CN108563525A - 复杂系统可靠性仿真中智能体环境任务干涉方法及系统 - Google Patents
复杂系统可靠性仿真中智能体环境任务干涉方法及系统 Download PDFInfo
- Publication number
- CN108563525A CN108563525A CN201810330831.3A CN201810330831A CN108563525A CN 108563525 A CN108563525 A CN 108563525A CN 201810330831 A CN201810330831 A CN 201810330831A CN 108563525 A CN108563525 A CN 108563525A
- Authority
- CN
- China
- Prior art keywords
- task
- intelligent body
- working cell
- simulation
- environment
- 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
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3457—Performance evaluation by simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一套自适应智能体之间进行协作的基本方法和工作流程,为该类仿真系统的设计和开发提供了原理框架。为基于自适应智能体的复杂系统任务可靠性仿真提供了一套自适应智能体自动适应任务变化和环境变化并自主更新系统可靠性模型和实际故障特性参数的基本方法,它可以帮助实现各种复杂任务条件下、多变任务环境下的系统任务可靠性仿真与评估。这是复杂系统可靠性仿真领域方法上的突破,也是研究角度上的创新。
Description
技术领域
本公开涉及系统可靠性仿真技术领域,具体涉及一种复杂系统可靠性仿真中智能体环境任务干涉方法及系统。
背景技术
可靠性仿真技术是伴随着计算机软硬件技术的成熟与普及而发展起来的一种可以用于复杂系统可靠性预计和评估的有效方法,是计算机仿真技术在可靠性工程领域的成功应用。它通用性好、应用广泛、分析精度高、计算效率高,且对软硬件条件要求较低,对提高产品可靠性可以起到了明显的效果,已经在可靠性工程领域得到越来越广泛的应用。
可靠性仿真技术作为系统可靠性工程中的重要关键技术之一,主要用于通过仿真建模技术对产品的可靠性水平进行预测、评估和优化。随着现代产品复杂度、精密度的提高,以往基于理论分析的方法已经很难适应大型复杂产品的可靠性分析问题,而可靠性仿真技术凭借其更加灵活、多用途及更容易实现等优势,得到了越来越广泛的应用。
现有的可靠性仿真技术主要采用蒙特卡洛数字仿真方法。这种方法主要按照各个零部件的寿命或故障分布函数进行蒙特卡洛随机抽样,然后依据抽样数据结合系统的可靠性模型(可靠性框图),计算系统可靠性,分析系统可靠性水平,方法获取各个要求首先要构建完善的系统可靠性框图,其次要获取产品各个零部件的寿命分布类型和参数,然后采用随机抽样的方法估计系统可靠性水平。这种方法对可靠性模型要求较高,同时在仿真模型的实现上,需要将可靠性框图以逻辑运算方程来表达,因此方法的灵活性较差,计算复杂度高,当模型规模很大时,可靠性逻辑运算方程将非常复杂,导致这种方法的计算效率很低。另外,传统方法主要关注于在理想工作环境下、基于静态可靠性关系的系统固有可靠性的分析,难于适应系统在复杂任务环境中的动态可靠性模型,也很难兼顾零部件工况和外部工作环境的动态变化对系统可靠性的影响,也不能考虑零部件因耗损而导致的可靠性退化问题,因此导致仿真结果与系统真实运行数据的误差较大,仿真的可行性难以提高。此外现有仿真方法模型的可重用性较低。
发明内容
鉴于上述问题,提出了本公开以便提供一种克服上述问题或者至少部分地解决上述问题的复杂系统可靠性仿真中智能体环境任务干涉方法及系统。
一种复杂系统可靠性仿真中智能体环境任务干涉方法,包括:
任务仿真智能体执行任务更新操作,根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务为smnx;
环境仿真智能体执行环境更新操作,根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey;
系统仿真智能体执行系统可靠性模型更新操作,调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型rbgx;
工作单元仿真智能体感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系;
环境仿真智能体通过系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ};
工作单元仿真智能体以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述方法还包括:
工作单元仿真智能体调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述方法还包括:
所述单元故障率自适应函数如下表示:
λp=Ff(λb,Ta,Ey)=Ff(λb,Ta,par1par2,.,parQ)
所述函数以工作单元的累积工作时间、基准故障率以及当前的环境状态参数为输入,考虑工作单元的寿命变化规律和环境影响因素,求解工作单元的实际故障率λp。
所述方法还包括:
所述任务转换函数表示如下:
smnx=Fm(msn0,t)
任务转换函数Fm的具体形式根据系统的任务模型进行具体定义,采用子任务列表、子任务矩阵或状态转移图形式。
所述方法还包括:
所述环境变换函数表示如下:
Ey=Fp(smnx,t)={par1,par2,...,parQ}
环境变换函数Ep的输出是由多个环境影响因子值组成的向量Ey,Ey中的每个环境影响因子表达了一个环境参数的当前值;由多个影响因子组成的所述向量表达一个完整的环境状态,所述向量的具体分量数量和形式根据研究的需要进行自定义;
环境变换函数Fp具体形式根据系统执行当前子任务时的工作环境的变化规律进行具体定义,采用映射表、矩阵或多元函数形式。
所述方法还包括:
所述系统可靠性模型是系统可靠性框图形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式,是能够表达系统工作单元之间的可靠性关系的任意模型。
一种复杂系统可靠性仿真中智能体环境任务干涉系统,包括:任务仿真智能体、环境仿真智能体、系统仿真智能体和工作单元仿真智能体;
所述任务仿真智能体,用于模拟系统工作任务的变化情况,根据任务剖面的变化,系统的工况和应力将发生变化,从而会影响系统的故障或失效行为;
所述环境仿真智能体,用于自主模拟系统运行外部环境的变化,环境参数的变化会影响系统工作中的故障规律的变化;
所述系统仿真智能体,用于模拟整个系统的整体行为,它可以根据系统结构和任务剖面的变化激发和停止各工作单元的工作状态;
所述工作单元仿真智能体,用于模拟系统各工作单元(零部件)在不同环境和任务剖面下的运行和故障行为。
具体包括:
任务仿真智能体执行任务更新操作,根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务为smnx;
环境仿真智能体执行环境更新操作,根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey;
系统仿真智能体执行系统可靠性模型更新操作,调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型rbgx;
工作单元仿真智能体感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系;
环境仿真智能体通过系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ};
工作单元仿真智能体以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述工作单元仿真智能体调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述系统可靠性模型是系统可靠性框图形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式,是能够表达系统工作单元之间的可靠性关系的任意模型。
与现有技术相比,本公开主要有益效果如下:
本发明为基于自适应智能体的复杂系统可靠性仿真方法,提供了一套自适应智能体之间进行协作的基本方法和工作流程,为该类仿真系统的设计和开发提供了原理框架。这是复杂系统可靠性仿真领域方法上的突破,也是研究角度上的创新。
本发明为基于自适应智能体的复杂系统任务可靠性仿真提供了一套自适应智能体自动适应任务变化和环境变化并自主更新系统可靠性模型和实际故障特性参数的基本方法,它可以帮助实现各种复杂任务条件下、多变任务环境下的系统任务可靠性仿真与评估。这是方法层面的创新。
本发明针对基于自适应智能体的复杂系统可靠性仿真,提出了任务转换函数、环境变换函数、系统可靠性模型自适应函数、单元故障率自适应函数和工作单元可靠性关系重构程序五个核心算法的设计框架,这些核心算法为具体仿真模型有关功能模块的开发提供了基本设计方案。
本发明提出的方法只提供基本框架和算法模型,并且可以根据具体开发的需要剪裁和合并对象模型和总体工作流程,因此具有非常好的灵活性,可以支持各类基于智能体的可靠性仿真系统的设计。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本公开的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本公开一个实施例的复杂系统可靠性仿真中智能体环境任务干涉方法工作流程图;
图2示出了根据本公开一个实施例的工作原理和工作过程图;
图3示出了根据本公开一个实施例的系统的可靠性框图;
图4示出了根据本公开一个实施例的系统的Anylogic仿真模型运行界面图;
图5示出了根据本公开一个实施例的复杂系统可靠性仿真中智能体环境任务干涉系统结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
