改進(jìn)SFMEA的AUV風(fēng)險(xiǎn)評估方法

史長亭，張汝波

(哈爾濱工程大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001)

智能水下機(jī)器人(autonomous underwater vehicle，AUV)由于工作環(huán)境的復(fù)雜性﹑外界因素的未知多變性，使得任何細(xì)微的故障都有可能產(chǎn)生災(zāi)難性的后果，這也對水下機(jī)器人軟件系統(tǒng)的可靠性提出了更高的要求［1］.因此，如何對水下機(jī)器人軟件系統(tǒng)的失效模式進(jìn)行有效分析，幫助準(zhǔn)確定位機(jī)器人的失效原因和評價(jià)各種軟件失效對系統(tǒng)造成的影響，從而提出針對性改進(jìn)措施，進(jìn)而提高水下機(jī)器人軟件系統(tǒng)的可靠性與安全性將具有重要的意義.

軟件失效模式影響分析(software failure modes and effects analysis，SFMEA)是對軟件及軟件所嵌入的系統(tǒng)進(jìn)行的一種可靠性、安全性設(shè)計(jì)與分析方法［2-3］.但是傳統(tǒng)失效模式影響分析(failure modes and effects，F(xiàn)MEA)，風(fēng)險(xiǎn)評估過程主要是通過計(jì)算風(fēng)險(xiǎn)順序數(shù)(risk priority number，RPN)來評估產(chǎn)品或系統(tǒng)的風(fēng)險(xiǎn)等級［4-5］，其中RPN是發(fā)生率O、嚴(yán)重度S和難檢度D三者的乘積.這樣在由不同O、S、D相乘得到相同的RPN值的情況下，各種失效模式對于系統(tǒng)的風(fēng)險(xiǎn)作用并不相同［6］.另外，傳統(tǒng)FMEA也很難對主觀或定性的描述語言變量做出準(zhǔn)確判斷，這些都極大地限制了FMEA的使用效果.

針對傳統(tǒng)FMEA存在的上述缺陷，Bowles和Antonio等人將模糊推理系統(tǒng)的方法技術(shù)應(yīng)用到FMEA中［7］，Pillay等將灰色關(guān)聯(lián)決策應(yīng)用到FMEA的研究框架中［8］.門峰研究了基于模糊集理論和灰色關(guān)聯(lián)理論的FMEA方法［9］.現(xiàn)有的方法都是只將O、S、D三者的值作為單值來處理，而在水下機(jī)器人實(shí)際系統(tǒng)中，由于任務(wù)的復(fù)雜性，機(jī)器人在執(zhí)行不同的任務(wù)過程中，各失效模式發(fā)生的概率和難檢度以及各失效模式對于任務(wù)的完成質(zhì)量和系統(tǒng)的影響程度是不同的.在這種情況下，采用傳統(tǒng)的FMEA和現(xiàn)有的FMEA方法都無法對失效模式風(fēng)險(xiǎn)評估結(jié)果進(jìn)行有效的比較，進(jìn)而確定風(fēng)險(xiǎn)排序.

本文從研究水下機(jī)器人軟件系統(tǒng)失效模式風(fēng)險(xiǎn)定量評估方法的角度出發(fā)，在現(xiàn)有基于模糊分析方法的基礎(chǔ)上，研究了基于灰色區(qū)間關(guān)聯(lián)的SFMEA方法，試圖在水下機(jī)器人軟件系統(tǒng)中對失效模式風(fēng)險(xiǎn)進(jìn)行定量評估，使風(fēng)險(xiǎn)的評估更加接近實(shí)際情況.

1 基于模糊分析和灰色區(qū)間關(guān)聯(lián)的SFMEA風(fēng)險(xiǎn)評估方法

1.1 基于三角模糊數(shù)的FMEA評價(jià)模型

將水下機(jī)器人各種失效模式的O、S、D 3個(gè)變量作為模糊語言變量，每個(gè)語言變量包含7種評價(jià)語言術(shù)語，即{極低(VL)，低(L)，較低(AL)，一般(M)，較高(AH)，高(H)，很高(VH)}.

