CN109492256A - 一种动态***状态概率映射矩阵多向搜索方法 - Google Patents
一种动态***状态概率映射矩阵多向搜索方法 Download PDFInfo
- Publication number
- CN109492256A CN109492256A CN201811195435.0A CN201811195435A CN109492256A CN 109492256 A CN109492256 A CN 109492256A CN 201811195435 A CN201811195435 A CN 201811195435A CN 109492256 A CN109492256 A CN 109492256A
- Authority
- CN
- China
- Prior art keywords
- probability
- lattice cell
- state
- search
- matrix
- 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.)
- Granted
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种动态***状态概率映射矩阵多向搜索方法,包括以下内容:建立***仿真和故障注入模型,***状态空间离散化,***始发栅元点随机抽样,配置***部件状态,设置仿真时间步长、仿真测试次数,通过函数赋值将***始发栅元点信息导入仿真模型中,执行并完成仿真测试,统计***轨迹在栅元中的迁移分布,计算***状态条件迁移概率,生成***状态转移概率矩阵,建立***动态概率映射网络;进行搜索参数初始化,执行矩阵动态搜索分析,实现***重要风险序列路径识别和查找,计算并预测***可靠度随时间的概率分布。本发明可用于***动态轨迹及其状态转移概率矩阵生成,支持矩阵多向搜索计算,获得动态可靠性评价指标。
Description
技术领域
本发明涉及数理统计和仿真分析领域,具体涉及一种动态***状态概率映射矩阵多向搜索方法。
背景技术
近年来,随着数字化***技术的高速发展,核电厂也正面临其仪表与控制***数字化升级换代及全面应用的趋势。仪表与控制***作为核电厂的大脑神经,牵带着***中每一参数的监督和控制,一旦发生***故障或失效,将直接影响或损害核电机组的安全运行。而由于核电具有的潜在放射性物质释放风险,核电厂对数字化技术产品的安全可靠性标准也有区别于其他行业的特殊的、严格的要求。
数字化技术产品相比于传统的模拟式仪表和控制器件应用优势明显,但其独特的技术特点(如软件和硬件的集成,交互耦合失效等)也引入了新的挑战,加大了核电厂数字化仪表和控制***的认证难度。传统的可靠性建模分析方法如故障树/事件树方法已不能满足数字化仪表和控制***复杂的动态交互过程分析需求,国内外相关领域专家也都在致力于寻求一种动态的可包罗数字化仪表与控制***特有复杂特性的新型可靠性分析方法,进而实现对数字化过程交互的动态可靠性和安全评价,并为核电厂数字化仪表和控制***授权和应用进程提供审查技术支持。
发明内容
本发明的目的是针对现有技术的不足,提出了一种动态***状态概率映射矩阵多向搜索方法,所述方法提供了一套可以通过故障注入的***仿真模型,模拟***状态在不同离散化状态空间栅元中的动态迁移过程,以此估算并建立***状态概率映射关系及转移概率矩阵,并通过搜索算法实现***关键序列路径生成和可靠性定量评估。所述方法能够应用于核电厂数字化仪表与过程控制***中,针对其动态交互耦合特性,实现过程控制***故障注入模拟测试、以及自动实现***可靠性建模更新和评价分析的动态概率映射矩阵搜索,实现对数字化过程交互的动态可靠性和安全评价。
本发明的目的可以通过如下技术方案实现:
一种动态***状态概率映射矩阵多向搜索方法,所述方法包括以下内容:
对数字化***部件进行失效模式、失效机理及影响分析,定义***控制单元物理状态,建立表述过程控制***部件状态转移的有限状态机模型;
依据过程控制***控制法则建立其仿真模型,并根据数字化***部件失效机理建立故障注入模型;
定义过程控制***状态空间,对***连续过程变量进行空间栅元划分,并通过随机函数抽样栅元中***状态的始发点;
设置***状态配置参数、仿真测试次数、仿真时长,并通过函数赋值在仿真模型中导入随机抽样***状态点的位置;
对***进行仿真测试,针对每一***始发栅元点,统计其***运行轨迹落入不同栅元中的点的个数,计算***状态条件转移概率,生成***状态转移概率矩阵,建立***动态概率演变模型;
