一种基于故障合成的复杂系统维修保障仿真优化方法

摘要

本发明公开一种基于故障合成的复杂系统维修保障仿真优化方法，包括确定子系统及可维修更元、确定各子系统的位置、设定各个子系统的开关时间、确定可维修单元的故障分布、建立维修保障事件调度模型和运行离散事件动态仿真与优化等步骤。本发明的一种基于故障合成的复杂系统维修保障仿真优化方法综合考虑了子系统的异地分布、异步工作特性，以及各组成部分故障分布的多样性和时变性，提出了一种新的故障生成模型——时变指数分布，即认为故障率是一个随时间变化的变量。该模型能够将设备老化、设备开关机对寿命的不同影响等实际因素考虑进去，使得故障的模拟更加科学全面，为维修保障仿真优化结果的合理性奠定基础。

说明书

技术领域

本发明涉及复杂系统的维修保障仿真优化方法。更具体地，涉及一种基于故障合成的复杂系统维修保障仿真优化方法。

背景技术

复杂系统通常是由功能独立的子系统构成，各子系统不仅可能部署在不同的地点，而且各自的运行状态也可能有所区别(例如开关机时间上有所区别)；同时每个子系统往往由若干个单元构成，每个单元的故障分布各不相同，而且故障分布具有时变特性，即故障分布会随着该单元的累积运行时间延长而发生变化。

对于这样的复杂系统进行维修保障时，需要配备必要的保障资源，包括维修设备、工具和备件等。在满足系统可用性要求下，应尽可能降低维修保障成本，因此，需要优化保障资源的配置，对此基于离散事件动态仿真进行优化是行之有效的方法。离散事件动态仿真系统的运行是由事件驱动的，在维修保障仿真系统中的驱动事件是故障发生事件，因此，复杂系统的故障生成模型是否科学合理，直接影响了仿真结果的准确性和可信性。目前维修保障过程建模仿真方法已形成丰富的研究成果，中国专利CN101477588B公开了一种基于Petri网模型的设备保障仿真方法，该方法将Petri网中资源、库所、变迁等已有概念与复杂系统中的资源、位置、行为及其动态协作等实际概念相对应，利用Petri网实现了复杂系统的仿真过程,但都没有适用于子系统具有异地分布、异步工作特性，同时各组成部分的故障分布具有多样性和时变性的复杂系统故障生成方法，因而限制了维修保障方案的性能评估和优化。

因此，需要提供一种基于故障合成的复杂系统维修保障仿真优化方法。

发明内容

本发明的一个目的在于提供一种基于故障合成的复杂系统维修保障仿真优化方法，该方法可以有效解决复杂系统子系统异地分布、异步工作，故障分布多样性、时变性的故障生成问题，从而可以更有效地实现对维修保障方案的评估和优化。

为达到上述目的，本发明采用下述技术方案：

一种基于故障合成的复杂系统维修保障仿真优化方法，包括以下步骤：

第一步确定子系统及可维修更元

根据复杂系统的组成结构和部署位置，将位于不同部署位置的组成部分划分为子系统；并根据各子系统的产品层次结构和维修保障方案，确定可维修单元。

第二步确定各子系统的位置

选取复杂系统外或系统内一点作为参照点，通过描述各子系统距离参照点的距离关系确定各子系统的位置关系，位置关系可以采用距离以及行车速度等描述，也可以用行车时间来描述。

第三步设定各个子系统的开关时间

根据各子系统的工作时间和维修保障方案中规定的预防性维修工作周期，初步确定各子系统的开关机时间。在仿真运行过程中，各子系统的开关机状态还受到子系统正常或故障状态的影响。当子系统在开机状态发生了导致停机的故障后，子系统转入关机状态。

