CN112199842B - 一种基于任务导向的复杂仿真系统可信度评估方法 - Google Patents
一种基于任务导向的复杂仿真系统可信度评估方法 Download PDFInfo
- Publication number
- CN112199842B CN112199842B CN202011071643.7A CN202011071643A CN112199842B CN 112199842 B CN112199842 B CN 112199842B CN 202011071643 A CN202011071643 A CN 202011071643A CN 112199842 B CN112199842 B CN 112199842B
- Authority
- CN
- China
- Prior art keywords
- simulation
- sub
- credibility
- task
- simulation 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.)
- Active
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Abstract
本发明提供了一种基于任务导向的复杂仿真系统可信度评估方法,包括:对复杂仿真系统进行前置分析;面向复杂仿真系统所要执行的仿真任务,按照执行过程的不同阶段切分成多个子任务,构建出对应于每个子任务的信息网络,将其按时间序列叠加形成系统协同网络;将系统协同网络转换映射成复杂仿真系统的可信度指标网络,根据两两相邻节点协同运行的综合可信度及单个节点可信度,计算出节点之间的可信度传导系数;依据指标网中的可信度传导系数和单个节点可信度,按时间序列形成可信度传导链,推演得到最终可信度。本发明为复杂仿真系统的可信度评估提供了一种实现方法,为航空、航天、军事、交通等领域的复杂仿真系统评估及优化改进提供了技术支撑。
Description
技术领域
本发明属于系统仿真领域,尤其涉及一种基于任务导向的复杂仿真系统可信度评估方法。
背景技术
仿真是用某种模型来模仿或者模拟真实对象并对其进行研究达到人们所求目标的过程,而仿真系统则是该过程的载体。仿真系统作为仿真技术应用的体现形式,其本质是仿真对象的一种近似系统,其能否在特定仿真任务下有效反映仿真对象的行为与特征关键在于具备合格的仿真可信度。仿真可信度的定义有多种,其中一种普遍接受的是:仿真可信度是指仿真系统相对于特定应用目的而言,其过程、现象和结果正确反映真实世界的程度。仿真可信度作为仿真系统最重要的性能指标,其能否达到要求,直接关系到仿真系统应用的成败,缺乏足够可信度的仿真是没有任何意义的。
传统意义上的仿真可信度评估有3大典型特征:1)评估对象通常为单一独立系统或若干个子系统紧密耦合形成的系统,例如异步电机仿真系统、航空电子仿真系统、车辆动力学仿真系统等;2)评估指标的构建通常采用“树状”分层形式,例如某仿真系统的可信度评估指标至顶向下分解为其子仿真系统可信度、子子仿真系统可信度等;3)评估的主流方法业已成熟,分为针对单项指标的评估方法和综合指标评估方法,其中综合指标评估的常用方法为层次分析法和模糊综合评判法,适用于“树状”指标。
近年来,人们开始关注一系列自身即是组件的复杂系统所构成的集合体,其对应的仿真系统称之为复杂仿真系统。例如军事领域的联合指挥作战仿真系统,包含了海、陆、空、火箭军等子仿真系统,又如空中交通管理领域的全系统管理仿真系统,包含了通信、导航、监视、管制服务、流量管理等子仿真系统。针对这种内部系统成松耦合连接的复杂仿真系统,传统评估技术具有局限性:1)复杂仿真系统中内部系统的网络化交互频繁,系统与系统之间协同运行的“关系”愈发重要,此外仿真系统执行不同仿真任务时得到的可信度应是不同的,传统“树状”指标无法满足以上要求;2)进而传统评估方法亦不能满足评估要求。现有少量针对复杂仿真系统的可信度评估方法,都缺乏面向不同任务及系统之间关系的评估,不符合复杂仿真系统实际运行情况。目前尚缺少一种任务导向、网状指标、关系度量于一体的复杂仿真系统可信度评估方法。
发明内容
发明目的:本发明提供一种基于任务导向的复杂仿真系统可信度评估方法,解决的技术问题是按照范畴界定及组成优化的规则对复杂仿真系统进行规范表述,通过对仿真任务的切分及系统间信息交互的分析建立系统协同网络,结合单个系统可信度值和系统之间的可信度传导关系建立复杂仿真系统的可信度指标网络,进而形成可信度传导链来实现综合可信度的计算,有效解决复杂仿真系统在可信度评估过程中的系统分析难、指标体系构建难、评估方法缺失系统间关系度量、无法根据不同仿真任务实现动态评估等问题,填补在复杂仿真系统可信度评估领域的技术空白。
技术方案:为了解决上述技术问题,本发明公开了基于任务导向的复杂仿真系统可信度评估方法,包括如下步骤:
步骤1:实现复杂仿真系统的前置分析;
步骤2:构建复杂仿真系统的协同网络;
步骤3:构建复杂仿真系统的可信度指标网络;
步骤4:进行基于可信度传导链的综合可信度计算。
步骤1包括以下步骤:
步骤1-1:界定复杂仿真系统的全系统级和任务级范畴;
步骤1-2:对复杂仿真系统进行组成优化划分;
步骤1-3:计算优化划分后每个子仿真系统的可信度值。
步骤1-1包括:定义全系统级范畴SoS为待评估复杂仿真系统包含的所有子仿真系统集合,定义任务级范畴SoSTask-X为待评估复杂仿真系统在执行仿真任务X时所涉及的子仿真系统的集合,表示为:
其中Sm为组成复杂仿真系统的第m个子仿真系统,m为子仿真系统的组成个数且为正整数,N+为正整数集合,Sil∈SoSTask-X为执行具体仿真任务X时涉及到的第l个子仿真系统,子仿真系统个数为l。
步骤1-2包括:针对任务级范畴SoSTask-X复杂仿真系统进行组成优化划分:根据实施仿真任务的主体需求及子仿真系统的组成特征,对当前仿真任务中所涉及的子仿真系统的组成进行精简,合并相互联系频繁且不注重关注它们之间交互细节的子仿真系统,其过程需遵循如下3条约束条件:
一是在优化划分后的复杂仿真系统中,新的子仿真系统SXn的规模下限为优化划分前复杂仿真系统中的某个子仿真系统Sil,即:其中{SXn}min为子仿真系统SXn的规模下限,此情况下在具体实施时将SXn=Sil即可。
二是在优化划分后的复杂仿真系统中,新的子仿真系统SXn的规模上限为集合SoSTask-X本身,即:{SXn}max=SoSTask-X,其中{SXn}max为子仿真系统SXn的规模上限,此种情况下该任务级范畴的复杂仿真系统已经退化为主观认为的内部联系紧密的一个整体系统,实施评估时只需采用传统的可信度评估方法(例如层次分析法、模糊综合评判法等)即可;
