CN114692403A - 一种基于二元决策图的复杂系统可靠性高效评估方法 - Google Patents

一种基于二元决策图的复杂系统可靠性高效评估方法 Download PDF

Info

Publication number
CN114692403A
CN114692403A CN202210296884.4A CN202210296884A CN114692403A CN 114692403 A CN114692403 A CN 114692403A CN 202210296884 A CN202210296884 A CN 202210296884A CN 114692403 A CN114692403 A CN 114692403A
Authority
CN
China
Prior art keywords
node
turning
model
stack
unit
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
Application number
CN202210296884.4A
Other languages
English (en)
Inventor
任羿
平雅诗
李志峰
杨德真
孙博
冯强
王自力
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202210296884.4A priority Critical patent/CN114692403A/zh
Publication of CN114692403A publication Critical patent/CN114692403A/zh
Pending legal-status Critical Current

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
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法。目的和解决的问题是：提升大规模复杂系统可靠性框图模型的建模能力和计算效率。该方法首先识别可靠性框图模型中的基本结构，如串联、并联、表决、和联，并将这些基本结构用一个复杂单元替代，递归调用该方法，最终形成一个具有层次化结构的简单可靠性框图模型；其次，从上到下遍历层次化可靠性框图模型，直至到最底层的模块，将这些模块按照结构类型转换为对应的二元决策图模型，并向上回溯，层层转换，最终形成层次化的二元决策图模型；最后，根据构建的二元决策图模型评估复杂系统的可靠性水平。

