2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩47頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、故障樹分析(FaultTreeAnalysis,F(xiàn)TA)方法是當(dāng)今安全系統(tǒng)工程的主要分析方法之一,廣泛應(yīng)用于航天航空、軍事應(yīng)用、工業(yè)生成、交通控制、醫(yī)療器械等領(lǐng)域。在現(xiàn)有的分析方法中,基于二元決策圖(BinaryDecisionDiagram,BDD)分析方法是其中最有效的方法之一。
  故障樹BDD分析方法包含變量排序,BDD轉(zhuǎn)換和BDD評價(jià)三個(gè)步驟。而BDD轉(zhuǎn)換和BDD評價(jià)的計(jì)算復(fù)雜度都和BDD的尺度呈線性相關(guān),因此其關(guān)鍵的問

2、題就在于如何快速的生成尺度盡可能小的等價(jià)BDD。而BDD尺度的大小取決于對故障樹中布爾變量的排序,一個(gè)好的變量排序能夠把一個(gè)大尺度的布爾表達(dá)式轉(zhuǎn)換成一個(gè)小尺度的等價(jià)BDD。生成最小尺度BDD的變量排序成為最優(yōu)變量排序。已有的研究證明,獲得布爾表達(dá)式最優(yōu)變量排序是一個(gè)NP-Complete問題,在實(shí)際故障樹分析過程中往往采用啟發(fā)式變量排序方法尋找近似最優(yōu)變量排序,從而減小BDD分析的復(fù)雜度。設(shè)計(jì)高性能的啟發(fā)式變量排序方法并進(jìn)行性能分析是當(dāng)

3、前研究熱點(diǎn),本文在這方面展開了細(xì)致深入的研究,具體的研究工作包括以下幾個(gè)方面:
  1)針對故障樹分析方法研究中存在的故障樹簡化和變量排序問題,從重復(fù)變量節(jié)點(diǎn)消減方面討論故障樹的簡化,擴(kuò)展了布爾代數(shù)運(yùn)算律(冪等律、吸收律、分配律)得到更一般的簡化規(guī)則,并結(jié)合模塊化思想實(shí)現(xiàn)了簡化算法;然后重點(diǎn)研究簡化故障樹(SimplifiedFaultTree,SFT)的變量排序,比較了兩種廣泛應(yīng)用的策略(DF和TDLR)的性能,分析了重組技術(shù)對

4、兩種變量排序策略性能的影響,論證了DF策略的優(yōu)越性。
  2)以啟發(fā)式變量排序中故障樹結(jié)構(gòu)特征的核心要素“重復(fù)變量”為基礎(chǔ),針對無重復(fù)故障樹(FaultTreewithoutRepeatedvariables,NRFT),基于隨機(jī)生成的大量NRFT樣本,本文對DF策略和TDLR策略進(jìn)行性能比較,實(shí)驗(yàn)數(shù)據(jù)表明:可知對于各種尺度的NRFT樣本,DF策略對應(yīng)的等價(jià)BDD尺度≤TDLR策略對應(yīng)的等價(jià)BDD尺度;并且隨著NRFT規(guī)模不斷增加

5、,TDLR策略生成較小等價(jià)BDD的概率趨向于0。對于各種尺度的NRFT樣本,DF策略、PDF策略和WDF策略性能相同,即對于NRFT深度優(yōu)先遍歷策略的優(yōu)先級機(jī)制和權(quán)值機(jī)制并不能夠起作用。最后,在實(shí)驗(yàn)結(jié)果的基礎(chǔ)上證明了深度優(yōu)先遍歷策略是NRFT的最優(yōu)變量排序策略。
  3)針對帶重復(fù)故障樹(FaultTreewithRepeatedvariables,RFT),基于模塊化思想,本文給出一個(gè)新的RFT啟發(fā)式變量排序策略,論證了該策略能

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論