人機環耦合效應下衛星天線裝配概率風險分析

曾 婷, 高 帥, 孫富強, 賴小明, 李 云, 李孝鵬

(1. 北京衛星制造廠有限公司, 北京100094; 2. 北京航空航天大學可靠性與系統工程學院, 北京 100191;3. 中國航天標準化與產品保證研究院, 北京 100071)

0 引 言

衛星裝配是按照設計要求將各分系統或部組件裝配成完整衛星的過程,是衛星系統研制過程的關鍵環節之一。衛星裝配是一項復雜的系統性工作,具有工藝流程復雜、人機環多風險因素耦合等特點[1-2],裝配質量將直接影響衛星功能和性能,甚至會對后續在軌運行可靠性和壽命產生影響。

衛星天線裝配過程是衛星裝配的典型任務場景,以星載合成孔徑雷達(synthetic aperture radar,SAR)天線為例,其裝配過程由面板、鉸鏈和桿件定位安裝、精度測量、展收微重力測試等不同階段構成,每個階段還可以劃分成更細致的多個裝配工序,是一個多階段任務系統(phased-mission system,PMS)[3-4]。在工程中,衛星天線裝配過程通常依賴于手工作業,裝配質量受到人機環多風險因素耦合的影響。從人的因素分析,裝配人員會因生理因素、心理因素、技術因素的影響[5-6],進行錯誤的裝配動作或遺忘行為,產生衛星天線裝配的人因差錯風險。從機的因素分析,在衛星天線裝配過程會使用種類繁多的工裝設備,這些工裝設備,特別是吊裝、氣浮、高空作業平臺等發生故障可能會導致關鍵儀器、部件受損,甚至人身傷害,產生衛星天線裝配的設備故障風險。從環的因素分析,衛星天線裝配環境可分為溫濕度控制、潔凈度控制、靜電防護等方面,這些方面如有控制不當,會產生衛星天線裝配的環境擾動風險。在衛星天線裝配過程中,人機環多項風險間還會發生耦合作用,如在翻轉衛星天線進行測試時,由于翻轉工裝缺乏限速裝置及相應的保護組件,一旦產生人因差錯,會引發人-機耦合風險,造成嚴重的后果。因此,需要對衛星天線裝配這一復雜過程開展人機環多因素風險耦合分析,識別風險及影響,進而有效地指導提高裝配過程的可靠性。

目前,國內外通常采用概率風險評價(probabilistic risk assessment,PRA)方法為復雜、高風險的工程系統做定量風險評估[7-12]。美國國家航空航天局先后在航天飛機、探月飛船等項目中采用PRA技術開展定量風險評估[13-14],針對航天器升空的PMS過程,使用事件序列圖、故障樹等方法建模分析,得到任務成敗的概率及風險重要度排序。李孝鵬等[15]對某型月球探測器PMS開展PRA綜合建模分析,在多階段任務事件樹模型基礎上,建立故障樹進行故障建模,得到各部組件失效風險的重要度排序,從而提出針對性的設計改進措施。王鑫等[16]針對某型導彈武器系統作戰任務PMS過程開展PRA綜合建模,建立導彈系統任務剖面的事件樹模型,開展各部組件的故障樹建模與數據收集,綜合利用蒙特卡羅仿真和貝葉斯分析方法計算模型的不確定性,得到導彈武器系統典型任務中相關階段的重要度排序。可以看到,上述研究側重于分析部組件故障對于PMS系統可靠性的影響,沒有考慮人機環多風險因素耦合效應對PMS可靠性的影響。在多風險因素耦合效應的研究方面,Liu等[17]對造成海底井噴事故的人為、電氣、水力和機械因素建立貝葉斯網絡模型,描述事故風險演化和風險耦合的動態特征。汪子恒[18]在研究危險貨物道路運輸過程中人、車、物、環境耦合風險時,基于運輸流程與事故數據,構建了貝葉斯網絡模型,識別了耦合風險并開展風險評價。

綜上所述,盡管現有文獻已經對概率風險評價方法進行了大量的研究,但是綜合考慮人機環耦合風險的研究非常少,而后者具有較強的工程意義。由于貝葉斯網絡模型具有強大的不確定性問題處理能力,以及能方便地表達變量之間的相關關系。因此,本文針對衛星天線裝配過程提出一種基于貝葉斯網絡的概率風險評價方法。該方法在識別人機環風險的基礎上,綜合運用事件樹、貝葉斯網絡、人因可靠模型準確地描述分析天線裝配過程中人機環風險耦合的影響,得到天線裝配任務成功、失敗及導致人員傷害的概率分布及裝配過程可靠性關鍵風險因素,并針對性提出改進措施。最后,本文以某型星載SAR天線作為示例,驗證了本文提出方法的工程適用性。