基于多智能体的复杂系统可靠性仿真方法是一种新型的可靠性仿真技术,它通过定义多种智能体来分别表达系统运行的环境、任务、系统本身及其零部件,并通过这些智能体的相互作用和协作来实现对系统运行过程及其故障行为的模拟。在基于多智能体的复杂系统可靠性仿真方法中,各类智能体之间如何协作,特别是系统及工作单元(零部件)智能体如何响应系统环境和任务的变化,从而更加符合真实情景、更加有效和可信地模拟系统运行中的可靠性行为,是这类仿真方法的关键和难点。
在基于多智能体的复杂系统可靠性仿真方法中,仿真模型由任务仿真智能体、环境仿真智能体、系统仿真智能体和工作单元仿真智能体组成,任务仿真智能体用于模拟系统工作任务的变化情况,根据任务剖面的变化,系统的工况和应力将发生变化,从而会影响系统的故障或失效行为;环境仿真智能体用于自主模拟系统运行外部环境的变化,环境参数的变化会影响系统工作中的故障规律的变化;系统仿真智能体用于模拟整个系统的整体行为,它可以根据系统结构和任务剖面的变化激发和停止各工作单元的工作状态;工作单元仿真智能体用于模拟系统各工作单元(零部件)在不同环境和任务剖面下的运行和故障行为。在这四类仿真智能体中,如何在仿真过程中,实现环境和任务变化对系统和工作单元可靠性行为的影响,需要通过一定的影响和响应机制来实现,我们称之为智能体的环境和任务干涉机制。
为了解决基于多智能体的复杂系统可靠性仿真中环境、任务智能体与系统及工作单元智能体之间的相互协作和响应干涉问题,本发明提供一种可靠性仿真中的智能体环境和任务干涉机制。这种机制为环境和任务智能体在可靠性仿真中,特别是任务可靠性仿真中,如何将环境和任务的变化通过智能体协作关系传递给系统和工作单元仿真智能体,从而对它们的工作状态、故障行为产生动态影响,从而使得系统可靠性仿真的效果更加符合真实系统在实际任务环境下真实情况,使得基于仿真的分析研究更加准确和可信。
实施例一
如图1所示,为根据本公开一个实施例的复杂系统可靠性仿真中智能体环境任务干涉方法工作流程图,其中,
步骤11:启动仿真,各智能体初始化;
步骤12:任务仿真智能体执行任务更新操作,其根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务(任务阶段)为smnx,任务转换函数表示如下:
smnx=Fm(msn0,t)
任务转换函数Fm的具体形式可根据系统的任务模型进行具体定义,可以采用子任务列表、子任务矩阵、状态转移图等多种形式。
步骤13:任务仿真智能体通知环境仿真智能体当前任务阶段已经更新,环境仿真智能体执行环境更新操作,其根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey,环境变换函数可以表示如下:
Ey=Fp(smnx,t)={par1,par2,...,parQ}
环境变换函数Fp的输出是一个由多个环境影响因子值组成的向量Ey,Ey中的每个环境影响因子表达了一个环境参数的当前值,如温度、湿度、海拔、电压应力等,而由多个影响因子组成的该向量表达了一个完整的环境状态,该向量的具体分量数量和形式可以根据研究的需要进行自定义。环境变换函数Fp具体形式可根据系统执行当前子任务时的工作环境的变化规律进行具体定义,可以采用映射表、矩阵或多元函数等任意可以表达环境影响因子随子任务动态变化关系的形式。
步骤14:任务仿真智能体通知系统仿真智能体当前子任务更新为smnx,系统仿真智能体执行系统可靠性模型更新操作,其调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型,这里的系统可靠性模型可以是系统可靠性框图(Reliability Block Graph,RBG)形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式等,是可以表达系统工作单元之间的可靠性关系的任意模型。确定了当前子任务smnx所对应的系统可靠性模型rbgx后,系统仿真智能体通知工作单元仿真智能体,系统可靠性模型更新为rbgx。
步骤15:工作单元仿真智能体感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系,从而使得系统整体的可靠性模型转换为rbgx。
步骤16:环境仿真智能体通知系统仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ}。
步骤17:系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ}。
步骤18:工作单元仿真智能体感知到系统环境状态变化后,以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp,单元故障率自适应函数可以如下表示:
λp=Ff(λb,Ta,Ey)=Ff(λb,Ta,par1,par2,..,parQ)
该函数以工作单元的累积工作时间、基准故障率以及当前的环境状态参数为输入,考虑工作单元的寿命变化规律和环境影响因素,求解工作单元的实际故障率,以达到根据任务和环境变化自适应调整故障发生规律的目的。根据该函数求解得到的新的单元实际故障率将作为工作单元的故障发生模块的输入,来动态随机生成故障发生事件,从而体现系统任务和环境变化对系统可靠性的影响。
实施例二
