基于云模型和SFT的可靠性数据不确定性评价

为了分析和评价系统可靠性数据中的不确定性,即随机性、离散性和模糊性,将云模型与空间故障树(Space Fault Tree,SFT)理论相结合,使用云化SFT作为基础对数据不确定性进行评价。首先使用云模型能表示数据不确定性的特点,将SFT的相关概念进行云化。将其中云化系统故障概率分布对在某因素影响下,可靠性数据生成的云模型特征参数Ex、En和He进行求导。根据在系统工作环境范围内的求导结果,并结合提出的模糊性 、离散性 和随机性 计算数据的不确定性。使用该方法对经典实例进行了分析,得到了一些定性和定量结果。但Q和 两个参数应该具体问题具体分析。     

云化元件区域重要度的构建与认识

为了使SFT中的相关概念和计算式更便于应用,且能表示原始故障数据的不确定性,使用云模型对SFT的相关概念进行云化。论文是云化环节中的一部分,即云化元件区域重要度,包括云化元件区域概率重要度和云化元件区域关键重要度。云化后的元件区域重要度能充分反映数据的模糊性、随机性和离散性,并且其计算过程较原方法更为实用。应用SFT一贯算例,结果表明各元件的云化元件区域概率重要度和云化元件区域关键重要度排序相同,即 。最后论述了云化元件区域重要度的必要性和意义。     

云化SFT下的径集域与割集域的重构与研究

为了克服原有SFT体系中径集域和割集域处理具有模糊性、随机性和离散性故障数据能力不足的问题,使用云模型和SFT相结合的方法来解决该问题。首先使用云模型云化SFT特征函数,得到云化特征函数,进而云化径集域和割集域,最终得到云化径集域和云化割集域。云化径集域和云化割集域没有严格的分界线,分布区域是通过云滴表示的。若云滴表示的元件/系统故障概率小于P_b,这些云滴存在的区域即为云化径集域;反之大于P_b的云滴存在的区域为云化割集域。通过实例分析了元件X₁和系统的云化径集域和云化割集域,得到了他们适合工作的环境因素变化范围组合。分析过程和结果表明云化径集域和云化割集域能克服原始故障数据的不确定性。     

基于模糊结构元的SFT概念重构及其意义

为解决SFT,特别是DSFT所结果无法表示原始离散故障数据分布特征的缺点,引入模糊结构元理论将SFT中概念及计算方式结构元化来解决该问题。首先模糊结构元特征函数可通过模糊结构元E表示原始数据的离散分布特征,并在计算过程中将E传递至最终结果。通过处理结果中E来得到分析结果的置信度。另一方面,模糊结构元特征函数可将DSFT问题转化为较成熟的CSFT进行处理,而不用为实现相同功能针对DSFT研究新的方法。论文完成了原有SFT中特征函数、基本事件发生概率分布、系统故障概率分布、概率重要度分布、关键重要度分布、系统故障概率分布趋势、因素重要度分布和因素联合重要度分布的模糊结构元化改造,并给出了结构元化后的计算方式。     

一种基于云模型的不确定性数据的建模与分类方法

不确定性是数据的本质特征,它的产生可能来自于样本误差、更新延迟或重复测量等,对不确定性数据的分析在越来越多的领域得到了关注。传统的不确定性数据的数据项被表示成一个值域及其上的概率分布函数。由于不确定性数据存在模糊性与随机性,传统的概率分布函数难以准确定义不确定性数据的实际分布,因此利用云模型中云滴的分布提出一种不确定性数据的云建模过程,并通过云综合与云相似度计算来实现不确定性数据的分类。云模型能有效地将数据的随机性与模糊性融合在一起,能更真实地反映数据的实际分布,从而实现有效的数据分类。实验结果也证明了此种方法的有效性。     

二元决策图BDD在话务故障分析中的应用①

针对移动网络通话问题日益严重,需要建立一个故障树分析（FTA）模型。利用BDD技术分析各个基本事件的结构重要度、概率重要度和临界值重要度。基本事件的排序对故障树生成的BDD节点个数有直接影响,以及节点的结构重要度和概率重要度都有影响。采用相邻底事件优先排序法,能够尽量减少BDD节点个数和对重要度的影响。利用BDD法比传统FTA法计算的重要度数值更接近,计算效率更高。     

类正态分布数据云模型的预测算法

类似正态分布在实际的生活与生产中分布最为广泛,精确确定的模糊概念隶属函数严重影响该类数据的预测精度.云模型把随机性和模糊性结合起来,用数字特征期望、熵和超熵,揭示随机性与模糊性的关联性.基于正态云模型设计预测算法,放宽形成正态分布要求的前提条件,把精确确定隶属函数放宽到构造正态隶属度分布的期望函数,更简单、直接地完成类正态分布的数据的预测,因而更具有普遍适用性.     

