CN111324941B - 一种复杂系统危害程度评估方法 - Google Patents

一种复杂系统危害程度评估方法 Download PDF

Info

Publication number
CN111324941B
CN111324941B CN201911289416.9A CN201911289416A CN111324941B CN 111324941 B CN111324941 B CN 111324941B CN 201911289416 A CN201911289416 A CN 201911289416A CN 111324941 B CN111324941 B CN 111324941B
Authority
CN
China
Prior art keywords
node
hazard
network
degree
num
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
CN201911289416.9A
Other languages
English (en)
Other versions
CN111324941A (zh
Inventor
刘英舜
徐筱筱
叶正君
彭懿
刘立权
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201911289416.9A priority Critical patent/CN111324941B/zh
Publication of CN111324941A publication Critical patent/CN111324941A/zh
Application granted granted Critical
Publication of CN111324941B publication Critical patent/CN111324941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/70Software maintenance or management
    • G06F8/77Software metrics

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种复杂系统危害程度评估方法,方法为:首先根据对象系统输入、输出信息及拓扑结构确定系统内部信息流,明确设备功能需求;然后根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型活性;接着从网络静态结构角度选取网络关联度指标分析系统复杂程度;最后从网络动态运行角度选取危害特征值并在这基础上建立评分准则,以计算施加冲击时系统所受危害程度。本发明适用于多种复杂系统,普适性好,能够精确地分析冲击对复杂系统的影响。

