基于多目标人工蜂鸟算法的研制保证等级分配

doi:10.7527/S1000-6893.2024.30946

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于多目标人工蜂鸟算法的研制保证等级分配

崔瑀欣¹, 陆中¹(), 周伽²

^1.南京航空航天大学民航学院，南京 211106
^2.东方航空技术有限公司江苏分公司生产控制中心，南京 211106

收稿日期:2024-07-15 修回日期:2024-08-07 接受日期:2024-10-14 出版日期:2024-10-24 发布日期:2024-10-23
通讯作者: 陆中 E-mail:luzhong@nuaa.edu.cn
基金资助:
国家重点研发计划(2023YFB4302403);中央高校基本科研业务费专项资金(NG2023003)

Development assurance level assignment based on multi-objective artificial hummingbird algorithm

Yuxin CUI¹, Zhong LU¹(), Jia ZHOU²

^1.College of Civil Aviation，Nanjing University of Aeronautics & Astronautics，Nanjing 211106，China
^2.Center of Production Control，Eastern Airlines Technic Co. ，Ltd. ，Jiangsu Branch，Nanjing 211106，China

Received:2024-07-15 Revised:2024-08-07 Accepted:2024-10-14 Online:2024-10-24 Published:2024-10-23
Contact: Zhong LU E-mail:luzhong@nuaa.edu.cn
Supported by:
National Key Research and Development Program of China(2023YFB4302403);Fundamental Research Funds for the Central Universities of China(NG2023003)

摘要/Abstract

摘要：

分配研制保证等级（DAL）是飞机系统研制过程中的一项重要工作，通常要求在满足DAL分配原则的基础上使得研制成本最小。构建了一种面向DAL分配的多目标优化模型，该模型将DAL分配原则和顶层失效状态概率要求分别作为定性和定量约束条件，以研制成本和系统重量最小化为优化目标，将为系统中功能或项目分配的DAL作为决策变量；在此基础上，提出了基于多目标人工蜂鸟算法的DAL分配方法。结合某飞机电传飞控系统给出了DAL分配实例，得到DAL分配的非支配解集。在相同测试条件下，与多目标粒子群算法相比，提出方法的运行时间缩短了17.59%，超体积指标（HV）提高了63.49%，表明提出方法能够快速收敛、求得的解集具有良好的分布性。

关键词: 系统安全性, 研制保证等级分配, 多目标优化, 多目标人工蜂鸟优化算法, 失效概率

Abstract:

Development Assurance Level （DAL） assignment is an important task in the process of aircraft system development. It is usually required to minimize development costs on the basis of satisfying the DAL assignment principles. A multi-objective optimization model for DAL assignment is constructed. The DAL assignment principles and the top-level failure condition probability requirement are taken as qualitative and quantitative constraints， respectively. The optimization objectives are the minimization of development cost and system weight. The DALs assigned to functions or items in the system are taken as decision variables. Besides， a method for DAL assignment is proposed based on the multi-objective artificial hummingbird algorithm. A case study is given based on a fly-by-wire system， and a non-dominated solution set for DAL assignment is obtained. Under the same test condition， the proposed method reduces the execution time by 17.59% and improves the HV metric by 63.49% compared with multi-objective particle swarm optimization， which indicates that the proposed method can converge quickly and the obtained solution set has good distribution.

Key words: system safety, Development Assurance Level (DAL) assignment, multi-objective optimization, multi-objective artificial hummingbird algorithm, failure probability

中图分类号:

V328.5

崔瑀欣, 陆中, 周伽. 基于多目标人工蜂鸟算法的研制保证等级分配[J]. 航空学报, 2025, 46(4): 330946.

Yuxin CUI, Zhong LU, Jia ZHOU. Development assurance level assignment based on multi-objective artificial hummingbird algorithm[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(4): 330946.

