一种基于多智能体的复杂系统可靠性评估方法
专利汇可以提供一种基于多智能体的复杂系统可靠性评估方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于多智能体(Agent)的复杂系统可靠性评估方法。步骤如下：1.基于Agent的复杂系统要素抽象，根据复杂系统的组成，将其各要素抽象为管理类、系统类、保障类3类Agent。2.构建基于混合递阶的Agent交互结构，采用混合递阶结构，建立集中式主控协同与分布式局部协同的交互结构。3.要素功能行为建模，根据Agent的功能及交互规则，建立Agent的生命状态图。4.要素故障行为建模，建立Agent的单元级RBD模型，并将单元随机抽样的故障时间作为故障时钟存量。5.系统恢复行为建模，根据破坏程度进行系统重构和维修，设置维修成功率并通过抽样获取维修时间。6.建立复杂系统可靠性评估机制，进行基于复杂系统Agent模型的蒙特卡洛仿真，按Rs＝ns/n求解复杂系统可靠度。，下面是一种基于多智能体的复杂系统可靠性评估方法专利的具体信息内容。
1.基于多智能体(Agent)的复杂系统可靠性评估方法，其特征在于：它包含以下步骤：
第一步：基于Agent的复杂系统要素抽象：按照复杂系统要素组成，将系统中的信息采集过程、控制管理过程、决策过程抽象为管理类Agent，将复杂系统中执行正常功能/保障功能的要素抽象为系统类/保障类Agent。
第二步：构建基于混合递阶的Agent交互结构：采用混合递阶结构，由决策类、信息采集类和控制类等三类管理类Agent进行主控协同，系统类Agent和保障类Agent作为任务的执行层，通过局部协同完成相应任务。
第三步：要素功能行为建模：明确Agent生命周期内的功能行为及Agent间的交互规则，建立Agent的生命状态图，并根据状态图定义Agent的消息机制、决策机制和动作输出机制。
第四步：要素故障行为建模：建立Agent对应单元的可靠性框图(RBD)模型，将各单元随机抽样获得的故障时间Sij作为动力学消耗的故障时钟存量，存量消耗完毕时，该单元转换为故障状态并在RBD模型中移除，在最后一个被移除单元的故障时刻触发Agent的故障事件。
第五步：系统恢复行为建模：决策类Agent根据破坏程度进行系统重构和维修评估，转入维修流程后维修保障类Agent根据维修成功率P判定维修是否成功，如果成功，按照故障单元维修时间所服从的分布抽样获取维修所需时间，如果失败直接转入死亡状态。
第六步：进行基于蒙特卡洛的复杂系统可靠性评估：设置复杂系统单次任务成功判据，进行基于复杂系统Agent模型的蒙特卡洛仿真，统计仿真过程中的任务成功次数和总仿真次数，按Rs＝ns/n求解复杂系统可靠度。
2.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第一步中所述的“基于Agent的复杂系统要素抽象”中，考虑复杂系统的结构、破坏和恢复的高度不确定性，将系统中的信息采集过程、控制管理过程、决策过程抽象为管理类Agent，管理类Agent为虚拟类Agent，负责复杂系统的运行逻辑。将复杂系统中执行正常功能/保障功能的要素抽象为系统类/保障类Agent，系统类/保障类Agent为实体类Agent，负责描述各要素在执行任务中的多态功能与故障行为。
3.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第二步中所述的“构建基于混合递阶的Agent交互结构”中，基于混合递阶方式，构建集中式主控协同与分布式局部协同的两阶Agent交互结构。采用决策类、信息采集类和控制类等三类管理类Agent进行主控协同。分别负责任务解析，信息监控与传递；根据任务分解情况，系统类Agent和保障类Agent作为不同任务的执行层，通过局部协同完成相应任务。
4.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第三步中所述的“要素功能行为建模”中，定义各类Agent的属性，明确Agent生命周期内的功能行为，以及多个Agent之间的交互规则，从而建立Agent的生命状态图，在此基础上，根据状态图定义Agent的消息机制、决策机制和动作输出机制。
5.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第四步中所述的“要素故障行为建模”中，建立Agent对应要素的可靠性框图(RBD)模型，然后根据要素组成单元所服从的寿命分布通过随机抽样获得该单元的故障时间Sij，将其作为动力学消耗的故障时钟，设定时间消耗率vij＝1/Sij，当该单元的存量消耗完毕时，将该单元转换为故障状态，并按单元故障时间顺序移除RBD框图中的相应单元，一旦要素不可靠，则在最后一个被移除单元的故障时刻触发Agent的故障事件。
6.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第五步中所述的“系统恢复行为建模”中，当Agent发生故障后，首先信息采集类Agent将Agent破坏程度传递给决策类Agent，由决策类Agent确定能力损失情况并按照相应算法求解重构策略，可用Agent根据重构策略更改自身任务保证系统运行。然后决策类Agent判断如果故障Agent已损失或者不具备维修条件，将其转为死亡状态，否则转入维修环节，激活其维修流程，由决策类Agent制定相应维修策略并经控制类Agent向相关的维修保障类Agent发出信号，指导其对处于故障状态的Agent进行维修。根据维修成功率P判定维修是否成功，如果成功，按照故障单元维修时间所服从的分布抽样获取维修所需时间，如果失败则转入死亡状态。
7.根据权利要求1所述的一种基于多Agent的复杂系统可靠性评估方法，其特征在于：
在第六步中所述的“建立复杂系统可靠性评估机制”中，在建立起基于多Agent的复杂系统模型后，按照规定时间和规定条件下完成规定的任务的方式设置复杂系统单次任务成功判据，然后给出随机种子，进行基于复杂系统Agent模型的蒙特卡洛仿真，统计仿真过程中的任务成功次数和总仿真次数，按Rs＝ns/n求解复杂系统可靠度，式中ns为任务成功的仿真次数，n为仿真次数，Rs为系统可靠度。
一种基于多智能体的复杂系统可靠性评估方法
所属技术领域
背景技术
发明内容
具体实施方式
6.2、v2＝1/5.6、v3＝1/5，当Agent任务时间进行到5h时，单元A3的故障时钟存量消耗完毕，该单元处于故障状态并在Agent中移除，依据所建立的可靠性框图模型，此时Agent同时发生故障，故障时间S＝5h。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 姿势估计方法、装置、设备及存储介质 | 2020-05-12 | 424 |
| 一种基于双闭环控制的双馈风机整流器阻抗计算方法 | 2020-05-12 | 298 |
| 一种基于三种探鱼模式飞行控制算法的智能钓鱼无人机方法 | 2020-05-08 | 685 |
| 微网能量管理系统模拟测试平台 | 2020-05-12 | 565 |
| 基于深度卷积神经网络的干扰识别模型及智能识别算法 | 2020-05-08 | 904 |
| 一种过激磁限制和过激磁保护动态配合评估方法 | 2020-05-12 | 651 |
| 一种基于鱼眼镜头的单目测距方法 | 2020-05-13 | 740 |
| 机房动环远程控制系统 | 2020-05-11 | 523 |
| 一种基于图像相似度计算的植物生长测量方法、系统及电子设备 | 2020-05-11 | 711 |
| 一种基于Labview的车身控制器自动检测工具及其自动分析方法 | 2020-05-12 | 719 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