Description

一种复杂系统危害程度评估方法
技术领域
本发明涉及系统分析技术领域,特别是一种复杂系统危害程度评估方法。
背景技术
随着现代工业系统的升级,系统复杂性逐步提高,传统的系统分析技术针对复杂系统面临着新挑战。复杂系统运行时,系统状态难免会受到内部和外部环境的干扰, 致使系统表现特性发生变化,当系统所受冲击使得内部信息流断裂时,就会对系统造 成一定规模的影响,影响规模的大小被称为危害程度。Petri网对系统进行建模时可直 观清晰地描述系统拓扑结构与数据的传递过程,因此结合Petri网与系统分析理论, 可定量分析系统所受危害程度,有助于维护决策的建立。
目前针对系统分析的方法有静态系统分析法和动态系统分析法两种,其中静态系统分析法例如事件树分析法、事故树分析法等,无法反映系统内部信息传递,而动态 系统分析法大多通过定性分析得到系统所处状态,精度较差。
发明内容
本发明的目的在于提供一种能够适用于多种复杂系统,普适性好,能够精确地分析冲击对复杂系统的影响的复杂系统危害程度评估方法。
实现本发明目的的技术解决方案为:一种复杂系统危害程度评估方法,包括以下步骤:
步骤1、根据对象系统输入、输出信息及拓扑结构,确定系统内部信息流,明确 设备功能需求;
步骤2、根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型活性;
步骤3、从网络静态结构角度选取网络关联度指标,分析系统复杂程度;
步骤4、从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害程度;
步骤5、建立危害特征值评分准则,划分危害等级。
进一步地,步骤1所述的根据对象系统输入、输出信息及拓扑结构,确定系统内 部信息流,明确设备功能需求,具体如下:
步骤1.1、分析系统设计功能及架构,将系统视作黑箱,通过目标系统输入输出,得到整体建模需求;
步骤1.2、将系统内部按功能划分模块;
步骤1.3、明确每一模块所承担任务及各模块数据交互关系,联系子模块功能, 确立系统内部信息流。
进一步地,步骤2所述的根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型的活性,具体如下:
步骤2.1、根据系统内信息流关系建立初始CPN模型;
步骤2.2、给定初始CPN模型初始标识,仿真运行,观察是否符合系统整体建模 需求,若不符则优化模型结构;
步骤2.3、通过CPN状态空间分析系统网络特性,验证模型合理性。
进一步地,步骤2.1所述的根据系统内信息流关系建立初始CPN模型,具体如下:
步骤2.1.1、建立基本假设:对象系统根据功能可划分为不同的模块,模块之间以信息流的形式关联,根据信息流传递的规则和系统拓扑结构可确定模型如何分配资源, 以CPN模型的方式模拟真实系统的数据交互;
步骤2.1.2、根据实际运营维护的模块划分界定研究对象范围,根据实际模块间信息流关系确定节点间逻辑关系,建立初始CPN模型。
进一步地,步骤3所述的从网络静态结构角度选取网络关联度指标,分析系统复杂程度,具体如下:
步骤3.1、根据模型中节点数目定义节点复杂度:
Figure BDA0002317788840000021
其中,Nc为节点复杂度,num(S)为库所总数,num(T)为变迁总数;
步骤3.2、根据模型中节点耦合关系定义节点关联度:
Figure BDA0002317788840000022
其中,Nr为节点关联度,num(xi)°为节点xi的输出弧数目,num°(xi)为节点xi的 输入弧数目,num(x)为网络相关弧总数;
步骤3.3、将节点复杂度与节点关联度赋予不同权重,组合得到网络关联度指标,衡量系统复杂程度:
K=λ·Nc+(1-λ)Nr
其中,K为网络关联度,λ为节点复杂度与节点关联度对网络关联度影响系数,
Figure BDA0002317788840000031
其中,num°(xi)为节点xi输入弧记录数,num(xi)°为节点xi输出弧记录数。
进一步地,步骤4所述的从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害的程度,具体如下:
步骤4.1、根据模型中节点于网络的耦合强度定义节点强度:
Nii=num°(xi)+num(xi)°+∑j∈B(num°(xj)+num(xj)°)
其中,num°(xi)+num(xi)°为目标节点xi的相关弧,∑j∈B(num°(xj)+num(xj)°) 为xi的所有一阶邻居xi相关弧之和;
步骤4.2、根据模型中节点受冲击引发的故障链规模,定义节点危害度:
Figure BDA0002317788840000032
其中,∑i1为节点i失效后发生相继故障的节点数,num(X)表示节点总数;
步骤4.3、综合节点强度与节点危害度得到危害特征值指标,衡量节点受冲击的影响程度:
采用同趋化函数对两个指标进行处理可得危害特征值:
Figure BDA0002317788840000033
进一步地,步骤5所述的建立危害特征值评分准则,划分危害等级,具体如下:
步骤5.1、根据功能需要划分危害等级及其包含的危害程度含义;
步骤5.2、根据危害特征值确定各等级包含的特征值范围。
本发明与现有技术相比,其显著优点为:(1)对系统的建模分析能准确清晰地描述系统结构与功能实现的流程,适用于多种复杂系统,普适性较好;(2)定量计算危 害程度,可以结合系统关联程度和危害规模两方面精确地分析冲击对系统的影响,有 助于多种系统计算危害等级并辅助作出决策。
附图说明
图1是本发明一种复杂系统危害程度评估方法的流程示意图。
图2是本发明实施例中车载设备系统信息流的结构示意图。
图3是本发明实施例中所建系统CPN模型的结构示意图。
图4是本发明实施例中所建CPN模型节点强度曲线图。