图/表 15

表1

图 1

图 2

图 3

表2

图 4

表3

表4

表5

图 5

表6

表7

表8

图 6

表9

参考文献 33

1	Society of Automotive Engineers International. Guidelines for development of civil aircraft and systems： ARP 4754B ［S］. Warrendale： SAE， 2023.
2	Radio Technical Commission for Aeronautics. Software considerations in airborne systems and equipment certification： RTCA DO-178C ［S］. Washington D.C.： RTCA， 2011.
3	Radio Technical Commission for Aeronautics. Design assurance guidance for airborne electronic hardware： RTCA DO-254 ［S］. Washington D.C.： RTCA， 2000.
4	Society of Automotive Engineers International. Guidelines for conducting the safety assessment process on civil aircraft， systems， and equipment： ARP 4761A ［S］. Warrendale： SAE， 2023.
5	International Electrotechnical Commission. Functional safety of electrical/electronic/programmable electronic safety-related systems：［S］. Geneva： IEC， 2010.
6	European Committee for Electrotechnical Standardization. Railway applications-The specification and demonstration of reliability， availability， maintainability and safety （RAMS）： EN 50126 ［S］. Brussels： CENELEC， 2017.
7	European Committee for Electrotechnical Standardization. Railway applications-Communication， signalling and processing systems-Software for railway control and protection systems： EN 50128 ［S］. Brussels： CENELEC， 2020.
8	European Committee for Electrotechnical Standardization. Railway applications-Communication， signalling and processing systems-Safety related electronic systems for signalling： EN 50129 ［S］. Brussels： CENELEC， 2020.
9	LI J. Safety integrity level （SIL） allocation on monorail rolling stock［C］∥2021 Joint Rail Conference. American Society of Mechanical Engineers， New York： The American Society of Mechanical Engineers， 2021.
10	OUEDRAOGO K A， BEUGIN J， EL-KOURSI E M， et al. Toward an application guide for safety integrity level allocation in railway systems［J］. Risk Analysis， 2018， 38（8）： 1634-1655.
11	燕飞，唐涛，闫宏伟. 安全完善度等级SIL的概念与划分原则研究［J］. 北京交通大学学报， 2017， 41（5）： 79-84.
	YAN F， TANG T， YAN H W. Research on concept and allocation principle of safety integrity level［J］. Journal of Beijing Jiaotong University， 2017， 41（5）： 79-84 （in Chinese）.
12	International Organization for Standardization. Road vehicles-functional safety：［S］. Geneva： ISO， 2018.
13	黄铭媛，欧旭坡，宋智桃. 民用飞机产品研制保证等级分配原则研究［J］. 航空科学技术， 2015， 26（7）： 6-10.
	HUANG M Y， OU X P， SONG Z T. Research of development assurance level allocation principles for civil airplane products［J］. Aeronautical Science & Technology， 2015， 26（7）： 6-10 （in Chinese）.
14	BIEBER P， DELMAS R， SEGUIN C. DALculus-theory and tool for development assurance level allocation ［C］∥30th International Computer Safety， Reliability， and Security. Berlin： Springer， 2011： 43-56.
15	DELMAS K， CHAMBERT L， FRAZZA C， et al. Optimization of development assurance level allocation［C］∥ 2023 IEEE/AIAA 42nd Digital Avionics Systems Conference （DASC）. Piscataway： IEEE Press， 2023： 1-10.
16	SILVA AZEVEDO L DA， PARKER D， WALKER M， et al. Assisted assignment of automotive safety requirements［J］. IEEE Software， 2014， 31（1）： 62-68.
17	SOROKOS I， PAPADOPOULOS Y， AZEVEDO L， et al. Automating allocation of development assurance levels： An extension to HiP-HOPS［J］. IFAC-PapersOnLine， 2015， 48（7）： 9-14.
18	SOROKOS I， AZEVEDO L P， PAPADOPOULOS Y， et al. Comparing automatic allocation of safety integrity levels in the aerospace and automotive domains［J］. IFAC-PapersOnLine， 2016， 49（3）： 184-190.
