黄权欣１ 刘敬虎２
（1.中国人民解放军91055部队，浙江 台州 318500；2.中国人民解放军91576部队，浙江 宁波 315021）
【摘 要】综合保障的实践表明，保障任务的核心问题就是如何维护复杂装备的系统可靠度和运行可用度。可用度建模是解决这些问题的前提，随着新理论的不断涌现，对建模关键技术的研究越来越深入。分析了可用度模型的分类和建模过程中遇到的关键技术，论述了系统结构、寿命分布、使用维修等条件对可用度建模过程中的影响，并对建模方法的适应性进行了初步的探讨。
教育期刊网 http://www.jyqkw.com
关键词 可用度；建模方法；马尔科夫；更新过程
作为衡量装备战备完好与任务持续能力的重要参数——系统可用度，长期以来一直受到装备研制部门和装备使用部门的高度重视，它的优点在于其综合性很强，把装备的可靠性、维修性、测试性和保障性等设计特性综合为军方所关心的使用参数。[1-3]解决系统可用度问题的前提是建模，本文研究的目的就是提出一个可用度建模方法的框架，为深入研究打下基础。
1 建模方法分类
可用度的数学模型可以大致分为概率模型和统计模型两类：概率模型和统计模型。概率模型是指，从系统结构出发及部件的寿命分布、修理时间分布等等有关的信息出发，来推断出与系统寿命有关的可靠性数量指标，进一步可讨论系统的最优设计、使用维修策略等。其中概率模型根据系统相关时间的概率分布的不同又分为微积分模型、马尔科夫模型和更新过程模型。统计模型是指，从观察数据出发，对部件或系统的寿命、可靠性指标等进行估计和检验。
随着相关领域的发展，可用度的数学模型出现一类综合类模型，包括：基于离散事件的模型、基于神经网络的模型和基于遗传算法的模型等。可用度建模方法分类如图1所示。
2 模型研究
2.1 概率模型
1）微积分模型
主要根据基本的数学机理和单元可用度的内涵，依靠微积分的运算方法解算系统的可用度。设单元的故障概率密度函数为f（t），修复概率密度函数g（t），则其故障频率w（t），修复频率v（t）以及不可用度Q（t）的计算公式如下：
式中：f1（t）表示单元在t=0时刻是正常条件下故障概率密度函数；f2（t）表示单元在t=0时刻是被修复条件下故障概率密度函数。
此方法适用于服从任意分布的部件，针对可修复部件的可用度计算模型，采用逐次逼近方法，求解可用性指标的第二类Volterra积分方程，如式（5）所示。
这种积分模型适用于n中取m系统的平均稳态可用性，如核电厂的散热系统等。
2）马尔科夫模型
当系统的各组成部件的寿命、维修时间等相关时间均遵从指数分布，且部件失效和修复相互独立，只要适当定义系统的状态，总可以用马尔科夫过程来描述，这样的可修系统称为马尔科夫可修系统。
以n个不同单元组成的串联系统为例，马尔科夫模型如下，第i个单元的故障率为?姿i，维修率为ui。只要一个单元故障，系统就故障，进行维修，系统地状态集合为S={0，1，2，…，n}，其中系统正常工作状态集合为W={0}，系统故障状态集合为F={1，2，…，n}，系统状态概率向量表示为X={x0，x1，…，xn}，系统状态转移图如图2所示。
马尔科夫模型适用于系统稳态可用度的研究中，被广泛应用于对互联计算机通信网络，雷达等复杂电子系统的建模。
3）更新过程模型
其中，Ai（t）表示系统可用度。gi（t）是定义在[0，∞]上的非负、在任何有限区间上的有界函数，在计算可用度时，通常这个函数是不同装备服从任意分布的维修，寿命，保障延误的时间。
马尔科夫更新模型的建模流程：
（1）模型假设，构建服从一般分布的各统计量；
（2）系统状态转移关系确定；
（3）半马尔科夫表达式确立，并对相应的概率进行Laplace-Stieltjes变换；
