23、基于CPN的航天制造流程优化与火箭发动机故障诊断

基于CPN的航天制造流程优化与火箭发动机故障诊断

1. 制造流程建模与模拟

1.1 性能数据导出

在CPN（有色Petri网）中构建额外的转换以导出性能数据，该转换如图所示。当输送单元检查合格（即CPN0005完成）后，最后位置的令牌表示一个完成的交付单元，将用于名为“monitor”的转换。总LT（Lead Time，前置时间）可定义为该“monitor”转换中消耗的令牌和令牌中的时间戳。

1.2 整体建模

将主要流程建模为CPN，描述了返工结构，检查被建模为正常转换以推动流程前进。模型满足所有官方验证规则，完整模型如图所示。

1.3 模拟结果

推荐了数据类型后，对模型进行一万次模拟以确保涵盖所有可能情况。检查前各工作的返工率为5%，此类任务在工作流中最多出现三次，CPN0012工作流中的三个任务需检查。若返工均匀分布，三次连续返工的概率是特定值。理论上，CPN模型进行一万次模拟可产生合理结果。

模拟一万次后，平均LT为118.06天，最佳可能LT为109天（资源完全投入且所有任务一次通过检查），但项目期限为100天，结果不满足要求，需修改流程。

1.4 结果分析

1.4.1 关键时间分析

根据模拟结果总结了开始时间数据，需比较三个指标：实际早期开始日期（AESD）、理论早期开始日期（TESD）和最晚开始日期（LSD）。DELAY = AESD - TESD表示实际开始时间比TESD晚的天数；FAIL = AESD - LSD，FAIL值大于0（标红）表示任务实际开始时间超过最晚开始时间，会导致所有系统延迟完成；WINDOW = LSE - TESD表示任务的缓冲时间。若DELAY值大于WINDOW，制造过程无法按时完成，与使用FAIL值判断结果相同。

任务	AESD	TESD	LSD	DELAY	FAIL	WINDOW
D0012	40	40	44	0	-4	4
D0034	40	40	57	0	-17	17
S0030	40	40	40	0	0	0
S0033	40	40	55	0	-15	15
A0005	87	78	78	9	9	0
A0012	69	69	73	0	-4	4
M0034	42	42	65	0	-23	23
T0005	95	86	86	9	9	0
I0005	102	93	93	9	9	0
I0012	81	71	75	10	6	4
I0030	77	75	75	2	2	0
I0031	68	68	72	0	-4	4
I0032	52	52	70	0	-18	18
I0033	65	65	75	0	-10	10
I0034	59	59	75	0	-16	16

部分任务分析如下：
- I0030任务只能在调度后一天执行，其前置任务S0030的FAIL值为0，所以I0030延迟的原因可能是主管资源有限。
- I0012任务失败，其前置资源需求任务的FAIL值为 -4，检查员短缺可能是任务失败的原因。
- 五个任务没有缓冲时间，若有任务返工，总服务水平至少降至95%。多数任务延迟时间超过缓冲时间，主要原因可能是返工、资源有限和工作流配置设计不佳，且涉及工程师的任务延迟时间通常接近或小于缓冲时间，检查员任务延迟较多，说明检查员短缺是关键问题。

1.4.2 可靠性分析

为分析可靠性，总结了模拟结果的标准偏差（STD）和平均启动时间（AVG），FALT = AVG - LSD，基于六西格玛系统计算FALT + 3 * STD。若仪式水平设定为99.865%，Fail + 3 * STD的值应为负，但只有四个任务满足标准。