19	ZHANG W， RAN Y， ZHANG G B， et al. Optimal allocation of product reliability using novel multi-population particle swarm optimization algorithm［J］. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science， 2022， 236（9）： 4565-4576.
20	BHANDARI A S， KUMAR A， RAM M. Grey wolf optimizer and hybrid PSO-GWO for reliability optimization and redundancy allocation problem［J］. Quality and Reliability Engineering International， 2023， 39（3）： 905-921.
21	GHERAIBIA Y， DJAFRI K， KRIMOU H. Ant colony algorithm for automotive safety integrity level allocation［J］. Applied Intelligence， 2018， 48（3）： 555-569.
22	荘露，陆中，宋海靖，等. 一种机载系统研制保证等级分配的优化方法［J］. 系统工程与电子技术， 2022， 44（8）： 2688-2698.
	ZHUANG L， LU Z， SONG H J， et al. An optimization method for development assurance level assignment of airborne system［J］. Systems Engineering and Electronics， 2022， 44（8）： 2688-2698 （in Chinese）.
23	ZHUANG L， SONG H J， ZHOU J， et al. A multi-objective optimization based safety requirement assignment for aircraft systems by using NSGA-II［C］∥2022 13th International Conference on Reliability， Maintainability， and Safety （ICRMS）. Piscataway： IEEE Press， 2022： 218-222.
24	LI X N， LU Z， WANG J Y. An optimization approach for DAL assignments［J］. Aircraft Engineering and Aerospace Technology， 2018， 90（2）： 328-335.
25	AZEVEDO L S， PARKER D， WALKER M， et al. Automatic decomposition of safety integrity levels： optimization by Tabu search ［C］∥CARS@SAFECOMP （2013）. Toulouse： 2013.
26	SHARMA S， KUMAR V. A comprehensive review on multi-objective optimization techniques： past， present and future［J］. Archives of Computational Methods in Engineering， 2022， 29（7）： 5605-5633.
27	ZHAO W G， WANG L Y， MIRJALILI S. Artificial hummingbird algorithm： A new bio-inspired optimizer with its engineering applications［J］. Computer Methods in Applied Mechanics and Engineering， 2022， 388： 114194.
28	ZHAO W G， ZHANG Z X， MIRJALILI S， et al. An effective multi-objective artificial hummingbird algorithm with dynamic elimination-based crowding distance for solving engineering design problems［J］. Computer Methods in Applied Mechanics and Engineering， 2022， 398： 115223.
29	荘露，陆中，宋海靖，等. 基于故障注入模型的电传飞控系统安全性分析［J］. 航空学报， 2023， 44（9）： 327329.
	ZHUANG L， LU Z， SONG H J， et al. Safety analysis for fly-by-wire system based on fault injection model［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（9）： 327329 （in Chinese）.
30	DEB K， PRATAP A， AGARWAL S， et al. A fast and elitist multiobjective genetic algorithm： NSGA-Ⅱ［J］. IEEE Transactions on Evolutionary Computation， 2002， 6（2）： 182-197.
31	毕文豪，周久力，段晓波，等. 基于多要素改进 NSGA-Ⅱ的小直径制导炸弹空面打击最优火力分配方法［J］. 航空学报， 2023， 44（17）： 328116．
	BI W H， ZHOU J L， DUAN X B， et al. Optimal fire distribution method of small diameter guided bomb in air-to-surface strike based on multi-factor modified NSGA-Ⅱ ［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（17）： 328116 （in Chinese）.
32	ZHANG Q F， LI H. MOEA/D： A multiobjective evolutionary algorithm based on decomposition［J］. IEEE Transactions on Evolutionary Computation， 2007， 11（6）： 712-731.
33	COELLO C A C， PULIDO G T， LECHUGA M S. Handling multiple objectives with particle swarm optimization［J］. IEEE Transactions on Evolutionary Computation， 2004， 8（3）： 256-279.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

