法律状态公告日
法律状态信息
法律状态
2013-06-12
授权
授权
2012-09-19
实质审查的生效 IPC(主分类):G06F17/50 申请日:20111230
实质审查的生效
2012-07-18
公开
公开
技术领域
本发明属于航空操作系统性能评价技术领域,涉及一种基于随机Petri 网的分层航空操作系统HM/FM建模与评价方法。
背景技术
综合化航电(IMA)是当前机载设备发展的趋势,它可以有效的降低生 命周期成本(LLC)、改善机载设备的性能、并方便软硬件设备的更新维护。 与联合式航电相比,综合化航电的一个显著特征是功能“软件化”,即利用 软件在通用硬件平台上实现原来专用硬件的功能。
综合化航电中的健康监控/故障管理(HM/FM)功能用来保证系统在出 现软件故障时,仍然能正常运转。健康监控模块负责识别、定位、以及汇报 软件故障。故障管理模块则负责采取一些措施来进行故障排除。
现代航电系统一般都采用分层的结构,以便最小化系统底层变换对上层 应用程序的影响。目前,还没有针对分层航电操作系统的HM/FM的量化分 析的成果。而这些分析结果对于设计实施高性能高可靠性的航电操作系统是 具有重大参考意义的。本专利的目标就是解决这一问题。
随机Petri网是对信息处理系统进行描述和建模的数学工具之一。随机 Petri网的主要特性包括:并行性、不确定性、异步以及对分布式系统的描述 能力和分析能力,是一种图形化的建模描述工具。随机Petri网具有很强的模 型分析能力,可以应用到复杂系统如网络等的建模和评价当中。
发明内容
为了克服上述现有技术的不足,本发明的目的在于提供一种基于随机Petri 网的分层航空操作系统HM/FM建模与评价方法,该方法可以对根据实际的 分层航电系统建立随机Petri网模型,并采用时间数量级分解的方法对模型进 行近似求解,最后对系统内各个被监控对象进行可靠性分析。
为了实现上述目的,本发明采用的技术方案是:
基于随机Petri网的分层航空操作系统HM/FM建模与评价方法,包括以 下步骤:
步骤1,建立所有组件的随机Petri网模型,包括被监控对象模型、HM 模型以及FM模型,
其中,
被监控对象模型分为简单对象与耦合对象,
简单对象是指独立被监控对象,由一个亮状态Petri网进行表示, working变迁的时延参数设置为该对象的平均无故障时间,一旦对象进入发 生故障的状态,在没有外部干预的情形下,它无法返回正常工作状态;
耦合对象分为AND/OR耦合对象与传播耦合对象,AND/OR耦合对象的 working变迁为立即变迁,利用guard函数来保持“与或”错误的同步关系; 传播耦合对象用时间变迁propagating以及相关的guard函数来表达;
HM模型反映了健康监控模块的行为,包括本层轮询、下层轮询、以及 回应,本层轮询是指HM模型周期性地轮询当前层的被监控对象,若没有发 现错误,则返回,若发现错误,则激发当前层的FM模型,并返回,HM模 型同时接受下层FM模型发送过来的错误报告;下层轮询是指由HM模型向 下一层发起的轮询,并等待回应,当回应返回,则变迁Replied发生,若没 有发现故障,则返回空闲状态。若发现故障,它会激发FM模块并返回;回 应是指HM模型接受到上层HM模型的轮询请求,收集对象的健康信息,并 将信息返回给上层HM模型;
FM模型由一系列故障处理器和一个故障汇报队列依次串联而成,第一 个故障处理器从HM模型接收FM模型激发请求,首先,它检查其负责的被 监控对象是否位于正常工作状态,若是,则跳过维修过程,并进入下一个故 障处理器;否则,对故障对象进行维修,若维修失败,则将维修失败信息放 进故障汇报队列,故障汇报队列收集所有维修失败信息,并通知上层HM模 型,下一个故障处理器顺次进行该工作过程;
步骤2,进行模型的组合:
模型组合遵循三个标准,即系统对象的故障耦合方式、层间耦合方式、 以及FM激发方式,系统对象的故障耦合方式分为AND/OR故障耦合与传播 故障耦合,层间耦合方式非为不进行下层轮询与进行下层轮询,FM激发方 式分为本层FM激发与下层FM激发,根据这些物理系统的耦合方式,将步 骤1中的Petri网子模型连接起来,构建完整的随机Petri网模型;
步骤3,对完整的随机Petri网模型进行化简求解,方法如下:
步骤3.1,按照变迁实施的速率,将所有变迁分为两个集合,即快实施 集合与慢实施集合,其中所有的Working变迁,均是慢速变迁,其他变迁均 是快速变迁;
步骤3.2,近似认为慢实施集合中的所有变迁都是不可触发的,得到分 离的Petri子模型;
步骤3.3,求解分离的Petri子模型的稳态概率分布,并以此得到压缩的 Petri子模型的变迁实施速率;
步骤3.4,求解压缩的Petri子模型的稳态概率分布;
步骤4,对模型进行分析与评价:
步骤4.1,定义系统的可用性与平均反映时间两种度量指标;
步骤4.2,利用步骤3.4中所得到的压缩子模型的稳态概率分布,计算以 上两种指标的值,进行性能评价。
所述步骤3中,将每个分离的Petri子模型压缩成一个位置,即用一个位 置替代所述的分离的Petri子模型,并将子模型之间的变迁保留,获得了一个 压缩的Petri网模型。
