李春洋，陳循，易曉山，陶俊勇

(國防科技大學 機電工程與自動化學院，長沙410073)

0 引言

系統(tǒng)除了正常工作和完全失效兩種狀態(tài)外，還具有多種工作(或失效)狀態(tài)，或系統(tǒng)能夠在多個性能水平下運行，這樣的系統(tǒng)被稱為多態(tài)系統(tǒng)［1-3］。多態(tài)系統(tǒng)一些部件的失效或者性能衰退會導致系統(tǒng)性能的下降，同時引起整個系統(tǒng)呈現(xiàn)出多個性能水平。多態(tài)系統(tǒng)可靠性能夠詳細地、廣泛地定義部件和系統(tǒng)的可靠性，能夠透徹地分析部件性能的變化對系統(tǒng)性能和可靠性的影響，以及系統(tǒng)失效的漸變過程。

20世紀70年代多態(tài)系統(tǒng)的概念被提出之后［4-5］，多態(tài)系統(tǒng)可靠性的研究得到了國外學者的廣泛關(guān)注。多態(tài)系統(tǒng)可靠性的相關(guān)理論已經(jīng)應用到電力［6-7］、網(wǎng)絡［8-9］和機械［10-11］等領(lǐng)域。我國對多態(tài)系統(tǒng)可靠性的研究相對較少，起步也比較晚，主要集中在多態(tài)系統(tǒng)可靠性分析［12-14］，多態(tài)系統(tǒng)共因失效分析與優(yōu)化［15-17］等方面。

多態(tài)系統(tǒng)可靠性分析主要有4 種方法:布爾模型擴展法［2，18］、隨機過程［2，12，14］、Monte Carlo 仿真［19-20］和通用生成函數(shù)［1-2，6-8，15-17］。其中，通用生成函數(shù)是解決多態(tài)系統(tǒng)可靠度計算問題應用較好的方法，它能夠明確地表達部件狀態(tài)性能和對應概率與系統(tǒng)狀態(tài)性能和對應概率的關(guān)系，并且可以通過簡單的運算由部件的通用生成函數(shù)得到系統(tǒng)的通用生成函數(shù)，它具有計算速度快，適用范圍廣等特點［21］。

Ushakov［22-23］首先介紹了通用生成函數(shù)的概念，隨后Levitin［1-2］和Lisnianski［2］等學者將通用生成函數(shù)引入多態(tài)系統(tǒng)可靠性領(lǐng)域，使得通用生成函數(shù)在多態(tài)系統(tǒng)可靠性分析［1-2，8，15，17，24］和多態(tài)系統(tǒng)可靠性優(yōu)化［1-2，6-7，16，21，25-26］等方面獲得了廣泛應用。此外，An 和Huang 等利用通用生成函數(shù)建立了離散的應力-強度干涉模型［27］，分析了V 帶傳動的可靠性［28］。

在以上文獻中，通用生成函數(shù)都是針對離散隨機變量，在通用生成函數(shù)中體現(xiàn)為單一變量，在利用該通用生成函數(shù)分析多態(tài)系統(tǒng)可靠性時，部件性能和系統(tǒng)性能都只有一個參數(shù)。但在實際工程中，不少系統(tǒng)具有多個性能參數(shù)，特別是機電系統(tǒng)。對于具有多個性能參數(shù)的多態(tài)系統(tǒng)，在利用通用生成函數(shù)進行可靠性分析時，需要對離散隨機變量的通用生成函數(shù)進行改進，以適應實際需要。

針對多性能參數(shù)多態(tài)系統(tǒng)可靠性分析的需要，本文通過對變量通用生成函數(shù)［1-2，21-28］進行改進，提出向量通用生成函數(shù)，定義其相應的運算符和基本性質(zhì)，并且分析利用向量通用生成函數(shù)估算多態(tài)串-并聯(lián)系統(tǒng)可靠度的計算方法和詳細流程，最后利用由性能退化部件組成的串-并聯(lián)系統(tǒng)進行應用研究。

1 向量通用生成函數(shù)的定義

假設G =(G1，G2，…，Gm)為m 維離散隨機向量，其概率分布可以用2 個集合g 和q 描述。其中，g 表示離散隨機向量G 的M 個可能取值，有如下形式:

其中，

q 表示M 個取值分別所對應的概率，有如下形式:

其中，

且滿足

則定義離散隨機向量G 的向量通用生成函數(shù)為

式(6)所定義的向量通用生成函數(shù)與變量通用生成函數(shù)［1-2，21-28］相比，其最大不同在于式(6)中g(shù)l為向量，而變量通用生成函數(shù)中g(shù)l為變量。在對向量通用生成函數(shù)進行計算時，其計算相對比較復雜，特別是當多個離散隨機向量的維數(shù)不同，且相互之間的關(guān)系較為復雜時。

2 向量通用生成函數(shù)的運算

2.1 2 個隨機向量的函數(shù)的向量通用生成函數(shù)

定義H =(H1，H2，…，Hm')為m'維離散隨機向量，其概率分布可以用2 個集合h 和p 描述。其中，h={h1，h2，…，hM'}表示H 所有可能的M'個取值，且hk=(hk，1，hk，2，…，hk，m')，p ={p1，p2，…，pM'}表示每個取值所對應的概率。則由式(6)知，其向量通用生成函數(shù)為

定義m″維離散隨機向量D =(D1，D2，…，Dm″)為G 和H 的函數(shù)，即D=f(G，H).其中，

式(8)表示Di為Gri(1)，…，Gri(ai)，Hsi(1)，…，Hsi(bi)的函數(shù)，即Di為離散隨機向量G 的第ri(1)，…，ri(ai)個分量與離散隨機向量H 的第si(1)，…，si(bi)個分量的函數(shù)。其中，1≤ri(1)＜…＜ri(ai)≤m，ai∈{1，2，…，m}，1≤si(1)＜…＜si(bi)≤m'，bi∈{1，2，…，m'}，i=1，2，…，m″.

則D 的向量通用生成函數(shù)可以通過如下復合運算獲得

其中，

在計算式(9)時，向量通用生成函數(shù)中的同類項可以合并。比如，如果f(g1，h1)=f(g2，h2)，則為了簡化計算過程，可以將q1p1zf(g1，h1)和q2p2zf(g2，h2)合并為(q1p1+q2p2)zf(g1，h1).合并同類項之后可以減少離散隨機向量的可能取值數(shù)，從而減少計算量。

介紹一種常用的特殊情況，當m =m' =m″時，即隨機向量維數(shù)相同，且式(8)為Di=fi(Gi，Hi)時，則式(10)可以簡化為

此時，定義如下幾個比較常用的算子

2.2 多個隨機向量的函數(shù)的向量通用生成函數(shù)

定義N 個離散隨機向量G1，G2…，GN，其對應的向量通用生成函數(shù)分別為U1(z)，U2(z)，…，UN(z).則向量函數(shù)f(G1，G2，…，GN)的向量通用生成函數(shù)為U1(z)，U2(z)，…，UN(z)的復合運算

對式(15)進行運算時，要用到向量通用生成函數(shù)的如下性質(zhì)［1-2，27］:

利用以上性質(zhì)，可以最終得到向量函數(shù)f(G1，G2，…，GN)的向量通用生成函數(shù)為

式中，Msys為向量函數(shù)f(G1，G2，…，GN)的可能取值數(shù)，由于可以合并同類項，故為向量函數(shù)f(G1，G2，…，GN)的可能取值，qs為對應的概率。

3 多性能參數(shù)多態(tài)系統(tǒng)可靠性分析

圖1所示的多態(tài)串-并聯(lián)系統(tǒng)由N 個分系統(tǒng)串聯(lián)組成，其中分系統(tǒng)i 并聯(lián)ni個部件。設該多態(tài)串-并聯(lián)系統(tǒng)的部件和系統(tǒng)具有多個性能參數(shù)。

圖1 多態(tài)串-并聯(lián)系統(tǒng)Fig.1 Multi-state series-parallel system

計算該系統(tǒng)的可靠度時，有以下幾個步驟。

3.1 計算部件的向量通用生成函數(shù)

分系統(tǒng)i 的部件j 有Mij個狀態(tài)，t 時刻部件的狀態(tài)性能為gij(t)={gij1(t)，gij2(t)，…，gijMij(t)}，對應的狀態(tài)概率為qij(t)={qij1(t)，qij2(t)，…，qijMij(t)}.則由式(6)，其向量通用生成函數(shù)為

對于離散多態(tài)系統(tǒng)，部件的狀態(tài)性能gij(t)和狀態(tài)概率qij(t)可以直接得到［1-2］，對于多態(tài)退化系統(tǒng)，需要對性能分布進行離散化，離散化時狀態(tài)數(shù)可以根據(jù)需要來確定，具體情況在算例中分析。

3.2 計算分系統(tǒng)的向量通用生成函數(shù)