图5是本发明实施例中所建CPN模型危害特征值曲线图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
结合图1,本发明一种复杂系统危害程度评估方法,包括以下步骤:
步骤1、根据对象系统输入、输出信息及拓扑结构,确定系统内部信息流,明确 设备功能需求,具体如下:
步骤1.1,分析系统设计功能及架构,得到整体建模需求;
步骤1.2,划分系统内部功能模块;
步骤1.3,分析各模块承担任务,确定系统内部信息流。
步骤2、根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型的活性,具体如下:
步骤2.1,根据系统内信息流关系建立初始CPN模型,具体如下:
步骤2.1.1、建立基本假设:基于模块之间的信息传递确定节点之间的关联关系,通过token的规则约束与资源分配来模拟系统数据交互,与交互所需技术条件无关;
步骤2.1.2、根据实际运营维护的模块划分界定研究对象范围,根据实际模块间信息流关系确定节点间逻辑关系,建立初始CPN模型。
步骤2.2,给定初始标识,仿真运行并优化;
步骤2.3,根据Petri网的理论分析方法分析网络特性,验证模型的合理性。
步骤3、从网络静态结构角度选取网络关联度指标,分析系统复杂程度,具体如下:
步骤3.1,根据模型中节点数目定义节点复杂度:
Figure BDA0002317788840000041
其中,Nc为节点复杂度,num(S)为库所总数,num(T)为变迁总数;
步骤3.2,根据模型中节点耦合关系定义节点关联度:
Figure BDA0002317788840000042
其中,Nr为节点关联度,num(xi)°为节点xi的输出弧数目,num°(xi)为节点xi的 输入弧数目,num(x)为网络相关弧总数;
步骤3.3、将节点复杂度与节点关联度赋予不同权重,组合得到网络关联度指标,衡量系统复杂程度:
K=λ·Nc+(1-λ)Nr
其中,K代表网络关联度,λ代表节点复杂度与节点关联度对网络关联度影响系数,
Figure BDA0002317788840000051
其中,num°(xi)为节点xi输入弧记录数,num(xi)°为节点xi输出弧记录数。
步骤4、从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害的程度,具体如下:
步骤4.1,根据模型中节点于网络的耦合强度定义节点强度:
Nii=num°(xi)+num(xi)°+Σj∈B(num°(xj)+num(xj)°)
其中,num°(xi)+num(xi)°为目标节点xi的相关弧,∑j∈B(num°(xj)+num(xj)°) 为xi的所有一阶邻居xi相关弧之和;
步骤4.2,根据模型中节点受冲击引发的故障链规模定义节点危害度:
Figure BDA0002317788840000052
其中,∑i1为节点i失效后发生相继故障的节点数,num(X)为节点总数;
步骤4.3、综合节点强度与节点危害度得到危害特征值指标,衡量节点受冲击的影响程度:
采用同趋化函数对两个指标进行处理可得危害特征值:
Figure BDA0002317788840000053
步骤5、建立危害特征值评分准则,划分危害等级,具体如下:
步骤5.1,划分危害等级层次及对应危害程度;
步骤5.2,确定各层次对应危害特征值范围。
实施例1
本实施例以高铁列控系统车载设备子系统为例具体说明,过程分为以下步骤:
步骤1、根据对象系统输入、输出信息及拓扑结构,确定系统内部信息流,明确 设备功能需求:
分析车载设备子系统设计功能,外部环境中主要实现与列控中心与无线闭塞中心的双向大量的信息交互,内部环境根据实际系统传输数据确立内部功能关键模块为车 载安全计算机,包含C3控制单元、C2控制单元、速度距离处理模块、应答器信息接 收模块,无线通信模块包括通用加密-解密单元STU-V以及通信接口单元,测速测距 单元、安全数字接口、轨道电路信息接收单元、列车接口、显示器以及司法记录器, 由此确立车载设备系统信息流,如图2所示。
步骤2、根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型的活性:
根据实际关键模块间信息流关系建立初始CPN模型,如图3所示,实现系统设 计功能,且模型具备活性。
步骤3、从网络静态结构角度选取网络关联度指标,分析系统复杂程度:
采用非标准查询法考察所建CPN模型中相关弧数目,求得节点复杂度Nc=0.981,节点关联度Nr=0.526,影响系数λ=0.035,组合可得网络关联度K=λ·Nc+ (1-λ)Nr=0.542,关联度取值在0.5~1范围时网络结构较复杂,网络关联度为0.526, 说明系统结构有一定的复杂性,但关联度与理想值0.5相距不远,证明系统设计的合 理性。
步骤4、从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害的程度:
使用matlab对CPN模型各节点进行计算分析,得到模型各节点强度如图4所示, 通过分析评估节点与相关变迁的逻辑关系,确定其会影响到的其余节点,进而由此判 断节点故障对整个网络的危害程度即故障链规模,并可据此计算得到危害特征值,如 图5所示。
步骤5、建立危害特征值评分准则,划分危害等级:
表1系统危害等级评分表
Figure BDA0002317788840000061
根据车载设备子系统功能需求将危害等级分为四级,确定其对应特征值及含义,如表1所示。
综上可知,本发明对系统的建模分析能准确清晰地描述系统结构与功能实现的流程,适用于多种复杂系统,普适性较好;定量计算危害程度,可以结合系统关联程度 和危害规模两方面精确地分析冲击对系统的影响,有助于多种系统计算危害等级并辅 助作出决策。