影响等级	DAL	概率要求
灾难性的	A	10^-9
危害性的	B	10^-7
严重的	C	10^-5
轻微的	D	10^-3

F/I序号	重量/kg				F/I序号	重量/kg
F/I序号	A	B	C	D	F/I序号	A	B	C	D
1	4.8	5.5	4.6	4.0	7	3.4	3.9	3.6	4.5
2	3.5	4.6	4.4	3.1	8	1.9	2.2	1.8	2.3
3	3.5	3.2	4.3	3.3	9	3.3	3.5	2.4	2.8
4	4.7	4.9	4.0	4.4	10	1.5	1.3	1.5	1.9
5	5.2	5.7	5.4	5.8	11	5.8	5.5	5.3	5.6
6	3.6	2.9	2.7	3.2	12	2.1	2.0	2.4	1.8

No	F/I序号												费用/（10³美元）	质量/kg
No	1	2	3	4	5	6	7	8	9	10	11	12	费用/（10³美元）	质量/kg
1	C	C	A	C	C	C	C	C	A	C	C	C	585	42.5
2	B	A	B	C	C	C	C	A	C	C	C	C	601	41.4
3	C	A	B	C	C	B	C	A	C	C	C	C	614	40.7
4	A	A	B	C	C	C	C	A	C	C	C	C	614	40.7
5	C	A	B	C	C	B	C	A	C	B	C	C	632	40.5
6	A	A	B	C	C	C	C	A	C	B	C	C	632	40.5
7	C	A	B	C	C	B	C	A	C	C	C	B	635	40.3
8	A	A	B	C	C	C	C	A	C	C	C	B	635	40.3
9	C	A	B	C	C	B	C	A	C	B	C	B	653	40.1
10	A	A	B	C	C	C	C	A	C	B	C	B	653	40.1
11	A	A	B	C	A	C	C	C	C	C	C	B	666	40.0
12	A	A	B	C	A	C	C	C	C	B	C	B	684	39.8
13	A	A	B	C	A	C	A	C	C	B	C	B	722	39.6

顶层FC	顶层FC影响等级	顶层功能的FDAL	FDAL的数值表示
丧失俯仰功能	灾难性的	A	4
丧失滚转功能	灾难性的	A	4
丧失偏航功能	灾难性的	A	4
高升力控制系统失效	危害性的	B	3
丧失减速功能	危害性的	B	3

F/I序号	质量/kg				F/I序号	质量/kg				F/I序号	质量/kg				F/I序号	质量/kg
F/I序号	A	B	C	D	F/I序号	A	B	C	D	F/I序号	A	B	C	D	F/I序号	A	B	C	D
1	0.7	0.6	0.5	0.5	13	12.5	12.0	11.6	11.9	25	0.6	0.6	0.5	0.5	37	6.0	6.6	6.5	6.0
2	0.7	0.6	0.4	0.5	14	0.7	0.8	0.8	0.7	26	0.1	0.1	0.1	0.1	38	18.4	19.0	18.7	18.6
3	0.7	0.5	0.6	0.5	15	12.6	12.8	11.9	11.8	27	0.1	0.1	0.1	0.1	39	17.5	17.6	16.3	15.0
4	0.5	0.6	0.5	0.4	16	0.7	0.9	0.8	0.7	28	0.8	0.7	0.6	0.6	40	12.3	13.8	12.9	12.1
5	0.7	0.7	0.6	0.5	17	12.0	12.2	11.0	11.7	29	1.3	1.4	1.2	1.0	41	8.5	8.3	8.2	8.1
6	0.6	0.5	0.5	0.4	18	0.8	0.7	0.8	0.7	30	2.3	2.2	2.0	2.0	42	0.6	0.7	0.5	0.4
7	12.6	11.9	12.4	11.4	19	0.1				31	2.2	2.3	1.9	1.8	43	12.3	12.0	11.9	11.7
8	0.8	0.9	0.9	0.8	20	0.1				32	2.1	2.0	2.1	1.9	44	0.9	0.8	0.8	0.8
9	12.6	11.9	12.4	11.4	21	3				33	6.5	6.2	6.0	6.2	45	0.8	0.9	0.8	0.7
10	0.8	0.8	0.9	0.7	22	12.8	11.9	12.3	11.7	34	7.3	7.3	7.0	6.9	46	0.8	0.9	0.9	0.7
11	0.3				23	0.8	0.9	0.7	0.7	35	6.9	6.3	6.5	6.7
12	0.7	0.6	0.5	0.5	24	0.4	0.4	0.3	0.4	36	7.0	6.9	6.8	6.8

基于多目标人工蜂鸟算法的研制保证等级分配

Development assurance level assignment based on multi-objective artificial hummingbird algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 33

相关文章 15

编辑推荐

Metrics

本文评价

F/I序号	DAL	F/I序号	DAL	F/I序号	DAL	F/I序号	DAL
1	B	13	B	25	B	37	A
2	B	14	C	26	C	38	B
3	C	15	A	27	C	39	A
4	C	16	B	28	B	40	A
5	C	17	A	29	A	41	A
6	C	18	C	30	B	42	D
7	A	19	A	31	A	43	A
8	A	20	A	32	A	44	D
9	A	21	A	33	B	45	D
10	C	22	A	34	A	46	D
11	A	23	B	35	C
12	C	24	C	36	C

算法	非支配解数量	SP	HV	运行时间/s
MOAHA	49	0.024 0	0.041 2	128.44
NSGA-Ⅱ	24	0.052 9	0.021 1	115.04
MOEA/D	20	0.270 6	0.044 3	142.30
MOPSO	35	0.020 6	0.025 2	155.86

