CN108984838B - 一种基于虚引力的复杂***部件重要度评估处理方法 - Google Patents

一种基于虚引力的复杂***部件重要度评估处理方法 Download PDF

Info

Publication number
CN108984838B
CN108984838B CN201810600065.8A CN201810600065A CN108984838B CN 108984838 B CN108984838 B CN 108984838B CN 201810600065 A CN201810600065 A CN 201810600065A CN 108984838 B CN108984838 B CN 108984838B
Authority
CN
China
Prior art keywords
node
importance
complex system
components
component
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810600065.8A
Other languages
English (en)
Other versions
CN108984838A (zh
Inventor
胡国飞
屈汝祥
何昱
陶婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Sanjiang Aerospace Hongfeng Control Co Ltd
Original Assignee
Hubei Sanjiang Aerospace Hongfeng Control Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hubei Sanjiang Aerospace Hongfeng Control Co Ltd filed Critical Hubei Sanjiang Aerospace Hongfeng Control Co Ltd
Priority to CN201810600065.8A priority Critical patent/CN108984838B/zh
Publication of CN108984838A publication Critical patent/CN108984838A/zh
Application granted granted Critical
Publication of CN108984838B publication Critical patent/CN108984838B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于虚引力的复杂***部件重要度评估处理方法，包括以下步骤：将复杂***的实际拓扑抽象为复杂网络模型，依据复杂网络模型建立复杂***组成部件的节点接近度模型，引入虚引力模型并描述间接相连节点间的重要度贡献，综合考虑节点接近度和节点重要度贡献，构建了复杂***中组成部件的重要度评估模型，验证***部件重要度评估模型的有效性，最后依据重要度值的大小确定***中的关键部件、重要部分以及一般部件。本发明综合考虑节点接近度和节点重要度贡献，以实现准确复杂***的信息传递效率，以评估部件重要度、有效地识别复杂***中的关键部件、重要部件以及一般部件并据此进行不同类型的维保处理，从而保证复杂***的运行质量。