1 天線裝配過程及風險因素識別

1.1 天線裝配過程簡介

星載SAR天線是一種典型的空間可展開桁架機構[19-21],在其發射階段,天線兩翼處于折疊收攏狀態安置在運載平臺上,待發射入軌后,由地面指揮中心控制結構按設計要求逐漸展開,鎖定并保持運行工作狀態。天線收攏及展開狀態如圖1所示。

圖1 美國RADARSAT-2型平面SAR天線Fig.1 American RADARSAT-2 planar SAR antenna

可展開桁架機構是多閉環的空間桿系機構,存在復雜的桿件關聯和苛刻的位形約束,其展開情況決定了天線陣在軌運行時的指向精度、平面精度和基頻。因此,在天線的裝配過程中,涉及種類眾多的裝配部件、復雜的裝配流程、較高的裝配精度及可靠性要求,有著較高的裝配任務難度與較多的風險因素。

星載SAR天線地面裝配流程按先后順序可分為4個階段:轉動軸空間定位、框架和桁架機構安裝、收攏展開測試、真板對接及展收測試,各階段又可細分為具體的裝配工序,如圖2所示。

圖2 星載SAR天線地面裝配任務主要工序Fig.2 Main procedure of spaceborne SAR antenna ground assembly task

1.2 風險因素識別

星載SAR天線裝配過程涵蓋了大型吊裝、部件轉運、、精度測量、熱控實施、電纜鋪設、儀器設備安裝等,涉及機械、熱控、人因工程等領域的復雜工藝過程。因此,天線裝配質量受到人員、工藝裝備、操作工具、周邊環境等眾多因素的影響,需要開展相應的風險識別工作。

風險表現為一系列不期望事件的發生概率,是星載SAR天線裝配過程人機環各類風險因素突破控制措施,不受約束地傳播和演化的結果。風險因素是導致任務失敗、事故發生和傳播的直接原因。針對天線裝配關鍵工序開展人機環及其耦合風險因素的識別篩選工作,結果如表1所示。表1中,Hij、Mij和Eij分別表示第i個任務階段的第j個人因差錯、設備故障和環境風險；HMi和HEi分別表示第i個人機耦合風險和人環耦合風險。

2 人機環耦合效應下PRA綜合建模

2.1 PRA技術簡介

PRA是一種識別與評估復雜工程系統風險的結構化、集成化的邏輯分析方法[22]。PRA以事件樹[23]為基礎進行綜合建模,集成工程各類定性和定量信息,基于不確定性分析開展模型量化,通過開展風險重要度排序識別系統關鍵風險,為制定針對性的風險管控措施提供決策支持。PRA技術的實施流程如圖3所示。

2.2 基于事件樹和貝葉斯網絡的綜合建模

在系統任務流程及風險因素分析的基礎上,以事件樹為基礎開展綜合建模,通過中間事件狀態組合描述任務后果狀態的多樣性特征,如圖4所示的任務成功、任務降級、任務失敗等。在事件樹模型基礎上,針對各中間事件開展故障建模。經典的概率風險評估技術是基于故障樹建立中間事件模型,然而對于人機環耦合風險事件而言,故障樹分析不能清晰的表達多風險因素間的關聯關系,以及失效事件傳播的因果關系、相關關系等,因此使用貝葉斯網絡[24]進行人機環耦合風險的建模工作。此外,故障樹也可以轉化為貝葉斯網絡進行分析[25-27],所以基于貝葉斯網絡方法的中間事件建模,在工程中更具通用性與實用性。

圖4 PRA綜合建模示意圖Fig.4 PRA comprehensive modeling diagram

采用貝葉斯網絡對中間事件開展建模,該網絡由葉節點X1、兩個子節點X3和X4、兩個根節點X5和X6及連接弧組成,如圖4所示。其中,X1代表中間事件的后果狀態,X5和X6代表人因差錯、設備故障、環境擾動的風險,X3和X4代表這些風險因素間的耦合作用。根據鏈式規則和條件獨立假設,在明確根節點的邊緣概率分布和節點間的條件概率后,可計算出葉節點發生的概率:

(1)

式中:Xi代表某一節點的隨機變量;Xpa(i)代表前驅節點的聯合。

2.3 數據收集與模型量化

針對貝葉斯網絡的根節點邊緣概率分布和節點間的條件概率,分別給出相應的數據收集要求和模型量化方法,并在此基礎上開展不確定性分析評估,將基本事件的不確定性自底向上集成至中間事件,再從左到右沿事件樹集成在最終的后果狀態中。

貝葉斯網絡的根節點代表人機環各類風險因素,子節點代表人機環風險因素間的耦合作用。根節點風險可根據不同風險類型分類進行確定:設備故障風險可根據設備故障類型采用不同的可靠性分布函數進行評估;環境擾動風險可基于數據統計與專家經驗統計得出;人因差錯風險可使用人因可靠性分析(human reliability analysis, HRA)模型開展分析。各節點間的條件概率可通過歷史數據統計、專家評分等方式獲取。

