一种复杂仿真系统可信度评估方法技术方案

本申请实施例提供了一种复杂仿真系统可信度评估方法。该方法包括：运行复杂仿真系统对多组实验数据序列进行仿真试验，得到多组仿真试验结果；基于多组仿真试验结果，根据白化权函数评估复杂仿真系统的可信度定性评估指标；根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列；计算每组仿真实验结果与对应预测序列之间的灰色关联度，根据各组灰色关联度的均值评估复杂仿真系统的可信度定量评估指标；根据可信度定性评估指标与可信度定量评估指标加权后的和评估复杂仿真系统。本申请提供综合利用灰色预测模型、定性定量，从有限的试验数据中发现复杂仿真系统内在规律，提高典型复杂仿真系统的可信度评估水平。

【技术实现步骤摘要】
一种复杂仿真系统可信度评估方法
本申请涉及仿真
，特别涉及一种复杂仿真系统可信度评估方法。
技术介绍
对于小规模仿真系统的可信度评估，如果仿真系统所模拟的原型系统是存在的，或者原型系统的运行试验数据是可获得的，可以通过分析仿真系统数据与原型系统数据的一致程度来获得仿真系统的可信度评估结果，常用的评估方法有谱分析法、数理统计法等。但是对于复杂仿真系统，其所模拟的原型系统在研制初期通常没有实物系统，或者原型系统的数据样本量少，难以通过比较仿真系统数据和原型系统数据来评估其可信度。
技术实现思路
为解决上述问题之一，本申请提供了一种复杂仿真系统可信度评估方法。运行复杂仿真系统对多组实验数据序列进行仿真试验，得到多组仿真试验结果；基于所述多组仿真试验结果，根据白化权函数评估所述复杂仿真系统的可信度定性评估指标；根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列；计算每组仿真实验结果与对应预测序列之间的灰色关联度，根据各组灰色关联度的均值评估所述复杂仿真系统的可信度定量评估指标；根据所述可信度定性评估指标与所述可信度定量评估指标加权后的和评估所述复杂仿真系统。可选地，白化权函数为典型白化权函数，或者，白化权函数为下限测试白化权函数，或者，白化权函数为适当测试白化权函数，或者，白化权函数为上限测试白化权函数；所述典型白化权函数所述下限测试白化权函数所述适当测试白化权函数所述上限测试白化权函数其中，M为评价标准的等级总数量，且等级m的可信度高于等级m+1的可信度，m为等级标识，1≤m≤M，g为专家基于所述多组仿真试验结果确定的可信等级评估值，t为可信度定量评估指标标识。可选地，所述根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列之前，还包括：获取训练实验数据序列X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}；建立X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型；其中，N为训练实验数据总数量，kn为第n个训练实验数据，n为训练实验数据标识，1≤n≤N，x(0)(kn)为第n个训练实验数据的序列。可选地，所述建立X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型，包括：计算X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的一次累加生成序列X(1)＝{x(1)(k1),x(1)(k2),…,x(1)(kN)}，其中，建立X(1)＝{x(1)(k1),x(1)(k2),…,x(1)(kN)}的白化微分方程：其中，a为发展系数，b为灰作用量；将的离散形式x(0)(kn+1)△kn+1+az(1)(kn+1)＝b△kn+1确定为灰色微分方程，其中，z(1)(kn+1)为灰色微分方程的背景值；确定x(1)(kn)＝cedkn时x(0)(kn+1)△kn+1+az(1)(kn+1)＝b△kn+1的离散解：其中c为预设常数；根据确定X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的预测序列其中，可选地，所述确定X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型之后，还包括：根据X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}和确定残差序列E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，其中，根据E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，确定校正残差序列E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}；计算E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}的预测序列根据对灰色预测模型进行校正。可选地，所述根据E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，确定校正残差序列E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}，包括：若E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}中存在非正直，则将所述E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}向右平移，直至平移后的残差序列无非正直，将平移后的残差序列确定为E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}；所述根据对灰色预测模型进行校正，包括：校正后的灰色预测模型其中，可选地，所述根据E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，确定校正残差序列，包括：若E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}中不存在非正直，则将E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}确定为E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}；所述根据对灰色预测模型进行校正，包括：将E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}作为校正后的灰色预测模型。可选地，计算E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}的预测序列包括：计算E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}的一次累加生成序列E(1)＝{e(1)(k1),e(1)(k2),…,e(1)(kN)}，其中，建立E(1)＝{e(1)(k1),e(1)(k2),…,e(1)(kN)}的白化微分方程：其中，a'为发展系数，b'为灰作用量；将的离散形式e(0)(kn+1)△kn+1+a'z'(1)(kn+1)＝b'△kn+1确定为灰色微分方程，其中，z'(1)(kn+1)为灰色微分方程的背景值；确定时e(0)(kn+1)△kn+1+a'z'(1)(kn+1)＝b'△kn+1的离散解：其中c'为预设常数；根据确定其中，可选地，所述根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列，包括：对于第l组实验数据序列其中，l为组标识，1≤l≤L，L为总组数，Q为所述第l组实验数据总数量，若其预测序列为Dl＝{dl(1),dl(2),…,dl(Q)}，则，计算第l组的距离空间△l＝{△l(q)}，其中，q为实验数据标识，1≤q≤Q；确定△l中的最大值△l(max)和最小值△l(min)；根据△l(max)和△l(min)，确定第l组每个实验数据的灰色关联系数；将第l组所有实验数据的灰色关联系数的均值确定为第l组仿真实验结果与对应实验数据之间的灰色关联度。可选地，所述根据所述最大值和最小值，确定第l组每个实验数据的灰色关联系数，包括：其中，为第l组第q个实验数据的灰色关联系数，ξ为预设权重。本申请所述技术方案运行复杂仿真系统对多组实验数据序列进行仿真试验，得到多组仿真试验结果；基于多组仿真试验结果，根据白化权函数评估复杂仿真系统的可信度定性评估指标；根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列；计算每组仿真实验结果与对应预测序列之间的灰色关联度，根据各组灰色关联度的均值评估复杂仿真系统的可信度定量评估指标；根据可信度定性评估指标与可信度定量评估指标加权本文档来自技高网...

