复杂电子系统多态可靠性评估方法研究

盛达　徐存亮　钱贵鑫

摘  要：针对复杂电子系统单元结构试验信息少且分布类型多的特点，在研究多源信息融合方法的基础上，充分考虑验前分布对系统可靠性评估的影响，建立了验前信息的获取模型，提出了基于多态、多源信息融合的可靠性评估方法。结果表明，将无失败信息转换为成败型数据，合理利用验前信息，可有效实现多状态系统的可靠性评估;根据元件状态出现概率与系统可靠性状态密切关系，可追踪影响系统可靠性的关键检测模块，为解决电子装备潜在失败分析提供了一定参考。

关键词：电子系统;多状态可靠性;信息融合;综合评估

中图分类号：TB114.3 文献标志码：A 文章编号：2095-2945（2020）17-0139-03

Abstract： In view of the characteristics of less test information and many distribution types of complex electronic system unit structure， on the basis of studying the method of multi-source information fusion， and fully considering the influence of prior distribution on system reliability evaluation， the acquisition model of prior information is established. A reliability evaluation method based on polymorphic and multi-source information fusion is proposed. The results show that the reliability evaluation of multi-state system can be effectively realized by converting no failure information into success or failure data and making rational use of prior information. According to the close relationship between the occurrence probability of component state and the reliability state of the system， the key detection modules that affect the reliability of the system can be tracked， which provides a certain reference for solving the potential failure analysis of electronic equipment.

Keywords： electronic system; multi-state reliability; information fusion; comprehensive evaluation

引言

复杂电子系统特点是组成元件多、结构复杂且造价高，在对全系统进行可靠性分析时往往会遇到很多难题，所以利用生产和研制过程中各分系统或结构单元元器件的分项可靠性进行整合，得到全系统的验前分布，对系统的评估有着很重要的意义。假如可以进行系统级的试验，则可直接利用试验结构作为评估结论，如果没有系统级的试验，就只能利用验前信息对系统进行评估，如果可以进行少量试验，我们可以利用贝叶斯定理将验前信息与少量的试验系统进行融合得到验后分布，作为系统可靠性评估的数据支撑。值得注意的是，复杂电子系统结构复杂的特性，导致只利用成败模型进行检验，在一定程度上限制了评估结构的可信程度，对一些潜在的失败可能性可能造成忽视，所以利用多态模型，即可靠、潜在失败和失败等状态，可以提高系统评估的灵敏度。所以，在多源信息融合的基础上，建立基于验前信息的多态系统可靠性评估模型，对系统的可靠性评估具有一定的应用价值。本文研究的主要是在基于验前信息的多态系统可靠性评估模型对复杂电子系统的一种数据融合方法，对复杂电子系统可靠性评估提供一种参考方法。

1 多源信息融折合方法

1.1 单元结构试验信息的转换

为了使Bayes方法的可靠性修正公式能对工程实践发挥指导作用，首先将分析得到的分项数据，即以单元结构形式的验前数据，转换成一般的成败形式的数据。

2 对验前信息的处理

2.1 验前分布

工程实践中，对于服从二项分布的成败型的数据，在计算密度函数时，一般使用其共轭验前贝塔分布Beta（a，b），表达式为：

式中a，b为验前分布的超参数。有了验前分布，再对系统的现场数据进行试验取样，得到现场样本（n，y），n为样本容量（试验次数），y为样本中试验结果为成功的次数，依此就可以计算出系统的验后分布π（R|y）=Beta（a+y，b+n-y），验后分布就是推断关于系统各项状态的最基本的依据，包括系统可靠性的估计、系统状态的检验以及检测项目的提取等。

超参数的确定一般是基于验前信息，对于服从二项分布的样本，计算验前分布表达式（3-1）中的超参数a，b的方法有很多，查阅相关文献，国内和国外使用贝叶斯方法计算a，b时，绝大多数都是采用历史样本的方法，就是利用已生产的产品得到的试验数据。但这种方法是存在一定缺陷的，对于某些更新换代（或是新开发）的产品，历史数据与现场试验样本数据就来自了不同的总体，对于这种情况，产生的原因是多样的，比如说，在产品研發过程中对其结构工艺或是材料进行改进，或历史样本是由同类产品的试验得到的等。

上述问题的出现，可能会大大的影响对系统整体的可靠性的评估，尤其是对于一些现场试验样本本身就少的总体，产生的影响将会更大。下面以点估计问题为例，来分析这一问题。

假设用共轭验前分布来计算可靠度R的验后期望估计值，则表达式为：

式中q=n/（a+b+n），y/n为现场试验样本平均值，a/（a+b）是历史样本验前均值。根据式（3-2）可知，R的验后期望估计值是由现场样本均值（y/n）与历史樣本均值a/（a+b）经过加权平均后计算而来，加权系数是由样本容量n和超参数a，b决定。当（a+b）>>n时，加权系统将偏向于历史样本均值a/（a+b），具体来说，R的值将会主要有验前信息来确定，而现场样本对R的值影响将会变得较小。类似的，可以考虑区间估计的问题，并会得到同样的结论：大容量的验前信息“淹没”了现场较少的试验信息。由此可见，历史数据与现场试验数据来自不同总体时，继续使用历史数据确定系统的验前分布，显然是不合理的。

2.2 混合验前

若上述现场样本与历史样本的问题不可避免，来自不同的总体Y，Z，为了达到尽可能减小异总体对系统整体可靠性评估的影响，兼顾充分利用历史样本的信息的目的，这里使用了混合验前估计的方法。成败型的总体，混合验前估计可表示为：

根据上诉方法，对某舰艇复杂电子装备进行了数据仿真，设立三态提取项目，即可靠、失败、潜在失败，分别用图1中▼（可靠）、★（失败）、●（潜在失败）来表示三种状态可能出现的概率，对该型电子系统进行了100次实验，仿真结果如图1所示，从仿真的数据我们可以分析得到：一是在仿真过程中，通过各分系统或是各组成部分状态数据的融合，可以看出分系统或组成部分的不稳定性导致了整个系统状态的多样性;二是潜在失败性作为次实验的一个提取项目，其出现概率对整个系统的稳定性有很大的影响;三是通过对仿真数据的分析和系统的多态性，我们可以利用该方法确定检测系统相关的检测项目;四是本文研究的数据处理方法对复杂电子系统可靠性的评估确实有效。

4 结束语

本文研究的基于融合信息的电子系统多态可靠性评估方法，面向具有“可靠-潜在失败-失败”三种状态的电子系统，提出了试验数据无失败情况下的验前信息获取方法，在成败模型的基础上，提出一种基于多态的复杂电子系统可靠性评估的方法，即有效的融合历史数据和现场试验数据，以二项分布的形式实现多态系统的验前信息的融合，为结构复杂，造价高昂，子系统单元结构复杂的多态电子系统失败模型分析提供一个可借鉴的方法。

参考文献：

[1]张士峰，樊树江，张金槐.成败型产品可靠性的Bayes评估[J].兵工学报，2001（2）：238-240.

[2]吴东昕，赵炳全，等.简化贝叶斯方法在核电厂可靠性评定中的应用[J].原子能科学技术，2000（3）：193-298.

[3]曾照洋，任占勇.基于多状态的系统可靠性预计[J].航空标准化与质量，2008（4）：43-46.

[4]黄景德.复杂电子装备潜隐性故障诊断关键技术研究[J].计算机测量与控制，2010，2：243-245.

[5]段立召，黄景德，郝学良.基于贝叶斯网络的多状态电子系统可靠性分析[J].大连舰艇学院学报，2010（1）：82-85.