三是新的子仿真系统SXn能够进行独立的仿真实验,并且能够通过传统的可信度评估方法(例如层次分析法、模糊综合评判法等)得到可信度;
则待评估复杂仿真系统在执行仿真任务X时所涉及的子仿真系统的集合SoSTask-X通过优化划分转换成新的集合SoSTask-X-Opt,表示为:
步骤1-3包括:计算优化划分后每个子仿真系统的可信度值,针对每个子仿真系统进行独立的仿真实验,并利用传统的可信度评估方法(例如层次分析法、模糊综合评判法等)进行可信度评估,得到SoSTask-X-Opt中每个子仿真系统SXn的可信度值为CXn,其中0≤CXn≤1。
步骤2包括以下步骤:
步骤2-1:切分仿真任务X为两个以上子任务,在具体实施时根据仿真任务的流程、阶段性特征及参与的子仿真系统,将仿真任务X切分为有限个数,切分时需遵循如下3条约束条件:
一是切分出的子任务能够描述在任务期间各子仿真系统的信息交互关系,描述内容具体包括所述子任务涉及的子仿真系统、子任务期间两两子仿真系统每次发生信息交互时的上游子仿真系统、下游子仿真系统、信息交互起始时间、子任务类型(例如指挥控制类、信息共享类、环境影响类);
二是仿真任务切分时避免切分时间点位于两子仿真系统的信息交互过程中,如果无法避免,则将该次信息交互过程计入所在子任务时间较长的一方,如果信息交互关系横跨的两个子任务时间相等则任选一方,并记录本次信息交互过程的起始时间;
三是仿真任务切分的数量根据评估者的需求而定,具体实施时切分个数不超过仿真任务阶段性特征(例如数据采集阶段、融合处理阶段、信息共享阶段、决策控制阶段、末端执行阶段)个数的3倍,切分得越细则动态协同网络的精确度越高,同时对应每个子任务的系统间信息网络的数量及后续计算工作将会增大;
切分后的仿真任务集合表示为:X={XT1 XT2 … XT(n-1) XTn},n∈N+,其中XTn为第n个切分出的子任务;
步骤2-2:构建每个子仿真任务所对应的系统间信息网络图,针对每个切分好的子仿真任务XTn,以涉及的子仿真系统为网络节点,以两两子仿真系统之间的信息交互关系为网络节点间的有向网络连接,形成面向子仿真任务的系统间信息网络图,并对n个切分出的子任务进行同样操作,形成系统间信息网络群组;对于系统间信息网络群组中的每对信息交互关系,采用4元组R进行表示,具体为:R(XTn,SXx,SX(x+1),k)=[XTn SXx SX(x+1) k],其中SXx为上游节点系统,SX(x+1)为下游节点系统,k为信息交互发生时的起始离散时间;
步骤2-3:按时间序列构建复杂仿真系统协同网络,将所有子仿真任务对应的系统间信息网络按照任务执行的时间顺序进行叠加,即以SoSTask-X-Opt中每个子仿真系统SXn为网络节点,将步骤2-2系统间信息网络群组中的每对信息交互关系作为单次有向网络连接,并按任务时间顺序建立两两网络节点之间的多次有向网络连接,形成复杂仿真系统协同网络,复杂仿真系统协同网络是复杂仿真系统在完成仿真任务过程中两两子仿真系统之间动态交互关系构成的网络结构;复杂仿真系统协同网络中两两节点之间的每段网络连接关系,采用步骤2-2中的4元组R分别表示。
步骤3包括以下步骤:
步骤3-1:将复杂仿真系统协同网络映射为可信度指标网络,针对步骤2-3中建立的复杂仿真系统协同网络,将存在信息交互关系的两两子仿真系统从中全部解耦;针对每一对两两子仿真系统,按照信息交互关系R的时间序列k,将所述两两子仿真系统进一步解耦成一系列的两个子仿真系统在子任务ATn下的单次信息交互关系;最后将两个子仿真系统分别映射为它们的可信度,并将它们之间的单次信息交换关系映射为可信度传导关系,即形成两两可信度指标的单次传导关系;可信度传导关系的定义为在两个子仿真系统协同任务过程中,上游节点的可信度对下游节点输出信息可信度的影响程度,具体过程表达为:
其中CXx为上游节点子仿真系统SXx的可信度,CX(x+1)为下游节点子仿真系统SX(x+1)的可信度,R为信息交互关系,CR为可信度传导关系,XTn为可信度传导关系对应的子任务,k为可信度传导关系发生的起始离散时间;
将同对的两两可信度指标的多次传导关系按时间序列叠加,并对所有的两两指标进行上述操作,即得到复杂仿真系统的可信度指标网络;
步骤3-2:计算两两子仿真系统在输入信息可信度100%条件下的协同运行可信度:设两两子仿真系统协同运行后的综合仿真可信度为CXx(x+1),综合仿真可信度CXx(x+1)同时也是下游节点输出信息的可信度;在计算两两子仿真系统协同运行可信度CXx(x+1)在输入信息100%可信条件下的特殊值时,将子仿真系统SXx和SX(x+1)看作一个整体系统且保证上游节点输入信息100%可信,并利用传统评估方法(例如层次分析法、模糊综合评判法)得到评估值;
步骤3-3:表征可信度指标网络中两两节点间的可信度传导关系;
步骤3-4:计算可信度传导关系中的传导系数,
步骤3-5:简化可信度传导关系的整定流程。
步骤3-3包括:设两两子仿真系统协同运行的综合仿真可信度CXx(x+1)=CR(XTn,CXx,CX(x+1),k),该公式在实际复杂仿真系统运行中需满足如下约束条件:
一是下游节点输出信息的可信度不应超过该下游节点自身可信度,即协同运行过程中末端节点的可信度决定综合可信度的上限,即CXx(x+1)≤CX(x+1);
二是综合可信度的下限为CXx(x+1)≥λ·CXxCX(x+1),其中λ为两子仿真系统之间网络通信能力的仿真可信度,且λ∈[0,1];
三是影响可信度传导关系的因素包含上游节点输出信息的可信度对下游节点实际运行的影响程度,根据实验与约束建立可信度传导关系:
其中CXx为上游节点SXx可信度值,CX(x+1)为下游节点SX(x+1)可信度值,CXx(x+1)为两子仿真系统协同运行综合可信度,δ为可信度传导系数,表征上述规则第三条中的影响程度,且δ≥0,λ为两子仿真系统之间网络通信能力的仿真可信度且λ∈[0,1]。
步骤3-4包括:按照可信度传导关系且符合实际复杂仿真系统的一般条件0<CXx≤1,0<CX(x+1)≤1,0<CXx(x+1)≤1,可信度传导系数δ为:
其中δ≥0;当δ越小时,代表上游节点输出信息的可信度对下游节点输出信息的可信度影响程度越小;
当δ越大时,代表上游节点输出的信息对下游节点输出信息的可信度影响程度越大;
式中λ由专家根据复杂仿真系统的网络传输能力与真实系统的相似度来计算,可采用步骤1-3中传统方法(将网络通信视为1个待评估的子仿真系统,利用层次分析法、模糊综合评判法进行评估);