Description

一种基于二元决策图的复杂系统可靠性高效评估方法
所属技术领域
本发明提供了一种大规模复杂系统可靠性框图的高效解算方法。它适用于复杂系统的可靠性评估。本发明属于系统可靠性评估技术领域。
背景技术
可靠性框图是一种常用的系统可靠性建模方法，其在航空、航天、船舶及其他诸多领域都有广泛的应用。可靠性框图模型的结构组成有串联、并联、表决、和联。此外，在GJB813-1900中对原有可靠性框图模型进行了扩展，提出了一种表示多功能系统的任务可靠性的模型，可靠性框图模型表征了系统与部件之间的逻辑关系，因此在得到部件的可靠性后，根据模型结构就可以计算系统的可靠度。
当前，常用的可靠性框图模型计算方法有基于全概率的方法、基于路集的方法、基于仿真的方法、基于故障树方法、基于二元决策图的方法、基于贝叶斯网络的方法。基于全概率的方法难以应用于大规模系统且难以编程实现；基于路集的方法无法解决和联结构和多功能模型；基于仿真的方法通常无法得到精确的结果且求解所需的时间长；基于故障树的方法是将可靠性框图转换为故障树模型再利用故障树分析方法求解，而当前最高效的故障树分析方法是基于二元决策图的方法。而当前的研究主要是基于二元决策图的方法处理串联、并联和表决系统，并未涉及和联系统，主要原因是和联系统的计算不是简单的逻辑运算，而是依据权重加和，从而无法直接将构成和联系统的单元转换为二元决策图。
本发明基于结构识别方法和二元决策图模型提出一种大规模复杂系统可靠性框图模型高效求解方法。该方法既支持求解包含串并联、表决、和联等结构的可靠性框图模型，又支持求解多功能模型，且求解效率极高，适用于大规模复杂系统的可靠性评估。
发明内容
本发明提供一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法。目的和解决的问题是：提升大规模复杂系统可靠性框图模型的建模能力和计算效率。该方法首先识别可靠性框图模型中的基本结构，如串联、并联、表决、和联，并将这些基本结构用一个复杂单元替代，递归调用该方法，最终形成一个具有层次化结构的简单可靠性框图模型；其次，从上到下遍历层次化可靠性框图模型，直至到最底层的模块，将这些模块按照结构类型转换为对应的二元决策图模型，并向上回溯，层层转换，最终形成层次化的二元决策图模型；最后，根据构建的二元决策图模型评估复杂系统的可靠性水平。
本发明是一种基于结构识别方法和二元决策图模型的复杂系统可靠性框图模型高效求解方法，主要包含以下三部分：
第一部分：可靠性框图模型结构识别。
可靠性框图模型的结构识别是开展大规模复杂系统可靠性框图模型评估的基础，通过结构识别可以得到模型的基本组成模块和层次化的可靠性框图模型。结构识别过程如下：
步骤1：初始化一个当前位置节点P，其赋值为可靠性框图模型的终点，并初始化一个空列表list，若节点P未被回溯到则转步骤2；否则退出流程，返回结构识别和层次化后的模型；
步骤2：访问节点P，并判断节点P是否有前驱节点，若无则转步骤3，若有则转步骤4；
步骤3：判断列表list是否为空，为空，则回溯到转入步骤2之前的步骤；否则，转步骤5；
步骤4：若节点P的前驱节点的个数等于1，则转步骤6；否则，转步骤7；
步骤5：遍历列表list中的元素，其元素为栈结构，栈中存储的是遍历可靠性框图模型中压入的模型节点；对每一个栈，取出栈顶元素，若栈顶元素是当前节点P的后继节点且栈顶元素的前驱节点是P，则将整个栈从列表list中移除，并将栈中的节点识别为一个串联结构，然后回溯到转入步骤2之前的步骤；若找不到这样的栈，则回溯到转入步骤2之前的步骤。
步骤6：若存在与P具有相同前驱的节点，则转步骤8，否则，转步骤9；
步骤7：判断当前节点的所有前驱节点是否具有共同的前驱节点，若否，则遍历P的前驱节点，转步骤12；若是，转步骤13；
步骤8：若列表list为空，则回溯；不为空，则遍历列表中的栈结构，并取出栈顶元素，判断栈顶元素与当前节点P是否为前驱后继关系，若是则将节点P压入栈中，并将该栈从list中移除，然后处理栈内元素，完成后，将P赋值为其前驱节点，转步骤2；
步骤9：若list中存在栈顶元素S与节点P为前驱后继关系的栈，则转步骤10，否则，转步骤11；
步骤10：将节点P压入栈中，并将P赋值为其前驱节点，然后转步骤2；
步骤11：新建一个栈，将节点P压入栈中，并将新建的栈添加到list中，将P赋值为P的前驱节点，然后转步骤2；
步骤12：是否遍历完P的前驱节点，若否，则将从P的未遍历的前驱节点中选择一个前驱节点赋值给P，然后转步骤2；若是，则直接转步骤2；
步骤13：处理具有相同前驱后继节点的节点集合为一个新的模块，处理流程如下：新建一个虚拟节点V，将P的前驱节点均作为V的孩子节点，并根据节点P与其前驱节点构成的结构类型设置节点V的类型，总共具有“和联”、“表决”和“并联”三种，若P的节点类型为“和联”或“表决”则依据类型设置，否则设置为并联，并重新建立虚拟节点V与节点P的前驱后继关系，以及虚拟节点与P的原来的前驱节点的相继关系；完成后，转步骤2；