其中,HRA模型已經在許多領域得到了廣泛的應用,但是其數據庫是從核工業領域或整個工業環境中采集的,將其用于天線裝配過程不能準確地表達人因風險發生的概率[28-30]。因此,本文基于第二代經典HRA模型——認知可靠性和失誤分析方法(cognitive reliability and error analysis method,CREAM)[31],結合德爾菲專家意見法[32-33],開展人因風險量化工作,分析流程如圖5所示。首先,分析任務剖面。在此基礎上,分別開展失效模式概率評估與情景環境權重評價。CREAM對不同的人因差錯事件,進行了認知功能及失效模式分類并給出了相應的失效概率區間。但這個區間過于寬泛,因此本文使用德爾菲專家意見法,即通過多輪的匿名評估與反饋,直至專家們的評定意見比較吻合,得到更為準確的失效模式發生概率區間。隨后,對裝配任務所處的情景環境開展評價工作:在CREAM模型中情景環境被歸納為9類常見績效條件(common performance conditions,CPC),可根據CREAM指導書獲得不同失效模式下權重因子。使用該風險事件所對應的認知功能權重因子修正失效模式的基本發生概率,可以得到裝配各階段人因風險的失效概率,該公式為

CFPi=BFPi·Wi

(2)

式中:CFPi代表某事件修正后的人因失效概率;BFPi代表某事件基本人因失效概率;Wi為情景環境下的權重因子。

圖5 衛星天線裝配人因差錯分析模型Fig.5 Human error analysis model for satellite antenna assembly

2.4 敏感性分析和重要度排序

在模型量化的基礎上,開展敏感性分析和風險重要度排序。敏感性分析關注貝葉斯網絡中節點參數(即人機環各風險事件)對系統后果狀態的敏感程度;風險重要度關注各風險因素對總體風險的貢獻程度。在制定措施時應該重點關注排序靠前的風險,特別是對于重要又敏感的風險,制定好相應的改進措施。

敏感性分析通過研究貝葉斯網絡參數與其輸出概率之間的關系識別關鍵風險,其核心問題是計算貝葉斯網絡中目標節點與各網絡參數的微分,基本公式為

(3)

式中:P(E=0)代表目標節點在E=0后果狀態下發生的概率;P(x|u)代表節點u處的網絡參數;ΔP(e)代表節點u處網絡的敏感程度。

重要度排序基于事件樹,分析各風險因素對總體風險的貢獻程度。對于衛星天線裝配過程而言,在分析風險重要度時,不僅要關注單個風險事件對系統風險的影響,也要考慮包含多個風險因素的人機環耦合風險事件,因此基于最小割集計算的Fussell-Vesely(F-V)重要度方法,具有比較好的適用性,計算公式為

(4)

3 星載SAR天線裝配過程PRA

3.1 目標和范圍確定

星載SAR天線裝配過程包含多個任務階段,是一類典型的多階段任務系統。分析工作的目標是評價裝配過程的可靠性水平,發現裝配可靠性薄弱環節并提出針對性的改進意見。

星載SAR天線裝配任務操作工序復雜,涉及多領域的工藝流程,天線裝配的精度及可靠性與人員、工藝裝備、操作工具、周邊環境等眾多因素息息相關,因此需要綜合評估這些風險因素及其耦合作用對星載SAR天線裝配過程的影響,具體風險因素的梳理如表1所示。

3.2 綜合建模

本文使用事件樹描述星載SAR天線裝配過程中各階段與裝配總任務的后果狀態之間的關系。根據任務后果狀態,將裝配精度及可靠性達標視為任務成功(記為OK);裝配任務延期或裝配精度/可靠性未達標視為任務失敗(記為LOM);若裝配過程中產生人員傷害,后果狀態記為LOC,建立星載SAR天線裝配過程事件鏈模型如圖6所示。使用貝葉斯網絡針對事件樹模型中的中間事件開展故障建模。以表1中識別的人機環風險為貝葉斯網絡的根節點,人機環耦合風險及中間事件的后果狀態作為貝葉斯網絡的子節點,以“SAR天線裝配完成”作為貝葉斯網絡的葉節點,構建星載SAR天線裝配過程的貝葉斯網絡模型,如圖7所示。

圖6 星載SAR天線裝配過程事件樹模型Fig.6 Event tree model of spaceborne SAR antenna assembly process

圖7 星載SAR天線裝配過程貝葉斯網絡模型Fig.7 Bayesian network model for spaceborne SAR antenna assembly process