将上述评估得到的λ,步骤1-3中单个系统可信度CXx与CX(x+1)、步骤3-2中协同运行可信度(替代CXx(x+1))带入可信度传导系数计算公式,得到两两指标在该次信息交互中的δ;对可信度指标网络中的所有传导系数进行上述计算,将完成对指标网络可信度传导关系的完全整定;
步骤3-5包括:针对同一对两两节点之间发生两次以上同向的可信度传导关系的情况,梳理出所有关系相应仿真任务XTn的类型;针对每种类型的子任务,只对首次发生该类任务的可信度传导关系进行整定得到相应的δ,其余同类型任务的可信度度传导关系沿用首次参数。
步骤4包括以下步骤:
步骤4-1:根据步骤3-1建立的可信度指标网络,结合步骤1-3得到的单个子仿真系统可信度值和步骤3-4得到的可信度传导系数,以进行仿真任务X时的起始节点出发,按照可信度传导关系CR(XTn,CXx,CX(x+1),k)中的离散时间k序列梳理信息流经节点的顺序,直至任务完成,由此形成可信度传导链;
步骤4-2:根据可信度传导链进行综合可信度计算,当传导链中出现单输入单输出或单输入多输出节点时,则按照步骤3-3可信度传导关系进行计算,前序所有节点(任务起始时为发生信息交互的前两个节点)形成的协同运行可信度将作为新的可信度节点,与后续节点形成两两指标传导关系;当传导链中存在多输入单输出或多输入多输出的节点时,首先按照步骤3-3中可信度传导关系计算每个上游节点与该多输入节点的协同运行可信度,再按如下公式计算:其中CXy为下游节点,为n个提供多输入的上游节点与下游节点CXy分别协同运行的可信度,Cmuti-input为n个输入共同作用下的最终可信度。
本发明的原理是:将复杂仿真系统的可信度评估看作是在不同仿真任务下的复杂网络动力学分析。首先通过规范化的范畴界定、任务切分及信息交互关系分析构建复杂仿真系统协同网络;其次通过单个系统可信度评估、可信度传导关系的建模及整定将系统协同网络映射为可信度指标网络;最后依据指标网络并按任务进行的时间序列形成可信度传导链,进而计算出面向任务的可信度评估结果。
本发明与现有技术相比,显著优点是:
(1)提出了一种针对同一复杂仿真系统面向不同仿真任务的可信度评估方法,评估结果更加契合复杂仿真系统在多种实验场景下的实际运行情况;
(2)提出了一种可以涵盖系统之间“关系”的可信度网状指标体系,在打破传统“树状”指标体系的同时,更符合复杂仿真系统中频繁的网络化交互;
(3)提出了一种内部子仿真系统之间可信度关系的度量方法,填补了现有方法在该方向的技术空缺,提升了可信度评估的精确性;
(4)提出了一种基于可信度传导链的综合评估方法,填补了现有方法在针对网状指标进行评估时的技术空缺,提升了可信度评估的适用范围及评估能力。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为复杂仿真系统的组成及多任务执行示意图。
图2为本发明的方法流程图。
图3为复杂仿真系统的范畴界定示意图。
图4为任务级范畴复杂仿真系统的组成优化划分示意图。
图5为复杂仿真系统协同网络的构建过程示意图
图6为将系统协同网络映射为可信度指标网络的过程示意图。
图7为可信度传导系数的计算过程示意图。
图8为基于可信度链的综合可信度计算过程示意图。
具体实施方式
如图1所示,复杂仿真系统S为可信度评估对象,它从构造上可以划分为m个子仿真系统,其中m>1,依次为S1,S2,S3,S4,…,Sm-1,Sm。该复杂仿真系统作为综合仿真技术试验平台,能够执行多种试验目的不同的仿真任务,不同仿真任务所涉及的子仿真系统也不同。如图1中仿真任务A、B、C、D所涉及的子仿真系统不同,且执行具体任务时多个子仿真系统间会产生多样化的信息交互。故同样的复杂仿真系统在面向不同仿真任务时,其仿真可信度评估结果应是不同的。采用本发明在实施评估时,面向具体执行的仿真任务界定涉及子仿真系统的范畴,根据需求和子仿真系统的特征对涉及系统进行组成优化,通过对仿真任务的按阶段切分及子仿真系统间信息交互分析建立综合的系统协同网络,结合单个系统的可信度评估结果和系统之间的可信度传导关系建立可信度指标网络,最后根据指标网络中可信度传导链来实现综合可信度计算。本发明的方法流程如图2所示。
正如说明书摘要所述,本发明适用于航空、航天、军事、交通等领域的复杂仿真系统,下面以某海上精确打击体系仿真系统为实施例,对本发明做进一步说明。该实施例中复杂仿真系统的功能是对海、陆、空的有关对象进行目标监视、信息融合、精确打击及效能评估。以下通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
具体实施方式如下:
步骤1:实现复杂仿真系统的前置分析。
步骤1-1:界定复杂仿真系统的“全系统级”和“任务级”范畴。
定义“全系统级”范畴为待评估复杂仿真系统所包含的所有子仿真系统的集合。设集合SoS表征复杂仿真系统S的“全系统级”范畴,则有:
SoS={S1 S2 S3 S4 … Sm-1 Sm} (1)
式中Sx∈SoS(x=1,2,3,…,m)为复杂仿真系统中能够独立运行及管理的子仿真系统,该子仿真系统共有m(m>1)个。
如图3所示的实施例中m=20,具体子仿真系统的代表含义如下表所示。
表1
定义“任务级”范畴为待评估复杂仿真系统在执行某项具体仿真任务时所涉及的子仿真系统的集合。设集合SoSTask-A、SoSTask-B、SoSTask-C、SoSTask-D分别表示图3中复杂仿真系统执行任务A、B、C、D时的“任务级”范畴,则有:
如图3所示实施例中,该复杂仿真系统能够执行的任务代号及含义、涉及子仿真系统如下表所示。
表2
范畴界定的性质表明当一个复杂仿真体系给定时,其“全系统级”范畴是确定的,而“任务级”范畴随具体任务变化,可信度评估也应是基于任务导向的。
步骤1-2:针对任务级范畴复杂仿真系统进行组成优化划分。
定义复杂仿真系统的组成优化划分为:根据实施仿真任务的主体需求及子仿真系统的组成特征,对当前仿真任务中所涉及的子仿真系统组成进行精简。
以图3中A任务为例,确定当前子仿真系统的组成为:
SoSTask-A={S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12} (3)
在图4实施例中,S1、S2、S3、S4分别为岸基信息探测仿真系统、水下信息探测仿真系统、天基信息探测仿真系统、岛礁信息探测仿真系统,是信息交互密切的4个子仿真系统,但仿真试验实施者只关心这4个子仿真系统协同运行的最终效果,并不在意系统之间的交互细节,因此在逻辑上该4个子仿真系统可在任务A条件下合并为一个新的子仿真系统SA1,可称为综合探测仿真系统。