第二部分：层次可靠性框图模型到二元决策图模型的转换。
二元决策图是可靠性框图模型定量分析的计算工具，因此在构建完层次化的可靠性框图模型后，需要将可靠性框图模型转换为等价的二元决策图模型，主要是自下而上将构成可靠性框图模型的基本结构转换为对应的二元决策图，转换过程包括如下五个步骤：
步骤1：自上而下遍历层次化的可靠性框图模型，判断当前单元是否已经转换过，若转换过，则回溯，否则，转步骤2；
步骤2：判断当前单元是否有下层单元，若有，转步骤3，若无，则转步骤4；
步骤3：转入单元的下层模型，遍历下层模型的单元，作为当前单元，转步骤2，下层模型中所有节点转换完成后，回溯，转步骤5；
步骤4：模型单元转化为二元决策图模型中的节点，转化方法是根据单元的状态及可靠度R得到二元决策图节点的状态及其对应的每种状态的概率值，以状态“0”表示单元失效，状态“1”表示单元正常工作，则二元决策图节点的每种状态的概率值如下：
p(单元状态为0)＝1-R
p(单元状态为1)＝R
转换完成后，转步骤3；
步骤5：根据单元类型按照下述的转换规则生成具有下层模型的可靠性框图单元对应的二元决策图模型，转换完成后，将可靠性框图单元标记为已经转换，转步骤3；
a)串联结构
串联结构中的单元的0、1状态对应二元决策图的0、1边，单元构成的串联结构按照二元决策图的逻辑运算规则生成。一个简单的串联结构转换为对应的二元决策图模型示例如图1所示。
b)并联结构
并联结构中的单元的0、1状态对应二元决策图的0、1边，单元构成的并联结构按照二元决策图的逻辑运算规则生成。一个简单的并联结构转换为对应的二元决策图模型示例如图2所示。
c)表决结构
表决结构可以表示为串并联结构的组合，因此表决结构可以先转换为串并联结构，然后再转换为对应的二元决策图模型。一个简单的表决结构转换为串并联结构如图3所示。
d)和联结构
和联结构中的单元的0、1状态对应二元决策图的0、1边，此外增加多个虚拟叶节点来表示和联结构的权重,假设整个和联结构中有n个单元组成，则需要增加n-1个虚拟节点，虚拟节点的边表示的是单元的修正后的权重值。一个三单元和联结构转换为的二元决策图模型的示例如图4所示。
第三部分：基于二元决策图的系统可靠性评估。
遍历二元决策图模型中的叶节点为1的路径，并将路径上边的概率乘积，并将乘积后的结果加和，即可得到复杂系统的可靠度，计算过程如下所示：
Figure BDA0003561862160000051
Figure BDA0003561862160000052
Ti＝{(Nj，Nk)|Nj，Nk∈N}，j，k＝1，2，3，…
其中N为二元决策图模型的全部节点集合，(Nj，Nk)为路径集合Ti中的路径。
附图说明
图1串联模型对应的二元决策图模型
图2并联模型对应的二元决策图模型
图3表决模型转换的串并联结构
图4和联模型对应的二元决策图模型
图5复杂系统可靠性框图的高效计算方法流程
图6复杂系统的可靠性框图示例
图7示例复杂系统可靠性框图识别过程及层次化的过程示意
图8层次化可靠性框图模型转换为二元结构图的部分过程示意及最终结果
具体实施方式
实施方式说明：提供了一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法，该方法的完整流程如图5所示，具体实施方式说明如下：
第一部分：可靠性框图模型结构识别。
复杂系统的可靠性框图模型如6所示，单元的可靠度均为0.9。节点X3表示为和联模型，权重如连线上的数值所示，节点X4表示为3中取2的模型，则对该模型的结构识别过程如下：
步骤1：初始化当前位置节点P为X5,初始化空列表list＝{}；
步骤2：P为X5，其前驱节点为X4，转步骤4；
步骤4：P的前驱节点只有X4，则转步骤6；
步骤6：不存在与P有相同前驱的节点，转步骤9；
步骤9：当前的list为空，转步骤11；
步骤11：新建一个栈Stack1<>,将X5加入栈中，则有Stack1<X5>,将栈加入list中，则有list{Stack1<X5>}，令P＝X4，转步骤2；
步骤2：P为X4，其前驱节点分别为：G、H、I，转步骤4；
步骤4：P的前驱节点个数不为1，转步骤7；
步骤7：单元G、H、I的前驱节点都是F，转步骤13；
步骤13：新建一个虚模块V1，将单元G、H、I作为V1的孩子节点，并将其标记为表决模型，并将V1的前驱节点和后继节点分别设置为F和X4，转步骤2；
步骤2：此时的P仍为X4，其前驱为V1，转步骤4；
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：不存在与P有相同前驱的节点，转步骤9；
