SFEP文本因果关系提取及其与SFN转化研究

为将系统故障演化过程(system fault evolution process，SFEP)的文本描述转化为空间故障网络(space fault network，SFN)结构，用于故障分析，本文提出SFEP文本因果关系提取方法，及其与SFN基本结构的转化方法。首先给出SFEP中事件的几种典型因果关系。随后提出因果关系与SFN基本结构的转化流程。本文方法围绕着关键字和因果关系组模式展开，通过模型的不断学习补充和丰富关键字和组模式。最终使方法具备将SFEP文本转化为SFN结构的能力。以飞机起落架故障发生过程文本为例进行了应用，实验结果表明该方法可用于SFEP文本中的因果关系分析，并得到了理想的SFN。完善的关键字和组模式有利于使用计算机智能处理SFEP的SFN。     

基于空间故障网络的系统故障发生潜在可能性研究

为了在系统故障演化过程(system fault evolution process,SFEP)中,根据系统故障事件累计数据,获得当一些事件发生后对系统最终故障发生的影响,提出一种基于空间故障网络(SFN)的系统故障发生潜在可能性分析方法.该方法的特点是根据系统运行期间发生各类事件及事件间关系,建立事件关系数据库,绘制SFN.当某种工况下已发生一些事件后,根据这些事件的因果逻辑关系和传递概率,得到这些事件能否引起系统故障、故障模式及发生可能性.通过典型实例说明了该方法的使用过程和分析效果,表明其可适应大规模故障数据处理和SFEP故障发生潜在性分析.     

少故障数据条件下SFEP最终事件发生概率分布确定方法

为了在获得少故障数据条件下得到适合的系统故障演化过程（system fault evolution process，SFEP）中最终事件发生概率分布，提出一种考虑信息扩散且数据较少情况下的最终事件发生概率分布计算方法。该方法利用信息扩散原理以事件发生时因素为中心在研究区域内形成正态分布。同一事件的多次发生在研究区域中取最大值形成该事件发生概率分布，从而得到SFEP中边缘事件发生概率分布。将SFN中事件关系表示为关系组从而叠加关系，得到最终事件发生概率分布解析式计算分布。研究表明，所得结果与原有精确结果具有较高的符合性，但所需故障数据则少得多。可借助该方法在少故障数据条件下研究SFEP最终事件发生特征。     

基于故障模式的SFN中事件重要性研究

为研究系统故障演化过程(SFEP)中各事件的重要性,了解各事件对故障模式的影响,提出事件重要性分析方法.基于系统科学复杂网络节点重要性分析思想,在空间故障网络(SFN)框架内对SFEP中事件重要性进行分析;通过抑制事件发生(去掉节点)分析原始故障模式和抑制后故障模式的变化来衡量事件重要性,衡量指标包括致障率、复杂率、重要性和综合重要性,从不同角度对事件重要性进行分析.通过简单的SFEP说明了指标计算方法,结果表明,不同指标对事件重要性的研究侧重点不同,计算得到的各指标排序和具体数值也不同,为进一步研究事件重要度提供了理论基础.     

面向不确定性知识表示的描述逻辑SROIQ(D)不确定性扩展

为增强描述逻辑对不确定性知识的表示能力,提出了一种对描述逻辑SROIQ(D)进行不确定性扩展的方法。该方法基于不确定性理论和描述逻辑SROIQ(D),针对知识表示中大量存在的模糊性、粗糙性和随机性知识,首先给出了模糊粗糙概念条件概率的计算方法,并以此为基础对SROIQ(D)进行了不确定性扩展;然后基于模糊粗糙逻辑和概率逻辑分别给出了扩展后的语法、语义和推理任务,使不确定性SROIQ(D)描述逻辑具备同时处理3类不确定性知识的能力。     

一种描述逻辑SROIQ(D)的云模型扩展

客观世界存在大量的不确定性现象和知识。鉴于经典描述逻辑在表示不确定知识上存在一定缺陷,模糊描述逻辑在表示不确定知识时会丢失模糊性,为此,将云模型引入到描述逻辑SROIQ(D)中,实现对SROIQ(D)的云扩展,提出基于云模型的不确定描述逻辑C-SROIQ(D)。并给出其完整的语法、语义及知识库,从而实现了描述不确定性现象,保留了模糊性,还将模糊性和随机性相关联,丰富了描述逻辑的表达能力。     