Description

一种基于虚引力的复杂***部件重要度评估处理方法
技术领域
本发明属于复杂***部件评估领域，具体涉及一种基于虚引力的复杂***部件重要度评估处理方法。
背景技术
随着科学技术的不断进步，诸如电力***、交通网络***、因特网***、金融***、航天器***等复杂***越来越被广泛应用。然而，复杂***在运行期间发生故障是难以避免的，即使是一个微小的元部件故障，都有可能造成整个***无法正常工作。对于这类复杂***来说，定量分析复杂***中所有部件的重要程度,进而挖掘出复杂***中的核心部件,对提高***的可靠性，具有一定的工程指导意义，同时也可为复杂***关键及重要部件的实时性能监测提供理论依据。
目前针对复杂***部件重要度评估处理方法，正如专利文献CN201710283622中公开的一种基于节点重要度的电网关键节点评估方法，该方法基于功率传输转移因子定义了改进的电气距离，接着定义了节点效率和节点初始权重，然后给出节点重要度贡献系数矩阵和节点重要度贡献矩阵的构建方法，在此基础上结合电网节点的重要度的计算方法，从而识别出区域电网的关键节点。实际上，该方法仅考虑了节点度、节点距离以及直接相连的节点之间的影响，并未考虑间接相连节点之间的影响。然而对于具有多种关联度的复杂***来说，该***的信息传递效率越高，某一节点发生故障后其故障信息在整个***网络中的传播速度会更快，由于网络信息传递效率越高，其网络的信息传输路径较多，可以采取有效措施延缓故障在网络中的传播，产生的危害较小；该***的信息传递效率较低，某一个节点发生故障后失效，由于网络信息传递效率越低，其网络的信息传输路径较少，则关键部件的故障会导致整个***网络的局部出现连通不畅，使得整个***网络节点距离的平均值变大，信息传递效率下降，产生的危害较大。因此，节点间的间接影响在***部件重要度评估处理中是不可忽略的，有且必要将节点间的间接影响纳入复杂***部件的重要度评估处理中。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于虚引力的***部件重要度评估处理方法，其引入虚引力模型来表示部件之间的相互影响，且综合考虑节点接近度和节点重要度贡献，以实现准确复杂***的信息传递效率，以评估部件重要度、有效地识别复杂***中的关键部件、重要部件以及一般部件，并据此进行不同类型的维保处理从而保证复杂***的运行质量。
为实现上述目的，按照本发明的一个方面，提供了一种基于虚引力的复杂***部件重要度评估处理方法，具体步骤如下：
S1.利用节点V和边E建立复杂***网络模型G，节点V用于表示复杂***中的组成部件，边E用于表示复杂***中相互连接的一对组成部件；
S2.利用节点V和边E计算节点接近度C，节点接近度C为复杂***网络模型G中包含该节点对应的组成部件的边之和的倒数；
S3.利用节点V和边E计算虚引力系数M，虚引力系数M为复杂***网络模型G中所有相互连接的一对组成部件的距离的倒数之和的平均值；
S4.依据虚引力系数M和节点位置建立虚引力模型F，虚引力模型F用于反映复杂***的组成部件间的相互影响程度；
S5.依据虚引力模型F建立节点重要度贡献H，节点重要度贡献H用于按照各组成部件重要度和组成部件间的相互影响程度计算节点重要度贡献；
S6.依据节点接近度C和节点重要度贡献H计算复杂***部件重要度I，按照预设的比例对所述复杂***部件重要度I的排序结果进行分析，以此方式确定该复杂***中的关键部件、重要部件以及一般部件，并据此进行不同类型的维保处理，即针对关键部件设置可替换的备份部件并在关键部件发生故障时启用备份部件，重要部件发生故障进行及时修复，以及一般部件发生故障进行选择性修复。
作为本发明的进一步改进，建立复杂***网络模型表达式为G＝(V,E)，其中，
节点V表达式为V＝{v1,v2,…,vn}，表示***网络模型的组成部件集合；
边E表达式为E＝{e1,e2,…,en}，表示***网络模型中各相互连接的一堆组成部件的集合，且
Figure BDA0001692947900000021
(vi,vj)代表节点vi对应的组成部件与节点vj对应的组成部件的连接关系。
作为本发明的进一步改进，节点接近度C表达式为：
Figure BDA0001692947900000031
dij是指复杂***中节点vi对应的组成部件与节点vj对应的组成部件之间的最短路径上边的条数，若节点vi与节点vj之间不存在连接关系，则dij→∞。
作为本发明的进一步改进，虚引力系数M表达式为：
Figure BDA0001692947900000032
作为本发明的进一步改进，虚引力模型F的表达式为：
Figure BDA0001692947900000033