步骤9：list不为空，遍历list中的栈，X5和X4为前驱后继关系，转步骤10；
步骤10：将X4加入栈中，则有Stack1<X5,X4>，令P＝V1；转步骤2；
步骤2：访问节点P，V1的前驱节点为F，转步骤4；
步骤4：V1的前驱节点个数为1，转步骤6；
步骤6：不存在与P有相同前驱的节点，转步骤9；
步骤9：存在栈顶元素X4与节点V1为前驱后继关系，转步骤10；
步骤10：将节点V1压入栈Stack1中，令P＝F，转步骤2；
步骤2：P的前驱节点为X3，转步骤4；
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：节点V1和F具有前驱后继关系，转步骤10；
步骤10：将P压入栈Stack1中，则有Stack1<X5,X4,V1,F>，令P＝X3，转步骤2；
步骤2：当前P为X3，其前驱节点为C、D、E，转步骤4；
步骤4：P的前驱个数不为1，转步骤7；
步骤7：当前节点的所有前驱节点没有共同的前驱节点，转步骤12；
步骤12：令P＝C，转步骤2；
步骤2：当前P为单元C，其前驱节点为X2，转步骤4：
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：list中的栈为Stack1，不存在与P前驱后继关系的栈顶元素，转步骤11；
步骤11：新建一个栈Stack2，并将节点P压入栈内，即Stack2<C>，且更新list{Stack1<X5,X4,V1,F>，Stack2<C>}，令P＝X2，转步骤2；
步骤2：访问节点P，P的前驱节点为A、B，转步骤4；
步骤4：P的前驱节点个数为2，转步骤7；
步骤7：A、B具有相同的前驱节点X1，转步骤13；
步骤13：新建一个虚拟节点V2，V2属性设置为并联，将A、B添加到V2的孩子节点中，更新V2的前驱和后继节点分别为X1和X2，转步骤2；
步骤2：P的前驱节点是V2，转步骤4；
步骤4：P的前驱节点的个数是1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：栈Stack2<C>中的C与P具有前驱后继关系，转步骤10；
步骤10：将P加入Stack2中，有Stack2<C，X2>，令P＝V2，转步骤2；
步骤2：访问节点V2，V2的前驱节点为X1，转步骤4；
步骤4：V2的前驱节点个数为1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：存在栈顶元素与节点P为前驱后继关系的栈Stack2，转步骤10；
步骤10：将P加入到站Stack2中，则有Stack2<C,X2,V2>，令P＝X1，转步骤2；
步骤2：访问节点X1，其前驱节点为X0，转步骤4；
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：存在与P具有相同前驱的节点D、E，转步骤8；
步骤8：列表list不为空，Stack2的栈顶元素与P具有前驱后继关系，更新Stack2，则有Stack2<C,X2,V2,X1>，并将其从list中移除，同时生成一个新的虚单元V3，将C,X2,V2,X1作为其下层节点，类型设置为串联结构，则有list＝{Stack1}，令P＝X0，转步骤2；
步骤2：X0没有前驱节点，转步骤3；
步骤3：list不为空，转步骤5；
步骤5：找不到符合条件的栈，则回溯到访问节点X3的孩子节点的步骤，即步骤12；
步骤12：访问节点D，转步骤2；
步骤2：P具有前驱节点X0，转步骤4；
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：存在与P有相同前驱的节点E、V3；转步骤8；
步骤8：list不为空，不存在栈顶元素与节点P具有前驱后继关系，令P＝X0，转步骤2；
步骤2：P无前驱节点，转步骤3；
步骤3：list不为空，则回溯到步骤12，继续访问节点E；E与D的处理相同，不再赘述，直接回溯到节点X3，即P＝X3，转步骤2；
步骤2：X3的前驱节点为V3、D、E，转步骤4；
步骤4：节点P的前驱个数为3，转步骤7；
步骤7：P的前驱节点具有相同的前驱节点X0，转步骤13；
步骤13：新建虚拟节点V4，将V3、D、E作为V4的孩子节点，设置V4的类型为和联，并更新V4的前驱和后继节点为X0和X3，转步骤2；
步骤2：P为X3，P的前驱节点为V4，转步骤4；
步骤4：P的前驱节点个数为1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：存在Stack1中的F与P是前驱后继关系，转步骤10；
步骤10：将P压入栈Stack1中，即Stack1<X5,X4,V1,F,X3>，令P＝V4，转步骤2；