几乎所有检查任务（除I0034和I0032）标准偏差较大，I0032标准偏差小是因为采购方式快，I0034类似。

任务	AVG	LSD	FAIL	STD	六西格玛
D0012	42.01	44	-1.99	2.24	4.73
D0034	42.8	57	-14.2	2.89	25.53
S0030	42.38	40	2.38	2.76	10.66
S0033	42.3	55	-12.7	2.75	24.45
A0005	95.28	78	17.28	10.56	48.96
A0012	84.55	73	11.55	7.06	32.73
M0034	45.69	65	-19.31	5.03	24.22
T0005	103.67	86	17.67	10.68	49.71
I0005	110.67	93	17.67	10.68	49.71
I0012	88.23	75	13.23	5.97	31.14
I0030	83.72	75	8.72	5.1	24.02
I0031	82.7	72	10.7	5.36	26.78
I0032	54.58	70	-15.42	3.54	24.8
I0033	80.85	75	5.85	6.39	25.02
I0034	63.06	75	-11.94	5.12	3.42

2. 改进策略

2.1 工作流结构

根据约束理论，首先确定关键路径，PART0030流是关键路径，其中所有任务无缓冲时间，CPN0012流的缓冲时间较小，可集中在PART0030流后面。PART0033和PART0034缓冲时间较大，其属性存储在最终位置。

PART0030的工作流结构必须改变，因为返工率会导致整个过程可靠性低于95%。可通过ECRS方法设置缓冲时间解决，如改变采购战略目标，优先选择交货快的供应商，也可采用相关模型支持该过程。但缩短LT可能导致质量下降，提高返工率。另一种缩短采购时间的方法是为供应商提供技术支持，如派遣工程师，可提高供应商在质量和交货时间方面的表现，还可减少检查任务。

2.2 组装、返工和检查

处理返工的最佳策略是派遣工程师到供应商处协助生产过程，有三个积极效果：工程师可替代检查，减少返工风险；可安排检查员与组装和测试任务同步检查，虽会增加时间，但可消除大规模返工风险，组装和测试任务完成时间会更长且更具可变性。

根据改进策略对新模型进行模拟，随机生成每个任务的执行时间和各类人员数量，仍使用六西格玛系统作为邻域搜索规则生成高质量候选解决方案，确定每个任务的制造时间和人员数量，最后将新制造过程的模拟结果与原模型比较。

2.3 结果比较

根据改进建议设置新调度方案，新模型（NTLT）在各方面表现更优：
- 实际最早开始时间提高38%。
- NTLT的DELAY值小于原模型（OTLT），说明提供足够资源可提高流程运行效率。
- NTLT的FAIL值为负，任务可按时完成。
- NTLT有缓冲时间，可处理紧急情况。
- OTLT的WDELAY明显长于NTLT，旧工作流表现更差。

新工作流平均LT显著降低，FAIL值为负，过程更易成功，标准偏差略有减小，风险控制更好，六西格玛值从五十多降至六，可靠性提高，新工作流在正负两个西格玛范围内，整个过程成功率为95%。

任务	AESD	TESD	LSD	DELAY	FAIL	WINDOW	ALSD	WDELAY
OTLT	109	100	100	9	9	0	202	102
NTLT	79	76	100	3	-21	24	131	31

任务	AVG	LSD	FAIL	STD	六西格玛
OTLT	118.06	100	18.06	11.06	51.24
NTLT	86.7	100	-13.3	6.67	6.71

3. 火箭发动机启动过程故障诊断

3.1 可观测Petri网在线故障诊断方法

3.1.1 可观测Petri网

引入可观测Petri网概念，用于火箭发动机启动过程的在线故障诊断。部分可观测Petri网可表示为元组POPN = (P, T, F, L, H)，其中L表示事件数组，H表示信号数组。

3.1.2 部分可观测Petri网在线故障诊断方法

介绍了三个定理：一个与基本点火序列长度有关，规定最大长度，避免无限基本点火序列；一个用于识别系统，建模离散事件系统，阐述点火序列变化；第三个通过观察序列集中点火序列对应的点火数向量判断点火序列中故障转换集的存在，给出故障诊断的充分不必要条件，使用整数线性规划解决故障诊断问题，后期定理主要关注观察序列中故障集的可靠性。