设置***初始状态搜索深度n、***初始状态概率P和截断准则ε,其中Ω表示过程控制***状态空间,Vj表示将过程控制***状态空间Ω划分的互不重叠的离散化栅元;进行多向矩阵动态搜索分析,通过前向搜索实现***状态演变重要序列路径生成,以及通过回溯搜索实现***失效重要风险路径识别;最后计算和预测***状态在不同时刻的可靠度。
进一步地,所述定义过程控制***状态空间,对***连续过程变量进行空间栅元划分,并通过随机函数抽样栅元中***状态的始发点过程中,***状态时空离散化方法为:
将由L个连续变量构成的L维过程控制***状态空间Ω划分为互不重叠的离散化栅元Vj={xl:al,j≤xl≤bl,j;j=1,...,Jl;l=1,...,L},其中xl表示具体的某一空间栅元,al,j和bl,j分别表示该空间栅元的下边界值和上边界值,Jl表示针对每一变量维度所划分的区间数;***动态能够看作是特定***物理控制部件状态组合m(m=1,...,M)下***状态在离散化空间栅元Vj中随时间的概率转移过程,***状态转移时间步长使用Δt表示,空间栅元划分遵循最优原则,应选择适当的栅元尺寸和时间步长以确保***状态转移尽量发生在相邻栅元之间;假设部件状态配置,即数字化部件状态的组合m变化只可能发生在t+Δt时刻,而不会出现在[t,t+Δt)时间段内,则***在t+Δt和t时刻的状态前向相关性能够通过Pn+1=Q·Pn表示;如果是反向搜索应用,则***状态之间的相关性能够通过Pn=[QTQ]- 1QT·Pn+1表示;其中,列向量Pn=[pn(1,1),pn(1,2),...,pn(1,J),...,pn(M,1),...,pn(M,J)]T表示***状态在特定搜索深度n下的概率;***状态转移概率Q=q(m,j|m',j',Δt);m,m'=1,...,M;j,j'=1,...,J由q(m,j|m',j',Δt)=g(j|j',m',Δt)·h(m|m',j'→j,Δt)计算得到;其中,h(m|m',j'→j,Δt)表示部件状态配置在***过程变量栅元j'→j转移过程中由m'变为m的概率;h(m|m',j'→j,Δt)为***控制单元随机状态变化的全概率映射;假设部件失效之间相互独立,h(m|m',j'→j,Δt)能够简单地表示成每一单独控制单元失效概率的乘积;g(j|j',m',Δt)表示在给定部件状态配置m'下和时间步长Δt内,***过程变量由栅元j'进入栅元j的条件概率;g(j|j',m',Δt)矩阵数据值能够通过***控制数学模型或仿真模型/模拟器获得;通过对***状态转移概率矩阵Q的计算,实现对***状态概率映射关系模型的构建;
所述***状态的始发点随机抽样方法为:通过一随机抽样函数每次从指定栅元Vj中随机抽取一个或多个数值作为***状态的位置起始点用于***轨迹模拟生成,随机抽样函数服从均匀分布;***测试时,以栅元中的点代表栅元。
进一步地,所述g(j|j',m',Δt)矩阵数据值能够通过***控制数学模型采用连续积分法或仿真模型/模拟器采用等权点积分获得;此处的g(j|j',m',Δt)元素值通过仿真模型模拟得到。
进一步地,所述***仿真测试通过命令程序语句实现,测试结果包括***落入栅元点的位置、数字化部件故障模式的符号参数以及最大和最小失效指数,并将所述测试结果存入数据库中。
进一步地,所述***状态条件转移概率通过以下等权点积分方法近似得到:假若***测试过程中在栅元j'中随机抽取了uj'个数作为***状态起始位置点,这uj'个数均匀分布在栅元j'中,经***状态发展轨迹模拟,如果在时间步长Δt内有wj个***轨迹点落入栅元j,则***状态条件转移概率矩阵近似于
进一步地,所述多向矩阵动态搜索分析以***指定初始状态s为起点,通过搜索***状态转移概率矩阵Q中的非零元素,并将观测到的非零元素作为父节点继续下一步搜索,迭代循环直至指定搜索深度n;前、后搜索同步进行,每一搜索步都涉及符合元素的状态转移概率矩阵Q的更新计算,实行广度搜索优先,以遍历所有可能的序列路径;
其中,***状态演变序列路径通过不同搜索步上***状态栅元点前后相连构成的事件序列线路生成,***状态演变序列路径的概率为每一搜索步分支概率的乘积;***重要序列路径筛选方法如下:***状态序列路径的重要性体现在其概率值排序上,通过截断准则ε以筛选出***状态发展重要序列路径以及***失效重要风险路径。
进一步地,所述***状态在不同时刻的可靠度计算方法如下:特定搜索深度n下,对***状态进行分组归类,属于同一***状态的序列分支归为一组,***状态在n·Δt时刻的可靠度为组内所有序列分支概率之和,***状态概率的预测通过Pn+1=Q·Pn实现。