Claims (1)

1.一种复杂系统危害程度评估方法,其特征在于,包括以下步骤:
步骤1、根据对象系统输入、输出信息及拓扑结构,确定系统内部信息流,明确设备功能需求;
步骤2、根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型的活性;
步骤3、从网络静态结构角度选取网络关联度指标,分析系统复杂程度;
步骤4、从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害的程度;
步骤5、建立危害特征值评分准则,划分危害等级;
步骤1所述的根据对象系统输入、输出信息及拓扑结构,确定系统内部信息流,明确设备功能需求,具体如下:
步骤1.1,分析系统设计功能及架构,得到整体建模需求;
步骤1.2,划分系统内部功能模块;
步骤1.3,分析各模块承担任务,确定系统内部信息流;
步骤2所述的根据系统内信息流关系,采用颜色Petri网对系统建模,验证所建模型的活性,具体如下:
步骤2.1,根据系统内信息流关系建立初始CPN模型;
步骤2.2,给定初始标识,仿真运行并优化;
步骤2.3,根据Petri网的理论分析方法分析网络特性,验证模型的合理性;
步骤2.1所述的根据系统内信息流关系建立初始CPN模型,具体如下:
步骤2.1.1、建立基本假设:基于模块之间的信息传递确定节点之间的关联关系,通过token的规则约束与资源分配来模拟系统数据交互;
步骤2.1.2、根据实际运营维护的模块划分界定研究对象范围,根据实际模块间信息流关系确定节点间逻辑关系,建立初始CPN模型;
步骤3所述的从网络静态结构角度选取网络关联度指标,分析系统复杂程度,具体如下:
步骤3.1,根据模型中节点数目定义节点复杂度:
Figure FDA0004049116660000011
其中,Nc为节点复杂度,num(S)为库所总数,num(T)为变迁总数;
步骤3.2,根据模型中节点耦合关系定义节点关联度:
Figure FDA0004049116660000021
其中,Nr为节点关联度,num(xi)°为节点xi的输出弧记录数,num°(xi)为节点xi的输入弧记录数,num(x)为网络相关弧总数;NET指网络中所有节点的集合;
步骤3.3、将节点复杂度与节点关联度赋予不同权重,组合得到网络关联度指标,衡量系统复杂程度:
K=λ·Nc+(1-λ)Nr
其中,K代表网络关联度,λ代表节点复杂度与节点关联度对网络关联度影响系数,其中节点xi网络关联度的影响系数λi公式如下:
Figure FDA0004049116660000022
其中,num(xi)°为节点xi输出弧记录数,num°(xi)为节点xi输入弧记录数;
步骤4所述的从网络动态运行角度选取危害特征值,以计算施加冲击时系统所受危害的程度,具体如下:
步骤4.1,根据模型中节点于网络的耦合强度定义节点强度Nii
Nii=num°(xi)+num(xi)°+∑j∈B(num°(xj)+num(xj)°)
其中,num°(xi)+num(xi)°为目标节点xi的相关弧,∑j∈B(num°(xj)+num(xj)°)为xi的所有一阶邻居xj的相关弧之和,B指与节点xi直接连接的一阶邻居构成的集合;
步骤4.2,根据模型中节点受冲击引发的故障链规模定义节点危害度Ndi
Figure FDA0004049116660000023
其中,∑i1为节点i失效后发生相继故障的节点数,num(X)为节点总数;
步骤4.3、综合节点强度与节点危害度得到危害特征值指标,衡量节点受冲击的影响程度:
采用同趋化函数对两个指标进行处理得危害特征值Δi
Figure FDA0004049116660000024
其中,Δi指第i个节点在当前状态下的危害特征值;
步骤5所述的建立危害特征值评分准则,划分危害等级,具体如下:
步骤5.1,划分危害等级层次及对应危害程度;
步骤5.2,确定各层次对应危害特征值范围。
CN201911289416.9A 2019-12-13 2019-12-13 一种复杂系统危害程度评估方法 Active CN111324941B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911289416.9A CN111324941B (zh) 2019-12-13 2019-12-13 一种复杂系统危害程度评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911289416.9A CN111324941B (zh) 2019-12-13 2019-12-13 一种复杂系统危害程度评估方法