在確定了水下機(jī)器人軟件系統(tǒng)主要的失效模式、失效原因的基礎(chǔ)上，由從事水下機(jī)器人軟件測試及故障診斷的工作人員、科研人員組成專家小組來確定主要失效模式的模糊評價(jià)語言術(shù)語集及其對應(yīng)的模糊數(shù).

模糊數(shù)的形式有多種，本文采用三角模糊數(shù)［10］對模糊語言術(shù)語進(jìn)行定量化處理.若模糊數(shù)A可由(a，b，c)決定，且隸屬函數(shù)值為則稱A為三角模糊數(shù)，記A=(a，b，c)，當(dāng)a=b=c時(shí)，A為一個(gè)精確數(shù).這樣，模糊語言術(shù)語對應(yīng)的三角模糊數(shù)，可以借助專家的知識和經(jīng)驗(yàn)來確定.

模糊數(shù)的清晰化算法有多種［11］，本文根據(jù)三角模糊數(shù)分布特點(diǎn)，由

將三角模糊數(shù)(a，b，c)化為單值，即可得出最終的非模糊化評價(jià)結(jié)果，如表1所示.

表1 模糊語言術(shù)語的清晰化Table 1 Clear value of fuzzy numbers

O、S、D可以采用相同的模糊語言術(shù)語集和模糊數(shù)，這樣建立了模糊語言對應(yīng)的模糊數(shù)，就可以對水下機(jī)器人主要失效模式做出評價(jià).

1.2 基于灰色區(qū)間關(guān)聯(lián)的失效模式風(fēng)險(xiǎn)排序

灰色關(guān)聯(lián)分析是用關(guān)聯(lián)度大小來描述事物之間、因素之間關(guān)聯(lián)程度的一種定量化的方法.它以系統(tǒng)的定性分析為前提、定量分析為依據(jù)，進(jìn)行系統(tǒng)因素之間、系統(tǒng)行為之間曲線相似性的關(guān)聯(lián)分析［12］.

設(shè)失效模式評估對象集合U={1，2，…，n}，屬性集合A={A1，A2，…，Am}，?表示灰數(shù)，則評估對象i在屬性Aj下的量化評估值為非負(fù)區(qū)間型灰數(shù)…，m)，評估對象i的量化評估向量記為ui(?)= (ui1(?)，ui2(?)，…，uim(?))，(i=1，2，…，n).從而由上面的定義得到的灰色信息表G=(U，A).

為了消去量綱及數(shù)量級的影響以增加可比性，利用灰色極差變換對ui(?)進(jìn)行規(guī)范化處理:

設(shè)規(guī)范化處理后的標(biāo)準(zhǔn)化評估向量為

利用公式

如上所述，則稱

為子因素xij(?)(i=1，2，…，n;j=1，2，…，m)關(guān)于理想因素的灰色區(qū)間關(guān)聯(lián)系數(shù)，其中λ∈［0，1］為分辨系數(shù).并稱1，2，…，n)為各評估對象關(guān)于理想對象的多屬性灰色關(guān)聯(lián)系數(shù)向量，矩陣為各評估對象關(guān)于理想對象的灰色區(qū)間關(guān)聯(lián)系數(shù)矩陣.

關(guān)聯(lián)系數(shù)所反應(yīng)的是2個(gè)被比較序列之間的緊密程度，但關(guān)聯(lián)系數(shù)所提供的信息過于分散，不便于比較，為此，這里將關(guān)聯(lián)系數(shù)加權(quán)集中得到加權(quán)關(guān)聯(lián)度:

式中，ωj為屬性Aj的權(quán)系數(shù).

由公式

來計(jì)算以理想對象為參照標(biāo)準(zhǔn)時(shí)的屬性權(quán)重向量ω=(ω1，ω2，…，ωm)，其中j=1，2，…，m.