同理,S5、S6、S7分别代表的传感设备状态监视仿真系统、传感设备综合控制仿真系统、目标数据综合分析仿真系统在任务A条件下可合并为传感设备控制分析仿真系统SA2;而S10、S11分别代表的目标综合特征提取仿真系统、精确打击演算仿真系统可以合并为目标特征匹配与推演仿真系统SA5。如图4所示,则当前结构的子仿真系统组成SoSTask-A通过优化划分转换为SoSTask-A-Opt,SoSTask-A中的12个子仿真系统经过优化划分,形成了SoSTask-A-Opt中6个新的子仿真系统,具体为:
如图4实施例所示,优化划分后的A任务级范畴复杂仿真系统SoSTask-A-Opt的子仿真系统代号及含义如下表所示。
表3
建立上述优化划分过程须遵循的3条约束条件:
(1)对于任意Sx∈SoSTask-A-Opt,其规模是根据可信度评估者的主观需求及复杂仿真系统的实际组成状况而定的,规模下限为一个能够独立运行、独立管理的设备或系统(一般为原有系统组成的子仿真系统之一),例如图4中SA3={S8};
(2)对于任意Sx∈SoSTask-A-Opt,其规模上限不能超过SoSTask-A-Opt本身。规模越小,对复杂仿真系统的表征精度越高,可信度计算结果越可靠,但会导致计算复杂度的递增。此种情况下该任务级范畴的复杂仿真系统已经退化为主观认为的内部联系紧密的一个整体系统,实施评估时只需采用传统的可信度评估方法(例如层次分析法、模糊综合评判法等)即可;
(3)对于任意Sx∈SoSTask-A-Opt,能够独立进行仿真实验,并且能够通过传统的可信度评估方法(如层次分析法、模糊综合评判法)得到其可信度。
步骤1-3:计算优化划分后每个子仿真系统的可信度值。
以图4中的SoSTask-A-Opt为例,计算所有子仿真系统Sx∈SoSTask-A-Opt的可信度值Cx,其中0≤Cx≤1。作为单个系统的可信度评估,其评估方法可以采用当前成熟技术,如层次分析法、模糊综合评判法等,此处不再赘述。由此可得:
针对图4实施例中SoSTask-A-Opt的6个新子仿真系统,采用层次分析法分别对单个子仿真系统进行可信度评估,得到结果如下表所示。
表4
子仿真系统 | 可信度评估值 |
S<sub>A1</sub> | C<sub>A1</sub>=0.90 |
S<sub>A2</sub> | C<sub>A2</sub>=0.95 |
S<sub>A3</sub> | C<sub>A3</sub>=0.85 |
S<sub>A4</sub> | C<sub>A4</sub>=0.88 |
S<sub>A5</sub> | C<sub>A5</sub>=0.92 |
S<sub>A6</sub> | C<sub>A6</sub>=0.96 |
步骤2:构建复杂仿真系统的协同网络。
步骤2-1:切分仿真任务为多个子任务。
以图5中任务A为例,根据的任务的流程、阶段特征及参与的子仿真系统,可将该任务切分为n个,其中n≥1,即:
A={AT1 AT2 AT3 … AT(n-1) ATn} (6)
建立任务切分须遵循的3条约束条件:
(1)切分出的子任务ATn∈A应能够描述在任务期间各子仿真系统的信息交互关系,如图5中子任务AT1能够描述所涉及的子仿真系统及两两子仿真系统之间的信息交互关系,包括SA3到SA5、SA1到SA2及SA2到SA4存在信息从上游系统到下游系统的传输,能够记录该信息交互发生的起始离散时间k,及AT1的任务类型;
(2)任务切分时,应尽量避免切分时间点位于两子仿真系统的信息交互过程中;如若无法避免,则将该信息交互过程计入所在子任务时间较长的一方(时间相等情况下任选一方即可),并记录本次信息交互的起始时间便于后续计算;
(3)任务切分的数量由评估主体根据需求而定,具体实施时其数目不超过阶段特征个数(例如数据采集阶段、融合处理阶段、信息共享阶段、决策控制阶段、末端执行阶段)的3倍,切分得越细则动态协同网络的精确度越高,但同时对应每个子任务的系统间信息网络的数量及后续计算工作将会急剧上升。
图5中A任务的执行有多种可选模式,每种模式下相同子仿真系统之间信息交互的流程及数量都有所区别,下面以其中一种模式为例进行仿真任务的切分,具体含义及参数如下表所示。
表5
步骤2-2:构建每个子任务所对应的系统间信息网络图。
针对每个切分好的子任务,分析该任务执行过程中两两子仿真系统之间的信息交互关系,建立系统间信息网络群组,共包含n个系统间信息网络图,如图5所示,面向切分出的n个子任务对应n个系统间信息网络图,网络节点代表子仿真系统,有向网络连接代表发生的信息交互关系。对于网络群组中的每对信息交互关系,采用如下4元组描述并标记为R,具体形式为:
R(ATn,SAx,SA(x+1),k)=[ATn SAx SA(x+1) k] (7)
式中ATn为该信息交互关系对应的子任务,SAx为上游节点系统,SA(x+1)为下游节点系统,k为信息交互发生时的起始离散时间。在图5中A任务例子里,1≤x≤5,n≥1。
结合图5中任务切分流程及表5中实施例数据,在所有子仿真任务AT1、AT2、AT3、AT4、AT5、AT6的系统间信息网络图中,均存在6个网络节点SA1、SA2、SA3、SA4、SA5、SA6,具体每个系统间信息网络图的参数如下表所示。
表6
步骤2-3:按时间序列构建系统协同网络。
将所有子任务对应的系统间信息网络图按照任务顺序叠加,构建复杂仿真系统协同网络。系统协同网络是指复杂仿真系统在完成仿真任务过程中,两两子仿真系统之间动态关联关系构成的网络结构,是构建可信度指标网络的基础。该网络中两两子仿真系统之间的多段信息交互关系,采用公式(7)的4元组分别表示,并按离散时间k顺序进行叠加。
根据图5中将系统间信息网络群组叠加形成系统协同网络的流程,及表6中实施例数据,得到的任务A的系统协同网络的参数如下表所示。
表7
步骤3:构建复杂仿真系统的可信度指标网络。
步骤3-1:将系统协同网络映射为可信度指标网络。
针对步骤2中建立的系统协同网络,将存在信息交互关系的两两子仿真系统从中解耦出来,形成一系列的两两子仿真系统,个数上限为个,n为优化划分后的子仿真系统个数。如图6中的“两两系统解耦”步骤示意,根据是否存在信息交互关系共解耦出6对两两子仿真系统,包括SA1和SA2、SA2和SA3、SA3和SA5、SA5和SA6、SA2和SA4、SA4和SA6。
针对每一对两两子仿真系统,按照公式(7)中信息交互的时间序列k,将该两两子仿真系统进一步解耦成一系列的两个子仿真系统在子任务ATn下的单次信息交互关系。如图6中的“交互关系解耦”步骤示例,将SA1和SA2之间的多次信息交互关系拆解成了多个单次信息交互关系。