步骤2：访问节点V4，V4的前驱节点为X0，转步骤4；
步骤4：节点V4的前驱节点个数为1，转步骤6；
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：存在栈Stack1的栈顶元素X3与V4具有前驱后继关系，转步骤10；
步骤10：将V4压入栈Stack1中，即Stack1<X5,X4,V1,F,X3,V4>，令P＝X0，转步骤2；
步骤2：X0没有前驱节点，转步骤3；
步骤3：list不为空，转步骤5；
步骤5：将栈Stack1移除，并作为一个串联结构，生成一个虚拟的单元V5，X5,X4,V1,F,X3,V4作为其下层孩子节点，V5的前驱节点为X0,后继节点为空。令P＝V5，转步骤2；
步骤2：V5的前驱节点为X0，转步骤4；
步骤4：V5的前驱节点个数为1，转步骤6
步骤6：不存在与P具有相同前驱的节点，转步骤9；
步骤9：list为空，转步骤11；
步骤11：新建一个栈Stack3<>,将P加入，有Stack3<V5>，更新list，有list＝{Stack3<V5>}，令P＝X0，转步骤2；
步骤2：节点X0无前驱节点，转步骤3；
步骤3：list不为空，转步骤5；
步骤5：将栈Stack3移除，并将栈中的元素V5转换为一个串联结构，即新建一个虚单元V6，将V5和X0作为其孩子节点，并将V6的前驱后继节点更新为空，此时可终止整个结构识别过程。
图6所示的可靠性框图模型按照上述结构识别过程最终形成如图7所示的层次可靠性框图模型。
第二部分：层次可靠性框图模型到二元决策图模型的转换。
层次可靠性框图模型如图7所示。
步骤1：自上而下遍历层次化的可靠性框图模型，首先访问节点V6，V6没有转换过，转步骤2；
步骤2：V6的下层节点包括：V4、F、V1、X0、X3、X4、X5，转步骤3；
步骤3：进入下层模型，以V4为当前访问的节点，转步骤2；
步骤2：V4的下层节点包括：V3、D、E，转步骤3；
步骤3：进入V4的下层模型，以V3为当前访问的节点，转步骤2；
步骤2：V3的下层节点包括：V2、C、X1、X2，转步骤3；
步骤3：进入V3的下层模型，以V2为当前访问的节点，转步骤2；
步骤2：V2的下层节点包括：A、B，转步骤3；
步骤3：进入下层模型，然后取A作为访问节点，转步骤2；
步骤2：A无下层节点，转步骤4；
步骤4：生成节点A对应的二元决策图节点，已知单元A的可靠度为0.9，则可知p(单元A状态为0)＝0.1、p(单元A状态为1)＝0.9，转换完成后，回溯，转步骤3；
步骤3：继续访问单元B，转步骤2；
步骤2：单元B无下层节点，转步骤4；
步骤4：转换单元B为二元决策图模型的节点，已知单元B的可靠度为0.9，则可知p(单元B状态为0)＝0.1、p(单元B状态为1)＝0.9，转换完成后，回溯，转回步骤3；
步骤3：单元V2的子模型遍历完成，转步骤5；
步骤5：单元V2的类型为并联结构，按照并联结构的规则进行转换，完成后，将V2标记为已经转换，转步骤3；
步骤3：继续访问V3的子单元，访问单元C，转步骤2；
步骤2：单元C无下层单元，转步骤4；
步骤4：转换单元C为二元决策图节点，转步骤3；
步骤3：继续遍历V3的其他子单元，由于单元X1和单元X2都是辅助建模单元，其对于模型的评估结果没有影响，因此可以直接忽略这些节点的转换，至此V3的子单元遍历完毕，返回上层模型，转步骤5；
步骤5：单元V3类型为串联结构，按照串联结构的转换规则，生成对应的二元决策图模型，然后转步骤3；
按照如上的方法可以得到层次化的可靠性框图模型对应的二元决策图模型，其映射过程如图8所示，最终的二元决策图模型如图8(6)所示。
第三部分：基于二元决策图的系统可靠性评估。
遍历二元决策图模型中的叶节点为1的路径，并将路径边的概率赋值乘积，并将乘积后的结果求和，即可得到复杂系统的可靠度。模型中虚拟节点的概率值如表1所示、各节点的概率值如表2所示。
表1模型中虚拟节点的概率值汇总表
Figure BDA0003561862160000101
Figure BDA0003561862160000111
表2模型中各节点的概率值汇总表
节点名称 状态为0 状态为1
A 0.1 0.9
B 0.1 0.9
C 0.1 0.9
V2 0.01 0.99
V3 0.109 0.891
D 0.1 0.9
E 0.1 0.9
V4 0.102 0.898
F 0.1 0.9
G 0.1 0.9
H 0.1 0.9
I 0.1 0.9
V1 0.028 0.972
根据二元决策图中各节点对应的概率值可以得到系统的状态分布如表3所示。
表3整个系统的概率值汇总表
节点名称 状态为0 状态为1
V6 0.214 0.786
因此可知该系统的可靠度为0.786。