這樣可以由式(6)計(jì)算得到各失效模式評估對象關(guān)于理想評估對象的加權(quán)關(guān)聯(lián)度，從而可以根據(jù)加權(quán)關(guān)聯(lián)度數(shù)值的大小，通過排序來確定各失效模式的風(fēng)險(xiǎn)順序.

2 AUV智能決策系統(tǒng)中的應(yīng)用實(shí)例

本文以某AUV系統(tǒng)的智能決策子系統(tǒng)為分析對象，該系統(tǒng)主要包括6大功能模塊:1)全局路徑規(guī)劃模塊;2)局部路徑規(guī)劃模塊;3)緊急情況處理模塊;4)通訊模塊;5)目標(biāo)搜索模塊;6)任務(wù)下達(dá)模塊.以路徑規(guī)劃模塊為例，其FMEA表如表2所示.

表2 路徑規(guī)劃模塊FMEA表Table 2 FMEA table of path planning modules

本文從上述模塊中選擇了6種主要的失效模式，分別為1)全局路徑規(guī)劃不合理;2)避障失敗;3)無法處理緊急情況;4)通訊超時(shí);5)未能搜索到目標(biāo);6)任務(wù)沒有順利下達(dá).這6種主要失效模式的模糊等級區(qū)間評價(jià)表如表3所示.

根據(jù)表1和表3，對失效模式集合關(guān)于屬性集合A={O，S，D}進(jìn)行量化評估，生成灰色信息如表4所示.

表3 失效模式模糊等級評價(jià)Table 3 Fuzzy rating variables of failure modes

表4 失效模式量化評價(jià)灰色信息Table 4 Quantitative grey information of failure modes

利用灰色極差變換公式(3)對表4進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化的灰色信息如表5所示.

表5 失效模式量化評價(jià)標(biāo)準(zhǔn)化灰色信息Table 5 Standard quantitative grey information of failure modes

根據(jù)表5，利用式(4)得到理想對象評估向量: x+(?)=(［0.496，1］，［0.757，1］，［0.81，1］).

利用式(5)計(jì)算U中各對象關(guān)于理想對象的灰色區(qū)間關(guān)聯(lián)系數(shù)，得到各失效模式對象關(guān)于理想對象的灰色區(qū)間關(guān)聯(lián)系數(shù)矩陣(λ=0.5):

利用式(7)計(jì)算得到以理想對象為參照標(biāo)準(zhǔn)時(shí)的屬性權(quán)重向量:

則根據(jù)式(6)可計(jì)算得到各失效模式評估對象關(guān)于理想評估對象的加權(quán)關(guān)聯(lián)度:

由于本文是以最差情況作為建立理想評估對象的標(biāo)準(zhǔn)，因此與其關(guān)聯(lián)度越高，則說明該失效模式的風(fēng)險(xiǎn)越大.把所得到的水下機(jī)器人各失效模式加權(quán)關(guān)聯(lián)度從大到小進(jìn)行排序，就可以確定風(fēng)險(xiǎn)順序，如表6所示.

表6 基于灰色區(qū)間關(guān)聯(lián)的風(fēng)險(xiǎn)排序Table 6 Risk priority rank based on grey region relation

由表6可以看出，失效模式3的風(fēng)險(xiǎn)最高，失效模式1的風(fēng)險(xiǎn)排序最小，這也與表4中的數(shù)據(jù)的實(shí)際意義相吻合.而如果采用傳統(tǒng)的FMEA方法，所得到的RPN值將是一個(gè)區(qū)間數(shù)，使得各失效模式之間無法進(jìn)行有效的風(fēng)險(xiǎn)比較，只能夠先將O、S、D化為單值來處理，而這又具有一定的局限性，不符合系統(tǒng)的實(shí)際需求.由此可見，采用改進(jìn)后的SFMEA方法，能夠綜合比較各潛在失效模式的風(fēng)險(xiǎn)作用，為智能水下機(jī)器人軟件系統(tǒng)的設(shè)計(jì)、分析和改進(jìn)提供依據(jù).