所述分离的Petri子模型的稳态概率分布是利用通用的随机Petri网求解 方法得出的,即首先求得Petri网的可达图,并确定可达图之间的转移速率; 其次,建立基于可达图的连续时间马尔科夫过程;最后,对连续时间马尔科 夫过程进行求解,则可得到原Petri网模型的稳态概率。
所述压缩的Petri子模型的变迁实施速率使用时间数量级分级的方法得 到:求得各个Petri网子模型的稳态概率,并根据这些概率,得到压缩模型的 变迁实施速率。
所述压缩的Petri子模型的稳态概率分布利用通用的随机Petri网求解方 法得出的,即首先求得Petri网的可达图,并确定可达图之间的转移速率;其 次,建立基于可达图的连续时间马尔科夫过程;最后,对连续时间马尔科夫 过程进行求解,则可得到原Petri网模型的稳态概率。
与现有的网络性能评价方法相比,本发明的优点在于:
1)建立了系统组件的子模型,可根据实际系统的体系结构,灵活的将 子模型进行组合,得到系统的完整模型,即“灵活性”。
2)对模型进行近似求解,可以处理较大规模的实际系统,即“复杂模 型的求解”。
附图说明
图1为分层航空操作系统示意图。
图2为独立被监控对象与传播耦合故障图。
图3为一个复杂AND/OR耦合故障图。
图4为HM模块随机Petri网模型图。
图5为FM模块随机Petri网模型图。
图6为系统可能采取的轮询交互方式图。
图7为一个完整的三层HM/FM实例模型图。
图8为分解的HM子模型图。
图9为压缩的系统模型图。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
(1),如图1所示,建立实际系统的逻辑模型,每层中有一个HM模 型和FM模型;
(2),确认各层之间通信的方式以及HM/FM之间的调用关系,明确目 标系统所采取的机制,如图2所示。图2-a是没有下层轮询的机制,这种机 制最为简单;图2-b是下层轮询,发现故障后调用本层FM的机制;这种机 制消耗资源较大,但是能获得较好的系统可靠性;图2-c是下层轮询,发现 故障后调用下层FM的机制,其性能与系统开销均介于前两种机制之间;
(3),根据系统的逻辑模型与所采取的机制,按照前述规则,建立系统 的随机Petri网模型,包括被监控对象模型、HM模型以及FM模型,
其中,
对象模型分为简单对象与耦合对象,
简单对象是指独立被监控对象,其模型如图3左半部分所示,由一个亮 状态Petri网进行表示,位置on表示该对象正常工作,位置off表示该对象 发生故障。working变迁的时延参数设置为该对象的平均无故障时间 (MTTF),一旦对象进入发生故障的状态,在没有外部干预的情形下,它 无法返回正常工作状态;
耦合对象分为AND/OR耦合对象与传播耦合对象,传播错误模型如图3 右半部分所示,用时间变迁propagating以及相关的guard函数来表达传播错 误。与或错误的波形如图4所示,一般情况下其working变迁为立即变迁, 利用guard函数来保持与或错误的同步关系。
HM模型反映了健康监控模块的行为,如图5所示,它包括本层轮询 (CQ)、下层轮询(SQ)、以及回应(RP),本层轮询(CQ)是指HM模 型周期性地轮询当前层的被监控对象(Query_C),若没有发现错误,则返 回(No_Error_C),若发现错误,则激发当前层的FM模型,并返回(Return2), HM模型同时接受下层FM模型发送过来的错误报告;下层轮询是指由HM 模型向下一层发起的轮询(Query_S与离去弧5),并等待回应,当回应返 回(进入弧6),则变迁Replied发生,若没有发现故障,则返回空闲状态 (No_Error_S)。若发现故障,否则它会激发FM模块并返回(Activate_FM2); 回应(RP)是指HM模型接受到上层HM模型的轮询请求(进入弧1),收 集对象的健康信息(Collecting),并将信息返回给上层HM模型(Reply与 离去弧2);
FM模型如图6所示,由一系列故障处理器和一个故障汇报队列依次串 联而成,第一个故障处理器从HM模型接收FM模型激发请求(进入弧1), 首先,它检查其负责的被监控对象是否位于正常工作状态,若是,则跳过维 修过程(No_Error),并进入下一个故障处理器(Next_Handler);否则, 对故障对象进行维修(Fixing),维修过程可能会成功(Success),也可能 失败(Fail)。若维修失败,则将维修失败信息放进故障汇报队列。故障汇 报队列收集所有维修失败信息(进入弧2),并通知上层HM(离去弧3)。 上层HM会激发相应的FM来处理这些维修失败的问题,下一个故障处理器 顺次进行该工作过程。
(4),确定模型中所有变迁的延迟以及概率参数。
变迁延迟与概率一般通过测量实际系统来得到。
(5),定义系统可靠性以及其他性能度量。
可靠性与性能等度量,一般可根据所建立的Petri网模型的稳态概率得 出。
(6),运用时间数量级分解技术,对模型进行化简,得到压缩模型。
方法如下:.