其中，Di、Dj分别表示与包含该节点vi、节点vj的边的条数；σ表示调控参数。
作为本发明的进一步改进，节点重要度贡献H计算方法为：
Figure BDA0001692947900000034
Hij(i＝1,2,…,n；j＝1,2,…,n；i≠j)代表节点vi对节点vj的重要度贡献。
作为本发明的进一步改进，复杂***部件重要度I计算方法如下:
Figure BDA0001692947900000035
其中，Ii表示第i部件在复杂***中的重要度。
作为本发明的进一步改进，按照预设的比例对复杂***部件重要度I的排序结果进行分析，以此确定该***中的关键部件、重要部分以及一般部件。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
1.本发明的基于虚引力的复杂***部件重要度评估处理方法，其引入虚引力模型来表示部件之间的相互影响，且综合考虑节点接近度和节点重要度贡献，以实现准确复杂***的信息传递效率，以评估部件重要度、有效地识别复杂***中的关键部件、重要部件以及一般部件，并据此进行不同类型的维保处理从而保证复杂***的运行质量，解决了传统重要度评估方法仅考虑节点度、节点距离以及节点对与之相连节点的影响，并未考虑节点对间接相连节点影响的问题。
2.本发明的基于虚引力的复杂***部件重要度评估处理方法，能够有效地识别复杂***中的关键部件，指导关键部件的可靠性设计，对于提高***的运行可靠性具有一定的工程指导意义，其应用性强，适用于任何可进行网络拓扑抽象的复杂工程***。
3.本发明的基于虚引力的复杂***部件重要度评估处理方法，在节点重要度贡献的计算上对原有算法模型进行了改进，使得节点之间的相互影响与节点之间距离呈现指数衰减特性，评估结果更符合实际情况。
4、本发明的基于虚引力的复杂***部件重要度评估处理方法，从节点接近度和节点重要度贡献两个方面来评估复杂***部件重要度，其中，节点接近度反映了节点的连通性，而节点重要度贡献则衡量节点间的影响程度，采用相乘的计算方式，从而全面和准确地反映了***部件重要度。
附图说明
图1是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法流程图；
图2是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法中的ARPA网络结构示意图；
图3是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法中的节点重要度随节点作用范围调控系数变化曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
图1是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法流程图。如图1所示，首先，将复杂***的实际拓扑抽象为复杂网络模型，依据复杂网络模型建立复杂***组成部件的节点接近度模型，引入虚引力模型并描述间接相连节点间的重要度贡献，综合考虑节点接近度和节点重要度贡献，构建了复杂***中组成部件的重要度评估模型，验证***部件重要度评估模型的有效性，最后依据重要度值的大小确定***中的关键部件、重要部分以及一般部件，针对关键部件设置有可替换的备份部件，对复杂***中的关键部件、重要部件以及一般部件进行监控，关键部件发生故障时及时启用备份部件；重要部件发生故障时及时进行修复；一般部件发生故障时则视情况进行修复。
具体步骤如下：
1.建立复杂***网络模型G＝(V,E)，其中，
节点V用于表示复杂***中的组成部件，V＝{v1,v2,…,vn}代表***网络模型的节点集合；
边E用于表示复杂***中相互连接的一对组成部件，E＝{e1,e2,…,en}代表***网络模型中各节点之间的边集合，且
Figure BDA0001692947900000051
(vi,vj)代表节点vi对应的组成部件与节点vj对应的组成部件的连接关系。
2.通过节点接近度以反映节点的连通性，若***网络模型中共有n个节点，节点接近度C(i)为节点vi与节点vj之间距离dij(i＝1,2,…,n；j＝1,2,…,n；i≠j)的倒数：
Figure BDA0001692947900000052
其中，dij是指复杂***中节点vi对应的组成部件与节点vj对应的组成部件之间的最短路径上边的条数，若节点vi与节点vj之间不存在连接关系，则dij→∞。
3.建立虚引力系数M的数学模型：
Figure BDA0001692947900000053
其中，虚引力系数M的取值范围为[0 1]，当M＝1表示整个***网络的连通性最好，信息传输效率最高；当M＝0表示整个***网络的连通性最差，信息传输效率最低，即整个***已崩溃。
