基于蒙特卡洛模擬的復(fù)雜系統(tǒng)可靠性評(píng)估方法研究.pdf

1、復(fù)雜系統(tǒng)由于其結(jié)構(gòu)復(fù)雜、部件數(shù)目較多、部件相關(guān)等原因,其可靠性評(píng)估問題一直是個(gè)難點(diǎn)與熱點(diǎn)。因此,找到簡(jiǎn)單有效的方法對(duì)復(fù)雜系統(tǒng)進(jìn)行可靠性評(píng)估,然后基于評(píng)估結(jié)果找出改進(jìn)系統(tǒng)可靠性的最優(yōu)方案是復(fù)雜系統(tǒng)可靠性分析的主要目的。本文依據(jù)部件是否相關(guān),分別提出了評(píng)估二態(tài)或多態(tài)復(fù)雜系統(tǒng)可靠性的方法。
　　若部件獨(dú)立,本文提出一種基于CA-SVM的二態(tài)復(fù)雜系統(tǒng)可靠性評(píng)估方法。該方法用訓(xùn)練后的支持向量機(jī)(SVM)判斷每次蒙特卡洛模擬(MCS)過程系統(tǒng)

2、對(duì)應(yīng)網(wǎng)絡(luò)的連通性,與直接用元胞自動(dòng)機(jī)(CA)的傳統(tǒng)方法相比,能大大提高計(jì)算效率。在對(duì)SVM進(jìn)行訓(xùn)練時(shí),本文選用CA來生成訓(xùn)練數(shù)據(jù)點(diǎn),與基于最小路集/割集的方法或是基于圖論中提到的DFS、BFS的方法相比,CA能較大提高訓(xùn)練集的生成效率。在對(duì)SVM進(jìn)行訓(xùn)練前,需要預(yù)先對(duì)SVM的參數(shù)進(jìn)行選擇,本文采用了粒子群優(yōu)化(PSO)來選擇SVM的參數(shù),與傳統(tǒng)網(wǎng)格搜索法相比,PSO搜索速度較快,并且不容易陷入局部最優(yōu)。文中算例進(jìn)一步說明了算法的高效與精

3、確。
　　共因失效(CCFs)普遍存在于現(xiàn)實(shí)工程系統(tǒng)中,它的存在使得各個(gè)部件之間相互獨(dú)立的假設(shè)不再成立,增加了系統(tǒng)的聯(lián)合失效概率,從而降低了系統(tǒng)的可靠性。本文僅考慮由部件選擇性失效傳播引起的共因失效對(duì)系統(tǒng)可靠性產(chǎn)生的影響。
　　對(duì)于考慮由部件選擇性失效傳播引起的共因失效的二態(tài)復(fù)雜系統(tǒng)可靠性評(píng)估問題,現(xiàn)有的基于故障樹或發(fā)生函數(shù)的方法容易造成“組合爆炸”問題,計(jì)算較為繁瑣,基于已有方法的缺陷,本文提出一種基于MCS的方法,該方法

4、利用CA在計(jì)算系統(tǒng)對(duì)應(yīng)網(wǎng)絡(luò)連通性時(shí)并行計(jì)算的優(yōu)勢(shì),能有效計(jì)算考慮共因失效及不完全保護(hù)時(shí)復(fù)雜系統(tǒng)的可靠性。本文還將此類問題拓展到多態(tài)系統(tǒng),通過提出一種計(jì)算多狀態(tài)最小路集向量的算法,并整合MCS思想,提出一種求解多態(tài)復(fù)雜系統(tǒng)可靠性的方法,與已有方法相比,本文提出方法不局限于能直接轉(zhuǎn)化為串并聯(lián)結(jié)構(gòu)的系統(tǒng),也不用受不完全保護(hù)群或存在共因失效的部件數(shù)目限制。
　　本文還考慮了部件維修性對(duì)考慮共因失效的二態(tài)復(fù)雜系統(tǒng)可靠性的影響,并提出基于MC