[發明專利]基于隨機Petri網的分層航空操作系統HM/FM建模與評價方法

有效

• 申請號: 201110456648.6
• 申請日: 2011-12-30
• 公開（公告）號: CN102592011A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 林闖;萬劍雄;向旭東;孔祥震;李建祥;白曉穎
• 申請（專利權）人: 清華大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 賈玉健

1.基于隨機Petri網的分層航空操作系統HM/FM建模與評價方法，其特征在于，包括以下步驟：

步驟1，建立所有組件的隨機Petri網模型，包括被監控對象模型、HM模型以及FM模型，

其中，

被監控對象模型分為簡單對象與耦合對象，

簡單對象是指獨立被監控對象，由一個亮狀態Petri網進行表示，working變遷的時延參數設置為該對象的平均無故障時間，一旦對象進入發生故障的狀態，在沒有外部干預的情形下，它無法返回正常工作狀態；

耦合對象分為AND/OR耦合對象與傳播耦合對象，AND/OR耦合對象的working變遷為立即變遷，利用guard函數來保持“與或”錯誤的同步關系；傳播耦合對象用時間變遷propagating以及相關的guard函數來表達；

HM模型反映了健康監控模塊的行為，包括本層輪詢、下層輪詢、以及回應，本層輪詢是指HM模型周期性地輪詢當前層的被監控對象，若沒有發現錯誤，則返回，若發現錯誤，則激發當前層的FM模型，并返回，HM模型同時接受下層FM模型發送過來的錯誤報告；下層輪詢是指由HM模型向下一層發起的輪詢，并等待回應，當回應返回，則變遷Replied發生，若沒有發現故障，則返回空閑狀態，若發現故障，它會激發FM模塊并返回；回應是指HM模型接受到上層HM模型的輪詢請求，收集對象的健康信息，并將信息返回給上層HM模型；

FM模型由一系列故障處理器和一個故障匯報隊列依次串聯而成，第一個故障處理器從HM模型接收FM模型激發請求，首先，它檢查其負責的被監控對象是否位于正常工作狀態，若是，則跳過維修過程，并進入下一個故障處理器；否則，對故障對象進行維修，若維修失敗，則將維修失敗信息放進故障匯報隊列，故障匯報隊列收集所有維修失敗信息，并通知上層HM模型，下一個故障處理器順次進行該工作過程；

步驟2，進行模型的組合：

模型組合遵循三個標準，即系統對象的故障耦合方式、層間耦合方式、以及FM激發方式，系統對象的故障耦合方式分為AND/OR故障耦合與傳播故障耦合，層間耦合方式非為不進行下層輪詢與進行下層輪詢，FM激發方式分為本層FM激發與下層FM激發，根據這些物理系統的耦合方式，將步驟1中的Petri網子模型連接起來，構建完整的隨機Petri網模型；

步驟3，對完整的隨機Petri網模型進行化簡求解，方法如下：

步驟3.1，按照變遷實施的速率，將所有變遷分為兩個集合，即快實施集合與慢實施集合，其中所有的Working變遷，均是慢速變遷，其他變遷均是快速變遷；

步驟3.2，近似認為慢實施集合中的所有變遷都是不可觸發的，得到分離的Petri子模型；

步驟3.3，求解分離的Petri子模型的穩態概率分布，并以此得到壓縮的Petri子模型的變遷實施速率；

步驟3.4，求解壓縮的Petri子模型的穩態概率分布；

步驟4，對模型進行分析與評價：

步驟4.1，定義系統的可用性與平均反映時間兩種度量指標；

步驟4.2，利用步驟3.4中所得到的壓縮子模型的穩態概率分布，計算以上兩種指標的值，進行性能評價。

2.根據權利要求1所述的進行評價的方法，其特征在于，所述步驟3中，將每個分離的Petri子模型壓縮成一個位置，即用一個位置替代所述的分離的Petri子模型，并將子模型之間的變遷保留，獲得了一個壓縮的Petri網模型。

3.根據權利要求1所述的進行評價的方法，其特征在于，所述分離的Petri子模型的穩態概率分布是利用通用的隨機Petri網求解方法得出的，即首先求得Petri網的可達圖，并確定可達圖之間的轉移速率；其次，建立基于可達圖的連續時間馬爾科夫過程；最后，對連續時間馬爾科夫過程進行求解，則可得到原Petri網模型的穩態概率。

4.根據權利要求1所述的進行評價的方法，其特征在于，所述壓縮的Petri子模型的變遷實施速率使用時間數量級分級的方法得到：求得各個Petri網子模型的穩態概率，并根據這些概率，得到壓縮模型的變遷實施速率。

5.根據權利要求1所述的進行評價的方法，其特征在于，所述壓縮的Petri子模型的穩態概率分布利用通用的隨機Petri網求解方法得出的，即首先求得Petri網的可達圖，并確定可達圖之間的轉移速率；其次，建立基于可達圖的連續時間馬爾科夫過程；最后，對連續時間馬爾科夫過程進行求解，則可得到原Petri網模型的穩態概率。