杜海东，曹军海，刘福胜

(陆军装甲兵学院 装备保障与再制造系， 北京 100072)

多阶段任务系统(Phased-Mission System，PMS)典型特点是操作和任务过程的多样性，以及任务过程连续性以及不完全覆盖性。由于系统各任务阶段具有不同的成功判断条件，因而在每个任务阶段，系统的结构(或功能模型)、部件的故障活动以及故障分布各异，上述问题广泛存在于航空航天、核电、飞机的火控以及分布式计算系统[1]中。由于任务过程的多阶段性，仍在单一任务剖面对上述问题进行求解，不能准确反映系统可靠性的变化过程，甚至得到错误的结论。对于PMS可靠性的分析，传统解析模型计算以及仿真分析方法较为常用[2]，其中解析方法主要包括以下3类：组合方法[3-4]，基于Markov链或Petri网状态空间分析[5-6]，以及上述2种方法的综合使用[7-8]，尽管建模思想比较好理解，但具体求解过程过于繁琐[9-10]。

针对上述建模的不精确性和求解过程的复杂性问题，本文将Bayes网络用于多阶段任务系统的可靠性分析，借助其在模型描述、功能分析以及计算复杂度方面的优势，准确刻画不同任务阶段系统结构及行为的动态变化。根据Bayes网络双向推理的优势，一方面实现了系统任务可靠度的准确预测；另一方面，可实现对不同任务阶段子系统及关键部件的重要度推算，用作装备任务过程中系统部件维修判断的依据。

1 多阶段任务可靠性模型

多阶段任务系统中各阶段任务过程可靠性模型可通过框图法或故障树进行构建，经组合构成整体任务可靠性模型，如图1所示。……