按照公式(5)将两个子仿真系统分别映射为它们的可信度,并将它们之间的单次信息交换关系映射为可信度传导关系,即可形成两两可信度指标的单次传导关系。可信度传导关系定义为在两个子仿真系统协同任务过程中,上游节点的可信度对下游节点输出信息可信度的影响程度,可信度传导关系的具体形式可标记为CR:
CR(ATn,CAx,CA(x+1),k)=[ATn CAx CA(x+1) k] (8)
式中ATn为该可信度传导关系对应的子任务,CAx为上游节点子仿真系统SAx的可信度值,CA(x+1)为下游节点子仿真系统SA(x+1)的可信度值,k为可信度传导关系发生的起始离散时间。在图6中A任务例子里,1≤x≤5,n≥1,示例中SA1映射成CA1,SA2映射成CA2,两者之间首次发生的信息交互关系R(AT1,SA1,SA2,k1)映射成可信度传导关系CR(AT1,CA1,CA2,k1)。
将同对的两两可信度指标的多次传导关系按时间序列叠加,并对所有的两两指标进行上述操作,即可得到复杂仿真系统的可信度指标网络,具体过程如图6所示,网络节点为每个子仿真系统的可信度,节点之间的多次有向连接为可信度传导关系。
根据图6的流程及表7的实施例数据,得到任务A的可信度指标网络参数如下表所示。
表8
步骤3-2:计算两两子仿真系统系统在输入信息可信度100%条件下的协同运行可信度。
针对系统协同网络中存在信息交互关系的两两子仿真系统,聚焦它们之间发生的某次信息交互关系。设两两子仿真系统协同运行后的综合仿真可信度为CAx(x+1),该可信度同时也是下游节点输出信息的可信度。
为便于可信度传导关系的计算,此处需先行计算两两子仿真系统协同运行可信度CAx(x+1)在输入信息100%可信条件下的特殊值通过仿真实验计算该值的过程中,需将视子仿真系统SAx和SA(x+1)为一整体系统且保证上游节点输入信息100%可信条件,并按照任务ATn流程采用步骤1-3中的传统可信度评估方法(如层次分析法)得到可信度值。
在实施例里,根据表5中仿真任务A的子仿真任务和表7中系统协同网络参数,利用层次分析法可得到两两子仿真系统系统在输入信息可信度100%条件下的协同运行可信度,具体计算参数如下表所示。
表9
步骤3-3:表征可信度指标网络中两两节点间的可信度传导关系。
构建指标网络中任意一对两两指标的任意一次可信度传导过程,并标记为:
[CAx CA(x+1) CR(ATn,CAx,CA(x+1),k) CAx(x+1)] (9)
式中CAx为上游节点子仿真系统SAx的可信度,CA(x+1)为下游节点子仿真系统SA(x+1)的可信度,CR(ATn,CAx,CA(x+1),k)为公式(8)描述的可信度传导关系,CAx(x+1)为两子仿真系统协同运行后的综合仿真可信度。
构建上述可信度传导过程的规范化数学问题:已知复杂仿真系统中存在的两个子仿真系统SAx和SA(x+1)在各自独立运行时的可信度评估值为CAx和CA(x+1),而两系统在仿真任务ATn下进行协同运行时(SAx为上游节点,SA(x+1)为下游节点),由于下游节点受到上游节点的影响,其最终输出信息的可信度由CA(x+1)变为CAx(x+1),现求解可信度传导关系CR(ATn,CAx,CA(x+1),k)的函数表达式,即:
CAx(x+1)=CR(ATn,CAx,CA(x+1),k) (10)
构建公式(10)在实际复杂仿真系统运行中成立的约束条件:
(1)下游节点输出信息的可信度不应超过该节点自身可信度,即协同运行过程中末端节点的可信度决定综合可信度的上限,即:CAx(x+1)≤CA(x+1);
(2)综合可信度的下限为:CAx(x+1)≥λ·CAxCA(x+1),其中λ为两子仿真系统之间网络通信能力的仿真可信度,且λ∈[0,1];
(3)影响可信度传导关系的因素应包含:上游节点输出信息的可信度对下游节点实际运行的影响程度。
按照公式(10)及其约束条件,建立可信度传导关系为:
式中CAx为上游节点SAx可信度值,CA(x+1)为下游节点SA(x+1)可信度值,CAx(x+1)为两子仿真系统协同运行综合可信度;δ为可信度传导系数,表征上述规则第三条中的影响程度,且δ≥0;λ为两子仿真系统之间网络通信能力的仿真可信度,且λ∈[0,1]。
以表9中的AT2为例,λ·CA2·CA1≤CA21=CA1·exp(δ·(1-1/(λ·CAx)))≤CA1。
步骤3-4:计算可信度传导关系中的传导系数。
按照公式(11),且在实际仿真系统运行中任意的内部子系统一般符合0<CAx≤1,0<CA(x+1)≤1,0<CAx(x+1)≤1,因此可信度传导系数δ可表征为:
式中δ≥0。当δ越小时,代表上游节点输出信息的可信度对下游节点输出信息的可信度影响程度越小,极端情况δ=0时,说明上游节点输出信息的可信度对下游节点的运行结果无关紧要,因此上游节点自身可信度也不会影响两者协同运行的最终可信度;当δ越大时,代表上游节点输出的信息对下游节点输出信息的可信度影响程度越大。式中λ为两系统之间通信能力的仿真可信度,一般情况下在实际复杂仿真系统中λ接近于1,由专家根据复杂仿真系统在网络传输过程的丢包率、延迟、噪声与真实系统的相似度来计算判定,可采用步骤1-3中传统方法(将网络通信视为1个待评估的子仿真系统,利用层次分析法、模糊综合评判法进行评估)得到评估值。
将上述评估得到的λ,步骤1-3中单个系统可信度CAx与CA(x+1)、步骤3-2中协同运行可信度(替代CAx(x+1))带入公式(12),得到两两可信度指标在该次信息交互中的可信度传导系数δ,具体过程如图7所示。
对可信度指标网络中的所有传导系数进行上述计算,将完成对指标网络可信度传导关系的完全整定。
在实施例中,根据图7的流程和公式(12),结合表4中单个子仿真系统的可信度评估值、表9中两两子仿真系统系统在输入信息可信度100%条件下的协同运行可信度值,以及通信能力的仿真可信度的专家判定值λ=1,可计算得到可信度指标网络中每条有向连接(即可信度传导关系)的传导系数,如下表所示。
表10
步骤3-5:简化可信度传导关系的整定流程。
针对同一对两两节点之间发生多次同向的可信度传导关系的情况,梳理出所有关系CR(ATn,CAx,CA(x+1),k)相应仿真任务ATn的类型,例如两节点总共发生21次上游节点向下游节点的可信度传导关系,其中指挥控制类任务有10次,信息共享类任务有11次;针对每种类型的子任务,只对首次发生该类任务的可信度传导关系进行参数整定得到相应的δ,其余同类型任务的可信度度传导关系沿用首次参数。由此,在保障可信度评估有效的同时,简化了参数整定过程,大大降低了评估计算量。