分系統(tǒng)i 由ni個部件并聯(lián)組成，分系統(tǒng)性能可以表示為

式中，Xi為分系統(tǒng)i 的性能，Gi1，Gi2，…，Gini為部件性能。

式(20)為分系統(tǒng)結(jié)構(gòu)函數(shù)，它表示分系統(tǒng)性能與部件性能的關(guān)系。

根據(jù)部件的向量通用生成函數(shù)(式(19))和分系統(tǒng)的結(jié)構(gòu)函數(shù)(式(20))，利用式(15)、式(16)、式(17)計算分系統(tǒng)i 的向量通用生成函數(shù)為

式中:Mi為分系統(tǒng)i 的狀態(tài)數(shù);{xi1(t)，…xiMi(t)}為t 時刻分系統(tǒng)i 的狀態(tài)性能;{qi1(t)，…，qiMi(t)}為對應的狀態(tài)概率。

在得到了分系統(tǒng)的向量通用生成函數(shù)之后，對于并聯(lián)部件較多的情況，分系統(tǒng)i 的狀態(tài)數(shù)Mi會比較大，為了減少計算量，提高計算速度，采用狀態(tài)重新劃分法進行處理:

將Ui(z，t)的Mi個狀態(tài)重新劃分為M'i個狀態(tài)，M'i＜Mi，M'i的大小可以根據(jù)計算精度和實際需要來確定。重新劃分之后，分系統(tǒng)i 的狀態(tài)性能變?yōu)?/p>

對應的狀態(tài)概率變?yōu)?/p>

此時，分系統(tǒng)i 的向量通用生成函數(shù)為

狀態(tài)重新劃分法的應用比較靈活，可以在計算分系統(tǒng)的向量通用生成函數(shù)過程中應用，也可以在計算系統(tǒng)的向量通用生成函數(shù)過程中應用。

3.3 估算多態(tài)系統(tǒng)可靠度

系統(tǒng)由N 個分系統(tǒng)串聯(lián)組成，系統(tǒng)結(jié)構(gòu)函數(shù)為:

式中:Y 為系統(tǒng)性能;X1，X2，…，XN為分系統(tǒng)性能。

估算多態(tài)系統(tǒng)可靠度時，根據(jù)系統(tǒng)結(jié)構(gòu)函數(shù)的特點，分3 種情況分析。

1)系統(tǒng)結(jié)構(gòu)函數(shù)已知

如果系統(tǒng)結(jié)構(gòu)函數(shù)已知，系統(tǒng)性能與分系統(tǒng)性能有明確函數(shù)關(guān)系，那么在得到各分系統(tǒng)的向量通用生成函數(shù)之后，利用式(15)、式(16)、式(17)可以得到系統(tǒng)的向量通用生成函數(shù)為

式中，Msys為系統(tǒng)的狀態(tài)數(shù);{y1(t)，…，yMsys(t)}為t時刻系統(tǒng)的狀態(tài)性能;{q1(t)，…，qMsys(t)}為對應的狀態(tài)概率。

不失一般性，設2 個向量Y=(Y1，Y2，…，Ym)和Z=(Z1，Z2，…，Zm)，如果對于所有的i，都有Yi≥Zi，則定義Y≥Z;如果對于所有的i，都有Yi≥Zi，且至少有一個i 使得Yi＞Zi，則定義Y ＞Z.

定義如下運算符

其中，

定義w 為系統(tǒng)的最小性能需求，當系統(tǒng)的狀態(tài)性能不小于w 時，系統(tǒng)可靠，否則，系統(tǒng)不可靠。因此，t 時刻系統(tǒng)可靠度為

2)系統(tǒng)結(jié)構(gòu)函數(shù)未知

如果系統(tǒng)結(jié)構(gòu)函數(shù)未知，在得到分系統(tǒng)的向量通用生成函數(shù)之后，不能直接利用式(15)、式(16)、式(17)得到系統(tǒng)的向量通用生成函數(shù)。一般來說，對于串-并聯(lián)系統(tǒng)，當各分系統(tǒng)都可靠時，系統(tǒng)可靠。因此可以根據(jù)各分系統(tǒng)的最小性能需求分別得到各分系統(tǒng)的可靠度，從而得到系統(tǒng)可靠度。

定義wi為分系統(tǒng)i 的最小性能需求，則t 時刻分系統(tǒng)i 的可靠度為

t 時刻系統(tǒng)可靠度為

3)系統(tǒng)性能與部分分系統(tǒng)性能有函數(shù)關(guān)系

如果系統(tǒng)性能與部分分系統(tǒng)性能有明確的函數(shù)關(guān)系，不失一般性，設前d(d＜N)個分系統(tǒng)的性能與系統(tǒng)性能有明確函數(shù)關(guān)系，則t 時刻系統(tǒng)可靠度為

式中，R1-d(t)為前d 個分系統(tǒng)的可靠度，利用式計算;Ri(t)為t 時刻分系統(tǒng)i 的可靠度，利用式計算，i=d+1，…，N.

