CN110175314A - 一种基于ism法的软硬件混合指挥控制系统故障分层方法 - Google Patents
一种基于ism法的软硬件混合指挥控制系统故障分层方法 Download PDFInfo
- Publication number
- CN110175314A CN110175314A CN201910445449.1A CN201910445449A CN110175314A CN 110175314 A CN110175314 A CN 110175314A CN 201910445449 A CN201910445449 A CN 201910445449A CN 110175314 A CN110175314 A CN 110175314A
- Authority
- CN
- China
- Prior art keywords
- matrix
- subsystem
- failure
- command
- control system
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Algebra (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于解释结构模型法的软硬件混合指挥控制系统故障分层方法,包括以下步骤:S1、构建分系统间故障直接影响矩阵,并进行规范化处理;S2、构建综合影响矩阵;S3、构建系统的整体影响矩阵;S4、确定可达矩阵,根据可达矩阵确定分系统的可达集和先行集,利用可达集与先行集确立的共同集依次划出分系统。本发明首先通过指挥控制系统的故障信息采集,构建出直接影响矩阵;再对其进行规范化处理,进而考虑系统之间直接与间接的影响关系,结合自身影响程度建立故障可达矩阵;再利用可达集与先行集确立的共同集依次划出组件,最终完成对指控系统故障传播模型中各个分系统之间的层级划分,为后续故障传播路径识别工作建立了有向图模型基础。
Description
技术领域
本发明属于层次分析技术领域,特别涉及一种基于解释结构模型法(Interpretative Structural Modeling,ISM)的软硬件混合指挥控制系统故障分层方法。
背景技术
建立数学模型一直以来都是进行系统仿真、分析、控制和优化的基础与前提。复杂系统是由大量实体(可以是事件和现象、物理元件、装置等或子系统)所组成,这些实体之间存在着错综复杂的相互作用关系,要对其建立数学模型,必须首先正确地表示这些实体及它们相互之间存在的某种关系,即建立系统的结构模型。
系统结构模型是一种描述系统各组成部分(要素)之间以及系统与环境之间关系的模型,是概念模型到定量模型的中介,它的重点在于元素间关系的辨识和模型结构的确定。一些难以量化的系统常采用这种模型加以描述。一般来说,系统之间常常存在多于一种的关系,它们主要包括因果关系、顺序关系、隶属关系等。在建模目标中应首先明确需建立的结构模型的关系类型,从判断系统组成要素、确定系统各要素间关系、建立系统直接关系矩阵,以及计算系统间接关系矩阵等方面开展。在明确复杂系统建模目的、确定系统边界和明确研究范围以后,再定义反应系统内部主要特征的结构关系和建立系统各实体间的结构模型,最后定义系统变量、系统实体的模型形式和它们间的耦合关系确定整体系统的模型。现实问题中的研究对象大多是复杂系统,其系统包含因素众多,结构复杂,目标多样,功能综合,因此需要将其功能分类归纳并明确系统的总目标、分目标,以及相应的系统结构层次。为实现这个目的就需要通过系统的辨识来解决,目前用于大规模复杂系统辨识的常用方法是ISM法。
ISM法是美国华费尔特教授于1973年开发的,其特点是把复杂的系统分解,组成若干子系统或系统要素,利用人们的实践经验和知识,借助计算机将系统构成一个多级递阶形式的解释结构模型。ISM法自提出到现在,已经被广泛运用于各种复杂问题的结构化建模。系统是由许多相互作用的要素组成的。研究一个系统,首先要知道系统中各要素间的相互关系,即分析系统的结构或建立系统的结构模型。结构模型是表明系统各要素间相互关系的宏观模型,通常采用有向图表示相互关系。在工程系统或社会经济系统中被广泛采用。
ISM法是结构化建模技术的一种,其基本思想是基于有向图和矩阵理论,通过分解可达矩阵将复杂系统分解成多级递阶的结构模型。结构模型以一个作为实体集合的系统模型,来描述系统各实体间的关系。通常为有向图的形式,具有以下特性:
1)结构模型是一种几何模型,可用有向连接图来表示。
2)结构模型是一种以定性分析为主的模型,主要用来分析系统各实体之间的关系。
3)结构模型还可用矩阵形式来描述,可使定性分析和定量分析相结合。
4)结构模型的描述形式正处在数学模型形式和逻辑分析形式之间,它可处理宏观、微观、定性定量的问题。
发明内容
本发明针对现有故障路径传播分析方法单一的不足,提供一种基于ISM法的软硬件混合指挥控制系统故障分层方法。通过分析指挥控制系统的故障信息,采集构建出直接影响矩阵,并结合自身影响程度建立故障可达矩阵;再利用可达集与先行集确立的共同集依次划出分系统,完成对指控系统故障传播模型分系统之间的层级划分,为后续的故障传播路径识别工作建立了有向图模型基础。