3.3 分析評估

開展貝葉斯網絡根節點邊緣概率分布與節點間條件概率關系的量化評價工作,進行不確定性量化集成。以中間事件“轉動軸空間定位”為例,開展貝葉斯網絡參數的數據收集與分析工作,其他中間事件分析同理,限于篇幅不再贅述。轉動軸空間定位階段受到人因差錯事件、機器故障及人機耦合風險的影響。

轉動軸空間定位階段有3個典型的人因差錯事件,以“精測基準選擇不當”為例開展分析。通過查詢CREAM指導書,可知其風險事件的失效模式為辨識錯誤,對應的認知功能為觀察。使用德爾菲專家意見法,即通過邀請相關領域的專家及一線工程師,進行多輪匿名評估與反饋直至評定意見較為吻合,得到該人因風險事件發生的概率分布(分位數),如表2所示。在此基礎上,評價該裝配階段的CPC情景權重因子,如表3所示。最后,使用該風險事件所對應的認知功能權重因子修正事件發生的基本概率分布。其他人因差錯事件分析同理,最終得到該階段人因差錯事件發生概率,如表4所示。

表2 人因差錯事件發生概率的專家評估

表3 CPC情景權重評價

表4 人因差錯事件發生的概率分布

轉動軸空間定位階段有兩個典型的設備風險,通過相似產品的事故數據分析,獲得其事件發生的概率分布,如表5所示。

表5 設備風險事件發生的概率分布

通過對專家學者及裝配人員開展面談、發放問卷等形式得到人機環耦合事件發生的條件概率分布,如表6所示。各風險事件與轉動軸空間定位階段后果狀態的概率分布,如表7所示。在表6和表7中,0代表事件未發生,1代表發生。

表6 安全防護風險條件概率表

表7 轉動軸空間定位中間事件條件概率表

以上述轉動軸空間定位階段的貝葉斯網絡參數量化過程為例,分析事件樹中其他中間事件的網絡參數,如圖8所示。最終,得到裝配任務不同后果狀態發生概率的分布,如表8所示。

表8 裝配任務后果狀態概率分布

3.4 結果分析

針對星載SAR天線裝配過程,開展敏感性分析和重要度排序,為確定薄弱環節,制定風險應對措施指明方向。

首先,開展F-V重要度排序。以風險事件50%分位數下的發生概率作為風險排序標準,假設期望風險基線為1。根據式(3)確定影響裝配任務可靠性的上述因素風險重要度排序結果,重要度排名前5的風險如表9所示。

表9 風險重要度排序結果(前5)

其次,開展貝葉斯網絡的敏感性分析。借助GeNle軟件設置裝配任務LOM為目標節點,敏感度分析結果如圖9所示。圖9中,縱軸顯示的是貝葉斯網絡中人機環風險因素,橫軸顯示的是概率水平,條形圖表達了各風險因素發生概率在±10%范圍內發生變化時,裝配任務失敗狀態的變化幅度,紅色表示負變化,綠色表示正變化。由圖9可知,風險敏感性排序前5為:“精測基準選擇不當”“被測物沒有固定”“定位工裝影響精度”“電纜妨礙機構運動”“氣浮裝置失效”。

通過上述分析可知,“精測基準選擇不當”和“定位工裝影響精度”兩個風險事件既重要又敏感,結合其他識別出的關鍵風險,本文研究制定了3點應對措施:

圖8 星載SAR天線裝配過程貝葉斯網絡輸出(50%分位數)Fig.8 Bayesian network output for spaceborne SAR antenna assembly process (50% quantile)

圖9 敏感度分析結果(前5)Fig.9 Sensitivity analysis results (top five)

(1) 改進轉動軸定位操作流程,建議采取增加激光跟蹤儀的數量,固定精測基準,增加測量次數取平均等措施。

(2) 制定合理的工作計劃。裝配人員在長時間工作后容易產生身體疲勞、精神不集中,這會導致其忽視部分裝配細節來加快裝配進度。針對該現象,管理人員需要合理分配工作任務和時間,對工作壓力大的崗位,交替開展裝配。

(3) 研制星載SAR天線裝配測量與實時反饋調整系統,采用數字攝影測量技術對天線的面板、鉸鏈和桿件的裝配精度進行測量,并將測量結果實時反饋給系統,開展自主調節,有效地解決因工裝精度而引發的裝配任務失敗。

4 結 論

本文對人機環耦合效應下的衛星天線裝配過程進行了可靠性安全性分析,提出了一種基于貝葉斯網絡的概率風險評價方法,以某型星載SAR天線裝配過程為例進行應用,得到了裝配任務成功、失敗及產生人員傷害不同后果狀態的概率分布,對人機環風險因素進行了敏感性分析與重要度排序,提出了針對性的設計改進措施。本文所提方法可以為飛船、運載火箭等人機耦合系統的風險分析與量化提供一定的參考。