虚引力系数M为***网络模型中所有节点对之间距离倒数之和的平均值，用来衡量***网络的信息传递效率。一个***网络的信息传递效率越高，某一节点发生故障后其故障信息在整个***网络中的传播速度会更快，由于网络信息传递效率越高，其网络的信息传输路径较多，可以采取有效措施延缓故障在网络中的传播，产生的危害较小；一个***网络的信息传递效率较低，某一个节点发生故障后失效，由于网络信息传递效率越低，其网络的信息传输路径较少，则关键部件的故障会导致整个***网络的局部出现连通不畅，使得整个***网络节点距离的平均值变大，信息传递效率下降，产生的危害较大。
4.建立虚引力。可以将***网络节点间的影响可近似为一种虚引力，类比牛顿万有引力定律模型，综合考虑节点度局部属性以及节点距离位置属性，建立了***网络模型中节点对之间的虚引力模型为：
Figure BDA0001692947900000061
其中，节点度Di、Dj分别表示与节点vi、vj直接相连接的边的条数,节点度表示的是节点的局部重要特性，节点重要度与节点度有着直接关系，节点度越大，表明其与相邻节点的关联更紧密，一旦该节点发生故障，直接影响到与之相邻的其它节点信息的传输，因此该节点重要度也越大；σ表示节点对象作用范围的调控参数。
5.节点重要度贡献Hij。节点重要度贡献Hij是指节点vi将自身重要度按一定规则贡献给节点vj，用来衡量节点间的影响程度，节点对之间相互影响的虚引力模型也同样反映了节点对之间的影响程度，与节点重要度贡献相比在本质上是相同的，引入节点虚引力模型建立了节点vi对节点vj的重要度贡献Hij(i＝1,2,…,n；j＝1,2,…,n；i≠j)模型为：
Figure BDA0001692947900000071
6.***部件重要度Ii。***部件重要度Ii的评估模型为：
Figure BDA0001692947900000072
***中的组成部件可以抽象为***网络模型中的节点，***部件重要度评估主要从节点接近度和节点重要度贡献两个方面来考虑，其中，节点接近度主要指节点与其它节点的连通能力，如果经过该节点的有效路径越多，该节点在整个***网络中的重要度越高，并且也直接影响到整个网络的连通特性，例如与其它节点相比经过中心节点的有效路径数目肯定会更多，其重要程度也明显更高。节点重要度贡献Hij是指节点vi将自身重要度按一定规则贡献给节点vj，用来衡量节点间的影响程度，节点接近度、节点重要度贡献都是衡量***部件重要度的关键因素，并且与***部件重要度呈正相关，故采用相乘的模型。
作为一个优选的实施例，对于设置有21个***部件美国国防部高级研究计划局组建的计算机网络(ARPA网络)，该***部件重要度评估处理方法主要分为如下六个步骤：
步骤一：构建复杂网络模型
图2是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法中的ARPA网络结构示意图。如图2所示，将ARPA(Advanced Research Projects Agency)网络中每台计算机作为网路模型的节点，计算机之间的信息流通作为边，共有21个节点，23条边。
步骤二：***节点的接近度
表1为ARPA网络拓扑结构的节点度，依据表1数据及节点接近度模型，得到ARPA网络各节点接近度如表2所示。
表1 ARPA网络拓扑结构的节点度
Figure BDA0001692947900000073
Figure BDA0001692947900000081
表2 ARPA网络拓扑结构的节点接近度
节点编号 V1 V2 V3 V4 V5 V6 V7
节点接近度 0.0127 0.0149 0.0169 0.0154 0.0145 0.0147 0.0128
节点编号 V8 V9 V10 V11 V12 V13 V14
节点接近度 0.0115 0.0114 0.012 0.0132 0.0149 0.0175 0.0167
节点编号 V15 V16 V17 V18 V19 V20 V21
节点接近度 0.0145 0.0141 0.0154 0.0159 0.0169 0.0152 0.0139
步骤三：***节点间的重要度贡献
选取σ的值为2，ARPA网络各节点重要度贡献矩阵表如表3和表4所示：
表3节点重要度贡献矩阵表
Figure BDA0001692947900000082
Figure BDA0001692947900000091
表4节点重要度贡献矩阵表
<![CDATA[H<sub>ij</sub>]]> 11 12 13 14 15 16 17 18 19 20 21
1 0.3095 0.5803 0.5159 1.5476 2.3214 0.7738 0.5159 0.5159 0.5803 0.3095 0.2579