本发明的目的是通过以下技术方案来实现的:一种基于ISM法的软硬件混合指挥控制系统故障分层方法,包括以下步骤:
S1、根据指挥控制系统的结构组成构建分系统间故障直接影响矩阵,并进行规范化处理;
S2、考虑各个分系统之间直接和间接故障综合影响,构建综合影响矩阵;
S3、考虑指挥控制系统自身故障影响,构建系统的整体影响矩阵;
S4、确定可达矩阵,根据可达矩阵确定分系统的可达集和先行集,利用可达集与先行集确立的共同集依次划出分系统,实现层级划分。
进一步地,所述步骤S1具体实现方法为:根据指挥控制系统故障传播有向图构造分系统间故障直接影响矩阵为:
P=[pij]n×n
其中,
对分系统间故障直接影响矩阵进行规范化,得到:
其中,是矩阵P的行和最大值。
进一步地,所述步骤S2具体实现方法为:考虑系统间直接和间接故障影响关系和影响程度的综合累加,构建综合影响矩阵Q=[qij],综合影响矩阵计算方法为:
式中,I是单位矩阵;qij表示系统vi对系统vj的故障综合影响值,qij≠0表示系统间存在故障传播关系,反之则无关。
进一步地,所述步骤S3中,构建系统的整体影响矩阵H为:
H=[hij]=Q+I。
进一步地,所述步骤S4包括以下子步骤:
S41、建立系统故障可达矩阵A=[aij]n×n,其中,
式中,λ为预设阈值;
S42、利用ISM法,根据可达矩阵A第i行中所有为1的列所对应的系统集合确立分系统vi的可达集Ri,第i列中所有为1的行所对应的系统集合确立分系统vi的先行集Si,如下:
Ri={vj|vj∈V,aij=1},(i=1,2,…,n)
Si={vj|vj∈V,aji=1},(i=1,2,…,n);
S43、构建分系统vi的可达集Ri和先行集Si的共同集Ci:Ci=Ri∩Si;
若Ci=Ri∩Si=Ri成立,则在可达矩阵中划除第i行和i列;分系统vi属于终止系统集,位于最顶层L1层;
然后对剩余的分系统重复执行步骤S42~S43的操作,依次得到第L2,L3,...,Ln层;
S44、重复步骤S42~S43,直到所有的分系统均被划除,按照分系统被划除的先后顺序,重新排列,形成结构矩阵A′,实现分解可达矩阵划分节点层级;
S45、去除结构矩阵中越级二元关系与自身关系,确定骨架矩阵,最后完成层级划分。
本发明的有益效果是:本发明首先通过指挥控制系统的故障信息采集,构建出直接影响矩阵;再对其进行规范化处理,进而考虑系统之间直接与间接的影响关系,结合自身影响程度建立故障可达矩阵;再利用可达集与先行集确立的共同集依次划出组件;然后去除越级二元关系,最终完成对指控系统故障传播模型分系统之间的层级划分,为后续故障传播路径识别工作建立了有向图模型基础。
附图说明
图1为本发明的指挥控制系统故障分层方法的流程图;
图2为本实施例指挥控制系统故障传播有向图;
图3为利用Matlab算法对本实施例的分系统间故障直接影响矩阵进行规范化处理的运行程序;
图4为本实施例系统综合影响矩阵;
图5为本实施例系统总体影响矩阵;
图6为本实施例系统故障可达矩阵;
图7为本实施例指挥控制系统分层故障传播有向图。
具体实施方式
下面结合附图进一步说明本发明的技术方案。
如图1所示,本发明的一种基于ISM法的软硬件混合指挥控制系统故障分层方法,包括以下步骤:
S1、根据指挥控制系统的结构组成构建分系统间故障直接影响矩阵,并进行规范化处理;具体实现方法为:根据指挥控制系统故障传播有向图构造分系统间故障直接影响矩阵为:
P=[pij]n×n
其中,
对分系统间故障直接影响矩阵进行规范化,得到:
其中,是矩阵P的行和最大值。
以某型指挥控制系统为分析案例,其分系统组成方式与工作原理如表一所示。
表一
本实施例的指挥系统已统计系统故障资料如表二所示。
表二
根据表一和表二的数据,结合图2所示的传播有向图模型,构造本实施例指挥系统的分系统间故障直接影响矩阵为:
对上述矩阵进行规范化处理,结果由Matlab输出,如图3所示。
S2、考虑各个分系统之间直接和间接故障综合影响,构建综合影响矩阵;具体实现方法为:考虑系统间直接和间接故障影响关系和影响程度的综合累加,构建综合影响矩阵Q=[qij],综合影响矩阵计算方法为:
式中,I是单位矩阵;qij表示系统vi对系统vj的故障综合影响值,qij≠0表示系统间存在故障传播关系,反之则无关。
S3、考虑指挥控制系统自身故障影响,构建系统的整体影响矩阵H:
H=[hij]=Q+I。
S4、确定可达矩阵,根据可达矩阵确定分系统的可达集和先行集,利用可达集与先行集确立的共同集依次划出分系统,实现层级划分;具体包括以下子步骤:
S41、建立系统故障可达矩阵A=[aij]n×n,其中,
式中,λ为预设阈值,本实施例设定为λ=0.01;
S42、利用ISM法,根据可达矩阵A第i行中所有为1的列所对应的系统集合确立分系统vi的可达集Ri,第i列中所有为1的行所对应的系统集合确立分系统vi的先行集Si,如下:
Ri={vj|vj∈V,aij=1},(i=1,2,…,n)
Si={vj|vj∈V,aji=1},(i=1,2,…,n);
S43、构建分系统vi的可达集Ri和先行集Si的共同集Ci:Ci=Ri∩Si;
若Ci=Ri∩Si=Ri成立,则在可达矩阵中划除第i行和i列;分系统vi属于终止系统集,位于最顶层L1层;
然后对剩余的分系统重复执行步骤S42~S43的操作,依次得到第L2,L3,...Ln层;
其在有向图中只应有箭线的流入,表示系统的输出元素;
S44、重复步骤S42~S43,直到所有的分系统均被划除,按照分系统被划除的先后顺序,重新排列,形成结构矩阵A′,实现分解可达矩阵划分节点层级;
在Matlab中运行计算,输入故障直接影响矩阵,程序与结果如图4~图6所示,得到的层级划分结果如表三所示。
表三
本实施例得到的结构矩阵A′为:
S45、去除结构矩阵中越级二元关系与自身关系,确定骨架矩阵,最后完成层级划分:
其中,U与C之间存在同级二元关系,不满足标准层次要求,故在L4层中建立虚节点代替此关系,虚节点仅代表相关系统的镜像,现实中并不存在。通过以上划分分层后的系统故障层级传播如图7所示。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种基于ISM法的软硬件混合指挥控制系统故障分层方法,其特征在于,包括以下步骤:
S1、根据指挥控制系统的结构组成构建分系统间故障直接影响矩阵,并进行规范化处理;
S2、考虑各个分系统之间直接和间接故障综合影响,构建综合影响矩阵;
S3、考虑指挥控制系统自身故障影响,构建系统的整体影响矩阵;
S4、确定可达矩阵,根据可达矩阵确定分系统的可达集和先行集,利用可达集与先行集确立的共同集依次划出分系统,实现层级划分。
2.根据权利要求1所述的一种基于ISM法的软硬件混合指挥控制系统故障分层方法,其特征在于,所述步骤S1具体实现方法为:根据指挥控制系统故障传播有向图构造分系统间故障直接影响矩阵为:
P=[pij]n×n
其中,
对分系统间故障直接影响矩阵进行规范化,得到:
其中,是矩阵P的行和最大值。
3.根据权利要求1所述的一种基于ISM法的软硬件混合指挥控制系统故障分层方法,其特征在于,所述步骤S2具体实现方法为:考虑系统间直接和间接故障影响关系和影响程度的综合累加,构建综合影响矩阵Q=[qij],综合影响矩阵计算方法为:
式中,I是单位矩阵;qij表示系统vi对系统vj的故障综合影响值,qij≠0表示系统间存在故障传播关系,反之则无关。
4.根据权利要求1所述的一种基于ISM法的软硬件混合指挥控制系统故障分层方法,其特征在于,所述步骤S3中,构建系统的整体影响矩阵H为:
H=[hij]=Q+I。
5.根据权利要求1所述的一种基于ISM法的软硬件混合指挥控制系统故障分层方法,其特征在于,所述步骤S4包括以下子步骤:
S41、建立系统故障可达矩阵A=[aij]n×n,其中,
式中,λ为预设阈值;
S42、利用ISM法,根据可达矩阵A第i行中所有为1的列所对应的系统集合确立分系统vi的可达集Ri,第i列中所有为1的行所对应的系统集合确立分系统vi的先行集Si,如下:
Ri={vj|vj∈V,aij=1},(i=1,2,…,n)
Si={vj|vj∈V,aji=1},(i=1,2,…,n);
S43、构建分系统vi的可达集Ri和先行集Si的共同集Ci:Ci=Ri∩Si;
若Ci=Ri∩Si=Ri成立,则在可达矩阵中划除第i行和i列;分系统vi属于终止系统集,位于最顶层L1层;
然后对剩余的分系统重复执行步骤S42~S43的操作,依次得到第L2,L3,…,Ln层;
S44、重复步骤S42~S43,直到所有的分系统均被划除,按照分系统被划除的先后顺序,重新排列,形成结构矩阵A',实现分解可达矩阵划分节点层级;
S45、去除结构矩阵中越级二元关系与自身关系,确定骨架矩阵,最后完成层级划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445449.1A CN110175314A (zh) | 2019-05-27 | 2019-05-27 | 一种基于ism法的软硬件混合指挥控制系统故障分层方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910445449.1A CN110175314A (zh) | 2019-05-27 | 2019-05-27 | 一种基于ism法的软硬件混合指挥控制系统故障分层方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110175314A true CN110175314A (zh) | 2019-08-27 |
Family