【技术保护点】
1.一种复杂仿真系统可信度评估方法，其特征在于，所述方法包括：运行复杂仿真系统对多组实验数据序列进行仿真试验，得到多组仿真试验结果；基于所述多组仿真试验结果，根据白化权函数评估所述复杂仿真系统的可信度定性评估指标；根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列；计算每组仿真实验结果与对应预测序列之间的灰色关联度，根据各组灰色关联度的均值评估所述复杂仿真系统的可信度定量评估指标；根据所述可信度定性评估指标与所述可信度定量评估指标加权后的和评估所述复杂仿真系统。

【技术特征摘要】
1.一种复杂仿真系统可信度评估方法，其特征在于，所述方法包括：运行复杂仿真系统对多组实验数据序列进行仿真试验，得到多组仿真试验结果；基于所述多组仿真试验结果，根据白化权函数评估所述复杂仿真系统的可信度定性评估指标；根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列；计算每组仿真实验结果与对应预测序列之间的灰色关联度，根据各组灰色关联度的均值评估所述复杂仿真系统的可信度定量评估指标；根据所述可信度定性评估指标与所述可信度定量评估指标加权后的和评估所述复杂仿真系统。2.根据权利要求1所述的方法，其特征在于，白化权函数为典型白化权函数，或者，白化权函数为下限测试白化权函数，或者，白化权函数为适当测试白化权函数，或者，白化权函数为上限测试白化权函数；所述典型白化权函数所述下限测试白化权函数所述适当测试白化权函数所述上限测试白化权函数其中，M为评价标准的等级总数量，且等级m的可信度高于等级m+1的可信度，m为等级标识，1≤m≤M，g为专家基于所述多组仿真试验结果确定的可信等级评估值，t为可信度定量评估指标标识。3.根据权利要求2所述的方法，其特征在于，所述根据预先建立的灰色预测模型对多组实验数据序列进行预测，得到多组预测序列之前，还包括：获取训练实验数据序列X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}；建立X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型；其中，N为训练实验数据总数量，kn为第n个训练实验数据，n为训练实验数据标识，1≤n≤N，x(0)(kn)为第n个训练实验数据的序列。4.根据权利要求3所述的方法，其特征在于，所述建立X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型，包括：计算X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的一次累加生成序列X(1)＝{x(1)(k1),x(1)(k2),…,x(1)(kN)}，其中，建立X(1)＝{x(1)(k1),x(1)(k2),…,x(1)(kN)}的白化微分方程：其中，a为发展系数，b为灰作用量；将的离散形式x(0)(kn+1)△kn+1+az(1)(kn+1)＝b△kn+1确定为灰色微分方程，其中，z(1)(kn+1)为灰色微分方程的背景值；确定x(1)(kn)＝cedkn时x(0)(kn+1)△kn+1+az(1)(kn+1)＝b△kn+1的离散解：其中c为预设常数；根据确定X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的预测序列其中，5.根据权利要求4所述的方法，其特征在于，所述确定X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}的灰色预测模型之后，还包括：根据X(0)＝{x(0)(k1),x(0)(k2),…,x(0)(kN)}和确定残差序列E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，其中，根据E(0)＝{e(0)(k1),e(0)(k2),…,e(0)(kN)}，确定校正残差序列E'(0)＝{e'(0)(k1),e'(0)(k2),…,e'(0)(kN)}；计算E'(0)＝{e'(0)(k1)...

【专利技术属性】
技术研发人员：曲慧杨，蒲睿英，
申请(专利权)人：北京仿真中心，
类型：发明
国别省市：北京,11