[發(fā)明專利]一種復(fù)雜多態(tài)衛(wèi)星系統(tǒng)可靠性分析方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810964764.0
• 申請(qǐng)日: 2018-08-23
• 公開（公告）號(hào): CN109871563B
• 公開（公告）日: 2023-02-03
• 發(fā)明（設(shè)計(jì)）人: 謝廷峰;黃睿;馮雅妮
• 申請(qǐng)（專利權(quán)）人: 深圳市欣頓智能科技有限公司
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06N7/01;G06F111/08;G06F119/02
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 董惠文

1.一種復(fù)雜多態(tài)衛(wèi)星系統(tǒng)可靠性分析方法，其特征在于，包括：

步驟1，根據(jù)復(fù)雜多態(tài)衛(wèi)星系統(tǒng)的結(jié)構(gòu)邏輯關(guān)系，采用多級(jí)貝葉斯網(wǎng)絡(luò)MBN構(gòu)建多層多態(tài)的貝葉斯網(wǎng)絡(luò)模型；所述貝葉斯網(wǎng)絡(luò)模型中每個(gè)非根子節(jié)點(diǎn)均具有獨(dú)立的二態(tài)父節(jié)點(diǎn)，其中所述非根子節(jié)點(diǎn)中的葉節(jié)點(diǎn)為多態(tài)子節(jié)點(diǎn)；

步驟2，所述貝葉斯網(wǎng)絡(luò)模型中，根據(jù)根節(jié)點(diǎn)的概率分布，通過二態(tài)衛(wèi)星系統(tǒng)可靠性分析的壓縮算法I-CA和推斷算法I-IA逐層獲得所有二態(tài)非根子節(jié)點(diǎn)的概率分布；

步驟3，根據(jù)所述非根子節(jié)點(diǎn)中多態(tài)子節(jié)點(diǎn)的二態(tài)父節(jié)點(diǎn)的概率分布，通過多態(tài)衛(wèi)星系統(tǒng)可靠性分析的壓縮及推斷算法ICIA獲得所述多態(tài)子節(jié)點(diǎn)的概率分布；

所述步驟2中的二態(tài)衛(wèi)星系統(tǒng)可靠性分析的壓縮算法I-CA包括：

步驟21，所述貝葉斯網(wǎng)絡(luò)模型中由根節(jié)點(diǎn)的概率分布獲取所述根節(jié)點(diǎn)的子節(jié)點(diǎn)任一狀態(tài)下概率分布的目標(biāo)序列OS；

步驟22，所述目標(biāo)序列OS中當(dāng)前查詢的序列為run時(shí)，將所述run增加到壓縮的目標(biāo)序列cOS中；

所述目標(biāo)序列OS中當(dāng)前查詢的序列為phrase時(shí)，判斷所述phrase是新的還是已經(jīng)存在的；執(zhí)行步驟221或步驟221’；

步驟221，在所述phrase是新的時(shí)，將所述phrase增加到壓縮的目標(biāo)序列cOS的伴隨詞典d中；

步驟222，更新所述phrase在所述目標(biāo)序列OS中重復(fù)出現(xiàn)的次數(shù)；

步驟221’，在所述phrase已經(jīng)存在時(shí)，獲取當(dāng)前查詢的“phrase”在目標(biāo)序列(OS)中開始的行號(hào)S^now，及伴隨詞典中和當(dāng)前查詢的“phrase”組成相同的“phrase”在OS中開始的行號(hào)S^exist；并判斷Y＝rem(S^now,2)是否等于X＝rem(S^exist,2),其中函數(shù)rem(a,b)是計(jì)算a/b的余數(shù)；

步驟222’，在X≠Y時(shí)，將所述phrase增加到壓縮的目標(biāo)序列cOS的伴隨詞典d中；

在X＝Y(jié)時(shí)，判斷X是否為零；

在X≠0時(shí)，更新所述phrase在所述目標(biāo)序列OS中重復(fù)出現(xiàn)的次數(shù)；

在X＝0時(shí)，確定目標(biāo)序列OS第(S^now-1)行的值是否等于目標(biāo)序列OS第(S^exist-1)行的值

在時(shí)，更新所述phrase在所述目標(biāo)序列OS中重復(fù)出現(xiàn)的次數(shù)；在時(shí)，將所述phrase增加到壓縮的目標(biāo)序列cOS的伴隨詞典d中；

步驟23，輸出壓縮的目標(biāo)序列cOS、壓縮的目標(biāo)序列cOS的伴隨詞典d、集合RP、集合S^all；RP是RP_j(j＝1,2,…,m)的集合，即RP＝{RP₁,RP₂,…,RP_j,…,RP_m}，其中RP_j是一個(gè)“run”在OS中的起始行號(hào)或者同一類型“phrase”中所有“phrase”在OS中的起始行號(hào)的集合，m是cOS的行數(shù)；S^all是OS中所有的“run”和“phrase”在OS中的起始行號(hào)的集合；

所述步驟2中的二態(tài)衛(wèi)星系統(tǒng)可靠性分析的推斷算法I-IA包括：

基于變量消元算法VE，自根節(jié)點(diǎn)逐層消除二態(tài)父節(jié)點(diǎn)，利用壓縮的二層二態(tài)貝葉斯網(wǎng)絡(luò)模型BN中的節(jié)點(diǎn)概率表NPT及其伴隨詞典d_i對(duì)多層多態(tài)貝葉斯網(wǎng)絡(luò)模型中非根二態(tài)子節(jié)點(diǎn)的概率推斷；具體包括：

步驟2A，查詢父節(jié)點(diǎn)被放在子節(jié)點(diǎn)NPT的最左邊，消除父節(jié)點(diǎn)C_i后，cλ_i的第j行為時(shí)，根據(jù)的奇偶性和取值范圍構(gòu)建壓縮后的中間變量

cλ_i的第j行為時(shí)，根據(jù)的奇偶性和取值范圍構(gòu)建壓縮后的中間變量其中：

j是cλ_i的行號(hào)；cλ_i為壓縮的NPT的Pr(Ch＝1|C₁,C₂,…,C_i-1)列；run或者phrase定義了cλ_i第j行的類型，是run的值，是第j行的“phrase”在d中的序號(hào)，是“run”的長(zhǎng)度，是第j行的“phrase”在Pr(Ch＝1|C₁,C₂,…,C_i-1)列中重復(fù)出現(xiàn)的次數(shù)；

表示cλ_i+1第j行的“run”或“phrase”在λ_i+1中開始的行號(hào)；

表示cλ_i+1第j行的“run”在λ_i+1中的長(zhǎng)度；

表示cλ_i+1第j行的“phrase”在λ_i+1中的長(zhǎng)度；

步驟2B，查詢父節(jié)點(diǎn)被放在子節(jié)點(diǎn)NPT的最左邊，消除父節(jié)點(diǎn)C_i后，cλ_i的第j行為時(shí)，根據(jù)的奇偶性和取值范圍構(gòu)建壓縮后的中間變量的伴隨詞典表示cλ_i的伴隨詞典d_i的第行是其中：

是第j行的“phrase”的第一個(gè)數(shù)字，是第j行的“phrase”的第二個(gè)數(shù)字，第j行的“phrase”的長(zhǎng)度；

表示cλ_i+1第j行的“run”或“phrase”在λ_i+1中開始的行號(hào)；

表示cλ_i+1第j行的“run”在λ_i+1中的長(zhǎng)度；

表示cλ_i+1第j行的“phrase”在λ_i+1中的長(zhǎng)度。