基于TF-HBPN的復雜系統(tǒng)行為分析方法研究.pdf

1、隨著我國經(jīng)濟的發(fā)展與技術的進步，工業(yè)水平不斷提高，與人們生活息息相關的各個系統(tǒng)規(guī)模不斷擴大，系統(tǒng)建模的復雜性與難度也隨之增長，對系統(tǒng)安全性與穩(wěn)定性的維護造成不利影響。對各領域的復雜系統(tǒng)建模與行為分析，Petri網(wǎng)因其具有良好的描述與分析離散事件動態(tài)系統(tǒng)行為的特性被廣泛應用，但在實際應用中，建模分析時易出現(xiàn)組合爆炸現(xiàn)象。因此針對復雜系統(tǒng)建模分析時的狀態(tài)爆炸問題，本文結合分層Petri網(wǎng)和貝葉斯概率公式，在一般Petri網(wǎng)的基礎之上做出創(chuàng)新

2、性的研究。
　　本研究主要內(nèi)容包括：⑴提出一種擴展時間因素的分層貝葉斯 Petri網(wǎng)模型(Hierarchical Bayesian Petri Net With Time Factor, TF-HBPN)。該模型中定義四種映射規(guī)則：庫所映射，變遷映射，與關系映射，或關系映射，使建模過程中可進行分層映射，各層模型之間的關系更加清晰明了。⑵基于TF-HBPN提出一種遞歸構建模型算法，通過對觀測到的系統(tǒng)行為的因果關系進行頂層TF-HB

3、PN模型的構造，在頂層模型的基礎上運用映射規(guī)則進行各層模型的構造，通過分層遞歸方法將復雜系統(tǒng)并發(fā)行為分析問題進行分解，轉化為簡單的因果問題。⑶基于TF-HBPN提出一種遞歸溯因行為分析方法，該方法通過遞歸溯因推理來獲得時間的因果鏈，通過貝葉斯概率計算非觀測系統(tǒng)行為及其事件鏈的發(fā)生概率，最后將分析結果與正常動作事件鏈進行對比，分離出干擾信息。實例分析表明，該方法可對很多領域的復雜系統(tǒng)行為快速建模并進行分析，在進行分析系統(tǒng)行為和現(xiàn)象的溯因時