基于Petri网的多维架构映射关系模型评价方法、装置及设备制造方法及图纸

本发明专利技术实施例公开一种基于Petri网的多维架构映射关系模型评价方法、装置及设备，包括：基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则；基于系统状态分级及系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数；基于系统状态分级、系统状态转移规则和系统转移概率模型及参数的确定，构建相应的广义随机Petri网；对广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标；如此，通过引入Petri网模型得到映射关系模型量化的评价指标，既可以保留历史运行状态和主观偏好的影响，又可以通过量化的评价指标比较对映射关系的优化提供更加精准的决策支持。更加精准的决策支持。更加精准的决策支持。

【技术实现步骤摘要】
基于Petri网的多维架构映射关系模型评价方法、装置及设备


[0001]本专利技术涉及计算机与信息处理
，尤其涉及一种基于Petri网的多维架构映射关系模型评价方法、装置及设备。

技术介绍

[0002]随着社会经济和科学技术的发展，各种系统的发展已经逐渐呈现“功能复杂化、数据规模庞大化”的趋势。系统的构建往往需要对应的体系架构对体统的规划与建设进行指导，而系统体系架构的构建往往是从不同维度展开的，从功能、逻辑和物理维度进行架构的构建是常用的方法。其中多维架构间关系的研究是系统体系架构构建的关键环节之一，通过研究多维架构间映射关系来探究不同架构间的复杂作用关系，对架构设计进行优化。
[0003]多维架构解析信息通常是指从功能、逻辑、物理三个维度对目标系统构成元素解析，从而分别得到不同维度的下的构成元素信息。该解析信息为文本信息，仅仅只能提供元素构成信息，但是无法提供各构成元素的具体配置数据，因此无法采用数据驱动的方法进行多维架构映射关系的建模。另一方面，随着系统的功能复杂化和数据规模庞大化，既需要从多方向、多层次进行映射关系建模，又需要能够反映系统内外变化带来的动态扰动。解析信息的限制使得无法采用数据驱动的方式构建映射关系；而系统的复杂性又对架构间的映射关系的构建提出了较高的要求。
[0004]针对这种情况通常采用基于模糊理论的方法构建映射关系模型，而该方法下的模型评价往往只能通过将分析结果与系统历史运行状态比较来定性评价，具有较强的主观性。