[1]	单程军, 贡天宇, 易理哲, 杨浩辉, 龙垚松. 超声速民机高效高可信度声爆/气动多学科优化方法[J]. 航空学报, 2024, 45(24): 630573-630573.
[2]	李恒伟, 罗启章, 顾轶, 范才智, 伍国华. 基于滚动时域策略的中继卫星多目标动态调度优化方法[J]. 航空学报, 2024, 45(16): 329706-329706.
[3]	杨倩, 郑皓冉, 程显达, 董威. 基于引气控制的热气防冰优化设计方法[J]. 航空学报, 2023, 44(S2): 729285-729285.
[4]	荘露, 陆中, 宋海靖, 董力, 吴雨婷, 周伽. 基于故障注入模型的电传飞控系统安全性分析[J]. 航空学报, 2023, 44(9): 327329-327329.
[5]	董杰忠, 楚武利, 张皓光, 罗波, 晏松. 基于因果网络分析的扩压叶栅波浪形前缘控制机理[J]. 航空学报, 2023, 44(19): 128336-128336.
[6]	毕文豪, 周久力, 段晓波, 张安, 徐双飞. 基于多要素改进NSGA-Ⅱ的小直径制导炸弹空面打击最优火力分配方法[J]. 航空学报, 2023, 44(17): 328116-328116.
[7]	梁超, 杨力, 潘成胜, 戚耀文. 卫星网络动态资源图多QoS约束路由算法[J]. 航空学报, 2023, 44(1): 326422-326422.
[8]	邹子缘, 陈琪锋. 基于决策树搜索的空间飞行器集群对抗目标分配方法[J]. 航空学报, 2022, 43(S1): 726910-726910.
[9]	孙刚, 彭双, 陈浩, 伍江江, 李军. 面向测控数传资源一体化场景的卫星地面站资源多目标优化方法[J]. 航空学报, 2022, 43(9): 326114-326114.
[10]	郑帅, 王子涵, 赵浩然, 杨朋涛, 洪军. 基于差分进化算法的飞机油量传感器布局优化方法[J]. 航空学报, 2022, 43(8): 125809-125809.
[11]	荆涛, 田锡天. 基于蒙特卡洛-自适应差分进化算法的飞机容差分配多目标优化方法[J]. 航空学报, 2022, 43(3): 425278-425278.
[12]	韩冰, 陆中, 张子文, 易阳, 李超. 发动机控制系统限时派遣运行的成本优化方法[J]. 航空学报, 2021, 42(9): 324794-324794.
[13]	罗庆, 张涛, 单鹏, 张文涛, 刘子豪. 基于改进Q学习的IMA系统重构蓝图生成方法[J]. 航空学报, 2021, 42(8): 525792-525792.
[14]	张军峰, 游录宝, 杨春苇, 胡荣. 基于多目标帝国竞争算法的进场排序与调度[J]. 航空学报, 2021, 42(6): 324439-324439.
[15]	孙刚, 陈浩, 彭双, 杜春, 李军. 一种基于偏好MOEA的卫星地面站资源多目标优化算法[J]. 航空学报, 2021, 42(4): 524475-524475.

算法	N	N_Arc	网格数	惯性权重	认知学习因子	社会学习因子	变异率
MOPSO	100	100	20	0.9	2	2	0.1
MOAHA	100	100

F/I序号	DAL	F/I序号	DAL	F/I序号	DAL	F/I序号	DAL
1	B	13	B	25	B	37	A
2	B	14	C	26	C	38	B
3	C	15	A	27	C	39	A
4	C	16	B	28	B	40	A
5	C	17	A	29	A	41	A
6	C	18	C	30	B	42	D
7	A	19	A	31	A	43	A
8	A	20	A	32	A	44	D
9	A	21	A	33	B	45	D
10	C	22	A	34	A	46	D
11	A	23	B	35	C
12	C	24	C	36	C

F/I序号	DAL	F/I序号	DAL	F/I序号	DAL	F/I序号	DAL
1	B	13	B	25	B	37	A
2	B	14	C	26	C	38	B
3	C	15	A	27	C	39	A
4	C	16	B	28	B	40	A
5	C	17	A	29	A	41	A
6	C	18	C	30	B	42	D
7	A	19	A	31	A	43	A
8	A	20	A	32	A	44	D
9	A	21	A	33	B	45	D
10	C	22	A	34	A	46	D
11	A	23	B	35	C
12	C	24	C	36	C