[發明專利]基于Monte carlo的網絡靶場裝備體系可靠性建模系統及方法

有效

• 申請號: 201910654682.0
• 申請日: 2019-07-19
• 公開（公告）號: CN110362939B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 張茜;溫泉;王曉菲;楊潔;陳志浩;石波;常承偉;賈瓊;楊梟
• 申請（專利權）人: 北京計算機技術及應用研究所
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N7/01;G06F111/08;G06F111/10;G06F119/02
• 代理公司: 中國兵器工業集團公司專利中心 11011
• 代理人: 王雪芬

1.一種基于Montecarlo的網絡靶場裝備體系可靠性建模系統，其特征在于，包括：

可靠仿真模塊，用于根據各個裝備的可靠性指標、分布類型，基于MonteCarlo方法采用隨機抽樣生成各個裝備的故障時間和維修時間可靠性指標的仿真樣本；

故障分析模塊，用于將靶場裝備體系的故障樹轉化為貝葉斯網絡模型；

整體推導模塊，用于根據所述可靠仿真模塊仿真生成的各個裝備的故障時間和維修時間這些可靠性指標仿真樣本，以及所述故障分析模塊構造的貝葉斯網絡模型推導出作為頂級事件的整個靶場裝備體系的故障時間和維修時間可靠性指標模擬值；

計算可靠分布模塊，用于在重復地按順序執行可靠仿真模塊、故障分析模塊及整體推導模塊多次后，根據獲得的靶場裝備體系的故障時間和維修時間可靠性指標模擬值的落點分布，獲得整個靶場裝備體系的故障分布和維修時間經驗分布，從而獲得可靠性經驗分布；

所述可靠仿真模塊具體用于：

(1)首先獲取靶場裝備體系中各裝備可靠性指標和分布類型

獲取靶場裝備體系中各裝備的可靠性指標，故障分布及維修時間分布類型；

(2)產生靶場裝備體系中各裝備隨機抽樣仿真樣本

將靶場裝備體系中各裝備的故障參數和維修時間參數代入對應的分布模型中，按照各裝備服從的分布進行仿真抽樣，生成各裝備的故障時間和維修時間仿真抽樣值；

所述可靠仿真模塊用于產生靶場裝備體系中各裝備隨機抽樣仿真樣本具體實現方式為：

對于裝備的故障分布，將故障參數代入分布，確定故障分布函數F_i(t)，其中F_i(t)≤1,i＝1,2,...,n，F_i(t)為第i個裝備的故障分布函數，n為裝備的個數，利用MonteCarlo方法在(0,1)之間產生n個均勻分布的隨機數r_i,i＝1,...,n，這樣就能得到一組各個裝備的故障仿真抽樣值t_i＝F_i^-1(r_i)；根據維修時間參數得到各裝備故障后的維修時間仿真抽樣值；

所述故障分析模塊具體用于：將故障樹所有基本事件對應地表達為貝葉斯網絡中的根節點；將故障樹中各個基本事件的先驗概率直接賦值給貝葉斯網絡中對應的根節點作為根節點的先驗概率；將故障樹中的每個邏輯門都表達為貝葉斯網絡中的一個節點，節點標志和狀態取值與故障樹中的邏輯門的輸出事件一致；按照故障樹中表達的邏輯門與基本事件的關系連接貝葉斯網絡中的節點，連接節點的有向邊方向與故障樹中邏輯門的輸入輸出關系對應；將故障樹中邏輯門邏輯關系表達為貝葉斯網絡中對應節點條件概率表；

所述計算可靠分布模塊，具體用于在重復地按順序執行可靠仿真模塊、故障分析模塊及整體推導模塊N次后，N≥1000，根據獲得的靶場裝備體系的故障時間和維修時間可靠性指標模擬值的落點分布，經冒泡法進行大小排序后，獲得整個靶場裝備體系的故障分布F(t)和維修時間經驗分布G(t)，從而獲得可靠性經驗分布R₁(t)＝1-F(t)，R₂(t)＝1-G(t)。

2.一種基于MonteCarlo方法的靶場裝備體系可靠性建模方法，其特征在于，包括以下步驟：

S1、可靠仿真步驟，根據各個裝備的可靠性指標、分布類型，基于MonteCarlo方法采用隨機抽樣生成各個裝備的故障時間和維修時間可靠性指標的仿真樣本；

S2、故障分析步驟，將靶場裝備體系的故障樹轉化為貝葉斯網絡模型；

S3、整體推導步驟，根據所述可靠仿真步驟仿真生成的各個裝備的故障時間和維修時間這些可靠性指標仿真樣本，以及所述故障分析步驟構造的貝葉斯網絡模型推導出作為頂級事件的整個靶場裝備體系的故障時間和維修時間可靠性指標模擬值；

S4、計算可靠分布步驟，在重復地按順序執行步驟S1、S2、S3多次后，根據獲得的靶場裝備體系的故障時間和維修時間可靠性指標模擬值的落點分布，獲得整個靶場裝備體系的故障分布和維修時間經驗分布，從而獲得可靠性經驗分布；

步驟S1具體為：

(1)首先獲取靶場裝備體系中各裝備可靠性指標和分布類型

獲取靶場裝備體系中各裝備的可靠性指標，故障分布及維修時間分布類型；

(2)產生靶場裝備體系中各裝備隨機抽樣仿真樣本

將靶場裝備體系中各裝備的故障參數和維修時間參數代入對應的分布模型中，按照各裝備服從的分布進行仿真抽樣，生成各裝備的故障時間和維修時間仿真抽樣值；

產生靶場裝備體系中各裝備隨機抽樣仿真樣本的具體實現方式為：對于n個裝備的故障分布，將故障參數代入分布，確定故障分布函數F_i(t)，其中F_i(t)≤1,i＝1,2,...,n，F_i(t)為第i個裝備的故障分布函數，利用MonteCarlo方法在(0,1)之間產生n個均勻分布的隨機數r_i,i＝1,...,n，這樣就能得到一組各個裝備的故障仿真抽樣值t_i＝F_i^-1(r_i)，根據維修時間參數得到各裝備故障后的維修時間仿真抽樣值；

步驟S2中，將靶場裝備體系的故障樹轉化為貝葉斯網絡的具體轉化方式為：將故障樹所有基本事件對應地表達為貝葉斯網絡中的根節點；將故障樹中各個基本事件的先驗概率直接賦值給貝葉斯網絡中對應的根節點作為根節點的先驗概率；將故障樹中的每個邏輯門都表達為貝葉斯網絡中的一個節點，節點標志和狀態取值與故障樹中的邏輯門的輸出事件一致；按照故障樹中表達的邏輯門與基本事件的關系連接貝葉斯網絡中的節點，連接節點的有向邊方向與故障樹中邏輯門的輸入輸出關系對應；將故障樹中邏輯門邏輯關系表達為貝葉斯網絡中對應節點條件概率表；

步驟S4中，在重復地按順序執行步驟S1、S2、S3N次后，N≥1000，根據獲得的靶場裝備體系的故障時間和維修時間可靠性指標模擬值的落點分布，經冒泡法進行大小排序后，獲得整個靶場裝備體系的故障分布F(t)和維修時間經驗分布G(t)，從而獲得可靠性經驗分布R₁(t)＝1-F(t)，R₂(t)＝1-G(t)。