基于故障树分析的嵌入式系统AADL模型可靠性分析方法

采用架构分析与设计语言(AADL)建立嵌入式系统的半形式化模型,实现从AADL模型到静态故障树(Static Fault Tree,SFT)模型的转换,并根据故障树定量分析法对系统可靠性进行分析。首先结合AADL错误模型附件建立可靠性模型;然后设计了从AADL模型到SFT模型的语义映射规则,并实现了将AADL模型中的基本元素转换为静态故障树中相对应的元素;最后结合飞机车轮刹车系统实例,使用文献中提出的方法对其进行可靠性分析,从而验证 所提方法的可行性和有效性。     

基于Markov和SFT的同类元件系统中元件维修率分布确定

为了扩展空间故障树SFT理论,研究可表示工作环境影响的元件维修率,借助Markov链理论对元件维修率分布进行推导。所研究系统的特点为由相同元件所构成,进而使Markov链中失效率和维修率相同。用SFT中的特征函数代替Markov链中失效率,并根据实际情况设定状态转移概率,从而可得SFT下的元件维修率分布。维修率分布是由工作环境因素作为自变量的函数。考虑工作时间t和工作温度c影响下,对一混联系统进行元件维修率分布计算。最终得到了元件维修率分布和正常状态转移概率范围,其具体计算要依赖于实例系统结构。最后论述了方法的不足及其原因。     

基于T-S模糊故障树方法的惯性导航系统可靠性评估

针对传统故障树模型在复杂系统可靠性评估中的局限性,引入T-S模糊故障树建模方法对惯性导航系统进行可靠性评估分析.在建立T-S模糊故障树的基础上,以模糊门算法表征事件之间的逻辑关系,确定了基于基本事件模糊概率和故障程度的复杂系统可靠性评估方法,并对事件进行了概率重要度和关键重要度分析.案例分析表明,T-S模糊故障树分析方...     

网络入侵危险性评估的云理论实现

由于任何网络安全手段都无法完全阻止网络攻击,保护网络的绝对安全,因此对网络入侵危险性进行评估,进而采取相应的防御手段就非常重要。传统的评估方法都无法同时评估网络入侵的不确定性(模糊性和随机性),基于此,利用云模型理论把模糊性和随机性有效集成在一起的优点,提出了一种基于云理论的网络入侵风险评估方法。本文给出了方法的理论基础、设计思想和关键实现技术及评估过程,并提出了一种改进的逆向云生成算法。该模型通过对系统资源监控,并对得到的数据进行处理,然后输入到云控制器,云控制器根据设定的规则做出评估结果。实验结果表明,该方法最大限度地保留了网络入侵评估过程中固有的不确定性,提高了评估结果的科学性和准确性。     

基于云模型的QFD中工程特性重要度确定方法

针对质量功能配置（Quality Function Deployment, QFD）评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。     

基于点重要性判断的点云简化

为了有效保持散乱点云的显著几何特征,提高点云简化的精度和效率,提出一种点重要性判断点云简化方法.首先,计算点云中点的重要性,并根据重要性提取特征点;然后,采用八叉树算法对非特征点进行简化,从而保留点云的主要细节特征,实现点云简化处理;最后,通过对公共点云和文物点云数据模型的简化实验来验证该点云简化方法.结果表明,该点重要性判断点云简化方法可以在有效保持点云细节几何特征的同时,实现点云的有效简化,是一种快速、高精度的点云简化方法.     

基于模糊云理论模型的智能配电云网络化控制识别方法

由于基于传统的不确定时滞鲁棒控制系统不能满足新型电力云网络化控制用户的需求,提出了一种基于模糊云理论系统模型的感知智能配电云网络化控制识别方法,该方法采用优化传统数据值和电力云网络化控制数据的一种云理论系统模型,并用云理论结果代替被控节点预测值,攻破了不确定滞鲁棒控制系统控制效果不能及时反馈的问题,同时将供电系统性能指标引入到电力云网络化控制计算器中,运用性能指标的云模型中正向运算法修正加权系数,实现了感知智能配电云网络化的最优控制。基于实验仿真证明,该识别方法可以优化传统的不确定滞鲁棒控制系统,并具有良好的适应性、鲁棒性、控制性,同时可以进一步改善智能配电云网络化控制的各种性能指标。     

基于云理论和雷达图的路网综合可靠度评价

针对路网可靠性分析中评价指标的多样性提出了路网综合可靠度概念, 并结合其模糊性、随机性特点, 运用云理论中定性描述与定量数值之间的转换, 改进了传统雷达图中没有体现权重的缺陷, 继而建立了雷达图模型来定量综合评价路网综合可靠度。实例应用结果表明, 基于云理论和雷达图的评价方法直观有效。     

基于区间的云相似度比较算法的研究

事物的不确定现象包括模糊性和随机性.云模型通过对二者的结合,建立起定性定量的互换模型.相似云及其度量算法的提出使得云模型具有一定的理论价值和实际意义.然而由于云本身的特性,使得算法的计算精度不高、计算消耗较大.因此提出基于区间的云相似度比较算法,对原云相似性算法进行改进.实验证明,该算法在计算精度以及计算消耗上都有较大的优化.