浅谈边失效可靠性研究的主要内容及进展

无论对于点失效、边失效还是点边混合失效网络模型,精确计算任意网络的可靠度都是NP-hard问题;随着现代网络规模的不断扩大,快速精确地计算可靠度是一个摆在我们面前的现实难题.因此,部分研究者关注于网络可靠度上下界的确定问题.采用相对简单的计算方法,通过网络可靠度上下界值评估网络可靠性,以此对网络可靠性分析和可靠性综合提供有价值的参考依据.针对网络可靠性分析和综合的研究十分活跃,内容也十分丰富,主要包括边失效情况下网络可靠性的分析与设计,点失效情况下网络可靠性的分析与设计和点边混合失效情况下网络可靠性的分析与设计,主要针对网络在规定的条件下和规定的时间内的生存能力和网络在规定的条件下和规定的时间内完成规定任务的能力.     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

一种大规模网络端端可靠度上下界的快速计算方法

在网络可靠性研究的基础上,针对大规模网络中精确计算端端可靠度这一难题,提出了一种快速计算大规模网络端端可靠度上下界的方法。算法分别基于最小割集和最小路径计算端端可靠度的上界和下界。最后通过算例分析,验证了本文所提出算法的有效性。     

网络可靠度分析的改进最小割递推分解算法

在网络连通可靠度分析的最小割递推分解算法基础上,充分利用分解过程中获得的信息,采用合并节点以及合并并联边的方法,有效地简化了分解出来的子网,大幅度降低了算法分解出来的不交最小割和不交最小路数量,从而大幅度地减少了计算时间.3个网络实例计算分析表明,与最小割递推分解算法相比,改进最小割递推分解算法能更高效地计算得到网络系统的连通可靠度,为生命线工程网络的抗震可靠性提供了1种更加有效的分析工具.     

采用节点流守恒求取多状态网络d-最小路集的改进算法

针对多状态网络可靠度的计算问题,给出一种求解多状态网络d-最小路集的改进算法.引入可行流向量,并将网络中的双向边等效为单向边,使算法对网络中边的容量取值无特殊要求,且可用于含双向边的网络,适用性更强.通过引入边的容量下确界,并将网络中的反向边等效为单向边,减少求取d-最小路集可行解时需枚举的解数目,降低算法复杂度.以多状态网络为例,进行分析验证.结果表明:该算法可以准确得到多状态网络所有d-最小路集.     

基于网络简化技术的通风网络可靠度新算法

为了解决在网络可靠度计算中存在运算量过大的问题,利用不交和的原理计算网络的可靠性是当今所有计算网络可靠性方法中最有效的方法之一,但对大型网络依然无法快速确定网络可靠度。针对这一问题,采用直接构造不交化通路集的方法,结合网络简化技术和截断误差理论,提出了一种快速确定大型通风网络可靠度的算法。结果表明:本算法可在24 s内计算出传统算法10 h都无法算出的大型通风网络可靠度问题。该算法对提高大型通风网络可靠度计算速度具有很大作用。     

重力坝抗震动力可靠度分析

论述重力坝抗震动力可靠度分析中的几个基本问题，即地震作用下坝可靠度计算，地震发生概率的估计方法以及坝经历一次地震作用的抗震动力可靠性计算等，还以华北某重力坝为例说明其计算方法，结果表明，用抗震动力可靠度判断重力坝可靠性是适宜的，推荐的两种方法都能较正确地估计地震发生概率。     

起重机械制动器可靠度的不确定性分析

针对传统的可靠度分析方法只是简单计算可靠度值,无法分析可靠度的准确性和每种故障因素对设备可靠度的影响问题,提出故障树和信息熵法相结合的方法对制动装置可靠度的不确定性进行分析.同时利用方差重要度的方法计算每种故障因素对系统可靠度不确定性的影响,通过提高对系统可靠度不确定性影响大的故障因素的可靠度的准确性,以提高系统可靠度估计的准确性,为起重机械制动器的可靠性分析和安全性设计提供了借鉴和参考.     

Bayes估计在NHPP软件可靠性模型中的应用

软件可靠性是评价软件质量的一个重要指标.针对互不相交的观测区间数据,采用Bayes方法估计软件的可靠度函数,使得对被测软件的可靠性模型更为精确,最后对实际的软件测试数据进行可靠性评估,验证了所提出的估计方法的合理性和可行性.     