ID=67695779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910445449.1A Pending CN110175314A (zh) | 2019-05-27 | 2019-05-27 | 一种基于ism法的软硬件混合指挥控制系统故障分层方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175314A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111049895A (zh) * | 2019-12-09 | 2020-04-21 | 北京工商大学 | 一种基于ism的改进pbft共识方法 |
CN111145548A (zh) * | 2019-12-27 | 2020-05-12 | 银江股份有限公司 | 一种基于数据场和节点压缩的重点路口识别及子区划分方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870659A (zh) * | 2014-03-28 | 2014-06-18 | 吉林大学 | 一种数控机床故障分析方法 |
CN107703884A (zh) * | 2017-11-15 | 2018-02-16 | 山东师范大学 | 一种数控机床可用性改进方法及装置 |
US20180307994A1 (en) * | 2017-04-25 | 2018-10-25 | Nec Laboratories America, Inc. | Identifying multiple causal anomalies in power plant systems by modeling local propagations |
-
2019
- 2019-05-27 CN CN201910445449.1A patent/CN110175314A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103870659A (zh) * | 2014-03-28 | 2014-06-18 | 吉林大学 | 一种数控机床故障分析方法 |
US20180307994A1 (en) * | 2017-04-25 | 2018-10-25 | Nec Laboratories America, Inc. | Identifying multiple causal anomalies in power plant systems by modeling local propagations |
CN107703884A (zh) * | 2017-11-15 | 2018-02-16 | 山东师范大学 | 一种数控机床可用性改进方法及装置 |
Non-Patent Citations (1)
Title |
---|
张英芝 等: "基于DEMATEL/ISM的组合机床故障相关性分析", 《工业工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111049895A (zh) * | 2019-12-09 | 2020-04-21 | 北京工商大学 | 一种基于ism的改进pbft共识方法 |
CN111049895B (zh) * | 2019-12-09 | 2022-06-03 | 北京工商大学 | 一种基于ism的改进pbft共识方法 |
CN111145548A (zh) * | 2019-12-27 | 2020-05-12 | 银江股份有限公司 | 一种基于数据场和节点压缩的重点路口识别及子区划分方法 |
CN111145548B (zh) * | 2019-12-27 | 2021-06-01 | 银江股份有限公司 | 一种基于数据场和节点压缩的重点路口识别及子区划分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | Dynamic graph convolution network for traffic forecasting based on latent network of Laplace matrix estimation | |
Özmen et al. | RCMARS: Robustification of CMARS with different scenarios under polyhedral uncertainty set | |
CN110175314A (zh) | 一种基于ism法的软硬件混合指挥控制系统故障分层方法 | |
Pyle et al. | Domain-driven models yield better predictions at lower cost than reservoir computers in Lorenz systems | |
CN103034687A (zh) | 一种基于2-类异质网络的关联模块识别方法 | |
Xu et al. | Generic dynamic graph convolutional network for traffic flow forecasting | |