4 算例分析

性能退化系統(tǒng)在工作時呈現(xiàn)出多種性能狀態(tài)，是一種比較典型的多態(tài)系統(tǒng)。通過性能退化分析可以得到性能退化系統(tǒng)的退化特性，從而得到其性能可靠性［29］。一個由性能退化部件組成的多態(tài)系統(tǒng)，如果各部件的性能退化特性已知，利用傳統(tǒng)的可靠性分析方法很難得到系統(tǒng)的性能可靠性。從上面的介紹中知道，向量通用生成函數(shù)可以描述部件狀態(tài)性能和對應概率與系統(tǒng)狀態(tài)性能和對應概率的關(guān)系，從而得到系統(tǒng)的性能與可靠性。下面將利用本文的分析方法進行算例分析，以驗證其有效性。

如圖2所示的串-并聯(lián)系統(tǒng)由3 個分系統(tǒng)組成，包含6 個性能退化部件。其中，部件1 和2 屬于同種類型，部件3、4 和5 屬于同種類型。假設6 個性能退化部件的退化特性已經(jīng)比較了解，部件退化性能、分系統(tǒng)結(jié)構(gòu)函數(shù)和系統(tǒng)結(jié)構(gòu)函數(shù)見表1。系統(tǒng)的最小性能需求為w=(10.0，4.5).

圖2 多臺串-并聯(lián)系統(tǒng)Fig.2 An example of multi-state series-parallel system

從表1可以看出，如果定義G6(t)≥7.0 時部件6 正常，則系統(tǒng)性能可以根據(jù)分系統(tǒng)1 和2 的性能得到，而分系統(tǒng)3(即部件6)的性能與系統(tǒng)性能沒有明確的函數(shù)關(guān)系，因此，在采用向量通用生成函數(shù)進行分析時，可以采用式進行計算，其中，d=2.

當t=10 000 h 時，如果采用Monte Carlo 仿真方法進行分析，則系統(tǒng)的可靠度約為0.812 7.下面的分析中，以Monte Carlo 仿真方法所得到的結(jié)果為參考值。

表1 部件退化性能及分系統(tǒng)結(jié)構(gòu)函數(shù)、系統(tǒng)結(jié)構(gòu)函數(shù)Tab.1 Performance of degraded components andstructure functions of subsystems and the system

如果采用傳統(tǒng)可靠性分析方法，每個部件只有兩個狀態(tài)，對于部件1 和2，當部件性能不小于(5.0，4.5)時，部件1 和2 正常，分系統(tǒng)1 正常。對于部件3、4 和5，當部件性能不小于(3.4，4.5)時，部件3、4 和5 正常，分系統(tǒng)2 正常。對于部件6，當部件性能不小于7.0 時，部件6 正常，分系統(tǒng)3 正常。此時，采用傳統(tǒng)可靠性分析方法可以得到系統(tǒng)可靠度為0.470 5.

根據(jù)上面定義的2 個狀態(tài)，采用向量通用生成函數(shù)進行分析，得系統(tǒng)可靠度為0.470 5;如果每個部件定義4 個狀態(tài)，則系統(tǒng)可靠度為0.784 5;如果每個部件定義16 個狀態(tài)，則系統(tǒng)可靠度為0.789 2.部件狀態(tài)數(shù)與系統(tǒng)可靠度的對應情況見表2.

