-
公开(公告)号：CN117291034A
公开(公告)日：2023-12-26
申请号：CN202311254555.4
申请日：2023-09-27
申请人： 国网福建省电力有限公司 , 中国电力科学研究院有限公司 , 北京航空航天大学
IPC分类号： G06F30/20 , G06Q50/06 , G06F119/02
摘要： 本发明公开了一种电力调度系统的脆弱节点评估方法，涉及电力系统故障分析技术领域，采用构建包含多个节点的配置层、功能层和任务层的静态网络；将离散化后的原始数据通过马尔科夫转移矩阵转化为邻接矩阵，再转化成高维向量，并加入概率属性得到动态网络模型；再采用深度优先遍历的方式递归遍历整条任务链路，记录各个节点的失效次数{Fn}和运行次数{Rn}；依据公式M＝Fn/Rn，计算各节点的脆弱度；本发明还提供了一种能够运行上述方法的电力调度系统的脆弱节点评估系统和存储介质；得出网络中的脆弱节点分布，为基于故障注入的测试、系统可靠性综合评估等方法提供对象和依据。
-
公开(公告)号：CN117557245A
公开(公告)日：2024-02-13
申请号：CN202311263922.7
申请日：2023-09-27
申请人： 北京航空航天大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网电力科学研究院有限公司
发明人： 杨顺昆 , 孙璐 , 段峙宇 , 李宇佳 , 宫玲琳 , 徐鑫 , 卫泽晨 , 范海威 , 李思远 , 陈斌 , 李泽科 , 陈俊涛 , 王南洋 , 陈建洪 , 吴毅翔 , 雷宝龙 , 陈鹏
IPC分类号： G06Q10/20 , G06Q10/0635 , G06Q10/04 , G06Q50/06 , G06F16/35 , G06F16/36 , G06F18/2431 , G06F40/30 , G06N5/02 , G06N5/04 , G06N3/045 , G06N3/0475 , G06N3/092 , G06N3/094
摘要： 本发明提供了一种基于FMECA的电网系统定级方法、系统及存储介质，包括如下步骤：S1：根据故障数据库中的已有故障信息选取部分的故障案例进行故障模式影响和危害性分析；S2：对选出的故障案例进行初步的定义定级；S3：对故障数据库中的所有数据进行实体识别与关系抽取，进行知识图谱的构建；S4：根据构建的知识图谱和初步的定义定级结果，运用知识图谱的知识推理功能，对故障库中其余案例进行系统状态级别确定；S5：对知识图谱进行预测，确定所有故障案例的状态级别。本发明通过使用知识图谱推理手段提高使用FMECA对系统定义定级过程中的效率和准确性，同时减少人力和物力资源的消耗，降低FMECA过程中的主观性。
-
公开(公告)号：CN117557127A
公开(公告)日：2024-02-13
申请号：CN202311263921.2
申请日：2023-09-27
申请人： 北京航空航天大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网电力科学研究院有限公司
发明人： 杨顺昆 , 段峙宇 , 石灿玮 , 宫玲琳 , 刘芳 , 李宇佳 , 夏文岳 , 陈斌 , 李泽科 , 徐鑫 , 卫泽晨 , 董根源 , 李思远 , 徐志光 , 丁凌龙 , 雷宝龙 , 陈鹏
IPC分类号： G06Q10/0639 , G06Q10/0635 , G06Q10/20 , G06Q50/06 , G06F18/241 , G06F18/25 , G06F16/2458 , G06F16/901 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06F123/02
摘要： 本发明提供了一种电网调度系统支撑平台可靠性评估方法、系统及存储介质，包括如下步骤：S1：分析支撑平台，建立邻接矩阵和度矩阵S2：搜集支撑平台故障案例，将故障注入支撑平台；S3：将故障对应的级别与故障数据对应存入时序数据库；S4：分析各服务节点的可靠性标签；S5：进行多模态故障数据集构建；S6：构建多通道图卷积网络用于半监督节点分类任务结合图卷积与通道注意力机制，融合多通道特征，得到多通道图卷积网络模型；S7：利用预处理后数据集对模型进行训练和测试；S8：将新的系统数据输入至训练好的模型中，进行平台可靠性评估。本发明方法适用于进行在标签不完整的情况下不同工作条件的支撑平台可靠性等级评估。
-
公开(公告)号：CN112487592A
公开(公告)日：2021-03-12
申请号：CN202011486520.X
申请日：2020-12-16
申请人： 北京航空航天大学
IPC分类号： G06F30/18 , G06F30/27 , G06N7/00 , G06F111/02 , G06F111/08 , G06F119/02
摘要： 本发明提供了一种基于贝叶斯网络的任务可靠性建模分析方法，包括：步骤一，建立系统任务，获取执行当前任务所需系统中的模块和各模块间的逻辑关系；步骤二，基于贝叶斯网络对任务可靠性建立初始模型；步骤三，结合模块和模块间的逻辑关系对初始模型进行结构和参数学习，得到可靠性分析模型；步骤四，基于可靠性分析模型对待分析任务进行可靠性仿真，得到任务执行结果；步骤五，对任务仿真的可靠度进行分析，识别出任务执行中的关键模块。本发明可对网络化系统进行可靠性预计，在任务早期即可对其可靠性进行指标评估，找出当前任务的关键环节，指导技术人员在任务进行过程中对其可靠性关键环节重点关注，以提升任务的完成质量。
-
公开(公告)号：CN115525540A
公开(公告)日：2022-12-27
申请号：CN202211005362.0
申请日：2022-08-22