步骤4:基于可信度传导链的综合可信度计算。
步骤4-1:构建可信度传导链。
根据步骤3-1建立的可信度指标网络,结合步骤1-3得到的单个子仿真系统可信度值和步骤3-4得到的可信度传导系数,以进行任务A时的起始节点出发,按照可信度传导关系CR(ATn,CAx,CA(x+1),k)中的离散时间k序列梳理信息流经节点的顺序,直至任务完成,由此形成可信度传导链。
在图8所示的实施例中,以上各步骤所计算参数均展示于可信度指标网络图,包括单个子仿真系统可信度值、可信度传导系数值、可信度传导关系发生的离散时间、通信能力仿真可信度的专家判定值,图中的可信度传导链有两条,分别是CA1、CA2、CA1、CA2、CA3、CA5、CA6与CA1、CA2、CA1、CA2、CA3、CA4、CA6。
步骤4-2:计算综合可信度。
根据可信度传导链进行综合可信度计算时,分为两类情况:
(1)当传导链中出现一系列单输入单输出或单输入多输出节点时,则直接按照公式(11)进行推演计算。前序所有节点(任务起始时为发生信息交互的前两个节点)形成的协同运行可信度将作为新的可信度节点,与后续节点形成两两指标传导关系。
(2)当传导链中存在多输入单输出或多输入多输出的节点时,首先按照公式(11)计算每个上游节点与该多输入节点的协同运行可信度,再按照下式计算:
在图8实施例的计算过程中,可信度传导链上的CA1、CA2、CA4、CA5均为单输入单输出节点,CA3为单输入多输出节点,CA6为多输入单输出节点,结合公式(11)与(13)逐步递推计算,结果显示该复杂仿真系统在具体执行任务A的最终可信度评估结果为0.8069,即80.69%。
从本发明的实施步骤及示例可以看出,建模过程简便易行,易于求解实现,适合应用于不同领域复杂仿真系统的可信度评估工具开发。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。本发明中未明确或详细阐述的各组成部分(如步骤1-3、3-2、3-4所提到的传统评估方法等)均可用现有技术加以实现。
Claims (1)
1.一种基于任务导向的复杂仿真系统可信度评估方法,其特征在于,包括如下步骤:
步骤1:实现复杂仿真系统的前置分析;
步骤2:构建复杂仿真系统的协同网络;
步骤3:构建复杂仿真系统的可信度指标网络;
步骤4:进行基于可信度传导链的综合可信度计算;
步骤1包括以下步骤:
步骤1-1:界定复杂仿真系统的全系统级和任务级范畴;
步骤1-2:对复杂仿真系统进行组成优化划分;
步骤1-3:计算优化划分后每个子仿真系统的可信度值;
其中Sm为组成复杂仿真系统的第m个子仿真系统,m为子仿真系统的组成个数且为正整数,N+为正整数集合,Sil∈SoSTask-X为执行具体仿真任务X时涉及到的第l个子仿真系统,子仿真系统个数为l;
步骤1-2包括:针对任务级范畴SoSTask-X复杂仿真系统进行组成优化划分:根据实施仿真任务的主体需求及子仿真系统的组成特征,对当前仿真任务中所涉及的子仿真系统的组成进行精简,合并相互联系频繁且不注重关注它们之间交互细节的子仿真系统,其过程需遵循如下3条约束条件:
二是在优化划分后的复杂仿真系统中,新的子仿真系统SXn的规模上限为集合SoSTask-X本身,即:{SXn}max=SoSTask-X,其中{SXn}max为子仿真系统SXn的规模上限;
三是新的子仿真系统SXn能够进行独立的仿真实验,并且能够通过可信度评估方法得到可信度;
则待评估复杂仿真系统在执行仿真任务X时所涉及的子仿真系统的集合SoSTask-X通过优化划分转换成新的集合SoSTask-X-Opt,表示为:
步骤1-3包括:计算优化划分后每个子仿真系统的可信度值,针对每个子仿真系统进行独立的仿真实验,并利用可信度评估方法进行可信度评估,得到SoSTask-X-Opt中每个子仿真系统SXn的可信度值为CXn,其中0≤CXn≤1;
步骤2包括以下步骤:
步骤2-1:切分仿真任务X为两个以上子任务,在具体实施时根据仿真任务的流程、阶段性特征及参与的子仿真系统,将仿真任务X切分为有限个数,切分时需遵循如下3条约束条件:
一是切分出的子任务能够描述在任务期间各子仿真系统的信息交互关系,描述内容具体包括所述子任务涉及的子仿真系统、子任务期间两两子仿真系统每次发生信息交互时的上游子仿真系统、下游子仿真系统、信息交互起始时间、子任务类型;
二是仿真任务切分时避免切分时间点位于两子仿真系统的信息交互过程中,如果无法避免,则将该次信息交互过程计入所在子任务时间较长的一方,如果信息交互关系横跨的两个子任务时间相等则任选一方,并记录本次信息交互过程的起始时间;
三是仿真任务切分的数量根据评估者的需求而定,具体实施时切分个数不超过仿真任务阶段性特征个数的3倍;
切分后的仿真任务集合表示为:X={XT1 XT2…XT(n-1) XTn},n∈N+,其中XTn为第n个切分出的子任务;
步骤2-2:构建每个子仿真任务所对应的系统间信息网络图,针对每个切分好的子仿真任务XTn,以涉及的子仿真系统为网络节点,以两两子仿真系统之间的信息交互关系为网络节点间的有向网络连接,形成面向子仿真任务的系统间信息网络图,并对n个切分出的子任务进行同样操作,形成系统间信息网络群组;对于系统间信息网络群组中的每对信息交互关系,采用4元组R进行表示,具体为:R(XTn,SXx,SX(x+1),k)=[XTn SXx SX(x+1) k],其中SXx为上游节点系统,SX(x+1)为下游节点系统,k为信息交互发生时的起始离散时间;
步骤2-3:按时间序列构建复杂仿真系统协同网络,将所有子仿真任务对应的系统间信息网络按照任务执行的时间顺序进行叠加,即以SoSTask-X-Opt中每个子仿真系统SXn为网络节点,将步骤2-2系统间信息网络群组中的每对信息交互关系作为单次有向网络连接,并按任务时间顺序建立两两网络节点之间的多次有向网络连接,形成复杂仿真系统协同网络,复杂仿真系统协同网络是复杂仿真系统在完成仿真任务过程中两两子仿真系统之间动态交互关系构成的网络结构;复杂仿真系统协同网络中两两节点之间的每段网络连接关系,采用步骤2-2中的4元组R分别表示;
步骤3包括以下步骤:
步骤3-1:将复杂仿真系统协同网络映射为可信度指标网络,针对步骤2-3中建立的复杂仿真系统协同网络,将存在信息交互关系的两两子仿真系统从中全部解耦;针对每一对两两子仿真系统,按照信息交互关系R的时间序列k,将所述两两子仿真系统进一步解耦成一系列的两个子仿真系统在子任务ATn下的单次信息交互关系;最后将两个子仿真系统分别映射为它们的可信度,并将它们之间的单次信息交换关系映射为可信度传导关系,即形成两两可信度指标的单次传导关系;可信度传导关系的定义为在两个子仿真系统协同任务过程中,上游节点的可信度对下游节点输出信息可信度的影响程度,具体过程表达为:
其中CXx为上游节点子仿真系统SXx的可信度,CX(x+1)为下游节点子仿真系统SX(x+1)的可信度,R为信息交互关系,CR为可信度传导关系,XTn为可信度传导关系对应的子任务,k为可信度传导关系发生的起始离散时间;
将同对的两两可信度指标的多次传导关系按时间序列叠加,并对所有的两两指标进行上述操作,即得到复杂仿真系统的可信度指标网络;
步骤3-2:计算两两子仿真系统在输入信息可信度100%条件下的协同运行可信度:设两两子仿真系统协同运行后的综合仿真可信度为CXx(x+1),综合仿真可信度CXx(x+1)同时也是下游节点输出信息的可信度;在计算两两子仿真系统协同运行可信度CXx(x+1)在输入信息100%可信条件下的特殊值时,将子仿真系统SXx和SX(x+1)看作一个整体系统且保证上游节点输入信息100%可信,并得到评估值;
步骤3-3:表征可信度指标网络中两两节点间的可信度传导关系;
步骤3-4:计算可信度传导关系中的传导系数,
步骤3-5:简化可信度传导关系的整定流程;
步骤3-3包括:设两两子仿真系统协同运行的综合仿真可信度CXx(x+1)=CR(XTn,CXx,CX(x+1),k),该公式在实际复杂仿真系统运行中需满足如下约束条件:
一是下游节点输出信息的可信度不应超过该下游节点自身可信度,即协同运行过程中末端节点的可信度决定综合可信度的上限,即CXx(x+1)≤CX(x+1);
二是综合可信度的下限为CXx(x+1)≥λ·CXxCX(x+1),其中λ为两子仿真系统之间网络通信能力的仿真可信度,且λ∈[0,1];
三是影响可信度传导关系的因素包含上游节点输出信息的可信度对下游节点实际运行的影响程度,根据实验与约束建立可信度传导关系:
其中CXx为上游节点SXx可信度值,CX(x+1)为下游节点SX(x+1)可信度值,CXx(x+1)为两子仿真系统协同运行综合可信度,δ为可信度传导系数,表征影响程度,且δ≥0,λ为两子仿真系统之间网络通信能力的仿真可信度且λ∈[0,1];
步骤3-4包括:按照可信度传导关系且符合实际复杂仿真系统的一般条件0<CXx≤1,0<CX(x+1)≤1,0<CXx(x+1)≤1,可信度传导系数δ为:
其中δ≥0;当δ越小时,代表上游节点输出信息的可信度对下游节点输出信息的可信度影响程度越小;
当δ越大时,代表上游节点输出的信息对下游节点输出信息的可信度影响程度越大;
式中λ根据复杂仿真系统的网络传输能力与真实系统的相似度来计算;
将上述评估得到的λ,步骤1-3中单个系统可信度CXx与CX(x+1)、步骤3-2中协同运行可信度带入可信度传导系数计算公式,得到两两指标在该次信息交互中的δ;对可信度指标网络中的所有传导系数进行上述计算,将完成对指标网络可信度传导关系的完全整定;
步骤3-5包括:针对同一对两两节点之间发生两次以上同向的可信度传导关系的情况,梳理出所有关系相应仿真任务XTn的类型;针对每种类型的子任务,只对首次发生该类任务的可信度传导关系进行整定得到相应的δ,其余同类型任务的可信度度传导关系沿用首次参数;
步骤4包括以下步骤:
步骤4-1:根据步骤3-1建立的可信度指标网络,结合步骤1-3得到的单个子仿真系统可信度值和步骤3-4得到的可信度传导系数,以进行仿真任务X时的起始节点出发,按照可信度传导关系CR(XTn,CXx,CX(x+1),k)中的离散时间k序列梳理信息流经节点的顺序,直至任务完成,由此形成可信度传导链;
步骤4-2:根据可信度传导链进行综合可信度计算,当传导链中出现单输入单输出或单输入多输出节点时,则按照步骤3-3可信度传导关系进行计算,前序所有节点形成的协同运行可信度将作为新的可信度节点,与后续节点形成两两指标传导关系;当传导链中存在多输入单输出或多输入多输出的节点时,首先按照步骤3-3中可信度传导关系计算每个上游节点与多输入节点的协同运行可信度,再按如下公式计算:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071643.7A CN112199842B (zh) | 2020-11-11 | 2020-11-11 | 一种基于任务导向的复杂仿真系统可信度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071643.7A CN112199842B (zh) | 2020-11-11 | 2020-11-11 | 一种基于任务导向的复杂仿真系统可信度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112199842A CN112199842A (zh) | 2021-01-08 |
CN112199842B true CN112199842B (zh) | 2022-10-04 |
Family
ID=74013750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011071643.7A Active CN112199842B (zh) | 2020-11-11 | 2020-11-11 | 一种基于任务导向的复杂仿真系统可信度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112199842B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883527B (zh) * | 2021-03-16 | 2022-07-15 | 中国人民解放军国防科技大学 | 一种面向网络体系的仿真评估方法 |
CN114936475B (zh) * | 2022-07-20 | 2022-10-28 | 成都信息工程大学 | 一种基于拟合优度可信度融合的复杂系统成功率评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017036244A1 (zh) * | 2015-09-06 | 2017-03-09 | 中国电力科学研究院 | 配电网数字仿真系统 |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真系统可信度的鲁棒评估方法及系统 |
WO2017152733A1 (zh) * | 2016-03-08 | 2017-09-14 | 中兴通讯股份有限公司 | 一种大规模复杂无线通信系统的仿真方法和系统 |
