完好性风险(PHMI, Probability of Hazardously Misleading Information)是一个关键的概念,尤其在导航系统和航空安全领域。它表示系统在特定条件下提供误导信息的概率,这种误导信息可能导致危险情况。具体解释如下:
-
定义:
- 完好性风险(PHMI)指的是系统提供的位置信息超出安全容限并持续超过一定时间(Time-to-Alert, TTA)的概率。这种误差如果不被及时检测和纠正,可能会对安全产生严重影响。
-
PHMI的计算:
- PHMI计算的是在特定几何和环境条件下,水平位置误差(Horizontal Position Error, HPE)超过水平保护水平(Horizontal Protection Level, HPL)或者垂直位置误差(Vertical Position Error, VPE)超过垂直保护水平(Vertical Protection Level, VPL)的概率。这需要考虑到所有可能的故障和干扰情况。
-
PHMI的要求:
- 为了确保系统的安全性,PHMI必须非常低。例如,在LPV-200标准中,PHMI必须小于每次进近2 x 10^-7。这意味着每次进近中,发生危险误导信息的概率必须小于1亿分之二。
-
PHMI在系统设计中的作用:
- PHMI是系统设计和验证中的一个重要指标。设计者需要通过合理的硬件选择、算法设计和冗余机制来降低PHMI,确保系统在各种情况下都能提供可靠的位置信息。
-
PHMI与完好性监控:
- 为了保持低PHMI,系统通常需要实时监控和完好性检查机制。当检测到可能的误导信息时,系统应能够及时发出警报或采取纠正措施,以避免危险情况的发生。
总结来说,完好性风险(PHMI)是衡量导航系统安全性的一个重要指标。低PHMI表示系统在提供位置信息时具有高度的可靠性和安全性,能够在关键应用场景中有效保护用户的安全。
论文阅读《Feasibility Analysis of RAIM to Provide LPV-200 Approaches with Future GPS》
- PHMI计算
这里考虑每个卫星故障发生的概率,同时每个故障又有漏检的概率,因此有 P f a u l t , i × P m d , i P_{fault,i}\times P_{md,i} Pfault,i×Pmd,i,所有 i i i的加和,即为PHMI,计算的PHMI不得超过预定的PHMI,也可以用预定的PHMI和已知 P f a u l t , i P_{fault,i} Pfault,i反算 P m d , i P_{md,i} Pmd,i,得到每个 P f a u l t , i P_{fault,i} Pfault,i可以乘以的最大 P m d , i P_{md,i} Pmd,i.
由于 P f a u l t , i P_{fault,i} Pfault,i都相等,大部分方法采用PHMI平均分配的形式计算 P m d , i P_{md,i} Pmd,i.
解分离量 S S i SS_i SSi
- 解分量方法,首先是解分离量定义公式3,协方差定义公式5
公式3和5推导
SS是全集解和子集解的分离程度,把这个当成检验统计量 - 对于解分离量SS的检测阈值设置
需要设置一个threshold来判断SS是否可行,这存在误判风险 P f a , i P_{fa,i} Pfa,i,要确保总的 P f a , i P_{fa,i} Pfa,i不超过设定的最大误报风险 P f a P_{fa} Pfa,
好的,让我们详细解释一下假警分配因子 (K_{fa,k}) 和阈值 (T_{k,3}) 的含义,以及它们在故障检测中的作用。
子集的概念
子集即故障假设,假设某几个故障已经发生,把假定的故障剔除出测量集合中,得到的剩余的测量值即为子集
首先要验证是否真的发生这种故障情况,验证方法是用子集得到一个解,全集得到一个解,然后比较两个解,以绝对值而言,如果值过大即说明,系统肯定出现故障。子集和全集都有可能。1是子集里面还存在故障,2是子集无故障,排除正确,全集有故障。
然后是设定这个阈值,超过这个阈值即判断系统发生故障,阈值设定在下节。
假警分配因子 (K_{fa,k})
假警分配因子 (K_{fa,k}) 是用于控制系统假警率的一个系数。假警率(False Alarm Rate, FAR)是指在没有故障的情况下,错误地发出故障警报的概率。假警分配因子的选择通常基于统计学中的假设检验原理。
在假设检验中,假警分配因子 (K_{fa,k}) 通常是一个表示置信水平的系数。例如:
- 95%的置信水平对应的 (K_{fa,k}) 大约为1.645。
- 99%的置信水平对应的 (K_{fa,k}) 大约为2.33。
假设 (K_{fa,k} = 0.001),这是一个非常低的值,表示系统希望将假警率控制在非常低的水平。
分离标准差 (\sigma_{ss,k})
分离标准差 (\sigma_{ss,k}) 是度量全集解和子集解之间差异的一个标准差。它反映了假设某个故障模式时,系统定位结果的变异性。