2 0.6190 1.1607 1.0317 3.0952 4.6428 3.0952 1.5476 1.5476 1.5476 0.7738 0.6190
3 0.6190 1.1607 1.0317 3.0952 2.3214 1.5476 3.0952 3.0952 2.3214 1.0317 0.7738
4 0.2579 0.4643 0.3869 1.0317 0.7738 0.5159 0.7738 0.7738 0.7738 0.3869 0.5159
5 0.2579 0.3869 0.3095 0.7738 0.5803 0.3869 0.5159 0.5159 0.5803 0.5159 0.7738
6 0.4643 0.6964 0.5803 0.9286 0.6964 0.4643 0.5803 0.5803 1.1607 1.1607 2.3214
7 0.3869 0.4643 0.3095 0.5159 0.3869 0.2579 0.3095 0.3095 0.5803 0.5159 0.7738
8 0.5159 0.5803 0.3095 0.5159 0.3316 0.2211 0.2579 0.2579 0.4643 0.3869 0.5159
9 0.7738 0.7738 0.3869 0.6190 0.3869 0.2579 0.2579 0.2579 0.4643 0.3095 0.3869
10 1.5476 1.1607 0.5159 0.7738 0.4643 0.3095 0.3095 0.3095 0.5803 0.3095 0.3095
11 1.000 2.3214 0.7738 1.0317 0.5803 0.3869 0.3869 0.3869 0.7738 0.3869 0.3095
12 2.3214 1.000 2.3214 2.3214 1.1607 0.7738 0.7738 0.7738 1.7410 0.7738 0.5803
13 0.7738 2.3214 1.000 3.0952 1.1607 0.7738 0.7738 0.7738 2.3214 0.7738 0.5159
14 1.0317 2.3214 3.0952 1.000 4.6428 3.0952 3.0952 1.0317 2.3214 1.0317 0.7738
15 0.5803 1.1607 1.1607 4.6428 1.000 1.1607 1.1607 0.7738 1.1607 0.5803 0.4643
16 0.3869 0.7738 0.7738 3.0952 1.1607 1.000 0.7738 0.5159 0.5803 0.3869 0.3095
17 0.3869 0.7738 0.7738 3.0952 1.1607 0.7738 1.000 0.7738 0.7738 0.3869 0.3095
18 0.3869 0.7738 0.7738 1.0317 0.7738 0.5159 0.7738 1.000 2.3214 0.7738 0.5159
19 0.7738 1.7410 2.3214 2.3214 1.1607 0.5803 0.7738 2.3214 1.000 2.3214 1.1607
20 0.3869 0.7738 0.7738 1.0317 0.5803 0.3869 0.3869 0.7738 2.3214 1.000 1.5476
21 0.3095 0.5803 0.5159 0.7738 0.4643 0.3095 0.3095 0.5159 1.1607 1.5476 1.000
步骤四：依据***部件重要度评估模型，得到ARPA网络各节点重要度见表5所示：
表5 ARPA网络拓扑节点重要度
Figure BDA0001692947900000092
Figure BDA0001692947900000101
步骤五：***部件重要度评估模型有效性验证
为了分析本发明评估结果受节点对象作用范围调控参数σ变化的影响，选取ARPA拓扑网络中的关键节点和部分重要节点为研究对象，分析了节点对象作用范围调控参数σ取不同值时的节点重要度排序，本实施例中选取ARPA拓扑网络中部分重要节点V2、V3、V13、V14、V15和V19为研究对象。
图3是本发明实施例的基于虚引力的复杂***部件重要度评估处理方法中的节点重要度随节点作用范围调控系数变化曲线。如图3所示，随着节点作用范围调控系数的增大，各节点的重要度值会减少，但是各节点的重要度排序却并未发生变化，当调控系数大于网络直径时，节点重要度不再随着调控系数变化而变化，仿真结果可以看出，节点重要度评估结果随着σ值的增大总体呈现出不稳定到稳定的变化趋势，从而验证了本发明在评估节点重要度的精确性和普适性，对于工程应用具有一定的指导意义。