CN109960863A (zh) * | 2019-03-15 | 2019-07-02 | 北京航空航天大学 | 一种基于网络拓扑路径的复杂仿真系统可信度评估方法 |
-
2020
- 2020-11-11 CN CN202011071643.7A patent/CN112199842B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017036244A1 (zh) * | 2015-09-06 | 2017-03-09 | 中国电力科学研究院 | 配电网数字仿真系统 |
CN106960065A (zh) * | 2016-01-11 | 2017-07-18 | 北京仿真中心 | 一种复杂仿真系统可信度的鲁棒评估方法及系统 |
WO2017152733A1 (zh) * | 2016-03-08 | 2017-09-14 | 中兴通讯股份有限公司 | 一种大规模复杂无线通信系统的仿真方法和系统 |
CN109960863A (zh) * | 2019-03-15 | 2019-07-02 | 北京航空航天大学 | 一种基于网络拓扑路径的复杂仿真系统可信度评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112199842A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Combining multiobjective optimization with differential evolution to solve constrained optimization problems | |
Martz et al. | Bayesian reliability analysis of series systems of binomial subsystems and components | |
CN112199842B (zh) | 一种基于任务导向的复杂仿真系统可信度评估方法 | |
US7756688B2 (en) | Design optimization system and method | |
US8185421B2 (en) | Multi-objective optimization within a constraint management system | |
CN109960863B (zh) | 一种基于网络拓扑路径的复杂仿真系统可信度评估方法 | |
CN105701277B (zh) | 一种基于aadl建模的航电系统架构实时性分析方法 | |
Mavris et al. | A probabilistic approach for examining aircraft concept feasibility and viability | |
CN109214140B (zh) | 基于AltaRica的航电系统动态重构建模方法 | |
CN105956336A (zh) | 一种面向静动态混合不确定性的拟建结构非概率可靠性优化设计方法 | |
Gaeta | Efficient discrete-event simulation of colored Petri nets | |
Mavris et al. | A stochastic design approach for aircraft affordability | |
Oliinyk et al. | Synthesis of neuro-fuzzy networks on the basis of association rules | |
Pan et al. | Multidisciplinary design optimization and its application in deep manned submersible design | |
Zhang et al. | Service composition based on discrete particle swarm optimization in military organization cloud cooperation | |
Shao et al. | G-BDP-ADC model for effectiveness evaluation of low orbit satellite communication system in the context of poor information | |
CN115081120B (zh) | 一种基于fppn的飞行控制系统故障传播路径分析方法 | |
Gu et al. | Implicit uncertainty propagation for robust collaborative optimization | |
CN116187169A (zh) | 基于动态贝叶斯网络的无人机集群意图推断算法及系统 | |
Hosseinzadeh Lotfi et al. | An MOLP based procedure for finding efficient units in DEA models | |
Sarkar et al. | Constructing efficient belief network structures with expert provided information | |
Buonanno et al. | Aerospace vehicle concept selection using parallel, variable fidelity genetic algorithms | |
Broas et al. | A Parametric Analysis of Modular System Upgrades Using Search Optimization Techniques | |
Su et al. | A Three-Dimensional Information Flow Modeling Method for Integrated Fault Diagnosis and Maintenance of Complex System | |
CN114329791A (zh) | 基于模块集成与数据管理的飞行器机翼结构综合优化方法 |
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 |