本发明专利技术涉及的是电力推进系统和仿真评估领域，特别是涉及一种电力推进系统仿真可信度的综合评估方法。本发明专利技术包括：将电力推进系统分解为子系统；对仿真系统各准则下的子系统进行分解，直至最小单元；获取指标以及子系统相对于上一层节点的权重；获取子系统的指标的可信度；得到子系统的可信度；得到整个电力推进系统仿真的可信度综合评估结果。本发明专利技术能够增强所建立仿真系统输出结果的正确性，降低开发和应用仿真系统所带来的风险；有效帮助了开发人员及时发现仿真系统在设计过程中的不足，并进行相应修正；能够有效缩短仿真系统的开发周期、降低开发成本，能够有效预防仿真系统实际应用时的重大事故发生。
【技术实现步骤摘要】
本专利技术涉及的是电力推进系统和仿真评估领域，特别是涉及。
技术介绍
近年来，仿真技术作为最先进的科学技术，以其经济性好、安全性高和操作性强等优点，被广泛应用于各个研究领域，同时也带来了巨大的经济效益。仿真技术也被称之为除了理论研究与实物分析之外的又一种解剖现实世界的新方法，成为正确认识客观世界的又一技术手段。因此，采用仿真技术对实际系统进行研究，不但可以有效降低科研成本、缩短研发周期，还能够加快改善实际系统性能的步伐。尽管仿真技术的应用有较多优越性，但也存在一定的风险。仿真技术是以相似理论为基础，对真实事物或虚拟事物进行构造和试验分析的。因此所建立的仿真系统也不可能完全模拟真实事物本身。仿真系统是否具有真实可信度、所得的仿真输出结果能否可用，与系统开发全研发周期中依据仿真输出结果所展开的一系列实施步骤密切相关。因此，对实际系统的仿真进行可信度评估是必要而迫切的。通过对仿真系统进行可信度分析，不但可以使所建立的仿真系统与仿真输出结果的正确性得到增强，降低应用和开发仿真系统所带来的一系列风险，而且还能够帮助开发人员发现仿真系统在设计过程中存在的不足，并及时进行修正。通过对实际系统的仿真进行可信度评估，不仅可以有效缩短仿真系统的开发周期、降低系统开发成本，还能够较好的预防重大事故发生。也就是说，只有保证了仿真系统和仿真输出结果满足一定范围的可信度，对实际系统所进行的一系列仿真活动才具有实际的意义和价值、所得的仿真系统和仿真输出结果才具有可用性。 目前，国内外都没有关于电力推进系统可信度评估方面的专利，与之最接近的是可信性分析。国外仅有几项关于实际设备的可信性分析的专利，均是采用对设备参数测试分析的方式进行可信性预测；而本专利技术则是针对仿真系统进行可信度分析。国内仅有一项可信性评测的专利，即基于事件注入的计算机网络可信性评测装置，它是一种基于事件注入的计算机网络可信性评测装置，它的可信性评测是依靠造成目标系统故障的事件模型库、目标系统服务能力下降的事件模型库、系统脆弱点库，通过系统软件集测试数据加密存储、数据分析和输出功能，为目标计算机网络的可信性测评提供数据。而本专利技术则是采用层次分析和BP神经网络对仿真结果的每项指标可信度进行综合，得出的可信度分析结果，两者完全不同。
技术实现思路
本专利技术的目的在于提供。本专利技术的目的是这样实现的:本专利技术包括如下步骤:(I)按照系统级到单元级的顺序，将电力推进系统分解为子系统；(2)自顶向下、逐层对仿真系统各准则下的子系统进行分解，直至最小单元；(3)获取指标以及子系统相对于上一层节点的权重；(4)获取子系统的指标的可信度；(5)根据指标的可信度和权重得到子系统的可信度；(6)由子系统逐层向上，综合子系统的权重得到整个电力推进系统仿真的可信度综合评估结果。获取指标以及子系统相对于上一层节点的权重的步骤包括:(I)设置初始参数(0和0 ,其中(0为初始权重.Q为临界值；(2)将需要计算权重子系统的实测数据样本加入BP神经网络，获取输出值:权利要求1.，其特征在于，包括如下步骤: (1)按照系统级到单元级的顺序，将电力推进系统分解为子系统； (2)自顶向下、逐层对仿真系统各准则下的子系统进行分解，直至最小单元； (3)获取指标以及子系统相对于上一层节点的权重； (4)获取子系统的指标的可信度； (5)根据指标的可信度和权重得到子系统的可信度； (6)由子系统逐层向上，综合子系统的权重得到整个电力推进系统仿真的可信度综合评估结果。