مدل‌سازی قابلیت‌اطمینان پهپاد به روش‌ مارکوف

به طور کلی روش‌های تحلیلی مختلفی برای ارزیابی قابلیت اطمینان سیستم‌های قابل‌تعمیر و غیرقابل‌تعمیر و به طور خاص پیش‌بینی وجود دارد. پیش‌بینی قابلیت اطمینان یکی از رایج‌ترین شکل‌های تحلیل قابلیت اطمینان است که برای تخمین و پیش‌بینی نرخ وقوع خرابی، قابلیت اطمینان، آمادگی و میانگین زمان- تا- وقوع خرابی قطعات و سیستم مورد استفاده قرار می‌گیرد. مارکوف روشی برای مدل‌سازی رفتار اتفاقی سیستم‌هایی است که به طور پیوسته یا ناپیوسته نسبت به زمان و یا در فضای حالت در تغییر هستند. این پیش‌بینی‌ها در ارزیابی امکان‌سنجی طراحی، مقایسه طرح‌های جایگزین، شناسایی مناطق وقوع خرابی احتمالی، مصالحات بین عوامل طراحی سیستم و ردیابی بهبود قابلیت اطمینان کاربرد دارند. در این مقاله تلاش شد‌ه‌است با استفاده از روش مارکوف و به منظور قابل پیش‌بینی نمودن شاخص‌‌های ارزیابی قابلیت اطمینان در سیستم هواپیماهای بدون سرنشین (پهپاد)، مدلی بر مبنای نرخ ثابت خرابی و تعمیرات، ارائه گردد؛ همچنین روابط استخراج شده در این مقاله دارای قابلیت تعمیم‌دهی به انواع هواپیماهای بدون سرنشین می‌باشد.

modeling reliability of uav by markov method

in general, there are various analytical methods to evaluate the reliability of repairable and non-repairable systems, and in particular prediction. reliability prediction is one of the most common forms of reliability analysis that is used to estimate and predict failure rate, reliability, availability, and mean time-to-failure of components and the whole system. markov is a method for modeling the stochastic behavior of systems that are continuously or continuously changing over time or in space. these predictions are used to evaluate design feasibility, compare alternative designs, identify potential failure areas, compromise system design factors, and detection/ tracing reliability improvements. in this paper, in order to predict the reliability assessment indices in the uavs and based on the markov analysis method, a model based on the fixed failure and repair rates has been proposed; the derived and proposed relations in this study have the ability to generalize to other types of drone.