子系统在开机状态和关机状态都可能发生故障，但是存在以下不同：

1、在两种状态下发生的故障密度不同；

2、在开机状态下发生的故障能够得到实时反映，而关机状态发生的故障只有在下一个开机状态开始时刻才能得到反映。

因此，需要区分各个子系统的开机时间和关机时间。在不同的状态采用不同的故障密度函数模拟故障。

第四步确定可维修单元的故障分布

对于复杂系统来说，故障分布类型常采用指数分布模型，即认为故障率是一个常数，但这种模型不能反映元器件和材料的性能退化情况。因此本发明中采用时变指数分布模型，即认为故障率是一个随时间变化的变量，则每个可维修单元的故障密度函数具有如下的形式：

f(x)＝λ(t)exp(-λ(t)x)(1)

其中：

(a)x是从本次加电开始到发生故障的时间，x≥0。

(b)λ(t)是故障率，是累积等效工作时间t的函数，取λ(t)＝at+b(a≥0,b>0)。考虑设备开关机时间对寿命的不同影响，将设备关机时间和停机时间乘以一个折合系数将其等效成一定的工作时间，即t用下式来计算：

t＝t_on+η(t_off+t_break)0<η<1(2)

t_on表示开机正常工作的时间，t_off表示关机的时间，t_break表示因故障而停机的时间，η表示关、停机时间折算成工作时间的折合系数，可用非工作状态下的故障率与工作状态下的故障率之比计算。

在模型(1)中，产品的平均故障间隔时间的期望EX＝1/λ(t)＝1/(at+b)，随着时间的延长而减小的，能够反映设备的老化情况。元器件和材料的性能退化的速率与参数a相关，通常，a相对b很小。当a＝0时，模型(1)退化成参数为λ＝b，即指数分布模型。

第五步建立故障维修保障事件调度模型

根据故障的严酷程度设定故障初始优先级，严酷程度越高的故障，初始优先级越高，再根据故障发生时间的先后顺序动态确定每个故障的优先级，故障发生的越早，优先级越高。当异地分布、异步工作的各子系统产生故障后，依据故障的初始优先级，统一对发生的所有故障事件进行排队调度。优先级高的故障先维修，若初始优先级相同时，先发生的故障先维修。

第六步运行离散事件动态仿真与优化

根据需求确定维修保障仿真优化目标、优化变量、约束条件和优化算法。根据优化目的设定优化目标函数；根据优化对象设定优化变量；当优化问题不收敛时，需要设定约束条件，约束条件是约束优化变量变化范围的条件；优化算法选择遗传算法。设定仿真时间，根据各子系统开关机时间和可维修单元的故障分布模型，进行随机故障抽样，模拟故障发生后，按照故障维修保障事件调度模型确定的维修顺序，进行故障排队，依次调用保障资源至故障子系统的位置进行维修，直至故障排除。设定仿真次数，采用离散事件驱动的方法进行多次迭代的仿真优化，并对仿真优化结果进行分析。

本发明的有益效果如下：

本发明的一种基于故障合成的复杂系统维修保障仿真优化方法综合考虑了子系统的异地分布、异步工作特性，以及各组成部分故障分布的多样性和时变性，提出了一种新的故障生成模型——时变指数分布，即认为故障率是一个随时间变化的变量。该模型能够将设备老化、设备开关机对寿命的不同影响等实际因素考虑进去，使得故障的模拟更加科学全面，为维修保障仿真优化结果的合理性奠定基础。

本发明的一种基于故障合成的复杂系统维修保障仿真优化方法1、适用于多个子系统异地分布的情形。所有子系统产生的故障根据其优先级排成一个虚拟队列，等待调用维修资源排除。2、适用于多个子系统异步工作的情形。每个子系统可以根据自己的开关机或停机状态产生故障。3、子系统间相对独立，当改变系统规模(子系统的个数)时，其它部分不需要改变，可扩展性好。4、故障生成模型适用面广，可以涵盖设备老化对寿命的不同影响等因素。本发明可广泛用于复杂系统维修保障的仿真优化以及其它和故障产生有关的复杂系统的仿真中。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明的实施例1的系统构成及位置关系示意图。