计算网络SKT可靠性的一个算法

提出一个计算从网络源点到某些特定结点（ＳＫＴ）可靠性算法,这个算法本质上是通过系统地枚举网络的一类特殊子网络而计算其ＳＫＴ可靠性或生成可靠性表达式,由于所需枚举的子网络数量小于相应的Ｓａｔｙａｎａｒａｙａｎａ算法需枚举的子网络数量,因此新算法性能优于Ｓａｔｙａｎａｒａｙａｎａ算法,最后通过一个具体例子说明了这个结论。     

具有不可靠结点网络可靠度的计算

提出了几个保持网络可靠度不变的将边可靠,结点不可靠的无向网络转化为有向网络的转化原则,进而给出了一个计算边可靠,结点不可靠的无向网络２ 终端可靠度的新的有效的算法·该算法使得具有不可靠结点的无向网络可靠度的计算得到很大简化     

基于Choquet积分的复杂机电系统可靠性测度及应用

为了分析对复杂机电系统可靠性影响程度大的部件进而保障系统安全运行,首先构建复杂机电系统全局拓扑网络模型研究节点的拓扑属性;依据系统可靠性理论,结合故障维修数据计算网络中节点和边的功能属性;综合考虑部件保持功能属性的能力(节点可靠性属性)、部件间耦合作用关系(连接边可靠性属性)以及节点在全局系统中的拓扑地位(节点拓扑属性),提出基于Choquet积分的可靠性测度,包括功能度、功能接近度和功能介数.以CRHX型高速列车转向架系统为例的研究结果表明,所构建的可靠性测度能够从不同的角度辨识出对转向架系统可靠性影响较大的部件,以适应复杂运行工况下对系统可靠性分析关注侧重点不同的需求.     

网络可靠度BDD分析中2种边排序策略的性能比较

网络可靠度二元决策图（BDD）分析过程包含边排序、BDD生成和可靠度评估3个步骤,其中BDD生成和可靠度评估的计算复杂度和BDD尺度线性相关,而BDD尺度取决于边排序．因此,边排序问题是研究网络可靠度BDD分析的核心．在实现广度优先和深度优先2种边排序策略的基础上,针对规则网络（N＊N型和M＊N型）,比较了这2种策略的分析性能．实验数据表明：1）规则网络中广度优先边排序策略优于深度优先边排序策略;2）当M〉N时,广度优先边排序策略在M＊N型网络中的性能表现优于与之等价的N＊M型网络．这些结论为设计更优的启发性边排序策略提供了重要依据．     

一种带节点失效的BDD网络可靠性分析新方法

针对边扩展图EED方法和边界集BS方法存在的存储空间浪费和可靠度结果精度不高等缺陷,提出了一种基于依赖集的分析方法,解决了节点和边随机失效的网络可靠性问题.新方法不再受排序起点约束,可以灵活选择高质量排序以获得紧凑的BDD模型;同时,基于依赖集的分区能正确表征网络特征以获得精确解.综合实例和大量实验表明,所提出的方法是正确和高效的.     

神经网络与响应面法相结合分析

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义.提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析.数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景.     

神经网络与响应面法相结合分析既有混凝土桥梁的可靠性

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义.提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析.数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景.     

几何分布可靠度的Bayes置信下限

在生产、生活中越来越多的产品要求可靠性指标,为此需要对产品进行可靠性测试.几何分布在测试产品寿命的研究中有着重要的运用,因此对几何分布的可靠性分析具有理论和实际应用价值.该文用k因子法讨论几何分布可靠度的置信限,在产品有历史数据和历史数据缺失的情况下分别求出几何分布可靠度置信下限的表达式,并用Matlab编程计算,该方法不但比传统方法计算简便而且计算结果精度高.     

广义树网络中的多端割

给定一个边赋权图和k个顶点(称为终端)的集合,多端割问题是要找到一个最小 权的边集,该边集使得每一个终端与其他所有的终端分离.对于一般图来说,当k为不小于3的常数时,这一问题是NP-难解的.对于广义树网络给出了这一问题的一个多项式时间精确算法.     

减少无线传感器网络节点定位误差的方法

为提高无线传感器网络节点定位精度,提出3种基于距离信息的改进定位算法:改进三边测量法、加权最小二乘估计、抗差最小二乘估计.在一定先验假设情况下,对三边测量法以及由其衍生出最小二乘估计进行改进,并将抗差最小二乘估计方法引入到节点定位计算之中.仿真结果表明:3种算法能够有效减少定位误差.抗差最小二乘估计在系统存在粗差情况下效果尤其显著.当系统对能耗要求严格时,可采用改进三边测量法或加权最小二乘估计替代抗差最小二乘估计.     

M-矩阵与其逆的Hadamard积的最小特征值下界新的估计式

M-矩阵是一类有重要应用背景的特殊矩阵,生物学、物理学和社会科学等学科中的许多问题都与M-矩阵有密切的联系.M-矩阵与其逆矩阵的Hadamard积的最小特征值的估计是M-矩阵理论及其应用中重要的问题之一,一直受到专家学者广泛的关注和研究.给出了M-矩阵与其逆矩阵的Hadamard积的最小特征值的2个新的估计式,并从理论上证明了新的估计式比现有的一些估计式更精确,算例也表明所得的估计式的确比现有估计式的估计结果更为精确.另外,这些估计式只用到矩阵的元素,因而计算简单易行.