本发明与现有技术相比,具有如下优点和有益效果:
1、本发明提供的动态***状态概率映射矩阵多向搜索方法,由***仿真模型及故障注入测试生成的***轨迹及***状态转移概率矩阵,考虑了***随机失效、时序关系、非线性特性、偶然不确定性和知不确定性,更符合***动态过程,仿真意义更加贴合实际。
2、本发明提供的动态***状态概率映射矩阵多向搜索方法,可以通过增加***仿真测试的次数,自动更新***状态转移概率映射矩阵模型;且***状态转移概率矩阵可支持多方向搜索,并从概率风险的角度筛选出***重要序列路径,识别***设计和运行过程中的薄弱环节。
附图说明
图1为本发明实施例中数字化部件故障注入通选模型。
图2为本发明实施例中基于模型测试的***状态转移概率矩阵计算程序框图。
图3为本发明实施例中***状态转移概率矩阵通用搜索计算程序框图。
图4为本发明实施例中***运行动态概率预测曲线图。
图5为本发明实施例中***轨迹发展示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例:
本实施例提供了一种动态***状态概率映射矩阵多向搜索方法,属于数理统计和仿真分析领域,主要是模拟复杂过程控制***轨迹生成,实现动态***可靠性建模和矩阵搜索分析。本实施例所述方法的算法程序和软件应用平台分别是以MATLAB/SIMULINK 2016和Eclipse 4.6平台编写的,其主要功能为:辅以故障模式及影响分析,对数字化***部件故障模式和失效机理进行分类,建立有限状态机模型,模拟数字化***部件随机状态转移;根据数字化***部件的失效机理构建***仿真和故障注入模型,对***连续过程变量状态空间进行离散化;通过栅元点随机抽样和***轨迹生成模拟测试,建立***状态转移概率映射矩阵模型,设定***模型分析用参数输入,实现特定搜索深度下***重要风险路径查找和识别,定量预测***可靠性动态变化,最终完成对大型复杂过程***动态可靠性和安全评价和验证。
整个软件应用平台包括可视化图形显示界面、图形化建模单元、***状态空间栅元定义制表、数据导入导出功能、***参数初始化功能、***仿真和故障注入测试功能、***状态转移概率映射矩阵模型生成和更新、通用矩阵搜索算法、***动态可靠性分析功能等几个模块。
进入***应用平台后,导入***数字化部件故障模式及影响分析结果,绘制***部件状态转移有限状态机模型,计算部件状态配置概率转移矩阵h(m|m',j'→j,Δt)。与此同时,对***状态时间和空间进行离散化定义,搭建维度化栅元结构框架,由***仿真和故障注入测试功能单元设置***起始栅元点参数、部件状态配置及测试试验次数,然后通过功能按钮弹出“模拟计算开始”对话框,确认进入***动态测试环节,计算和动态更新***状态条件转移概率g(j|j',m',Δt),待模拟达到指定次数要求,弹出“模拟计算结束”对话框,计算结果显示于对话框中,结束本次仿真测试调用。重新设置新的***起始栅元点参数、部件状态配置等信息,重复上述模拟计算过程,直至***状态条件转移概率矩阵覆盖所有可能***栅元点取样。仿真测试完成之后,利用矩阵乘积运算得到***状态转移概率映射关系矩阵Q。
本实施例可以基于***状态转移概率矩阵Q进行多向同步搜索推理分析。搜索流程为:首先通过软件应用平台进行算法初始化参数设置,包括指定***初始状态s及其概率P、搜索深度n和截断准则ε,待初始化参数设置完成后,确定并开始矩阵搜索,搜索过程中,被观测到的目标矩阵元素将用作父节点开始新的子节点搜索,期间与目标元素相关联的转移分支将对矩阵Q更新计算。如图3所示,算法会对每一搜索步上的所有可能序列路径进行概率计算,并通过截断准则对低概率事件序列分支进行剔除,筛选出***失效重要风险路径并存入数据库中,然后对保留下来的***重要序列分支进行概率更新,向前和向后同时更新***循环变量n,进入下一次迭代循环。矩阵搜索过程中,被观测到的重要序列分支数目会伴随搜索步深度在搜索结果对话框中滚动更新,每一步得到序列路径总数会在搜索步结束之后存入数据库中以进行统计分析。
***状态概率定量计算也是针对具体搜索步进行,首先对特定***状态所在序列分支进行归组,然后对组内所有进入目标***状态的序列分支概率求和,累加数值即为特定***状态当下的概率值。
***搜索分析计算完成后,将***失效重要风险路径以向量的形式存入数据库表格中,用于数据处理分析和备份,基于分析结果数据绘制***状态概率时间关系曲线。
接下来,通过对核电厂数字化仪表与过程控制***动态建模仿真和可靠性分析,验证本实施例所述方法的有效性,包括以下步骤:
第一步:针对示例***中数字化控制单元进行故障模式、故障机理及影响分析,定义***控制单元物理状态。***由两个进水控制器、一个出水控制器组成,每一控制单元包含运行、失效“关”和失效“开”三种状态,状态转移发生在运行和失效之间。
第二步,建立水位控制示例***MATLAB/SIMULINK仿真模型,并针对数字化部件建立其故障注入模型,如图1所示。
第三步:对水位过程变量进行区间栅元划分,***水位有效控制区域为-3米≤x≤3米,控制区域内栅元长度为2米,定义后的水位状态栅元分别为:x1<-3米,-3米≤x2≤-1米,-1米<x3≤1米,1米<x4≤3米,x5>3米。
第四步:结合第一步给出***部件状态定义和第三步给出的***过程变量状态划分,得出***控制部件状态组合数为M=33=27,离散化后的***过程变量状态空间栅元数为J=5,计算得出***状态总数为N(s)=M·J=3×3×3×5=135。同时,取仿真时间步长Δt=30分钟。
第五步:配置***部件组合状态m,将数字化部件失效影响程度和始发栅元点位置分别使用两个不同的随机抽样函数表示,抽样时间步长与仿真时间步长一致。本实施例中,***部件状态数字编码为一3维行向量,控制部件三种状态模式定义分别使用1、2、3数字编码表示,并将所有的27组部件配置向量存入元胞数组中。使用循环变量m(m=1,2,...,27)逐个取出元胞数组中的数字编码进行部件状态配置。
数字化部件失效影响程度使用随机信号生成器AmountIn/Decrease%=normrnd(μ,σ,1,uj)描述,生成的随机信号服从正态分布,其中μ=0,σ=0.5,uj=100。控制部件失效影响程度表示部件失效引起的相对于其正常输出而产生的最大增量和减量百分比,最大增量和减量分别对应于正态分布函数的右边正值取数和左边负值取数,最大故障输出相对百分比为1,通过限值函数将正态分布取数中绝对值超出1的数值部分截断,保留最大±1数值。实施过程中,通过绝对值正负跳转形式实现部件失效影响程度和部件运行/失效模式的匹配和统一,如部件失效开对应正输出,则所有的负抽样数值自动取其正绝对值作为附加失效输出。
随后,编写随机数生成函数pj-departure=aj+(bj-aj).*rand(uj)用于抽样***始发栅元点。其中,pj-departure表示针对栅元j选取的始发点位置,bj和aj分别表示栅元j的上、下边界值,rand(uj)表示从开区间(0,1)随机抽取uj个***始发栅元点,栅元抽样点服从均匀分布。本实施例中,对27组部件配置中的每一种情况执行100次仿真测试,测试数据存入数据库中,见图2。
第六步:根据***仿真输出结果判断***根轨迹终点位置所处栅元,统计每一栅元中落入点的个数wj,将栅元中落入点的数目wj除以始发栅元点数目uj,得到对应栅元条件迁移概率,并进一步通过等权点积分计算式求得所有***状态条件转移概率矩阵g(j|j',m',Δt)。
第七步:由***部件失效率和修复率及仿真时间步长计算部件概率转移矩阵h(m|m',j'→j,Δt),通过矩阵乘积运算得到***状态转移概率矩阵Q。
第八步:对搜索算法进行参数初始化,设定***起始状态栅元为s∈V3,搜索深度n=8、***初始状态概率P=1、截断准则ε=0。
第九步:依据第八步给出的初始化参数输入,执行并完成多向搜索分析,将每一层次搜索结果存入数据库中,算法实施过程见图3。
第十步:针对特定的目标***状态s∈V1,归组所有导致***低水位失效的序列分支,并进行概率求和,得到***低水位失效概率随时间函数分布,结合图表在应用平台界面上显示,如图4所示。同样,在***初始状态和终点状态一致的前提下,对部件配置变化次序相同的序列路径进行归组,通过求和计算出***动态发展情景的概率分布。依据序列或情景分支概率权重值大小,从风险的角度对所有路径分支进行重要性排序,然后基于***失效重要序列情景,绘制***轨迹图,如图5所示。
以上所述,仅为本发明专利较佳的实施例,但本发明专利的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明专利所公开的范围内,根据本发明专利的技术方案及其发明专利构思加以等同替换或改变,都属于本发明专利的保护范围。
Claims (7)
1.一种动态***状态概率映射矩阵多向搜索方法,其特征在于,所述方法包括以下内容:
对数字化***部件进行失效模式、失效机理及影响分析,定义***控制单元物理状态,建立表述过程控制***部件状态转移的有限状态机模型;
依据过程控制***控制法则建立其仿真模型,并根据数字化***部件失效机理建立故障注入模型;
定义过程控制***状态空间,对***连续过程变量进行状态空间栅元划分,并通过随机函数抽样栅元中***状态的始发点;
设置***状态配置参数、仿真测试次数、仿真时长,并通过函数赋值在仿真模型中导入随机抽样***状态始发点的位置;
对***进行仿真测试,针对每一***始发栅元点,统计其***运行轨迹落入不同栅元中的点的个数,计算***状态条件转移概率,生成***状态转移概率矩阵,建立***动态概率演变模型;
设置***初始状态搜索深度n、***初始状态概率P和截断准则ε,其中Ω表示过程控制***状态空间,Vj表示将过程控制***状态空间Ω划分的互不重叠的离散化栅元;进行多向矩阵动态搜索分析,通过前向搜索实现***状态演变重要序列路径生成,以及通过回溯搜索实现***失效重要风险路径识别;最后计算和预测***状态在不同时刻的可靠度。
2.根据权利要求1所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于,所述定义过程控制***状态空间,对***连续过程变量进行空间栅元划分,并通过随机函数抽样栅元中***状态的始发点过程中,***状态时空离散化方法为:
将由L个连续变量构成的L维过程控制***状态空间Ω划分为互不重叠的离散化栅元Vj={xl:al,j≤xl≤bl,j;j=1,...,Jl;l=1,...,L},其中xl表示具体的某一空间栅元,al,j和bl,j分别表示该空间栅元的下边界值和上边界值,Jl表示针对每一变量维度所划分的区间数;***动态能够看作是特定***物理控制部件状态组合m(m=1,...,M)下***状态在离散化空间栅元Vj中随时间的概率转移过程,***状态转移时间步长使用Δt表示,空间栅元划分遵循最优原则,应选择适当的栅元尺寸和时间步长以确保***状态转移尽量发生在相邻栅元之间;假设部件状态配置,即数字化部件状态的组合m变化只可能发生在t+Δt时刻,而不会出现在[t,t+Δt)时间段内,则***在t+Δt和t时刻的状态前向相关性能够通过Pn+1=Q·Pn表示;如果是反向搜索应用,则***状态之间的相关性能够通过Pn=[QTQ]-1QT·Pn+1表示;其中,列向量Pn=[pn(1,1),pn(1,2),...,pn(1,J),...,pn(M,1),...,pn(M,J)]T表示***状态在特定搜索深度n下的概率;***状态转移概率Q=q(m,j|m',j',Δt);m,m'=1,...,M;j,j'=1,...,J由q(m,j|m',j',Δt)=g(j|j',m',Δt)·h(m|m',j'→j,Δt)计算得到;其中,h(m|m',j'→j,Δt)表示部件状态配置在***过程变量栅元j'→j转移过程中由m'变为m的概率;h(m|m',j'→j,Δt)为***控制单元随机状态变化的全概率映射;假设部件失效之间相互独立,h(m|m',j'→j,Δt)能够简单地表示成每一单独控制单元失效概率的乘积;g(j|j',m',Δt)表示在给定部件状态配置m'下和时间步长Δt内,***过程变量由栅元j'进入栅元j的条件概率;g(j|j',m',Δt)矩阵数据值能够通过***控制数学模型或仿真模型/模拟器获得;通过对***状态转移概率矩阵Q的计算,实现对***状态概率映射关系模型的构建;
所述***状态的始发点随机抽样方法为:通过一随机抽样函数每次从指定栅元Vj中随机抽取一个或多个数值作为***状态的位置起始点用于***轨迹模拟生成,随机抽样函数服从均匀分布;***测试时,以栅元中的点代表栅元。
3.根据权利要求2所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于:所述g(j|j',m',Δt)矩阵数据值能够通过***控制数学模型采用连续积分法或仿真模型/模拟器采用等权点积分获得;此处的g(j|j',m',Δt)元素值通过仿真模型模拟得到。
4.根据权利要求1或2所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于:所述***仿真测试通过命令程序语句实现,测试结果包括***落入栅元点的位置、数字化部件故障模式的符号参数以及最大和最小失效指数,并将所述测试结果存入数据库中。
