CN114936475B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN114936475B CN114936475B CN202210855169.XA CN202210855169A CN114936475B CN 114936475 B CN114936475 B CN 114936475B CN 202210855169 A CN202210855169 A CN 202210855169A CN 114936475 B CN114936475 B CN 114936475B
- Authority
- CN
- China
- Prior art keywords
- reliability
- test
- simulation test
- semi
- monte carlo
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
技术领域
本发明涉及复杂系统数据融合估计,具体是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。
背景技术
复杂系统成功率评估中,从产品研发到定型,一般需要进行四种试验:数学模型蒙特卡罗仿真、半实物的仿真、外场静态试验仿真、真实试验。其中,外场静态试验仿真和真实试验受限于条件,样本数少,但试验条件更接近真实,试验数据逼真度较高。因此需结合内场仿真数据,综合评估复杂系统的成功率。
试验信息具有两个特点:异总体、小样本。事实上,由于各种客观因素,如试验条件的不一致性、试验次数的限制等,都使得各组试验数据不同程度上偏离同一总体。此外,由于各种试验手段的成本具有很大的差异,因此它们的试验次数也大不相同,甚至相差几个数量级,在这种情况下,若将各种试验数据进行简单混合,即认为完全来自同一总体,就很可能存在大样本“淹没”小样本现象,从而导致最终结果的不可靠性。因此,在对复杂系统成功率进行评估时,不能直接混合来自不同信息源的试验信息,而需首先对各仿真试验数据进行可信性分析。
针对以上问题,我们引入可信度来反映数据总体之间的差异性,采用基于数据层面的拟合优度检验法对各仿真试验数据相对于真实试验数据进行相容性检验,并计算其相应的可信度。然后将蒙特卡洛仿真、半实物仿真和外场静态试验仿真作为估计系统成功率的先验信息,并分别获得每一信息源所对应的先验分布,同时引入可信度对多个独立先验分布进行融合,进而结合真实试验数据,利用统计推断方法获得最终的成功率估计值。该方法可有效解决试验方式多、试验次数少的矛盾,并在很大程度上避免主观性,使评估结果更为客观,同时它也可以在一定程度上解决大样本“淹没”小样本问题,更能反映系统的真实性能。
发明内容
本发明的目的在于克服现有技术的不足,提供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,包括如下步骤:
步骤一,分别对蒙特卡洛仿真试验数据、半实物仿真试验数据、外场静态试验数据基于拟合优度法的可信度计算,得到蒙特卡洛仿真试验的可信度、半实物仿真试验的可信度和外场静态试验的可信度,对蒙特卡洛仿真试验的可信度、半实物仿真试验的可信度和外场静态试验的可信度进行归一化后,分别得到归一化后的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度;
步骤二,根据蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据,分别得到蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布;
令
蒙特卡洛仿真试验的可信度;半实物仿真试验的可信度;外场静态试验的可信度;为蒙特卡洛仿真试验数据与真实试验数据作相容性检验,得到的检验统计量;为半实物仿真试验数据与真实试验数据作相容性检验,得到的检验统计量;为外场静态试验数据与真实试验数据作相容性检验,得到的检验统计量。
进一步的,所述的对蒙特卡洛仿真试验的可信度、半实物仿真试验的可信度和外场静态试验的可信度进行归一化后,分别得到归一化后的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度,包括如下公式:
进一步的,所述的根据蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据,分别得到蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布,包括如下过程:
超参数计算公式如下:
进一步的,所述的将得到的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度与蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布进行融合,得到成功率的先验分布,采用如下公式:
置信下限估计的定义式为:
本发明的有益效果是:本方案具有如下突出优点:
(1)有效解决试验方式多、试验次数少的矛盾;
(2)在极大程度上避免了主观因素,使评估结果更为客观,更能反映复杂系统的真实性能;
(3)能够充分而有效地利用多种不同类型的仿真试验数据对复杂系统成功率进行评估;
(4)能够有效解决蒙特卡罗仿真试验数据“淹没”真实试验数据的问题;
(5)能够避免真实小样本试验成功率的大波动性对性能指标估计带来的不稳定性。
附图说明
图1为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的原理示意图;
图2为基于拟合优度可信度融合的复杂系统成功率评估模型的示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
为了使本发明的目的,技术方案及优点更加清楚明白,结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