步骤六：确定***关键部件、重要部件以及一般部件
依据表5所示的ARPA网络各节点重要度值，并参考关于划分关键部件、重要部件以及一般部件的比例标准，确定ARPA拓扑网络中的关键部件为V2、V3、V14；重要部件为V4、V5、V6、V12、V13、V15、V16、V17、V18、V19、V20；一般部件为V1、V7、V8、V9、V10、V11、V21。
对ARPA网络中的关键部件、重要部件以及一般部件进行监控，对于关键部件V2、V3、V14设置有相同的可替换的备份部件，一旦关键部件V2、V3、V14发生故障时则及时启用相同的备份部件，以防整个网络因为其的损坏导致大范围的瘫痪；重要部件V4、V5、V6、V12、V13、V15、V16、V17、V18、V19、V20发生故障时及时进行修复，避免因为重要部件损坏导致网络的流通受到影响；而一般部件V1、V7、V8、V9、V10、V11、V21发生故障时，可以选择空闲状态时再对其进行修复。
当然，ARPA网络仅仅是一个典型的复杂***，复杂***有很多种，比如电力***、交通网络***、金融***、航天器***，本申请仅以其作为示例，并不代表复杂***仅为ARPA网络。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于虚引力的复杂***部件重要度评估处理方法，具体步骤如下：
S1.利用节点V和边E建立复杂***网络模型G，所述节点V用于表示复杂***中的组成部件，所述边E用于表示复杂***中相互连接的一对组成部件；
S2.利用节点V和边E计算节点接近度C，所述节点接近度C为复杂***网络模型G中包含该节点对应的组成部件的边之和的倒数；
S3.利用节点V和边E计算虚引力系数M，所述虚引力系数M为复杂***网络模型G中所有相互连接的一对组成部件的距离的倒数之和的平均值；
S4.依据所述虚引力系数M和节点位置建立虚引力模型F，所述虚引力模型F用于反映复杂***的组成部件间的相互影响程度；
S5.依据所述虚引力模型F建立节点重要度贡献H，所述节点重要度贡献H用于按照各组成部件重要度和组成部件间的相互影响程度计算节点重要度贡献；
S6.依据节点接近度C和节点重要度贡献H计算复杂***部件重要度I，按照预设的比例对所述复杂***部件重要度I的排序结果进行分析，以此方式确定该复杂***中的关键部件、重要部件以及一般部件，并据此进行不同类型的维保处理，即针对关键部件设置可替换的备份部件并在关键部件发生故障时启用备份部件，重要部件发生故障进行及时修复，以及一般部件发生故障进行选择性修复；
所述建立复杂***网络模型表达式为G＝(V,E)，其中，
节点V表达式为V＝{v1,v2,…,vn}，表示***网络模型的组成部件集合；
边E表达式为E＝{e1,e2,…,en}，表示***网络模型中各相互连接的一堆组成部件的集合，且(vi,vj)代表节点vi对应的组成部件与节点vj对应的组成部件的连接关系；
所述节点接近度C表达式为：
dij是指复杂***中节点vi对应的组成部件与节点vj对应的组成部件之间的最短路径上边的条数，若节点vi与节点vj之间不存在连接关系，则dij→∞；
其中，所述虚引力系数M表达式为：
所述虚引力模型F的表达式为：
其中，Di、Dj分别表示与包含该节点vi、节点vj的边的条数；σ表示调控参数。
2.根据权利要求1所述的一种基于虚引力的复杂***部件重要度评估处理方法，其中，所述节点重要度贡献H计算方法为：
Hij(i＝1,2,…,n；j＝1,2,…,n；i≠j)代表节点vi对节点vj的重要度贡献。
3.根据权利要求2所述的一种基于虚引力的复杂***部件重要度评估处理方法，其中，所述复杂***部件重要度I计算方法如下:
其中，Ii表示第i部件在复杂***中的重要度。
CN201810600065.8A 2018-06-12 2018-06-12 一种基于虚引力的复杂***部件重要度评估处理方法 Active CN108984838B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810600065.8A CN108984838B (zh) 2018-06-12 2018-06-12 一种基于虚引力的复杂***部件重要度评估处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810600065.8A CN108984838B (zh) 2018-06-12 2018-06-12 一种基于虚引力的复杂***部件重要度评估处理方法