Publications (2)

Publication Number Publication Date
CN111324941A CN111324941A (zh) 2020-06-23
CN111324941B true CN111324941B (zh) 2023-06-16

Family

ID=71165139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911289416.9A Active CN111324941B (zh) 2019-12-13 2019-12-13 一种复杂系统危害程度评估方法

Country Status (1)

Country Link
CN (1) CN111324941B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105871882A (zh) * 2016-05-10 2016-08-17 国家电网公司 基于网络节点脆弱性和攻击信息的网络安全风险分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105871882A (zh) * 2016-05-10 2016-08-17 国家电网公司 基于网络节点脆弱性和攻击信息的网络安全风险分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于Petri网的城市轨道交通信号系统脆弱性研究;王亚涛;《中国优秀硕士学位论文全文数据库》;20160715;第1-78页 *
无线通信网络信息节点重要性度量方法仿真;梁晶晶等;《计算机仿真》;20180715;第35卷(第7期);第443-446页 *
王亚涛.基于Petri网的城市轨道交通信号系统脆弱性研究.《中国优秀硕士学位论文全文数据库》.2016,第1-78页. *

Also Published As

Publication number Publication date
CN111324941A (zh) 2020-06-23

Similar Documents

Publication Publication Date Title
CN104750932A (zh) 一种混合不确定性下基于代理模型的结构可靠性分析方法
CN104657613A (zh) 一种复杂机电系统使用寿命评估方法
CN104504248A (zh) 一种基于设计数据分析的故障诊断建模方法
CN117076935B (zh) 数字孪生辅助的机械故障数据轻量级生成方法及系统
CN104022899A (zh) 一种网络管理系统的三维评估方法及系统
CN112149293A (zh) 一种风险分析中条件概率的确定方法
CN115097312A (zh) 一种结合数据驱动模型和经验模型的锂离子电池融合寿命预测模型
CN111324941B (zh) 一种复杂系统危害程度评估方法
CN116467211B (zh) 一种基于数字化仿真环境的系统级测试验证方法
CN113505980A (zh) 智能交通管理系统可靠性评价方法、装置及系统
CN106529061B (zh) 一种飞行器的评测方法及评测系统
CN116633787A (zh) 一种双系统通信形式化设计与验证方法
CN108549974B (zh) 一种基于层次分析法的cime电网模型评价方法
CN110888011A (zh) 一种基于测试性建模的原位测试方法及测试装置
CN116346405A (zh) 基于数据统计的网络安全运维能力评估系统及方法
CA3144852A1 (en) Automatic generation of integrated test procedures using system test procedures
Ghaleb et al. Using fuzzy logic and discrete event simulation to enhance production lines performance: case study
CN106650945A (zh) 一种基于证据合成理论的软件体系结构安全性评估方法
Nemtanu et al. Model of intelligent traffic sensors—Application in hardware in the loop
Uehara et al. An efficient mesoscopic modeling method for large volume traffic flow using process mining techniques
Hou et al. Zero-day vulnerability inspired hazard assessment for autonomous driving vehicles
CN114048076B (zh) 航空通信电子人机协同排故系统
CN113360306B (zh) 一种机载信息系统的故障实时检测方法
Guzairov et al. Simulation modelling of the transmission system of the telemetric information on the status of the on-board aircraft status
CN118296153A (zh) 故障检测流程优化方法、电子设备及存储介质

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Liu Yingshun

Inventor after: Xu Xiaoxiao

Inventor after: Ye Zhengjun

Inventor after: Peng Yi

Inventor after: Liu Liquan

Inventor before: Xu Xiaoxiao

Inventor before: Ye Zhengjun

Inventor before: Peng Yi

Inventor before: Liu Yingshun

Inventor before: Liu Liquan

GR01 Patent grant
GR01 Patent grant