Wang et al. | A safe double screening strategy for elastic net support vector machine | |
Tschaikowski et al. | Tackling continuous state-space explosion in a Markovian process algebra | |
Fu et al. | MOLER: Incorporate molecule-level reward to enhance deep generative model for molecule optimization | |
Huang et al. | Joint estimation of multiple conditional Gaussian graphical models | |
Liu et al. | A stock series prediction model based on variational mode decomposition and dual-channel attention network | |
Xu et al. | Fast autoregressive tensor decomposition for online real-time traffic flow prediction | |
Paler et al. | OpenSurgery for topological assemblies | |
Zhang et al. | Data-driven robust cost consensus model with individual adjustment willingness in group decision-making | |
Chen et al. | Rooted Mahalanobis distance based Gustafson-Kessel fuzzy C-means | |
Hemmasian et al. | Multi-scale time-stepping of Partial Differential Equations with transformers | |
Zhang et al. | Multi-step ahead probabilistic forecasting of multiple hydrological variables for multiple stations | |
Wen et al. | Traffic demand prediction based on spatial-temporal guided multi graph Sandwich-Transformer | |
Jin et al. | Spatiotemporal graph convolutional neural networks for metro flow prediction | |
Tang et al. | Solving high-dimensional Fokker-Planck equation with functional hierarchical tensor | |
Ju et al. | Cool: a conjoint perspective on spatio-temporal graph neural network for traffic forecasting | |
Wu et al. | Multi-head attention-based model for reconstructing continuous missing time series data | |
Lu et al. | An empirical study for transboundary pollution of three gorges reservoir area with emission permits trading | |
Monteiro et al. | Combining the regularization strategy and the SQP to solve MPCC—a MATLAB implementation | |
Klie et al. | Enabling optimal production strategies under uncertainties via non-intrusive model reduction methods |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190827 |
|
RJ01 | Rejection of invention patent application after publication |