而且,术语“包括”,“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程,方法,物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程,方法,物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程,方法,物品或者设备中还存在另外的相同要素。
以下结合实施例对本发明的特征和性能作进一步的详细描述。如图1所示
基于拟合优度法的可信度计算
例如,假设蒙特卡洛仿真试验数据,表示试验1000次,失败100次,半实物仿真试验数据,表示试验100次,失败10次和外场静态试验数据,表示试验10次,失败1次,分别与真实试验数据,表示试验5次,失败1次,作相容性检验,得到的检验统计量分别记作;在检验水平时,都小于,因此假设检验的结果为接受原假设,即认为蒙特卡洛仿真试验数据、半实物仿真试验数据、外场静态试验数据均与真实试验数据来自同一总体。
越大,支持原假设的证据就越强。给定的水平是一个阈值,一旦,就否定原假设。当时,,的取值越大,否定原假设的证据就越强,对应的值也就越接近于0;当时,,值越小则肯定原假设就越强烈,对应的值越接近于1,而在拒绝和接受原假设的边界上取值为。
为计算方便,在不要求最优解时,可以考虑比较简单的形式的取值依赖于先验子样和现场子样,由于无法得到其精确值,可以通过在各种可能的概率下产生与样本和历史样本相同容量的随机数来模拟计算, 比较计算结果并选择一个合适的值。在很多情况下,一般选取是比较合适的。
基于拟合优度可信度的融合先验分布
每一类仿真试验数据都反映出了成功率的统计信息,即成功率所服从的概率分布密度,也称为先验分布。本文采用有先验信息情况下的先验分布确定方法——共轭分布法,结合三种仿真试验数据,估计成功率在不同试验手段下的先验分布,进一步结合各仿真试验信息相对于真实试验信息的可信度,将多个独立的先验分布融合得到成功率的综合先验分布。
超参数取法说明:利用先验信息求得的先验分布实际上可以看作无先验信息在结合试验数据后的后验分布。例如在蒙特卡洛试验之前我们对成功率是未知的,即无信息,因此可认为服从均匀分布,它的密度函数是。在蒙特卡洛试验之后,我们得到了关于成功率的试验数据(即蒙特卡洛仿真试验数据),因此可以利用蒙特卡罗仿真试验数据对无信息先验分布——均匀分布进行修正,即利用公式融合无先验信息下的均匀分布和蒙特卡洛试验信息,从而获得成功率后验分布,也即根据蒙特卡洛仿真试验数据得到的对于真实试验而言的先验分布:
利用各仿真试验数据相对于真实试验数据的可信度,对上述三个先验分布进行融合,得到成功率的综合先验分布:
成功率的Bayes估计
先验分布是根据仿真试验数据估计得到的成功率的概率分布密度,而由于仿真试验并不能完全替代真实试验,因此先验分布与成功率的真实分布具有一定不一致性。引入真实试验数据,利用公式对仿真试验下的先验分布进行修正,从而可以得到更接近成功率真实分布密度的后验分布。
区间估计是指给出参数的一个取值范围(或区间),称其为置信区间,以及这个范围覆盖参数真值的可靠程度(即置信度)。在实际问题中,一般根据实际问题的需要,先选定置信度,然后再估计置信区间。只要有后验分布,就可用分布的分位点给出参数的置信区间。
置信下限估计的定义式为:
大样本“淹没”小样本分析
由于置信下限估计没有解析表达式,而点估计和置信下限估计的定性性质是一致的,因此它们在“淹没”问题上也是类似的。故为便于分析,下面以点估计为例分析验证本方案有效解决了蒙特卡洛仿真试验“淹没”真实小样本的问题。
所谓点估计是指平方损失最小意义下的最佳估计,即条件期望。故在本文中,成功率的点估计计算式为:
由于
令
则
于是,
进而,
因此,当蒙特卡洛仿真次数无限多时,即无穷大时,中总有(即其他几类试验)起作用,即评估结果不会完全来自于蒙特卡洛试验数据,总能体现出真实试验数据的影响,也就是说蒙特卡洛仿真试验数据不会“淹没”真实试验数据,并且仿真试验数据在复杂系统评估中所占的比重完全由仿真系统可信度确定,这是符合系统评估规则的。
如图2所示,为应用上述基于拟合优度可信度融合的复杂系统成功率的评估模型示意图。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.一种基于拟合优度可信度融合的复杂系统成功率评估方法,其特征在于,包括如下步骤:
步骤一,分别对蒙特卡洛仿真试验数据、半实物仿真试验数据、外场静态试验数据基于拟合优度法的可信度计算,得到蒙特卡洛仿真试验的可信度、半实物仿真试验的可信度和外场静态试验的可信度,对蒙特卡洛仿真试验的可信度、半实物仿真试验的可信度和外场静态试验的可信度进行归一化后,分别得到归一化后的蒙特卡洛仿真试验可信度、半实物仿真试验可信度和外场静态试验的可信度;
步骤二,根据蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据,分别得到蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布;
令
蒙特卡洛仿真试验的可信度;半实物仿真试验的可信度;外场静态试验的可信度,为蒙特卡洛仿真试验数据与真实试验数据作相容性检验,得到的检验统计量;为半实物仿真试验数据与真实试验数据作相容性检验,得到的检验统计量;为外场静态试验数据与真实试验数据作相容性检验,得到的检验统计量;
2.根据权利要求1所述的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,其特征在于,所述的根据蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据,分别得到蒙特卡洛仿真试验数据、半实物仿真试验数据和外场静态试验数据相对于真实试验的蒙特卡洛仿真试验先验分布、半实物仿真试验先验分布和外场静态试验先验分布,包括如下过程:
超参数计算公式如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855169.XA CN114936475B (zh) | 2022-07-20 | 2022-07-20 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855169.XA CN114936475B (zh) | 2022-07-20 | 2022-07-20 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114936475A CN114936475A (zh) | 2022-08-23 |
CN114936475B true CN114936475B (zh) | 2022-10-28 |
Family
ID=82869038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210855169.XA Active CN114936475B (zh) | 2022-07-20 | 2022-07-20 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114936475B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115587338B (zh) * | 2022-09-23 | 2023-08-22 | 成都信息工程大学 | 一种基于序贯多层融合的复杂系统成功率评估法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033046A (zh) * | 2019-04-17 | 2019-07-19 | 成都信息工程大学 | 一种计算特征匹配点分布可信度的量化方法 |
CN112199842A (zh) * | 2020-11-11 | 2021-01-08 | 中国电子科技集团公司第二十八研究所 | 一种基于任务导向的复杂仿真系统可信度评估方法 |
CN113780292A (zh) * | 2021-08-31 | 2021-12-10 | 北京交通大学 | 一种基于证据推理的语义分割网络模型不确定性量化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080033897A1 (en) * | 2006-08-02 | 2008-02-07 | Lloyd Kenneth A | Object Oriented System and Method of Graphically Displaying and Analyzing Complex Systems |
US10860754B2 (en) * | 2018-04-26 | 2020-12-08 | Vektor Medical, Inc. | Calibration of simulated cardiograms |
US11615328B2 (en) * | 2019-04-12 | 2023-03-28 | The George Washington University | System and method for analyzing cloud service provider trustworthiness and for predicting cloud service level agreement performance |
CN112214880B (zh) * | 2020-09-17 | 2022-12-20 | 中国人民解放军国防科技大学 | 一种基于虚实融合的多阶段维修性评估方法 |
-
2022
- 2022-07-20 CN CN202210855169.XA patent/CN114936475B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110033046A (zh) * | 2019-04-17 | 2019-07-19 | 成都信息工程大学 | 一种计算特征匹配点分布可信度的量化方法 |
CN112199842A (zh) * | 2020-11-11 | 2021-01-08 | 中国电子科技集团公司第二十八研究所 | 一种基于任务导向的复杂仿真系统可信度评估方法 |
CN113780292A (zh) * | 2021-08-31 | 2021-12-10 | 北京交通大学 | 一种基于证据推理的语义分割网络模型不确定性量化方法 |
Non-Patent Citations (5)
Title |
---|
A group evaluation method for complex simulation system credibility based on 2-order additive fuzzy measure;Sheng Li 等;《2016 Chinese Control and Decision Conference (CCDC)》;20160808;第149-154页 * |
Bayesian networks for the evaluation of complex system"s availability;Ait Mokhtar El Hassene 等;《8th International Workshop on Verification and Evaluation of Computer and Communication Systems (VECoS 2014)》;20140930;第113-119页 * |
基于Kriging模型的小子样失效数据可靠性分析;任博 等;《机械科学与技术》;20151130;第34卷(第11期);第1789-1795页 * |
复杂仿真系统可信度量化研究;刘飞 等;《哈尔滨工业大学学报》;20070128;第39卷(第1期);第1-3页 * |
蒙特卡洛模拟法在复杂系统可靠性仿真中的应用研究;曾畅 等;《四川兵工学报》;20150925;第36卷(第9期);第65-68页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114936475A (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ling et al. | Quantitative model validation techniques: New insights | |