可以看出，隨著部件狀態(tài)數(shù)的增加，采用本文方法所得到的估算結(jié)果越來越與Monte Carlo 仿真得到的參考值接近。當部件狀態(tài)數(shù)大于256 時，系統(tǒng)可靠度穩(wěn)定在0.812 6.隨著部件狀態(tài)數(shù)的增加，所得到的估算結(jié)果越來越準確，但是計算量越來越大。

表2 部件狀態(tài)數(shù)與系統(tǒng)可靠度Tab.2 Number of component states and system reliability

當部件狀態(tài)數(shù)為256 時，如果不合并同類項，分系統(tǒng)1 有2562個狀態(tài)，分系統(tǒng)2 有2563個狀態(tài)，系統(tǒng)有2565個狀態(tài)，計算量太大而難以計算。合并同類項之后，分系統(tǒng)1 有688 個狀態(tài)，分系統(tǒng)2 有2 032個狀態(tài)，系統(tǒng)有3 750 個狀態(tài)，系統(tǒng)的可靠度為0.812 6，計算時間為7.5 s.如果采用狀態(tài)重新劃分法將分系統(tǒng)性能重新劃分為64 個狀態(tài)，則系統(tǒng)的可靠度為0.812 3，計算時間為4.7 s.可以看出，通過合并同類項和狀態(tài)重新劃分法，能夠極大地提高計算效率，特別是當部件數(shù)較多時，效果會更加明顯。

分別采用傳統(tǒng)可靠性分析方法、Monte Carlo 仿真方法和本文方法，分析時間與系統(tǒng)可靠度關(guān)系，如圖3所示。

從圖3可以看出，傳統(tǒng)可靠性分析方法在分析具有多種性能水平的多態(tài)系統(tǒng)可靠性時，所估算的可靠度與Monte Carlo 仿真方法所得到的結(jié)果相比十分保守，而本文方法與Monte Carlo 仿真方法所得結(jié)果粘合在一起，基本完全相同。

圖3 3 種方法得到的時間與系統(tǒng)可靠度關(guān)系Fig.3 The relationship between system reliability and time obtained by the three methods

5 結(jié)論

1)提出了向量通用生成函數(shù)的定義和對應的運算方法，并且利用向量通用生成函數(shù)分析了多性能參數(shù)多態(tài)系統(tǒng)的可靠性問題。

2)向量通用生成函數(shù)能夠快速地估算多性能參數(shù)多態(tài)系統(tǒng)的可靠度，與Monte Carlo 仿真方法的結(jié)果對比顯示，其所得到的結(jié)果準確可信。

3)利用向量通用生成函數(shù)估算可靠度時，其估算的精度與狀態(tài)數(shù)有關(guān)。對于性能退化系統(tǒng)，狀態(tài)劃分時定義的狀態(tài)數(shù)越多，計算精度越高，但計算越復雜。采用合并同類項和狀態(tài)重新劃分法可以有效減少計算量。

4)多態(tài)系統(tǒng)可靠性考慮了部件性能與系統(tǒng)性能的關(guān)系，性能與可靠度的關(guān)系，從而可以利用性能進行可靠性分析與優(yōu)化設計，這為可靠性設計的發(fā)展提供了新的思路，能夠有效避免目前工程中性能設計與可靠性設計相脫離的情況。

References)

［1］Levitin G.The universal generating function in reliability analysis and optimization［M］.London:Springer，2005.

［2］Lisnianski A，Levitin G.Multi-state system reliability:Assessment，optimization and applications［M］.Singapore:World Scientific，2003.

［3］Huang J S，Zuo M J.Dominant multi-state systems［J］.IEEE Transactions on Reliability，2004，53(3):362 -368.

［4］Barton R M，Damon W W.Reliability in a multi-state system［C］∥Proceedings of the Sixth Annual Southeastern Symposium on Systems Theory.Louisiana:1974.

［5］Barlow R E，Wu A S.Coherent systems with multi-state components［J］.Mathematics of Operations Research，1978，3:275 -281.

［6］Massim Y，Zeblah A，Meziane R，et al.Optimal design and reliability evaluation of multi-state series-parallel power systems［J］.Nonlinear Dynamics，2005，40:309 -321.

［7］Taboada H A，Espiritu J F，Coit D W.Design allocation of multistate series-parallel systems for power systems planning:a multiple objective evolutionary approach［J］.Journal of Risk and Reliability，2008，222(3):381 -391.

［8］Yeh W C.A simple universal generating function method for estimating the reliability of general multi-state node networks［J］.IIE Transactions，2009，41:3 -11.

［9］Jane C C，Laih Y W.A practical algorithm for computing multistate two-terminal reliability［J］.IEEE Transactions on Reliability，2008，57(2):295 -302.

［10］Krzysztof K，Joanna S.On multi-state safety analysis in shipping［J］.International Journal of Reliability，Quality and Safety Engineering，2007，14(6):547 -567.

［11］Kolowrocki K，Kwiatuszewska-sarnecka B.Reliability and risk analysis of large systems with ageing components［J］.Reliability Engineering and System Safety，2008，93:1821 -1829.