阈值 (T_{k,3}) 的含义
阈值 (T_{k,3}) 是由假警分配因子 (K_{fa,k}) 和分离标准差 (\sigma_{ss,k}) 共同决定的,用于检测系统是否存在故障:
T k , 3 = K f a , k σ s s , k T_{k,3} = K_{fa,k} \sigma_{ss,k} Tk,3=Kfa,kσss,k
其中:
- (K_{fa,k}) 是假警分配因子,控制假警率。
- (\sigma_{ss,k}) 是分离标准差,反映全集解和子集解之间的变异性。
在检测过程中,检验标准为:
∣ X ^ 3 ( k ) − X ^ 3 ( f u l l ) ∣ ≤ T k , 3 \lvert \hat{X}_3^{(k)} - \hat{X}_3^{(full)} \rvert \le T_{k,3} ∣X^3(k)−X^3(full)∣≤Tk,3
这意味着,如果全集解和子集解之间的差异 ( ∣ X ^ 3 ( k ) − X ^ 3 ( f u l l ) ∣ ) (\lvert \hat{X}_3^{(k)} - \hat{X}_3^{(full)} \rvert) (∣X^3(k)−X^3(full)∣)小于等于阈值 ( T k , 3 ) (T_{k,3}) (Tk,3),则认为系统无故障;否则,可能存在故障。
统计意义上的解释
假设 (K_{fa,k} = 0.001) 和 (\sigma_{ss,k}) 是作为 ( ∣ X ^ 3 ( k ) − X ^ 3 ( f u l l ) ∣ ≤ T k , 3 ) (\lvert \hat{X}_3^{(k)} - \hat{X}_3^{(full)} \rvert \le T_{k,3}) (∣X^3(k)−X^3(full)∣≤Tk,3)统计量的标准差,那么:
- 阈值 (T_{k,3}) 实际上是根据 (\sigma_{ss,k}) 计算的一个置信区间边界。
- 具体来说,(T_{k,3}) 表示在设定的假警率(0.1%)下,系统可以容忍的全集解和子集解之间的最大差异。
当我们说假警分配因子 (K_{fa,k} = 0.001) 时,这意味着我们希望在99.9%的情况下,即假警率为0.1%的情况下,系统不会错误地发出故障警报。因此,阈值 (T_{k,3}) 被设定为 (\sigma_{ss,k}) 的0.1%分位数,即使得假警率控制在0.1%的水平。
总结
- 假警分配因子 ( K f a , k ) (K_{fa,k}) (Kfa,k):控制系统的假警率,决定了在没有故障的情况下,系统容忍的最大误差范围。
- 分离标准差 ( σ s s , k ) (\sigma_{ss,k}) (σss,k):反映全集解和子集解之间的变异性。
- 阈值 ( T k , 3 ) (T_{k,3}) (Tk,3):由 (K_{fa,k}) 和 (\sigma_{ss,k}) 共同决定,表示在设定假警率下,系统可以容忍的最大误差范围,用于故障检测。
通过这些因素的结合,系统可以在设定的假警率下,检测到故障并保持正常运行。如果还存在测量偏差,还需要加上 b b i a s b_{bias} bbias.
K f a , i × σ s s , i K_{fa,i} \times \sigma_{ss,i} Kfa,i×σss,i这是VPL中对于子集和全集之间,在设定下误警概率 P f a P_{fa} Pfa下,可容忍的最大偏差,即为 T k T_k Tk。这个子集即为一种故障假设,要保证这种故障假设误报率非常低,既需要设置 P f a P_{fa} Pfa非常低(置信水平非常高)。
因此子集VPL首先需要加上 T k T_k Tk
K
m
d
,
i
×
σ
i
K_{md,i}\times\sigma_{i}
Kmd,i×σi是对于当前子集而言,可容忍子集偏差的最大程度,漏检因子由漏检概率
P
m
d
,
i
P_{md,i}
Pmd,i导出,表示发生这个故障时存在的(上节有说明,由PHMI导出,平均化)漏检概率。统计概念即第二类错误,计算这个子集时,即认为对应的故障假设已经发生(右边曲线部分),要保证系统不漏检这个故障,既需要保持橙色阴影部分足够小(
P
m
d
,
i
P_{md,i}
Pmd,i足够小对应
K
m
d
,
i
K_{md,i}
Kmd,i),也即
σ
i
\sigma_{i}
σi覆盖范围够大,即需要乘以
K
m
d
,
i
K_{md,i}
Kmd,i,保证系统在设定的置信水平不会漏检故障。
因此子集VPL还需要加上
K
m
d
,
i
×
σ
i
K_{md,i}\times\sigma_{i}
Kmd,i×σi
最后是需要加上子集本身存在偏差
b
k
b_k
bk,以上三个量即构成子集VPL
V
P
L
k
=
T
k
,
3
+
K
m
d
,
k
σ
k
+
b
k
VPL_k=T_{k,3}+K_{md,k}\sigma_k+b_k
VPLk=Tk,3+Kmd,kσk+bk
然后选取最大VPL作为系统当前VPL