CDDL:动态描述逻辑的不确定性扩展

本体(Ontology)是语义Web中共享知识的形式化建模工具,其逻辑基础是描述逻辑.动态描述逻辑(DDL)具有同时表示静态和动态知识的优势.本文针对语义Web需要处理不确定性动态知识的需求,利用云模型对DDL进行不确定性扩展,提出了一种能够有效实现不确定性静态和动态知识进行表示和推理的不确定性动态描述逻辑CDDL.与...     

一种非常规突发事件演化的可计算模型

非常规突发事件的扰动性、高复杂性及衍生性是不同于一般突发事件的主要特征。针对上述特征,研究非常规突发事件的演化模型,以控制事件处理过程的复杂性和发展态势已成为热点研究问题之一。本文提出了非常规突发事件的NFA演化模型和对应的演化算法,给出了演化规则的形式化描述,以及事件处置方案选择和资源调度关联函数。实例表明NFA模型不仅能描述事件的演化过程,还能直观表达处置过程、方案选择、资源调度间的关系。与现有其它模型相比,其可计算性是最重要的特性。     

系统故障演化过程描述方法研究

为了解系统故障演化过程,提供可行的描述方法,进一步对空间故障网络理论进行研究。将原有空间故障网络结构◢W=（V,L,R,H,B）改为W=（O,S,L,X）,即用四要素对象、状态、连接和因素描述故障演化过程构建空间故障网络。提出枚举法和实例法具体进行故障演化过程描述。研究三级往复式压缩机的第一级故障过程,并辨识了事件的对象、对象的状态及事件的逻辑关系,绘制了空间故障网络。以V▼10▽和V▼2▽为例得到了转换的空间故障树,并以V▼2▽为例研究了故障演化过程。得到了127种故障模式,其中64种有利于V▼2▽◣发生,剩余63种不利于发生。根据演化过程描述需要将故障演化过程进一步分类,论述了故障演化机理。     

一种RBAC的描述逻辑表示方法

基于角色的访问控制(RBAC)通过角色来控制用户对资源的访问,极大地简化了安全管理。虽然对RBAC的研究比较成熟,但由于RBAC目前缺乏形式化的表示,使得RBAC中的一些概念和性质存在不同的理解。描述逻辑(DL)是一种基于对象的知识表示的形式化系统,它是一阶逻辑的一个可判定的子集,具有合适定义的语义,并且具有很强的表示能力。为了给出RBAC的形式化方法,以描述逻辑为工具,RBAC96模型为基础,提出了RBAC的描述逻辑DLRBAC。用描述逻辑的符号给出了RBAC中主要的元素和关系的形式化定义,并证明了这种描述逻辑表示对于RBAC模型的忠实性。所提出的RBAC形式化模型可以作为进一步研究RBAC的理论基础。     

空间故障树与因素空间融合的智能可靠性分析方法

现有系统可靠性分析方法一般具有针对性,缺乏广泛的适应性和扩展性。由于智能科学、信息科学和大数据技术的涌现和发展,使得传统可靠性分析技术难以适应新的需要。因此作者提出了空间故障树理论,目的是分析多因素影响下的系统可靠性变化特征。将空间故障树理论与因素空间理论、云模型、模糊数学及系统稳定性等相结合,使其具有智能分析和故障大数据处理能力,以满足未来技术环境下的分析要求。本文论述了空间故障树和因素空间的发展史及主要理论与功能;以及两种理论结合,描述和分析系统演化过程的可行性。研究表明,空间故障树理论具有良好的扩展性和适应性,可适应未来技术环境,也可作为系统演化过程分析的普适框架。     