5.根据权利要求2所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于:所述***状态条件转移概率通过以下等权点积分方法近似得到:假若***测试过程中在栅元j'中随机抽取了uj'个数作为***状态起始位置点,这uj'个数均匀分布在栅元j'中,经***状态发展轨迹模拟,如果在时间步长Δt内有wj个***轨迹点落入栅元j,则***状态条件转移概率矩阵近似于
6.根据权利要求2所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于:所述多向矩阵动态搜索分析以***指定初始状态s为起点,通过搜索***状态转移概率矩阵Q中的非零元素,并将观测到的非零元素作为父节点继续下一步搜索,迭代循环直至指定搜索深度n;前、后搜索同步进行,每一搜索步都涉及符合元素的状态转移概率矩阵Q的更新计算,实行广度搜索优先,以遍历所有可能的序列路径;
其中,***状态演变序列路径通过不同搜索步上***状态栅元点前后相连构成的事件序列线路生成,***状态演变序列路径的概率为每一搜索步分支概率的乘积;***重要序列路径筛选方法如下:***状态序列路径的重要性体现在其概率值排序上,通过截断准则ε以筛选出***状态发展重要序列路径以及***失效重要风险路径。
7.根据权利要求2所述的一种动态***状态概率映射矩阵多向搜索方法,其特征在于:所述***状态在不同时刻的可靠度计算方法如下:特定搜索深度n下,对***状态进行分组归类,属于同一***状态的序列分支归为一组,***状态在n·Δt时刻的可靠度为组内所有序列分支概率之和,***状态概率的预测通过Pn+1=Q·Pn实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811195435.0A CN109492256B (zh) | 2018-10-15 | 2018-10-15 | 一种动态***状态概率映射矩阵多向搜索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811195435.0A CN109492256B (zh) | 2018-10-15 | 2018-10-15 | 一种动态***状态概率映射矩阵多向搜索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492256A true CN109492256A (zh) | 2019-03-19 |
CN109492256B CN109492256B (zh) | 2022-10-25 |
Family
ID=65689738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811195435.0A Active CN109492256B (zh) | 2018-10-15 | 2018-10-15 | 一种动态***状态概率映射矩阵多向搜索方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492256B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045363A (zh) * | 2019-05-08 | 2019-07-23 | 中国人民解放军空军研究院战略预警研究所 | 基于相对熵的多雷达航迹关联方法 |
CN111612162A (zh) * | 2020-06-02 | 2020-09-01 | 中国人民解放军军事科学院国防科技创新研究院 | 一种强化学习方法、装置、电子设备及存储介质 |
CN113157562A (zh) * | 2021-03-16 | 2021-07-23 | 王轶昆 | 一种基于扩展有限状态机模型的测试用例生成方法及平台 |
CN113966264A (zh) * | 2019-05-17 | 2022-01-21 | 西门子股份公司 | 用于基于接触定位在通过机器人操纵时可移动的对象的方法、计算机程序产品和机器人控制装置以及机器人 |
CN115577577A (zh) * | 2022-12-09 | 2023-01-06 | 中国人民解放军军事科学院***工程研究院 | 一种计算***的可靠性评估方法和*** |
WO2023221660A1 (zh) * | 2022-05-16 | 2023-11-23 | 华南理工大学 | 多源数据融合动态***情景行为推演和可靠性预计分析方法及*** |