2.根据权利要求1所述的，其特征在于，所述的获取指标以及子系统相对于上一层节点的权重的步骤包括: (O设置初始参数ω和Θ，其中ω为初始权重.Θ为临界值； (2)将需要计算权重子系统的实测数据样本加入BP神经网络，获取输出值yJ:>Ι； ^ ; Θ」为临界值； (3)按已知输出数据与输出值之差Cljij调整权系数(0，调整量为:口COij=Ii δ jXj,其中Π为比例系数，即学习率，范围为，连续提高η值，直到达到设定的训练速度为止；χ」为隐节点的网络输入、输出节点为隐节点的输出，j=l…n ;dj为已知的输出数据；是一个与输出偏差相关的值，对于输`出节点:S j= Ilj(1-Yj) (dj-yj)对于隐层节点:^ = χΛ1-χ,)Σδ^β，各层神经元的权值调整后为:ω υ (t) = ω u (t-1) + □ ω u，其中t为学习次数； (4)进行迭代，调整所有ω值，直到输出误差小于设定允许值，完成BP神经网络训练； (5)对各神经元之间的权重进行分析处理，其中相关显著性系数 G=Ix(卜n^ife ) 1=1 相关指数 绝对影响系数OTi=l 其中，i为神经网络输入单元，i=l-m ；j为神经网络输出单元，j=l-n ；k为神经网络的隐含单元，k=L..+ ; coki为输入层神经元i和隐含层神经元k之间的权系数；ω jk为输出层神经元j和隐含层神经元k之同的权系数； (6)求绝对影响系数Su，即为所求子系统中下一层节点相对于上一层节点的客观权重； (7)将客观的指标权重转换成指标权重比值； (8)提取子系统的主观指标权重比值；(9)对客观指标权重比值和主观指标权重比值求期望，获取综合权重比值； (10)将综合权重比值排列成判断矩阵，其中Cu为i指标相对于j指标的综合权重比值:3.根据权利要求1所述的，其特征在于，所述的指标可信度评估方法，针对不同的指标和子系统数据类型，选取的步骤如下: (1)对一个系统中所有指标的数据类型进行分类； (2)对于不可以量化、只能模糊给出评价的指标，可以采用模糊综合评判法； (3)对于输出连续波形图像的数据类型，可以采用倒频谱分析法； (4)对于可提供数据的指标多，但是单一指标数据少的情况，可以采用相似度分析； (5)对于可以提供大量重复试验数据的指标，可以采用误差分析法； (6)对于一些不能准确划分的指标，可以采用两种或多种方法相结合进行可信度评估。全文摘要本专利技术涉及的是电力推进系统和仿真评估领域，特别是涉及。本专利技术包括将电力推进系统分解为子系统；对仿真系统各准则下的子系统进行分解，直至最小单元；获取指标以及子系统相对于上一层节点的权重；获取子系统的指标的可信度；得到子系统的可信度；得到整个电力推进系统仿真的可信度综合评估结果。本专利技术能够增强所建立仿真系统输出结果的正确性，降低开发和应用仿真系统所带来的风险；有效帮助了开发人员及时发现仿真系统在设计过程中的不足，并进行相应修正；能够有效缩短仿真系统的开发周期、降低开发成本，能够有效预防仿真系统实际应用时的重大事故发生。文档编号G06F17/50GK103246762SQ201310122149公开日2013年8月14日 申请日期2013年4月10日 优先权日2013年4月10日专利技术者刘胜, 智鹏飞, 张兰勇, 李冰, 朱琬璐 申请人:哈尔滨工程大学本文档来自技高网...
【技术保护点】
一种电力推进系统仿真可信度的综合评估方法，其特征在于，包括如下步骤：（1）按照系统级到单元级的顺序，将电力推进系统分解为子系统；（2）自顶向下、逐层对仿真系统各准则下的子系统进行分解，直至最小单元；（3）获取指标以及子系统相对于上一层节点的权重；（4）获取子系统的指标的可信度；（5）根据指标的可信度和权重得到子系统的可信度；（6）由子系统逐层向上，综合子系统的权重得到整个电力推进系统仿真的可信度综合评估结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘胜，智鹏飞，张兰勇，李冰，朱琬璐，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。