Ferson et al. | Model validation and predictive capability for the thermal challenge problem | |
Scheines et al. | The TETRAD project: Constraint based aids to causal model specification | |
Milanese et al. | Unified set membership theory for identification, prediction and filtering of nonlinear systems | |
Li et al. | Reliability evaluation with limited and censored time-to-failure data based on uncertainty distributions | |
CN114936475B (zh) | 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 | |
Zhang et al. | Statistical inference of reliability of Generalized Rayleigh distribution under progressively type-II censoring | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
Grbac et al. | Stability of software defect prediction in relation to levels of data imbalance | |
Bani-Mustafa et al. | A new framework for multi-hazards risk aggregation | |
Wang et al. | End of performance prediction of lithium-ion batteries | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
Weiß et al. | Non-parametric analysis of serial dependence in time series using ordinal patterns | |
Chen et al. | Integration for degradation analysis with multi-source ADT datasets considering dataset discrepancies and epistemic uncertainties | |
Taillardat et al. | Evaluating probabilistic forecasts of extremes using continuous ranked probability score distributions | |
CN115795928A (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
Kakinaka et al. | Characterizing cryptocurrency market with Lévy’s stable distributions | |
Kim et al. | Bayesian parameter identification in electrochemical model for lithium-ion batteries | |
Pareschi et al. | Mean-field control variate methods for kinetic equations with uncertainties and applications to socioeconomic sciences | |
Ding et al. | Degradation analysis with nonlinear exponential‐dispersion process: Bayesian offline and online perspectives | |
Jegourel et al. | Sequential schemes for frequentist estimation of properties in statistical model checking | |
Wang et al. | A Bayesian method for on-line evaluation of uncertainty in measurement of Coriolis flow meters | |
de Uña‐Álvarez | Nonparametric estimation of the cumulative incidences of competing risks under double truncation | |
Ward et al. | A constant-per-iteration likelihood ratio test for online changepoint detection for exponential family models | |
Reijsbergen et al. | Hypothesis testing for rare-event simulation: Limitations and possibilities |
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 |