申请人： 北京航空航天大学
摘要： 本发明提出一种抗空间辐射效应的软件可靠性迁移融合分析方法，步骤如下：1、建立单粒子辐射效应仿真模型，计算粒子能谱，仿真得到单粒子翻转速率；2、建立采用不同设计模式的软件系统可靠性分析模型，得到给定设计模式和单粒子翻转速率下的可靠度值；3、对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理；4、搭建卷积神经网络，利用预处理后的空间辐射数据和可靠度仿真数据进行训练和测试，得到预训练模型；5、利用S4中预训练模型的网络结构和参数初始化目标网络；用少量真实可靠度数据继续训练目标网络，采用基于花授粉优化算法的冻结机制指导微调，完成迁移学习，实现仿真模型特征与真实数据的融合。
-
公开(公告)号：CN118012004A
公开(公告)日：2024-05-10
申请号：CN202410112127.6
申请日：2024-01-26
申请人： 北京航空航天大学
摘要： 本发明提出一种基于自适应共振拓扑网络的多目标测试数据生成方法，该方法将测试飞行器在什么样的外界干扰或自身系统故障条件下会同时接近不可靠或不安全状态的多个指标阈值视为黑盒优化测试问题，通过优化算法生成测试数据，测试在不同的干扰条件下飞行器的状态。该类黑盒优化问题属于多模态多目标优化问题，可利用基于自适应共振拓扑网络的多模态多目标粒子群优化算法解决该测试问题，将飞行器遭遇的外界干扰变量参数组合视为粒子位置，通过迭代更新粒子位置找出最优参数组合。本发明能够在某些测试次数有限或测试代价昂贵的条件下，利用更少的测试数据和更短的测试时间，快速找出区分飞行器可靠和不可靠状态的干扰变量取值边界。
-
公开(公告)号：CN114253853A
公开(公告)日：2022-03-29
申请号：CN202111573144.2
申请日：2021-12-21
申请人： 北京航空航天大学
IPC分类号： G06F11/36
摘要： 本发明公开了一种基于网络谱的软件故障定位方法，包括如下步骤：收集待测软件源代码；基于逆向工程建立软件网络；设计软件测试用例并执行，记录其覆盖信息和执行结果，建立模块级的程序谱；基于程序谱扩展建立的软件网络，建立包含程序谱信息的网络谱；基于路径相似度分析，对网络谱规模进行约简，实现特征降维；基于约简后的网络谱，构建特征矩阵和代表软件网络结构的邻接矩阵；基于邻接矩阵和特征矩阵，使用图神经网络进行软件故障定位。本发明可以完成对基于网络谱的软件故障定位技术的构建。本发明可以帮助软件测试人员在测试中加速软件故障的定位，进而对软件进行更新，提高其使用可靠性，具有实用价值。
-
公开(公告)号：CN112464496A
公开(公告)日：2021-03-09
申请号：CN202011487646.9
申请日：2020-12-16
申请人： 北京航空航天大学
IPC分类号： G06F30/20 , G06F111/08 , G06F111/10 , G06F119/02
摘要： 本发明提供了一种基于概率模型检验的设计模式可靠性分析方法，包括：确定系统外部冲击的等级数量和冲击等级对系统影响判断条件；建立系统混合极端运行冲击模型；对混合极端运行冲击模型进行形式化描述，建立冲击层连续时间马尔科夫模型；对不同设计模式抽象进行形式化描述，建立设计模式层连续时间马尔科夫模型；建立冲击层和设计模式层的系统状态和状态转移速率对应关系，构建整体连续时间马尔科夫模型；定义系统的连续随机逻辑属性规约公式；将整体连续马尔科夫模型和连续随机逻辑属性规约输入PRISM，对设计模式进行可靠性验证。本发明可对考虑冲击作用的不同设计模式进行可靠性量化分析和评价，辅助研究人员进行设计模式层面改进及最终决策。
-
公开(公告)号：CN118012004B
公开(公告)日：2024-10-29
申请号：CN202410112127.6
申请日：2024-01-26
申请人： 北京航空航天大学
摘要： 本发明提出一种基于自适应共振拓扑网络的多目标测试数据生成方法，该方法将测试飞行器在什么样的外界干扰或自身系统故障条件下会同时接近不可靠或不安全状态的多个指标阈值视为黑盒优化测试问题，通过优化算法生成测试数据，测试在不同的干扰条件下飞行器的状态。该类黑盒优化问题属于多模态多目标优化问题，可利用基于自适应共振拓扑网络的多模态多目标粒子群优化算法解决该测试问题，将飞行器遭遇的外界干扰变量参数组合视为粒子位置，通过迭代更新粒子位置找出最优参数组合。本发明能够在某些测试次数有限或测试代价昂贵的条件下，利用更少的测试数据和更短的测试时间，快速找出区分飞行器可靠和不可靠状态的干扰变量取值边界。
-
公开(公告)号：CN117992330A
公开(公告)日：2024-05-07
申请号：CN202311125542.7
申请日：2023-09-01
申请人： 北京航空航天大学
IPC分类号： G06F11/36 , G06N3/047 , G06N3/042 , G06F18/2415 , G06F18/2135
摘要： 本发明公开一种基于多任务贝叶斯图神经网络的组合形式化分析方法，属于软件缺陷预测领域；包含程序拓扑结构、代码度量特征、静态分析特征和形式化分析特征的多维融合图特征，结合多任务贝叶斯图神经网络模型进行软件缺陷预测，可深度反映程序的逻辑结构以及潜在的缺陷。可以解决已有的基于深度学习的软件缺陷预测方法无法充分利用软件逻辑信息和代码拓扑结构，导致最终结果精度较低的问题；可以解决已有缺陷预测方法仅能进行单一缺陷预测任务的问题，同时进行软件缺陷倾向性、位置和类型的预测；可以解决已有缺陷预测方法无法给出预测结果不确定性信息的问题。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.059 秒)