Claims (3)

1.一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法，其特征在于，具体包含以下两个组成部分：
(1)可靠性框图模型结构识别；
(2)层次可靠性框图模型到二元决策图模型的转换。
2.根据权利要求1所述的一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法，其特征在于，在组成部分(1)中，结构识别过程如下：
步骤1：初始化一个当前位置节点P，其赋值为可靠性框图模型的终点，并初始化一个空列表list，若节点P未被回溯到则转步骤2；否则退出流程，返回结构识别和层次化后的模型；
步骤2：访问节点P，并判断节点P是否有前驱节点，若无则转步骤3，若有则转步骤4；
步骤3：判断列表list是否为空，为空，则回溯到转入步骤2之前的步骤；否则，转步骤5；
步骤4：若节点P的前驱节点的个数等于1，则转步骤6；否则，转步骤7；
步骤5：遍历列表list中的元素，其元素为栈结构，栈中存储的是遍历可靠性框图模型中压入的模型节点；对每一个栈，取出栈顶元素，若栈顶元素是当前节点P的后继节点且栈顶元素的前驱节点是P，则将整个栈从列表list中移除，并将栈中的节点识别为一个串联结构，然后回溯到转入步骤2之前的步骤；若找不到这样的栈，则回溯到转入步骤2之前的步骤；
步骤6：若存在与P具有相同前驱的节点，则转步骤8，否则，转步骤9；
步骤7：判断当前节点的所有前驱节点是否具有共同的前驱节点，若否，则遍历P的前驱节点，转步骤12；若是，转步骤13；
步骤8：若列表list为空，则回溯；不为空，则遍历列表中的栈结构，并取出栈顶元素，判断栈顶元素与当前节点P是否为前驱后继关系，若是则将节点P压入栈中，并将该栈从list中移除，然后处理栈内元素，完成后，将P赋值为其前驱节点，转步骤2；
步骤9：若list中存在栈顶元素S与节点P为前驱后继关系的栈，则转步骤10，否则，转步骤11；
步骤10：将节点P压入栈中，并将P赋值为其前驱节点，然后转步骤2；
步骤11：新建一个栈，将节点P压入栈中，并将新建的栈添加到list中，将P赋值为P的前驱节点，然后转步骤2；
步骤12：是否遍历完P的前驱节点，若否，则将从P的未遍历的前驱节点中选择一个前驱节点赋值给P，然后转步骤2；若是，则直接转步骤2；
步骤13：处理具有相同前驱后继节点的节点集合为一个新的模块，处理流程如下：新建一个虚拟节点V，将P的前驱节点均作为V的孩子节点，并根据节点P与其前驱节点构成的结构类型设置节点V的类型，总共具有“和联”、“表决”和“并联”三种，若P的节点类型为“和联”或“表决”则依据类型设置，否则设置为并联，并重新建立虚拟节点V与节点P的前驱后继关系，以及虚拟节点与P的原来的前驱节点的相继关系；完成后，转步骤2。
3.根据权利要求1所述的一种基于结构识别方法和二元决策图模型高效求解可靠性框图模型的方法，其特征在于，在组成部分(2)中自上而下将构成可靠性框图模型的基本结构转换为对应的二元决策图模型的转换过程包括如下五个步骤：
步骤1：自上而下遍历层次化的可靠性框图模型，判断当前单元是否已经转换过，若转换过，则回溯，否则，转步骤2；
步骤2：判断当前单元是否有下层单元，若有，转步骤3，若无，则转步骤4；
步骤3：转入单元的下层模型，遍历下层模型的单元，作为当前单元，转步骤2，下层模型中所有节点转换完成后，回溯，转步骤5；
步骤4：模型单元转化为二元决策图模型中的节点，转化方法是根据单元的状态及可靠度R得到二元决策图节点的状态及其对应的每种状态的概率值，以状态“0”表示单元失效，状态“1”表示单元正常工作，则二元决策图节点的每种状态的概率值如下：
p(单元状态为0)＝1-R
p(单元状态为1)＝R
转换完成后，转步骤3；
步骤5：根据单元类型按照下述的转换规则生成具有下层模型的可靠性框图单元对应的二元决策图模型，转换完成后，将可靠性框图单元标记为已经转换，转步骤3；
a)串联结构
串联结构中的单元的0、1状态对应二元决策图的0、1边，单元构成的串联结构按照二元决策图的逻辑运算规则生成；
b)并联结构
并联结构中的单元的0、1状态对应二元决策图的0、1边，单元构成的并联结构按照二元决策图的逻辑运算规则生成；
c)表决结构
表决结构首先转换为串并联结构，然后再转换为对应的二元决策图模型；
d)和联结构
和联结构中的单元的0、1状态对应二元决策图的0、1边，此外增加多个虚拟叶节点来表示和联结构的权重，假设整个和联结构中有n个单元组成，则需要增加n-1个虚拟节点，虚拟节点的边表示的是单元的修正后的权重值。
CN202210296884.4A 2022-03-24 2022-03-24 一种基于二元决策图的复杂系统可靠性高效评估方法 Pending CN114692403A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210296884.4A CN114692403A (zh) 2022-03-24 2022-03-24 一种基于二元决策图的复杂系统可靠性高效评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210296884.4A CN114692403A (zh) 2022-03-24 2022-03-24 一种基于二元决策图的复杂系统可靠性高效评估方法