3.1.3 部分可观测Petri网对LOX/CH4膨胀循环发动机故障诊断结果分析

诊断过程采用相互检查原则，多节点诊断过程中节点故障则系统在该节点有故障。为验证故障诊断算法的有效性，对系统进行多类型故障模拟实验。设置不同位置的不同故障类型，根据故障类别选择最优参数k。统计结果显示，在1000次实验中，设置800次故障和200次无故障，实际算法诊断出793次故障、201次无故障和6次不确定故障，算法诊断可靠性为99.3%，证明该故障诊断算法可满足实际应用要求。

3.1.4 实例分析与验证

相关机构基于新一代液氧煤油火箭发动机yf - 77开发了60吨液氢甲烷火箭发动机，主要进行LOX/CH4膨胀循环发动机启动过程和故障诊断的分析与模拟实验，通过分析部分可观测Petri网对该发动机的故障诊断结果进行验证。

3.1.5 结论

未来研究需进一步研究参数K选择的约束条件和优化计算方法，将Petri网的状态结构信息与故障诊断算法融合。

4. 总结与应用价值

4.1 研究方法概述

通过CPN对航天制造流程进行分析和优化，具体步骤如下：
1. 解释CPN的发展历史、类型和应用，与传统方法相比，CPN在工作流优化中表现出强大而高效的性能，还介绍了其扩展以构建现实世界复杂系统的模型。
2. 提出使用CPN工具模拟流程的框架，利用评估工具根据模拟数据生成改进建议。
3. 将CPN应用于航天制造流程和火箭发动机启动过程的故障诊断，这是CPN和随机模拟在航天项目工作流优化中的首次尝试。

4.2 研究成果的意义

4.2.1 案例成果展示

• 在航天制造流程优化案例中，通过CPN模型的模拟和分析，找出了导致流程延迟和可靠性问题的关键因素，如检查员短缺、工作流结构不合理等。通过改进策略，新的工作流在平均LT、FAIL值、标准偏差和六西格玛值等方面都有显著改善，提高了流程的运行效率和可靠性，避免了潜在的失败。
• 在火箭发动机故障诊断案例中，提出的可观测Petri网在线故障诊断方法通过实验验证了其有效性，算法诊断可靠性达到99.3%，能够满足实际应用要求。

4.2.2 应用拓展价值

该研究成果对于其他时间敏感的单单元制造过程具有扩展价值。由于其逻辑与大多数时间敏感的单单元制造过程相似，可用于各种航天任务（如月球、火星等行星任务）的工作流优化。根据研究中获得的资源和时间数据以及精度和定制要求，可在制造系统中准确定位资源，构建长期、稳定且资源密集的制造系统，框架和技术可应用于该系统。

4.3 整体研究的贡献

整体而言，该研究为CPN在未来各种航天任务中的应用提供了解释和经验。通过对航天制造流程的优化和火箭发动机故障诊断的研究，展示了CPN在航天领域的强大能力和可行性，为航天项目的高效运行和可靠性保障提供了有力支持。

4.4 流程总结与展望

为了更清晰地展示整个研究过程，下面用mermaid流程图进行总结：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A(解释CPN相关信息):::process --> B(提出模拟流程框架):::process
    B --> C(应用CPN于航天制造与故障诊断):::process
    C --> D(分析制造流程问题):::process
    D --> E(提出改进策略):::process
    E --> F(模拟新流程并比较结果):::process
    C --> G(提出故障诊断方法):::process
    G --> H(进行故障诊断实验):::process
    H --> I(验证方法有效性):::process
    F --> J(总结成果与应用价值):::process
    I --> J

该流程图展示了从CPN的基础介绍到具体应用，再到问题分析、改进和验证的完整过程，最后总结了研究成果的应用价值。未来，随着航天技术的不断发展，CPN有望在更多领域发挥更大的作用，为航天事业的发展做出更大贡献。

通过以上对航天制造流程优化和火箭发动机故障诊断的研究，我们可以看到CPN在航天领域具有巨大的应用潜力。通过合理的建模、模拟和分析，能够有效提高航天项目的效率和可靠性，为航天事业的发展提供有力支持。同时，该研究成果也为其他时间敏感的单单元制造过程提供了有益的参考和借鉴。