3 結(jié)束語

對AUV智能決策子系統(tǒng)進(jìn)行風(fēng)險(xiǎn)評估所得到的結(jié)果，證明了基于模糊分析和灰色區(qū)間關(guān)聯(lián)的SFMEA風(fēng)險(xiǎn)評估方法的可行性.同現(xiàn)有的方法相比，本文所提出的方法有效地解決了傳統(tǒng)FMEA方法的局限性以及O、S、D為區(qū)間數(shù)值的問題，使得風(fēng)險(xiǎn)評估過程更加符合系統(tǒng)的實(shí)際需求.

本文中的方法在選取基準(zhǔn)評估向量的過程中，只是將與最優(yōu)結(jié)果的比較情況作為理想評估向量，因此評價(jià)具有一定的片面性.如果能夠綜合考慮評估對象與正負(fù)理想基準(zhǔn)評估對象之間的相互關(guān)系，那么評估結(jié)果將更加合理可信.這樣將會對AUV軟件系統(tǒng)的設(shè)計(jì)和使用具有更強(qiáng)的指導(dǎo)意義.

［1］徐玉如，龐永杰，甘永，孫玉山.智能水下機(jī)器人技術(shù)展望［J］.智能系統(tǒng)學(xué)報(bào)，2006，1(1):11-14.

XU Yuru，PANG Yongjie，GAN Yong，SUN Yushan.AUV—state-of-the-art and prospect［J］.CAAI Transactions on Intelligent Systems，2006，1(1):11-14.

［2］CHEN Zhi，F(xiàn)ENG K M，ZHANG G S，YUAN T，PAN C H.Preliminary safety research for CH HCSB TBM based on FMEA method［J］.Fusion Engineering and Design，2008，83(5-6):743-746.

［3］吳邦國，唐任仲.軟件FMEA技術(shù)研究［J］.機(jī)電工程，2004，21(3):8-12.

WU Bangguo，TANG Renzhong.Study on Software FMEA Techniques［J］.Mechanical＆Electrical Engineering Magazine，2004，21(3):8-12.

［4］BOWLES J B，PELAEZ C E.Fuzzy logic prioritization of failures in a system failure mode，effects and criticality analysis［J］.Reliability Engineering＆System Safety，1995，50(2):203-213.

［5］王高峰.FMEA在質(zhì)量管理中的應(yīng)用［J］.電子質(zhì)量，2002 (11):60-63.

WANG Gaofeng.The application of FMEA in quality management［J］.Electronics Quality，2002(11):60-63.

［6］XU K，TANG L C，XIE M，HO S L，ZHU M L.Fuzzy assessment of FMEA for engine systems［J］.Reliability Engineering and System Safety，2002，75(1):17-29.

［7］ANTONIO C F.Effects analysis fuzzy inference system in nuclear problems using approximate reasoning［J］.Annals of Nuclear Energy，2004(31):107-115.

［8］PILLAY A，WANG Jin.Modified failure mode and effects analysis using approximate reasoning［J］.Reliability Engineering and System Safety，2003(79):69-85.

［9］門峰.模糊集理論與灰色關(guān)聯(lián)理論的FMEA方法［J］.工業(yè)工程，2008，11(4):109-112，117.

MEN Feng.FMEA method based upon fuzzy set theory and grey relational theory［J］.Industrial Engineering，2008，11 (4):109-112，117.

［10］GUIMARAES A C F，LAPA C M F.Fuzzy inference to risk assessment on nuclear engineering systems［J］.Applied Soft Computing Journal，2007，7(1):17-28.

［11］CHANG Changliang，LIU Pinghung，WEI Chiuchi.Failure mode and effects analysis using grey theory［J］.Integrated Manufacturing Systems，2001，12(3):211-216.

［12］SHIH K C，WU K W.Information of grey relation［M］.Taiwan:Chuan-Hua Co Ltd，1996:3-8.