图2示出本发明的实施例1仿真框架示意图。

图3示出本发明的实施例1的维修资源优化过程示意图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

实施例1

一种基于故障合成的复杂系统维修保障仿真优化方法的具体步骤为：

第一步确定子系统及可维修更元

根据复杂系统的组成结构和部署位置，将位于不同部署位置的组成部分划分为子系统。并根据各子系统的产品层次结构和维修保障方案，确定可维修单元。

一个数据处理系统由A、B、C三台异地分布的刀片服务器构成。其中，服务器A由1、2、3、4、7五个可维修单元构成；服务器B由1、2、3、5、7五个可维修单元构成；服务器C由1、2、3、6四个可维修单元构成。

第二步确定各子系统的位置

选取复杂系统外或系统内一点作为参照点，通过描述各子系统距离参照点的距离关系确定各子系统的位置关系，位置关系可以采用距离以及行车速度等描述，也可以用行车时间来描述。

当任意一台服务器的可维修单元发生故障时，需要到维修库房取备件和设备工具。取维修库房为参照点，A、B、C三台服务器距离维修库房的行车时间都是2小时。数据处理系统构成及位置关系示意图如图1所示。

第三步确定各个子系统的开关时间

根据各子系统的工作时间和维修保障方案中规定的预防性维修工作周期，初步确定各子系统的开关机时间。在仿真运行过程中，各子系统的开关机状态还受到子系统正常或故障状态的影响。当子系统在开机状态发生了导致停机的故障后，子系统转入关机状态。

子系统在开机状态和关机状态都可能发生故障，但是存在以下不同：

1、在两种状态下发生的故障密度不同；

2、在开机状态下发生的故障能够得到实时反映，而关机状态发生的故障只有在下一个开机状态开始时刻才能得到反映。

因此，需要区分各个子系统的开机时间和关机时间。在不同的状态采用不同的故障密度函数模拟故障。

每台服务器每天工作4小时(h)。每日进行一次日维护，时间为0.5h；每周进行一次周维护，时间为2h；每月进行一次月维护，时间为1天，每天8h；每年进行一次年维护，时间为5天，每天8h。月维护和年维护时，服务器当天不再工作；日维护和周维护后，服务器正常工作。

设定每台服务器的日维护都在一天正常工作之前，周维护在一周的最后一天。月维护和年维护对于每台服务器不同。A、B、C的月维护分别在一个月的上旬、中旬和下旬进行，年维护分别在4月底、8月底、12月底进行。由于月维护和年维护的不同安排，服务器的开机时间存在异步情况。

第四步确定可维修单元的故障分布

对于复杂系统来说，故障分布类型常采用指数分布模型，即认为故障率是一个常数，但这种模型不能反映元器件和材料的性能退化情况。因此本发明中采用时变指数分布模型，即认为故障率是一个随时间变化的变量，则每个可维修单元的故障密度函数具有如下的形式：

f(x)＝λ(t)exp(-λ(t)x)(1)

其中：

(a)x是从本次加电开始到发生故障的时间，x≥0。

(b)λ(t)是故障率，是累积等效工作时间t的函数，取λ(t)＝at+b(a≥0,b>0)。考虑设备开关机时间对寿命的不同影响，将设备关机时间和停机时间乘以一个折合系数将其等效成一定的工作时间，即t用下式来计算：

t＝t_on+η(t_off+t_break)0<η<1(2)

其中t_on表示开机正常工作的时间，t_off表示关机的时间，t_break表示因故障而停机的时间，η表示关、停机时间折算成工作时间的折合系数，可用非工作状态下的故障率与工作状态下的故障率之比计算。

在模型(1)中，产品的平均故障间隔时间的期望EX＝1/λ(t)＝1/(at+b)，随着时间的延长而减小的，能够反映设备的老化情况。元器件和材料的性能退化的速率与参数a相关，通常，a相对b很小。当a＝0时，模型(1)退化成参数为λ＝b，即指数分布模型。

