Reliability and Risk Assessment of Aircraft Electric Systems

• Autorzy: He L. , Yin C. , Peng W. , Yuan R. , Huang H.-Z.

Warianty tytułu

PL

Niezawodność i ocena ryzyka układu elektrycznego samolotu

• Języki publikacji: EN

Abstrakty

EN

It is rather difficult in identifying the fault location and performing risk assessment for complex electronic systems. In this paper a reliability assessment method based on the interval analytic hierarchy process (IAHP) and Bayesian network is proposed to facilitate reliability and risk assessment. After considering the major fault factors, the interval eigenvector method (IEM) is also presented to assess the reliability and comprehensive weights of subsystems. The conditional probability matrices for the factors of risk are defined using an inference rule. Then an updating model of information fusion in the context of Bayesian network is established to assess the risk of system. The proposed method is demonstrated through the risk assessment of an aircraft electric system. The result of the illustrative example shows that the proposed method can not only incorporate the evidence information, but also synthesize all the historical information. A further dynamic adjustment in the safety and risk priority of control measures is quite effective to improve the reliability while mitigating the risk of the electric system.

PL

Lokalizacja uszkodzeń oraz ocena bezpieczeństwa i ryzyka w przypadku złożonych systemów elektronicznych jest zadaniem dość trudnym. W niniejszej pracy zaproponowano metodę prognozowania niezawodności opartą na procesie przedziałowej hierarchii analitycznej (IAHP), która ma na celu ułatwienie diagnozy uszkodzeń i kontroli ryzyka. Po rozważeniu głównych czynników wywołujących uszkodzenia, zaprezentowano metodę przedziałowych wektorów własnych oraz zdefiniowano, przy użyciu reguły wnioskowania, macierze prawdopodobieństwa dla czynników wpływających na bezpieczeństwo i ryzyko. Następnie, stworzono odnawialny model fuzji informacji w kontekście wnioskowania bayesowskiego służący do oceny stanu zagrożenia Udowodniono, iż włączenie wiedzy eksperckiej do dynamicznej symulacji ułatwia lokalizację uszkodzeń oraz pozwala uzyskać informacje dotyczące diagnozy uszkodzeń. Studium przypadku pokazuje, że dynamiczne dostosowanie priorytetowości związanej z bezpieczeństwem i ryzykiem stosowanych środków kontroli w sposób dość skuteczny zwiększa niezawodność przy jednoczesnym zminimalizowaniu ryzyka w złożonym systemie elektronicznym.

Słowa kluczowe

EN

interval analytic hierarchy process; interval eigenvector method; Bayesian network; information fusion; risk assessment

PL

proces przedziałowej hierarchii analitycznej; metoda przedziałowych wektorów własnych; sieć bayesowska; fuzja informacji; ocena ryzyka

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2014
• Tom: Vol. 16, no. 4
• Strony: 497--506
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

He L.

• School of Mechanical, Electronic, and Industrial Engineering University of Electronic Science and Technology of China No. 2006, Xiyuan Avenue, West Hi-Tech Zone Chengdu, Sichuan, P. R. China, 611731

autor

Yin C.

• School of Mechanical, Electronic, and Industrial Engineering University of Electronic Science and Technology of China No. 2006, Xiyuan Avenue, West Hi-Tech Zone Chengdu, Sichuan, P. R. China, 611731

autor

Peng W.

• School of Mechanical, Electronic, and Industrial Engineering University of Electronic Science and Technology of China No. 2006, Xiyuan Avenue, West Hi-Tech Zone Chengdu, Sichuan, P. R. China, 611731

autor

Yuan R.

• School of Mechanical, Electronic, and Industrial Engineering University of Electronic Science and Technology of China No. 2006, Xiyuan Avenue, West Hi-Tech Zone Chengdu, Sichuan, P. R. China, 611731

autor

Huang H.-Z.

• School of Mechanical, Electronic, and Industrial Engineering University of Electronic Science and Technology of China No. 2006, Xiyuan Avenue, West Hi-Tech Zone Chengdu, Sichuan, P. R. China, 611731

Bibliografia

• 1. Asan U, Soyer A, Serdarasan S. A fuzzy analytic network process approach. France: Atlantis Press, 2012.
• 2. Buckley JJ, Feuring T, Hayashi Y. Fuzzy hierarchical analysis. IEEE International Conference on Fuzzy Systems 1999; 5(2): 1009-1013.
• 3. Entani T, Sugihara K. Uncertainty index based interval assignment by interval AHP. European Journal of Operational Research 2012; 219(2):379-385.
• 4. Fu Y, Wu XP, Ye Q. Approach for information systems security situation evaluation using improved FAHP and Bayesian network. Journal on Communications 2009; 30(9): 135-140.
• 5. Hao QB, Yang ZJ, Chen CH, Chen F, Li GF. Reliability prediction for NC machine tool based on interval AHP. Journal of Jilin University (Engineering and Technology Edition) 2012; 42(4): 845-850.
• 6. He LP, Huang HZ, Pang Y, Li YF, Liu Y. Importance identification for fault trees based on possibilistic information measurements. Journal of Intelligent and Fuzzy Systems 2013; 25 (4): 1013-1026.
• 7. He LP, Xiao J, Huang HZ, Luo ZQ. System reliability modeling and analysis in the possibility context. In Proceedings of the 2012 International Conference on Quality, Reliability, Risk, Maintenance, and Safety Engineering (ICQR2MSE) 2012; 3: 1532-1538.
• 8. Liu HC, Lin QL, Ren ML. Fault diagnosis and cause analysis using fuzzy evidential reasoning approach and dynamic adaptive fuzzy Petri nets. Computer & Industrial Engineering, 2013, (66): 899-908.
• 9. Moore R, Lodwick W. Interval analysis and fuzzy set theory. Fuzzy Sets and Systems 2003; 135(1): 5-9.
• 10. Pearl J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. San Francisco CA: Morgan Kaufmann Publishers, INC, 1998.
• 11. Peng Y, Zhang S, Pan R. Bayesian network reasoning with uncertain evidences. International Journal of Uncertainty, Fuzziness and Knowledge Based Systems 2010; 18(5): 539-564.
• 12. Qu PS, Dong WH, Sang ZG, Sheng Y. Intelligent fault diagnosis system research on aero engine. In Proceedings of the 2011 International Symposium on Computer Science and Society (ISSCSS 2011) 2011; 1: 63-66.
• 13. Rao RV. Multiple Attributes Decision Making in Manufacturing Environment. London: Springer, 2013.
• 14. Saaty TL. The Modern Science of Multicriteria decision making and its practical applications: The AHP/ANP Approach. Operations Research, 2013, 61(5): 1101-1118.
• 15. Shen CW, Cheng MJ, Chen CW, A fuzzy AHP-based fault diagnosis for semiconductor lithography process. International Journal of Innovative Computing Information and Control. 2011, 7(2): 805-815.
• 16. Wu ZH, Hsieh SJ, Li JZ. Sensor deployment based on fuzzy graph considering heterogeneity and multiple-objectives to diagnose manufacturing system. Robotics and Computer-Integrated Manufacturing, 2013, (29): 192-208.
• 17. Xiao GR. Models for multiple attribute decision making with intuitionist trapezoidal fuzzy information. International Journal of Advancements in Computing Technology 2011; 3(6): 21-25.
• 18. Yuan HB. Comprehensive decision of electrical apparatus control system failure based on AHP. Electrotechnical Application. 2006, 25(7): 42-44.