下面结合附图和实施例,采用Anylogic 7.2作为仿真模型开发环境,在对本发明进行进一步的详细说明。
本发明提出了一种复杂系统可靠性仿真中智能体的环境和任务干涉机制,其工作流程如图2所示,包括如下步骤:
步骤21,在本发明实施例中以某通讯产品的基本可靠性仿真分析为例,其功能为通讯信号接入,由7个部分元器件构成。各个元器件的可靠性参数指标如表1所示。
表1某通讯产品各个元器件可靠性参数
步骤22,采用Anylogic建立一个新的多Agent仿真模型,建立四个Agent类:任务仿真智能体、环境仿真智能体、系统仿真智能体、工作单元仿真智能体。然后实例化智能体,建立包括1个环境仿真智能体、1个环境仿真智能体、1个系统仿真智能体和7个工作单元仿真智能体的系统可靠性仿真模型。
步骤23,构造任务仿真智能体的任务转换函数Fm(smn0,t)。该系统只有一种时长为10个小时的任务剖面msn0,该任务剖面包含两个子任务smn1和smn2,执行过程分为三个任务阶段,分别为3小时、5小时和2小时,三个阶段分别对应的子任务为smn1、smn2和smn1。据此,可以构造任务仿真智能体的任务转换函数如下:
步骤24,构建环境仿真智能体的环境变换函数Fp(smnx,t)。该系统的工作环境考虑4种影响因素,包括温度、湿度、磁场和气压。四种环境影响因素对工作单元可靠性的干涉影响分别表示用par1、par2、par3和par4四个环境影响因子来表达,它们分别表达对应的环境影响因素对工作单元故障率的作用系数。构造环境影响因子向量:
Ey=(温度,湿度,磁场,气压)=(par1,par2,par3,par4)
在系统的理想工作环境下,各个环境影响因子的取值为1,因此理想工作环境下的环境影响因子向量表达为:
E0=(1.0,1.0,1.0,1.0)
设该系统在三个任务阶段过程中,工作温度逐渐升高,磁场强度在两种子任务下有所不同,那么对应的三个任务阶段的环境影响因子向量可以表示为:
E1=(1.0,1.0,1.0,1.0)
E2=(1.1,1.0,1.5,1.0)
E3=(1.3,1.0,1.0,1.0)
则环境变换函数可以构造为如下形式:
步骤25,构造系统仿真智能体的系统可靠性模型自适应函数Fr(smnx)。该系统具有两个子任务,每个子任务时系统的工况不同,在子任务smn1时,高频板、主处理器、IM通用板、光接口板、电源模块和输出模块1工作,输出模块2不工作;在子任务smn2时,高频板、主处理器、IM通用板、光接口板、电源模块和输出模块2工作,输出模块1不工作。这两个子任务对应的系统可靠性框图如图3所示,它们具有两个不同的系统可靠性模型srm1和srm2,我们可以用关系矩阵来表达两个系统可靠性模型如下:
据此,我们构造系统可靠性模型自适应函数如下:
步骤26,构造单元故障率自适应函数Ff(λb,Ta,Ey)。在该函数中,λb是工作单元的基准故障率参数;Ta是该工作单元累计工作时间系数,它用来考虑具有使用寿命的系统元器件;Ey是系统当前的工作环境的影响因子向量,用来表达系统环境的影响。在本例中,根据系统故障要考虑的因素,我们采用如下单元故障率自适应函数:
λp=Ff(λb,Ta,Ey)=λb·Ta·par1·par2·par3·par4
依据该函数,各个工作单元仿真智能体可以根据自身参数和工作环境,计算自身的动态故障率λp,从而反映外界任务与环境变化对自身故障变化规律的影响。以主处理器单元为例,其基本故障率为λb=3.82×10-6,由于该单元为高寿命电子元器件,累计工作时间影响很小,因此取其累计工作时间系数Ta=1.0;当系统处于E2=(1.1,1.0,1.5,1.0)的工作环境下时,该单元的实际故障率λp可通过故障率自适应函数得出如下:
λp=Ff(λb,Ta,E2)=λb·Ta·par1·par2·par3·par4
=3.82×10-6×1.0×1.1×1.0×1.5×1.0
=6.303×10-6
同理,可以针对各个任务阶段和子任务,求得各个工作单元的实际故障率参数如下表所示:
表2某通讯产品各工作单元在不同环境下的可靠性参数(Ta=1.0)
步骤27,设计工作单元仿真智能体的可靠性关系重构程序Pr(srmx)。该程序的功能主要是根据系统当前的可靠性模型,重构系统各个单元之间的可靠性关联关系,按照系统实际的可靠性结构运行,从而实现对系统动态可靠性的模拟。在本示例中,系统在不同的子任务(工况)下存在两种不同的可靠性模型,即srm1和srm2。而在基于智能体的系统可靠性仿真模型中,各个工作单元之间的可靠性关联关系是用工作单元仿真智能体之间的通讯连接来表达的,因此,我们可以建立如下的可靠性关系重构程序算法流程:
设系统仿真智能体为S,当前工作单元的编号为a(a=1,2,…,7),可靠性关系矩阵为M,M(a,b)表示矩阵中第a行第b列元素;则具体算法流程如下:
1.close(当前工作单元所有可靠性链接);
2.for each(工作单元编号b(b=1,2,…,7))
If(M(a,b)=1)then建立可靠性链接(a,b);
3.建立通信关系(S,a)。
在本例中,我们利用Anylogic平台采用Java代码可以在工作单元仿真智能体中实现该处理流程如下:
步骤28,设定工作单元、系统、任务、环境智能体的各项仿真参数,并进行仿真过程调试。本实施例的Anylogic仿真模型运行时的界面如图4所示。根据仿真系统运行的情况和收集到的仿真监控数据,可以确认,任务仿真智能体能够根据任务转换函数自动转换各个任务阶段,环境仿真智能体可以根据任务的变化自动调整环境参数的变化,系统仿真智能体能够正确响应任务和环境的变化情况,并自动调整自身的可靠性模型以反映动态的运行工况,同时工作单元智能体能够自动响应外界环境的变化,自主更新实际的故障率参数并模拟故障的发生,这四类智能体能够高度自主地相互协作,实现在动态任务和环境变化情况下的系统可靠性仿真与评估。本实施例证明,本发明提出的智能体的环境和任务干涉机制在复杂系统的可靠性仿真中是非常有效而灵活的。
实施例三
如图4所示,本公开实施例还提供一种复杂系统可靠性仿真中智能体环境任务干涉系统,包括:任务仿真智能体31、环境仿真智能体32、系统仿真智能体33和工作单元仿真智能体34;
所述任务仿真智能体31,用于模拟系统工作任务的变化情况,根据任务剖面的变化,系统的工况和应力将发生变化,从而会影响系统的故障或失效行为;
所述环境仿真智能体32,用于自主模拟系统运行外部环境的变化,环境参数的变化会影响系统工作中的故障规律的变化;
所述系统仿真智能体33,用于模拟整个系统的整体行为,它可以根据系统结构和任务剖面的变化激发和停止各工作单元的工作状态;
所述工作单元仿真智能体34,用于模拟系统各工作单元(零部件)在不同环境和任务剖面下的运行和故障行为。
任务仿真智能体31执行任务更新操作,根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务为smnx;
环境仿真智能体32执行环境更新操作,根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey;
系统仿真智能体33执行系统可靠性模型更新操作,调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型rbgx;
工作单元仿真智能体34感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系;
环境仿真智能体33通过系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ};
工作单元仿真智能体34以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述工作单元仿真智能体34调用单元故障率自适应函数Ff来求解当前实际故障率λp。
所述系统可靠性模型是系统可靠性框图形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式,是能够表达系统工作单元之间的可靠性关系的任意模型。
本公开各个实施例中,提供了一套自适应智能体之间进行协作的基本方法和工作流程,为该类仿真系统的设计和开发提供了原理框架。这是复杂系统可靠性仿真领域方法上的突破,也是研究角度上的创新。基于自适应智能体的复杂系统任务可靠性仿真提供了一套自适应智能体自动适应任务变化和环境变化并自主更新系统可靠性模型和实际故障特性参数的基本方法,它可以帮助实现各种复杂任务条件下、多变任务环境下的系统任务可靠性仿真与评估。针对基于自适应智能体的复杂系统可靠性仿真,提出了任务转换函数、环境变换函数、系统可靠性模型自适应函数、单元故障率自适应函数和工作单元可靠性关系重构程序五个核心算法的设计框架,这些核心算法为具体仿真模型有关功能模块的开发提供了基本设计方案。提出的方法只提供基本框架和算法模型,并且可以根据具体开发的需要剪裁和合并对象模型和总体工作流程,因此具有非常好的灵活性,可以支持各类基于智能体的可靠性仿真系统的设计。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本公开的示例性实施例的描述中,本公开的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本公开要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本公开的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (10)
1.一种复杂系统可靠性仿真中智能体环境任务干涉方法,其特征在于,包括:
任务仿真智能体执行任务更新操作,根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务为smnx;
环境仿真智能体执行环境更新操作,根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey;
系统仿真智能体执行系统可靠性模型更新操作,调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型rbgx;
工作单元仿真智能体感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系;
环境仿真智能体通过系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ};
工作单元仿真智能体以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