技术实现思路

[0005]有鉴于此，本专利技术提供了提供一种基于Petri网的多维架构映射关系模型评价方法、装置及设备，该方法在保留主观信息的基础上，将评价指标量化，以提供精确的决策支持。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：
[0007]第一方面，本专利技术提供了一种基于Petri网的多维架构映射关系模型评价方法，所述方法包括：
[0008]基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则；
[0009]基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数；
[0010]基于所述系统状态分级、所述系统状态转移规则和所述系统转移概率模型及参数的确定，构建相应的广义随机Petri网；
[0011]对所述广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标。
[0012]其中，所述基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则，包括：
[0013]基于系统历史运行状态将各个子系统的状态进行定义，并对系统状态分级；
[0014]根据所述子系统的状态对应的指标数值获取系统的运行状态；
[0015]根据所述运行状态确定系统状态转移规则。
[0016]其中，所述基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数，包括：
[0017]构建系统状态间的转移概率分布模型；
[0018]定义当前的子系统对应的指标数值，引入映射关系矩阵并计算不同映射关系矩阵下的系统状态转移时间；
[0019]根据所述转移概率分布模型和获取的所述转移时间，采用极大似然估计法对转移概率分布模型进行估计，得到映射关系下所对应的系统状态转移概率模型及参数。
[0020]其中，所述广义随机Petri网包括：
[0021]一个五元组构成：
[0022]PN＝(P，T，F，M，λ)
[0023]其中P为有限个库所的集合，T为有限个变迁的集合，且F为有向弧的集合，M为网的标识，是从P到非负整数的映射；λ＝(λ1，λ2，...，λ
n
)表示变迁的平均速率。
[0024]其中，所述对所述广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标，包括：
[0025]对所述广义随机Petri网进行可靠运行时间仿真，得到映射关系下的系统从既定状态指导完全失效退化曲线，得到系统可靠运行时间。
[0026]第二方面，本专利技术提供了一种基于Petri网的多维架构映射关系模型评价装置，所述装置包括：
[0027]第一确定模块，用于基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则；
[0028]第二确定模块，用于基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数；
[0029]构建模块，用于基于所述系统状态分级、所述系统状态转移规则和所述系统转移概率模型及参数的确定，构建相应的广义随机Petri网；
[0030]仿真模块，用于对所述广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标。
[0031]第三方面，本专利技术提供了一种计算机设备，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
[0032]其中，所述处理器用于运行所述计算机程序时，实现上述任意所述的基于Petri网的多维架构映射关系模型评价方法。
[0033]第四方面，本专利技术提供了一种计算存储介质，所述计算机存储介质中存储有计算机程序，所述计算机程序被处理器执行实现上述任意所述的基于Petri网的多维架构映射关系模型评价方法。
[0034]本专利技术实施例提供的一种基于Petri网的多维架构映射关系模型评价方法、装置及设备，所述方法包括：基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则；基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数；基于所述系统状态分级、所述系统状态转移规则和所述系统转移概率模型及参数的确定，构建相应的广义随机Petri网；对所述广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标；如此，通过引入Petri网模型得到映射关系模型量化的评价指标，既可以保留历史运行状态和主观偏好的影响，又可以通过量化的评价指标比较对映射关系的优化提供更加精准的决策支持。
附图说明
[0035]图1为本专利技术实施例提供的一种基于Petri网的多维架构映射关系模型评价方法的流程示意图；
[0036]图2为本专利技术实施例提供的一种Petri网模型的场景示意图；
[0037]图3为本专利技术实施例提供的系统可靠性预测仿真流程流程图；
[0038]图4为本专利技术实施例提供的一种驾驶行为数据处理装置的结构示意图；
[0039]图5为本专利技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0040]下面结合说明书附图及具体实施例对本专利技术技术方案做进一步的详细阐述。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Petri网的多维架构映射关系模型评价方法，其特征在于，所述方法包括：基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则；基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数；基于所述系统状态分级、所述系统状态转移规则和所述系统转移概率模型及参数的确定，构建相应的广义随机Petri网；对所述广义随机Petri网进行可靠运行时间仿真，得到可靠运行时间作为对应的映射关系模型的评价指标。2.根据权利要求1所述的基于Petri网的多维架构映射关系模型评价方法，其特征在于，所述基于系统历史运行状态将各个子系统的状态进行定义，确定系统状态分级以及系统状态转移规则，包括：基于系统历史运行状态将各个子系统的状态进行定义，并对系统状态分级；根据所述子系统的状态对应的指标数值获取系统的运行状态；根据所述运行状态确定系统状态转移规则。3.根据权利要求2所述的基于Petri网的多维架构映射关系模型评价方法，其特征在于，所述基于所述系统状态分级及所述系统状态转移规则，确定映射关系下所对应的系统状态转移概率模型及参数，包括：构建系统状态间的转移概率分布模型；定义当前的子系统对应的指标数值，引入映射关系矩阵并计算不同映射关系矩阵下的系统状态转移时间；根据所述转移概率分布模型和获取的所述转移时间，采用极大似然估计法对转移概率分布模型进行估计，得到映射关系下所对应的系统状态转移概率模型及参数。4.根据权利要求1所述的基于Petri网的多维架构映射关系模型评价方法，其特征在于，所述广义随机Petri网包括：一个五元组构成：PN＝(P，T，F，M，λ)其中P为有限个库...

【专利技术属性】
技术研发人员：唐进君，刘佑，庹昊南，付强，
申请(专利权)人：中南大学，
类型：发明
国别省市：