Publications (1)

Publication Number Publication Date
CN114692403A true CN114692403A (zh) 2022-07-01

Family

ID=82139047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210296884.4A Pending CN114692403A (zh) 2022-03-24 2022-03-24 一种基于二元决策图的复杂系统可靠性高效评估方法

Country Status (1)

Country Link
CN (1) CN114692403A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408844A (zh) * 2022-08-25 2022-11-29 军事科学院系统工程研究院网络信息研究所 一种可计算的高可靠架构设计方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115408844A (zh) * 2022-08-25 2022-11-29 军事科学院系统工程研究院网络信息研究所 一种可计算的高可靠架构设计方法和系统

Similar Documents

Publication Publication Date Title
WO2019238109A1 (zh) 一种故障根因分析的方法及装置
Zheng et al. Fault diagnosis system of bridge crane equipment based on fault tree and Bayesian network
CN113312369A (zh) 一种基于唯一标识码的多尺度地图数据库级联更新方法
CN113343427A (zh) 一种基于卷积神经网络的结构拓扑构型预测方法
CN114692403A (zh) 一种基于二元决策图的复杂系统可靠性高效评估方法
CN110532291B (zh) 基于最小执行代价的深度学习框架间模型转换方法及系统
CN108509198B (zh) 一种基于中性bom的产品电子图册构建方法
CN111597943B (zh) 一种基于图神经网络的表格结构识别方法
CN117355852A (zh) 基于知识的装配工艺规划方法、装置和系统
CN114692495A (zh) 一种高效的基于可靠性框图的复杂系统可靠性评估方法
CN111241076A (zh) 一种基于张量链分解的流式数据增量处理方法及装置
Astanaliev Important principles of innovative reforms in the process of electronic document management in railway automation and telemechanics
CN116302088B (zh) 一种代码克隆检测方法、存储介质及设备
CN110990907B (zh) 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法
CN117010373A (zh) 一种电力设备资产管理数据所属类别和组的推荐方法
CN111309770A (zh) 一种基于无监督机器学习的自动生成规则系统及方法
CN103793597B (zh) 基于完备主干子系统的模型相似度度量方法
CN115544926A (zh) 一种基于xmg组合电路的等价性验证装置及方法
CN113051408B (zh) 一种基于信息增强的稀疏知识图谱推理方法
CN112215270B (zh) 一种模型的相似度对比方法、系统、设备以及介质
CN109145518B (zh) 一种大型复杂装备可靠性决策图模型构造方法
CN109816228A (zh) 一种企业bim技术应用能力量化评估系统及方法
Ping et al. An effective hybrid method for analysis the large-scale reliability block diagram model
CN117194410B (zh) 一种人工智能语言模型生成业务报表的方法及系统
CN117575542B (zh) 一种基于模块化装配的建筑工程数据控制系统及方法

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