Publications (2)

Publication Number Publication Date
CN108984838A CN108984838A (zh) 2018-12-11
CN108984838B true CN108984838B (zh) 2023-05-16

Family

ID=64541126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810600065.8A Active CN108984838B (zh) 2018-06-12 2018-06-12 一种基于虚引力的复杂***部件重要度评估处理方法

Country Status (1)

Country Link
CN (1) CN108984838B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501255A (zh) * 2013-09-23 2014-01-08 华南理工大学 基于复杂网络的功率变换器元件重要度评估方法
CN104298593A (zh) * 2014-09-23 2015-01-21 北京航空航天大学 一种基于复杂网络理论的soa***可靠性评价方法
CN107292481A (zh) * 2017-04-26 2017-10-24 广东电网有限责任公司惠州供电局 一种基于节点重要度的电网关键节点评估方法
CN107453928A (zh) * 2017-09-22 2017-12-08 冀北电力有限公司电力经济技术研究院 一种电力通信网节点重要度评价方法及装置
CN108023878A (zh) * 2017-11-27 2018-05-11 石家庄铁道大学 复杂网络中异质性节点的信息流行为控制方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8046200B2 (en) * 2006-09-05 2011-10-25 Colorado State University Research Foundation Nonlinear function approximation over high-dimensional domains
US8577663B2 (en) * 2011-05-23 2013-11-05 GM Global Technology Operations LLC System and methods for fault-isolation and fault-mitigation based on network modeling

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103501255A (zh) * 2013-09-23 2014-01-08 华南理工大学 基于复杂网络的功率变换器元件重要度评估方法
CN104298593A (zh) * 2014-09-23 2015-01-21 北京航空航天大学 一种基于复杂网络理论的soa***可靠性评价方法
CN107292481A (zh) * 2017-04-26 2017-10-24 广东电网有限责任公司惠州供电局 一种基于节点重要度的电网关键节点评估方法
CN107453928A (zh) * 2017-09-22 2017-12-08 冀北电力有限公司电力经济技术研究院 一种电力通信网节点重要度评价方法及装置
CN108023878A (zh) * 2017-11-27 2018-05-11 石家庄铁道大学 复杂网络中异质性节点的信息流行为控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Ground proximity warning mission system dynamic safety modeling based on SoTeRiA;Wang Miao;《IEEE》;20170531;第781-784页 *
基于复杂网络理论的配电网节点脆弱度评估;吴辉等;《复杂***与复杂性科学》;20170315(第01期);第41-48页 *
复杂网络中节点重要度评估;陈静等;《西南交通大学学报》;20090615(第03期);第132-135页 *

Also Published As

Publication number Publication date
CN108984838A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
KR102061987B1 (ko) 위험 평가 방법 및 시스템
Amin et al. An approach to software reliability prediction based on time series modeling
CN110417011B (zh) 一种基于互信息与迭代随机森林的在线动态安全评估方法
Liu et al. Kernel estimation of the Greeks for options with discontinuous payoffs
Kim The Property of Learning effect based on Delayed Software S-Shaped Reliability Model using Finite NHPP Software Cost Model
Stoyanov et al. Numerical analysis of fixed point algorithms in the presence of hardware faults
CN110672951B (zh) 一种配电网电压脆弱区域辨识方法及装置
CN116886329A (zh) 一种面向工控***安全的量化指标优化方法
Ramezani et al. Multiple objective functions for falsification of cyber-physical systems
CN105301602A (zh) 一种基于灰色关联度导航卫星完好性关键点综合识别方法
Callou et al. Estimating sustainability impact, total cost of ownership and dependability metrics on data center infrastructures
Levitin et al. Optimal spot-checking for collusion tolerance in computer grids
CN108984838B (zh) 一种基于虚引力的复杂***部件重要度评估处理方法
TWI746244B (zh) 社群網路中複數個目標節點之挑選方法及其系統
Aggarwal et al. A standby repairable system with rest of server between repairs
Gui et al. SCC-based improved reachability analysis for Markov decision processes
Cekyay et al. Performance measures for systems with Markovian missions and aging
Li et al. Optimizing the reliability and efficiency for an assembly line that considers uncertain task time attributes
CN105260304B (zh) 一种基于qbgsa‑rvr的软件可靠性预测方法
Antoniadis et al. Evt-based worst case delay estimation under process variation
WO2024066143A1 (zh) 分子碰撞截面的预测方法、装置、设备及存储介质
Ferreira et al. Detecting protocol errors using particle swarm optimization with java pathfinder
Tian et al. Web service reliability test method based on log analysis
CN104933636B (zh) 多工况电力***稳定性分析方法及装置
Ghaleb et al. Using fuzzy logic and discrete event simulation to enhance production lines performance: case study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant