史长亭，张汝波

(哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001)

智能水下机器人(autonomous underwater vehicle，AUV)由于工作环境的复杂性﹑外界因素的未知多变性，使得任何细微的故障都有可能产生灾难性的后果，这也对水下机器人软件系统的可靠性提出了更高的要求［1］.因此，如何对水下机器人软件系统的失效模式进行有效分析，帮助准确定位机器人的失效原因和评价各种软件失效对系统造成的影响，从而提出针对性改进措施，进而提高水下机器人软件系统的可靠性与安全性将具有重要的意义.

软件失效模式影响分析(software failure modes and effects analysis，SFMEA)是对软件及软件所嵌入的系统进行的一种可靠性、安全性设计与分析方法［2-3］.但是传统失效模式影响分析(failure modes and effects，FMEA)，风险评估过程主要是通过计算风险顺序数(risk priority number，RPN)来评估产品或系统的风险等级［4-5］，其中RPN是发生率O、严重度S和难检度D三者的乘积.这样在由不同O、S、D相乘得到相同的RPN值的情况下，各种失效模式对于系统的风险作用并不相同［6］.另外，传统FMEA也很难对主观或定性的描述语言变量做出准确判断，这些都极大地限制了FMEA的使用效果.

针对传统FMEA存在的上述缺陷，Bowles和Antonio等人将模糊推理系统的方法技术应用到FMEA中［7］，Pillay等将灰色关联决策应用到FMEA的研究框架中［8］.门峰研究了基于模糊集理论和灰色关联理论的FMEA方法［9］.现有的方法都是只将O、S、D三者的值作为单值来处理，而在水下机器人实际系统中，由于任务的复杂性，机器人在执行不同的任务过程中，各……