基于组合逻辑的故障诊断方法

针对复杂系统故障传播和故障分析的模糊性和不确定性,首先,在逻辑Petri网和模糊Petri网的理论基础上,根据逻辑Petri网的传值不确定性以及模糊Petri网对模糊信息的表示和推理能力的特点,提出模糊逻辑Petri网的概念及推理规则,考虑不同故障源对故障的影响程度,将概率信息引入模糊逻辑Petri网,对故障源赋予置信度,使故障诊断过程更符合实际。其次,利用模糊逻辑Petri网对故障诊断系统进行建模,用模糊逻辑Petri网描述了系统故障状态组合的逻辑关系,并进一步简化了系统模型的表达形式,具有良好的封装性、重构性和可维护性,在一定程度上缓解了状态组合空间爆炸问题。针对故障的传播性,采用可达性分析方法对故障信息的传播路径进行模拟论证,提高了故障诊断效率。最后,通过离心式压缩机故障诊断过程实例分析,验证了该方法的有效性和可行性,提高了故障诊断过程的准确性和高效性。     

空间故障网络及其与空间故障树的转换

空间故障树是一种研究系统可靠性与影响因素关系的理论体系,用树型结构描述元件与系统之间的可靠性关系。但实际故障发生过程是复杂的,难以表示成树型结构,而更为广泛的是网状结构。因此,尝试将空间故障树中的树型结构转换为网络结构,进而形成空间故障网络。给出空间故障网络的定义、性质及其与空间故障树的转换方法。目的是将空间故障网络转换为空间故障树,以利用空间故障树已有研究结果。给出一般结构和多向环结构的空间故障网络,及其转换为空间故障树的方法。为使用空间故障树理论研究一般网络结构故障发生过程提供方法。     

线性熵的系统故障熵模型及其时变研究

为研究系统故障在不同因素叠加时体现的总体规律、故障变化程度和故障信息量，提出系统故障熵的概念。基于线性熵的线性均匀度特性，推导了多因素相被划分为两状态时的线性熵模型。认为线性熵可以表征系统故障熵，进而研究了系统故障熵的时变特征。对连续时间间隔内的不同因素状态叠加下系统故障进行统计，得到系统故障概率分布，绘制系统故障熵时变曲线。从结果来看至少可以完成3项任务:从变化规律得到考虑不同因素影响下的系统故障熵变化情况，系统故障熵的总体变化规律，系统可靠性的稳定性。此研究可应用于类似情况下的各领域故障及数据分析。     

因素表示的信息空间与广义概率逻辑

国内外近年来所提出的广义概率逻辑对于人工智能的发展有重要意义。能否反映变换演化的实际场景，使逻辑判断能够灵活变通，这是广义概率逻辑发展的关键。为了解决这一问题，本文的目是以信息空间作为逻辑与实际场景的接口。有了这个接口，逻辑判断就能反映变幻莫测的实际场景。本文的方法是用因素空间来定义表现论域以形成新的信息空间，将谓词中的变元取为因素，在已有的逻辑系统中加上本文所提出的背景公理，所有的推理都是在一定背景之下的推理，不同的背景会推出不同的结论。结果是新的逻辑既能维系Stone表示定理的表现要求，又能变得更加灵活有效。结论能使广义概率逻辑更有效地服务于人工智能。为了配合机制主义人工智能的需要，本文还特别提出了语法-语用对接的方法和目标驱动的逆向推理设想，最后为泛逻辑的3种连续算子对进行了数学证明。     

安全科学中的故障信息转换定律

为在安全科学领域实现从故障信息到安全决策过程,本文提出了安全科学中的故障信息转化定律。安全科学核心之一是系统可靠性。随着信息数据和智能科学的发展,系统可靠性理论也应跟随并发展。信息生态方法论是不同于传统机械还原论的方法论,可全方位研究故障信息。因素空间理论是基于因素的智能科学数学基础。空间故障树理论则是研究可靠性与因素关系的系统科学方法。因此三者在因素、系统变化及其特征研究方面具有天然的集成性。分别提供了研究系统可靠性的方法论、智能数学基础和具体实施平台。信息生态方法论和因素空间理论可指导并融入空间故障树理论的发展。从而为安全科学基础理论提供符合信息和智能科学的系统可靠性分析理念和方法,为安全科学的信息化及智能化作出尝试。