工作单元仿真智能体调用单元故障率自适应函数Ff来求解当前实际故障率λp。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
所述单元故障率自适应函数如下表示:
λp=Ff(λb,Ta,Ey)=Ff(λb,Ta,par1,par2,...,parQ)
所述函数以工作单元的累积工作时间、基准故障率以及当前的环境状态参数为输入,考虑工作单元的寿命变化规律和环境影响因素,求解工作单元的实际故障率λp。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述任务转换函数表示如下:
smnx=fm(msn0,t)
任务转换函数Fm的具体形式根据系统的任务模型进行具体定义,采用子任务列表、子任务矩阵或状态转移图形式。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述环境变换函数表示如下:
Ey=Fp(smnx,t)={par1,par2,...,parQ}
环境变换函数Fp的输出是由多个环境影响因子值组成的向量Ey,Ey中的每个环境影响因子表达了一个环境参数的当前值;由多个影响因子组成的所述向量表达一个完整的环境状态,所述向量的具体分量数量和形式根据研究的需要进行自定义;
环境变换函数Fp具体形式根据系统执行当前子任务时的工作环境的变化规律进行具体定义,采用映射表、矩阵或多元函数形式。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
所述系统可靠性模型是系统可靠性框图形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式,是能够表达系统工作单元之间的可靠性关系的任意模型。
7.一种复杂系统可靠性仿真中智能体环境任务干涉系统,其特征在于,包括:任务仿真智能体、环境仿真智能体、系统仿真智能体和工作单元仿真智能体;
所述任务仿真智能体,用于模拟系统工作任务的变化情况,根据任务剖面的变化,系统的工况和应力将发生变化,从而会影响系统的故障或失效行为;
所述环境仿真智能体,用于自主模拟系统运行外部环境的变化,环境参数的变化会影响系统工作中的故障规律的变化;
所述系统仿真智能体,用于模拟整个系统的整体行为,它可以根据系统结构和任务剖面的变化激发和停止各工作单元的工作状态;
所述工作单元仿真智能体,用于模拟系统各工作单元(零部件)在不同环境和任务剖面下的运行和故障行为。
8.如权利要求7所述的系统,其特征在于,具体包括:
任务仿真智能体执行任务更新操作,根据当前任务msn0、当前仿真时钟t,调用任务转换函数Fm,求解当前子任务smnx,并根据结果设定当前子任务为smnx;
环境仿真智能体执行环境更新操作,根据当前子任务smnx和当前仿真时钟t,调用环境变换函数Fp求解环境影响因子向量值Ey;
系统仿真智能体执行系统可靠性模型更新操作,调用系统可靠性自适应模型自适应函数,获取子任务smnx所对应的系统可靠性模型rbgx;
工作单元仿真智能体感知到系统可靠性模型更新为rbgx之后,将rbgx作为输入参数,调用工作单元可靠性关系重构程序Pr(rbgx)来重新建立与其他工作单元之间的可靠性关系;
环境仿真智能体通过系统仿真智能体通知工作单元仿真智能体,系统环境状态更新为Ey={par1,par2,...,parQ};
工作单元仿真智能体以最新环境状态向量Ey、工作单元当前累计工作时间Ta和工作单元基准故障率λb为参数,调用单元故障率自适应函数Ff来求解当前实际故障率λp。
9.如权利要求7所述的系统,其特征在于,所述工作单元仿真智能体调用单元故障率自适应函数Ff来求解当前实际故障率λp。
10.如权利要求7所述的系统,其特征在于,所述系统可靠性模型是系统可靠性框图形式,也可以是系统可靠性关系矩阵,或者系统可靠性逻辑公式,是能够表达系统工作单元之间的可靠性关系的任意模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330831.3A CN108563525B (zh) | 2018-04-13 | 2018-04-13 | 复杂系统可靠性仿真中智能体环境任务干涉方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330831.3A CN108563525B (zh) | 2018-04-13 | 2018-04-13 | 复杂系统可靠性仿真中智能体环境任务干涉方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108563525A true CN108563525A (zh) | 2018-09-21 |
CN108563525B CN108563525B (zh) | 2021-04-20 |
Family