CN118075032A (zh) * | 2024-04-19 | 2024-05-24 | 湖南天冠电子信息技术有限公司 | 基于人工智能的虚拟局域网安全风险预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104574445A (zh) * | 2015-01-23 | 2015-04-29 | 北京航空航天大学 | 一种目标跟踪方法及装置 |
US20150127310A1 (en) * | 2013-11-01 | 2015-05-07 | University Of East Anglia | Optimization system and method |
US20150170022A1 (en) * | 2013-12-13 | 2015-06-18 | King Fahd University Of Petroleum And Minerals | Method and apparatus for characterizing composite materials using an artificial neural network |
CN106950850A (zh) * | 2017-02-20 | 2017-07-14 | 上海核工程研究设计院 | 一种数字化仪控***动态可靠性集成分析方法 |
-
2018
- 2018-10-15 CN CN201811195435.0A patent/CN109492256B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150127310A1 (en) * | 2013-11-01 | 2015-05-07 | University Of East Anglia | Optimization system and method |
US20150170022A1 (en) * | 2013-12-13 | 2015-06-18 | King Fahd University Of Petroleum And Minerals | Method and apparatus for characterizing composite materials using an artificial neural network |
CN104574445A (zh) * | 2015-01-23 | 2015-04-29 | 北京航空航天大学 | 一种目标跟踪方法及装置 |
CN106950850A (zh) * | 2017-02-20 | 2017-07-14 | 上海核工程研究设计院 | 一种数字化仪控***动态可靠性集成分析方法 |
Non-Patent Citations (2)
Title |
---|
杨军; 闫寒: "校准三维模型基矩阵的函数映射的对应关系计算", 《武汉大学学报(信息科学版)》 * |
杨明: "多目标进化算法在网格任务调度中的研究", 《南京信息工程大学硕士论文集》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045363A (zh) * | 2019-05-08 | 2019-07-23 | 中国人民解放军空军研究院战略预警研究所 | 基于相对熵的多雷达航迹关联方法 |
CN113966264A (zh) * | 2019-05-17 | 2022-01-21 | 西门子股份公司 | 用于基于接触定位在通过机器人操纵时可移动的对象的方法、计算机程序产品和机器人控制装置以及机器人 |
CN111612162A (zh) * | 2020-06-02 | 2020-09-01 | 中国人民解放军军事科学院国防科技创新研究院 | 一种强化学习方法、装置、电子设备及存储介质 |
CN113157562A (zh) * | 2021-03-16 | 2021-07-23 | 王轶昆 | 一种基于扩展有限状态机模型的测试用例生成方法及平台 |
WO2023221660A1 (zh) * | 2022-05-16 | 2023-11-23 | 华南理工大学 | 多源数据融合动态***情景行为推演和可靠性预计分析方法及*** |
CN115577577A (zh) * | 2022-12-09 | 2023-01-06 | 中国人民解放军军事科学院***工程研究院 | 一种计算***的可靠性评估方法和*** |