［12］宋月，劉三陽，馮海林.相鄰k-out-of-n :F 多狀態(tài)可修系統(tǒng)的可靠性分析［J］.系統(tǒng)工程與電子技術(shù)，2006，28(2):310-316.SONG Yue，LIU San-yang，F(xiàn)ENG Hai-lin.Reliability analysis of consecutive k-out-of-n :F repairable systems with multi-state component［J］.Systems Engineering and Electronics，2006，28(2):310 -316.(in Chinese)

［13］武月琴，周泓，官建成.一類多狀態(tài)系統(tǒng)的可靠性計算［J］.北京航空航天大學學報，2007，33(8):968 -971.WU Yue-qin，ZHOU Hong，GUAN Jian-cheng.Reliability estimation of a multi-state system［J］.Journal of Beijing University of Aeronautics and astronautics，2007，33(8):968 -971.(in Chinese)

［14］原菊梅，侯朝楨，高琳，等.粗糙Petri 網(wǎng)及其在多狀態(tài)系統(tǒng)可靠性估計中的應用［J］.兵工學報，2007，28(11):1373 -1376.YUAN Ju-mei，HOU Chao-zhen，GAO Lin，et al.Rough Petri net and its application in multi-state system reliability estimate［J］.Acta Armamentarii，2007，28(11):1373 - 1376.(in Chinese)

［15］周金宇，謝里陽，王學敏.多狀態(tài)系統(tǒng)共因失效分析及可靠性模型［J］.機械工程學報，2005，41(6):66 -70.ZHOU Jin-yu，XIE Li-yang，WANG Xue-min.Analysis for common cause failure and reliability model in multi-state systems［J］.Chinese Journal of Mechanical Engineering，2005，41(6):66-70.(in Chinese)

［16］Li Chun-yang，Chen Xun，Yi Xiao-shan.Redundancy optimization for multi-state system in the presence of common cause failures［C］∥The 2008 International Conference on Risk and Reliability Management.Beijing:2008:632 -636.

［17］Li Chun-yang，Chen Xun，Yi Xiao-shan，et al.Heterogeneous redundancy optimization for multi-state series-parallel systems subject to common cause failures［J］.Reliability Engineering and System Safety，2010，95(3):202 -207.

［18］Zaitseva E，Levashenko V.Investigation multi-state system reliability by structure function［C］∥Proceedings of the 2nd International Conference on Dependability of Computer Systems.Poland，2007:81 -90.

［19］Ramirez-marquez J E，Coit D W.A Monte-Carlo simulation approach for approximating multi-state two-terminal reliability［J］.Reliability Engineering and System Safety，2005，87:253 -264.

［20］Zio E，Marella M，Podofillini L.A Monte Carlo simulation approach to the availability assessment of multi-state systems with operational dependencies［J］.Reliability Engineering and System Safety，2007，92:871 -882.

［21］Taboada H A，Espiritu J F，Coit D W.MOMS-GA:a multi-objective multi-state genetic algorithm for system reliability optimization design problems［J］.IEEE Transactions on Reliability，2008，57(1):182 -191.

［22］Ushakov I.Universal generating function［J］.Soviet Journal of Computer and Systems Sciences，1986，24(5):118 -129.

［23］Ushakov I.Optimal standby problems and a universal generating function［J］.Soviet Journal of Computer and Systems Sciences，1987，25(4):79 -82.

［24］Levitin G.A universal generating function approach for the analysis of multi-state systems with dependent elements［J］.Reliability Engineering and System Safety，2004，84(3):285 -292.

［25］Ouzineb M，Nourelfath M，Gendreau M.Tabu search for the redundancy allocation problem of homogenous series-parallel multistate systems［J］.Reliability Engineering and System Safety，2008，93(8):1257 -1272.

［26］Tian Z G，Levitin G，Zuo M J.A joint reliability redundancy optimization approach for multi-state series– parallel systems［J］.Reliability Engineering and System Safety，2009.

［27］An Z W，Huang H Z，Liu Y.A discrete stress-strength interference model based on universal generating function［J］.Reliability Engineering and System Safety，2008，93(10):1485 -1490.

［28］An Z W，Huang H Z，Lin D.An approach to reliability evaluation of multiple V-belt drives considering the deviation of belt length［J］.Journal of Risk and Reliability，2009，223(2):159-166.

［29］Wang P，Coit D W.Reliability prediction based on degradation modeling for systems with multiple degradation measures［C］∥Proceedings Annual Reliability and Maintainability Symposium.Los Angeles，2004:302 -307.