ID=63534931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810330831.3A Active CN108563525B (zh) | 2018-04-13 | 2018-04-13 | 复杂系统可靠性仿真中智能体环境任务干涉方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108563525B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069770A (zh) * | 2019-03-07 | 2019-07-30 | 阿里巴巴集团控股有限公司 | 一种数据处理系统、方法及计算机设备 |
CN110262954A (zh) * | 2019-06-21 | 2019-09-20 | 北京航空航天大学 | 基于状态监测数据自动学习系统可靠性模型的方法 |
CN113537753A (zh) * | 2021-07-08 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种智能组件环境适应性评估方法 |
CN114138621A (zh) * | 2021-11-23 | 2022-03-04 | 北京航空航天大学 | 一种考虑内部降级与外部冲击的系统故障行为双时钟仿真建模方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908085A (zh) * | 2010-06-28 | 2010-12-08 | 北京航空航天大学 | 一种基于多Agent的分布式推演仿真系统与方法 |
CN104537415A (zh) * | 2014-12-02 | 2015-04-22 | 北京化工大学 | 一种基于压缩感知和dros-elm的非线性过程工业故障预测及识别方法 |
US20160057016A1 (en) * | 2004-04-15 | 2016-02-25 | Raytheon Company | System and method for cluster management based on hpc architecture |
CN106447062A (zh) * | 2015-08-10 | 2017-02-22 | 中国电力科学研究院 | 一种面向复杂配电网的在线优化仿真系统 |
CN107291991A (zh) * | 2017-05-25 | 2017-10-24 | 华侨大学 | 一种基于动态网络标志的风电机组早期缺陷预警方法 |
-
2018
- 2018-04-13 CN CN201810330831.3A patent/CN108563525B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160057016A1 (en) * | 2004-04-15 | 2016-02-25 | Raytheon Company | System and method for cluster management based on hpc architecture |
CN101908085A (zh) * | 2010-06-28 | 2010-12-08 | 北京航空航天大学 | 一种基于多Agent的分布式推演仿真系统与方法 |
CN104537415A (zh) * | 2014-12-02 | 2015-04-22 | 北京化工大学 | 一种基于压缩感知和dros-elm的非线性过程工业故障预测及识别方法 |
CN106447062A (zh) * | 2015-08-10 | 2017-02-22 | 中国电力科学研究院 | 一种面向复杂配电网的在线优化仿真系统 |
CN107291991A (zh) * | 2017-05-25 | 2017-10-24 | 华侨大学 | 一种基于动态网络标志的风电机组早期缺陷预警方法 |
Non-Patent Citations (4)
Title |
---|
曹军海、陈鹏等: "面向任务可靠性仿真的复杂系统任务剖面建模方法研究", 《SYSTEM SIMULATION TECHNOLOGY & APPLICATION》 * |
申莹、曹军海等: "基于Agent的装备系统可靠性仿真机理研究", 《系统仿真学报》 * |
申莹、曹军海等: "基于自适应Agent仿真的系统可靠性预计方法", 《装甲兵工程学院学报》 * |
白宪阵、曹军海等: "面向复杂系统可靠性仿真的Agent设计与验证", 《系统仿真学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110069770A (zh) * | 2019-03-07 | 2019-07-30 | 阿里巴巴集团控股有限公司 | 一种数据处理系统、方法及计算机设备 |
CN110262954A (zh) * | 2019-06-21 | 2019-09-20 | 北京航空航天大学 | 基于状态监测数据自动学习系统可靠性模型的方法 |
CN113537753A (zh) * | 2021-07-08 | 2021-10-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种智能组件环境适应性评估方法 |
CN114138621A (zh) * | 2021-11-23 | 2022-03-04 | 北京航空航天大学 | 一种考虑内部降级与外部冲击的系统故障行为双时钟仿真建模方法 |