CN118075032A (zh) * | 2024-04-19 | 2024-05-24 | 湖南天冠电子信息技术有限公司 | 基于人工智能的虚拟局域网安全风险预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109492256B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492256A (zh) | 一种动态***状态概率映射矩阵多向搜索方法 | |
Bower et al. | Galaxy formation: a Bayesian uncertainty analysis | |
Mihram | Some practical aspects of the verification and validation of simulation models | |
Razoumov et al. | Cosmological hydrogen reionization with three-dimensional radiative transfer | |
CN106055729B (zh) | 一种基于蒙特卡洛仿真的故障树分析方法 | |
Ding et al. | Structural damage identification by sparse deep belief network using uncertain and limited data | |
CN113762486B (zh) | 换流阀故障诊断模型的构建方法、装置和计算机设备 | |
CN105260786A (zh) | 一种电力推进***仿真可信度评估模型综合优化方法 | |
CN105138782A (zh) | 基于eemd-elm的非平稳脉动风速高精度预测方法 | |
CN105243245A (zh) | 一种基于Petri网的电路模块故障机理相关关系的可靠性建模方法 | |
CN112017070A (zh) | 一种基于数据增强评估电力***暂态稳定的方法及*** | |
CN115587309A (zh) | 一种变压器抗短路能力关键特征提取方法、装置及设备 | |
Ehrke et al. | Topological reconstruction of particle physics processes using graph neural networks | |
Grebhahn et al. | Experiments on optimizing the performance of stencil codes with spl conqueror | |
Bisgambiglia et al. | Fuzz-idevs: Towards a fuzzy toolbox for discrete event systems | |
CN109034636A (zh) | 功率持续快速变化下操纵员人因可靠性分析方法与装置 | |
CN107644145A (zh) | 一种基于蒙特卡洛和决策逻辑的故障行为仿真方法 | |
Moreland | Initial conditions of bulk matter in ultrarelativistic nuclear collisions | |
Wang et al. | Reliability modeling and verification method for dynamic reconfiguration system | |
CN115437893A (zh) | 一种基于聚类分析的集成电路单粒子效应软错误仿真方法 | |
CN115184055A (zh) | 一种分级测试性优化的测试集确定方法及*** | |
CN105930613A (zh) | 一种分布式发电***等值建模方法 | |
Roughen et al. | A system for simulation of store separation including unsteady effects | |
Attia | Advanced Sampling Methods for Solving Large-Scale Inverse Problems | |
Kim et al. | Input-domain software testing for failure probability estimation of safety-critical applications in consideration of past input sequence |
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 |