（4）构建马尔科夫更新方程组，根据极限定理及洛比达法则求解系统稳态可用度，系统的瞬时可用度可根据更新方程组直接拉氏反变换求得。
马尔科夫更新模型适用于估算通用性的系统效能，武器系统的可用性及备件更换方面等。其优点在于能适应各种分布类型的问题求解，不足之处是计算过于繁琐。
2.2 统计模型
现场数据统计方面的研究主要是按照可用度的定义，对历史数据或仿真数据进行研究，运用数理统计的基本理论与方法得到的相应结论，即统计规律意义上的装备可用度的估计值或置信区间。
这里我们重点介绍蒙特卡洛仿真方法。对于复杂可修系统或者寿命或维修时间不遵从指数分布的系统的可用度分析，经常还需要借助仿真技术来实现，蒙特卡洛（Monte Carlo）仿真是常用的仿真技术。
蒙特卡洛仿真的步骤：
（1）构造或描述概率过程；
（2）实现从已知概率分布抽样；
（3）建立各种估计量。
蒙特卡洛仿真方法一般不单独使用，它一般有模型条件的限制和输入数据的要求。根据一般可用性仿真的要求，建立了仿真方法的一般流程示意图，如图4所示。
统计方法通过历史数据或仿真数据，只能获得系统可用度的估计值或置信区间，无法获得系统准确的瞬时可用度。并且这种统计意义下的系统瞬时可用度根本无法反映系统瞬时可用度波动的内在机理，不利于研究的展开。但是，统计方法却可以作为模型有效性验证的重要工具。
2.3 综合类模型
随着相关领域的发展，离散事件、神经网络和遗传算法等模型被广泛的应用于可用度的s建模领域。文献[4]建立了对预防性维修的单部件离散可修系统的瞬时可用度模型，利用概率分析的方法详细讨论了系统正常、修复性维修和预防性维修3个状态之间的转移关系。文献[5]利用神经网络学习能力强，分布式，并行性和非线性的特点，结合装备可用度的计算要求，建立预测模型，通过训练及预测结果，确定网络模型结构。文献[6]针对部件寿命服从非指数分布，维修属于非马尔科夫过程的复杂设备为对象，以系统可用度为优化目标，以预防性维修周期为优化变量，基于蒙特卡洛和遗传算法研究预防性维修策略的优化问题，建立了设备可用度的优化模型，并将遗传算法中的个体进化搜索用于维修策略优化。同时，粒子群算法也被应用于可用度的建模中。
2.4 模型的适应性
表1是对各种模型适应性的分析，经过研究得出每一种建模方法适用于可用度建模的类型、考虑因素和应用领域。
3 总结
在可用度建模过程中，由于各种原因，往往遇到很多困难，本文的研究提出了一套较为完整的可用度建模方法，全面的分析了各种方法的适用条件和考虑因素，为复杂系统的可用度建模提供了依据，为设计和保障具有高可用性的装备提供了技术支持。
教育期刊网 http://www.jyqkw.com
参考文献
［１］Machere Y， Koehn P， Sparrow D．Improving reliability and operational availability of military systems[Ｃ]// IEEE Aerospace Conference.2005，3489-3957.
［２］徐廷学．导弹武器系统的使用可用度[J]．航空科学技术，2000，3：34-35.
［３］单志伟．装备综合保障工程[M]．国防工业出版社．2007，4-5.
［４］杨懿，王立超，邹云．考虑预防性维修的离散时间单部件系统的可用度模型[J]．航空学报，2009，30（1）：67-69.
［５］段志勇，张彤，等．基于BP神经网络的飞机完好率建模研究[J]．航空计算技术，2007，37（3）：37-40.
［６］苏春，许映秋．基于遗传算法和蒙特卡洛仿真的设备维修策略优化[J]．东南大学学报，2006，36（6）：941-946.
［责任编辑：邓丽丽］