A、B、C服务器内各可维修单元的故障分布类型及参数如表1所示。其中，可维修单元1、2、3是三个服务器共有的，由于三个服务器位置不同导致工作环境差异，由此带来可维修单元1在三个服务器内的故障分布不同，可维修单元2和3在三个服务器的故障分布相同。

当参数a为0时，是指数分布模型；当参数a不为0时，是时变指数分布模型。非工作状态下，故障率假定为非工作状态下的0.2倍，即式(2)中η＝0.2。

表1各服务器可维修单元故障分布及参数表

第五步建立故障维修保障事件调度模型

根据故障的严酷程度设定故障初始优先级，严酷程度越高的故障，初始优先级越高，再根据故障发生时间的先后顺序动态确定每个故障的优先级，故障发生的越早，优先级越高。当异地分布、异步工作的各子系统产生故障后，依据故障的初始优先级，统一对发生的所有故障事件进行排队调度。优先级高的故障先维修，若初始优先级相同时，先发生的故障先维修。

可维修单元1、4、5故障时，将导致整个数据处理系统故障停机；可维修单元2、3、6、7故障时，将导致整个数据处理系统延时停机。因此，可维修单元1、4、5故障的初始优先级高于可维修单元2、3、6、7。设定可维修单元1、4、5故障的初始优先级为1，可维修单元2、3、6、7故障的初始优先级为2。

第六步运行离散事件动态仿真与优化

根据需求确定维修保障仿真优化目标、优化变量、约束条件和优化算法。根据优化目的设定优化目标函数；根据优化对象设定优化变量；当优化问题不收敛时，需要设定约束条件，约束条件是约束优化变量变化范围的条件；优化算法选择遗传算法。设定仿真时间，根据各子系统开关机时间和可维修单元的故障分布模型，进行随机故障抽样，模拟故障发生后，按照故障维修保障事件调度模型确定的维修顺序，进行排队，依次调用保障资源至故障子系统的位置进行维修，直至故障排除。设定仿真次数，采用离散事件驱动的方法进行多次迭代的仿真优化，并对仿真优化结果进行分析。

设定优化目标为费效比最小，效能用整个数据处理系统的使用可用度表征，费用用可维修单元备件的总费用表征，其中每个可维修单元1、2、3、4、5、6、7的费用分别为1、2、3、3、1、2、10千元，费效比如式(3)所示，即：

min(n₁+2n₂+3n₃+3n₄+n₅+2n₆+10n₇)/Ao(3)

其中n_i(i＝1,...,7)是可维修单元i对应备件的数量，即优化变量。优化算法采用遗传算法。

每次仿真时长设定为25632小时(三年)，根据各服务器开关机时间和可维修单元的故障分布模型，进行随机故障抽样，模拟故障发生后，按照故障维修保障事件调度模型确定的维修顺序，进行排队，依次调用保障资源至故障服务器的位置进行维修，直至故障排除，仿真框架如图2所示。仿真次数设定为20次。遗传算法的寻优过程如图3，实线表示目标值，由左侧标尺读出；虚线表示收敛度，由右侧标尺读出；横坐标表示迭代次数。系统费效比仿真结果为911。备件数量的优化结果如表2，总费用为84.7万元。系统使用可用度仿真结果如表3所示。

表2优化的备件数量

备件名称 备件数量 单元1 101 单元2 127 单元3 54 单元4 40 单元5 40 单元6 40 单元7 9

表3优化方案的使用可用度

由3表可以看出，利用基于故障合成的复杂系统维修保障仿真优化方法，确定数据处理系统的三个异地分布、异步工作的刀片服务器的位置和开关机时间，采用时变指数分布模型作为三个服务器中可维修单元的故障分布模型，并根据故障严酷程度和发生时间设定故障优先级，依次调度维修保障事件，对离散事件进行动态仿真与优化后，得到数据处理系统Ao的方差较小，优化和仿真的结果可信度较高。

上述各实施例仅用于说明本发明，其中子系统的结构、故障分布模型的参数、开关机的设定等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。