CN114138621B (zh) * | 2021-11-23 | 2024-06-07 | 北京航空航天大学 | 一种考虑内部降级与外部冲击的系统故障行为双时钟仿真建模方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108563525B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563525A (zh) | 复杂系统可靠性仿真中智能体环境任务干涉方法及系统 | |
Gabor et al. | A simulation-based architecture for smart cyber-physical systems | |
CN105787161B (zh) | 一种电力仿真系统的层次化建模方法 | |
CN1731405A (zh) | 基于网格的喷气发动机分布仿真系统 | |
CN109738871A (zh) | 基于规则引擎的雷达对抗装备试验裁决评估数据处理方法 | |
CN103150386B (zh) | 一种c4isr系统元模型构建方法 | |
White | A control system project development model derived from System Dynamics | |
Collier et al. | Test-driven agent-based simulation development | |
Krishnan et al. | A decision model for software maintenance | |
Oppelt et al. | Capability-analysis of co-simulation approaches for process industries | |
Fitzgerald et al. | Collaborative Model‐based Systems Engineering for Cyber‐Physical Systems, with a Building Automation Case Study | |
Asur et al. | Taxonomy of rapid-prototyping methods and tools | |
Fitzgerald et al. | Co-modelling and co-simulation in embedded systems design | |
Madni et al. | Introduction to the Handbook | |
Yeung et al. | The role of simulation in digital twin construction | |
Rączka et al. | ALMM solver: the idea and the architecture | |
Gorecki et al. | Including Co-Simulation in modeling and Simulation tool for supporting risk management in industrial context | |
WO2022209047A1 (ja) | 情報管理方法および情報管理システム | |
Fischer et al. | Empirical Modelling of products | |
Gouvêa et al. | Experience with model-based performance, reliability, and adaptability assessment of a complex industrial architecture | |
Sung et al. | Object-oriented comodeling methodology for development of domain specific DEVS models | |
Biggs et al. | Coordinating software components in a component-based architecture for robotics | |
EP4345675A1 (en) | User interface for parametrizing simulation of energy systems | |
Gouvêa et al. | Experience building non-functional requirement models of a complex industrial architecture | |
Mohalik et al. | Workshop on Developmental aspects of Intelligent Adaptive Systems (DIAS) Co-located with 10th Innovations in Software Engineering Conference (ISEC), Jaipur, India. |
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 |