、方法论、数据整理、概念设计。唐超伟:资源协调、方法论、研究实施。孙宇:指导工作、资源提供。赵海川:文章撰写与编辑、可视化处理、概念设计。
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