首先,按照变迁实施的速率,将所有变迁分为两个集合,即快实施集合 与慢实施集合,其中所有的Working变迁,均是慢速变迁,其他变迁均是快 速变迁;
其次,近似认为慢实施集合中的所有变迁都是不可触发的,得到分离的 Petri子模型;
然后,求解分离的Petri子模型的稳态概率分布,并以此得到压缩的Petri 子模型的变迁实施速率;
最后,求解压缩的Petri子模型的稳态概率分布。
稳态概率分布利用通用的随机Petri网求解方法得出,即首先求得Petri 网的可达图,并确定可达图之间的转移速率;其次,建立基于可达图的连续 时间马尔科夫过程;最后,对连续时间马尔科夫过程进行求解,则可得到原 Petri网模型的稳态概率。
(7),利用压缩模型,近似纠结步骤(5)中定义的性能度量。
一个具体例子:运用本发明中提出的基于随机Petri网的分层操作系统健 康监控/故障管理建模与评价方法,对北约ASSAC标准中的分层操作系统 HM/FM进行建模。
整个系统分为三层,分别为飞机层(AC)、集成航电层(IA)、以及资 源元素层(RE)。系统采用下层轮询、激发下层FM策略。该系统的SPN 模型如图7所示。
AC层对象与IA层的两个对象呈AND故障耦合关系;IA层对象1与 RE层两个对象呈OR故障耦合关系;IA层对象2与RE层对象1呈传播故障 耦合关系;RE层的两个对象为独立对象。
利用时间数量级分解技术,首先可以得到分解的HM子模型,如图8所 示,以及压缩的模型,如图9所示。从分解的HM子模型中,可以计算得到 表1所示参数。这些参数可以帮助进行近似求解。
表1
1)底层变迁发生延迟。我们给出计算dRepar_b_1_c,即变迁Repar_b_1_c 延迟的方法。变迁Repair_b_1_c、Repair_b_2_c的延迟也可利用同样方法得 到。
首先,观察到维修过程有如下可能的路径:
路径1,底层HM通过本层轮询发现了故障,并激发了底层FM来维修 故障。
路径1.1,底层FM成功维修故障;
路径1.2,底层FM维修故障失败,将失败汇报给中层HM,并激发中层 FM,中层FM成功维修故障;
路径1.3,与路径1.2相同,但是中层FM仍未成功维修故障,此时将故 障汇报给顶层FM,并激发顶层FM,顶层FM成功维修故障。
路径2,中层HM通过下层轮询发现了故障,并激发了底层FM来维修 故障。
与路径1.1相同,底层FM成功维修故障;
与路径1.2相同,中层FM成功维修故障;
与路径1.3相同,顶层FM成功维修故障。
此时,可得dRepair_b_1_c=∑Pi×Ti,其中Pi与Ti分别为维修过程为路径i的概率, 与路径i所耗费的平均时间。有如下结果成立
P1.1=PCQb×WSuccess_b_1
P1.2=PCQb×WFailed_b_1×WSuccess_m_2
P1.3=PCQb×WFailed_b_1×WFailed_m_2
P2.1=PSQm×WSuccess_b_1
P2.2=PSQm×WFailed_b_1×WSuccess_m_2
P2.3=PSQm×WFailed_b_1×WFailed_m_2
Ti与状态概率相关,可以如下计算:
T1.1=dActivate_FM1_b+dFixing_b_1
T1.3=T1.2+Tt+dFixing_t
T2.1=dActivate_FM2_m+dFixing_b_1
T2.3=T2.2+Tt+dFixing_t
其中,
2)中层与顶层变迁发生延迟。中层变迁Repair_b_1_c的发生延迟可由 同样的方法计算得到,唯一的区别在于故障只能由中层或者顶层HM/FM进 行处理。变迁Repair_m_2_c与Repair_t_1_c无需修改,因为这些对象是 AND/OR故障耦合,这些变迁只能起到同步作用。
3)度量的定义。对象的不可用性,定义为对象位于down状态的概率, 其表达式为
P(#on_m_1=1)
P(#on_m_2=1)
下层轮询等待时间,定义为上层HM在轮询下层HM时所需的等待时间。 利用little定理,可得其表达式为
从而可以进行模型分析与定量性能评价。
以上,参照附图对本发明的具体实施方式做了具体描述,但是不应该认 定本发明的具体实施只局限于这些说明。对于本发明所属领域的普通技术人 员来说,在不脱离本发明构思和由权利要求书所限定的保护范围的前提之下, 还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
机译: 基于扩展Petri网的控制目标系统建模方法及基于扩展Petri网的控制器
机译: 空间异构随机Petri网建模
机译: 空间异构随机Petri网建模