一种基于sysML和知识图谱的贝叶斯分析方法及装置与流程

摘要: 本发明涉及系统工程数据处理,尤其涉及一种基于sysml和知识图谱的贝叶斯分析方法及装置。背景技术:1、随着国内外mbse数字化研制相关的方法、技术、软件工具等方...
一种基于sysML和知识图谱的贝叶斯分析方法及装置与流程

本发明涉及系统工程数据处理,尤其涉及一种基于sysml和知识图谱的贝叶斯分析方法及装置。

背景技术:

1、随着国内外mbse数字化研制相关的方法、技术、软件工具等方面都得到的广泛研究和应用,并从功能性能的需求定义、设计分析等领域逐步扩展到项目管理、成本管理、通用质量特性等专业领域。目前mbse的研究和应用在我国各行业主要以系统/产品的设计和分析为主,并逐步向通用质量特性等领域扩展,但基于mbse的通用质量特性保证整体上处于起步、探索和初步应用阶段。

2、系统建模语言sysml(system modeling language)为mbse提供了一种强大的工具,可用于精确表达复杂系统,并解决安全性、可靠性等相关技术问题。由于系统建模语言本身并不支持贝叶斯网络分析等量化分析方法,这在很大程度上限制了直接利用系统建模语言构建贝叶斯网络。但是得益于系统建模语言的扩展机制,目前已经有一些研究通过对系统建模语言模型进行扩展使其能够从内部模块图、状态机图中获取生成贝叶斯网络所需的逻辑信息,但是这种方法的自动化水平较低,无法实现直接生成贝叶斯网络。

3、同时,在现代工程与复杂系统可靠性分析中,知识图谱核心承担知识记录与关系存储功能,既可单独生成贝叶斯网络(bn),也能与sysml融合构建bn;二者结合后,可显著提升系统故障分析、风险预测及决策支持的整体能力。

技术实现思路

1、本发明所要解决的技术问题在于,提供一种基于sysml和知识图谱的贝叶斯分析方法及装置,包括解析sysml系统模型,自动提取系统结构、接口及冗余关系,生成贝叶斯网络节点连接关系;对贝叶斯网络节点连接关系进行逻辑优化,合并冗余节点、识别表决/储备门,得到最小化的优化图结构;引入知识图谱补充故障因果关系与概率参数,构建贝叶斯网络模型;利用贝叶斯反向推理,量化各节点对顶层故障的贡献度,输出故障传播路径、薄弱环节及冗余设计方案。本发明替代传统人工搭建故障模型的方式,实现复杂系统可靠性定量分析全流程自动化,显著提升故障预测、定位和设计优化效率,可广泛应用于航天、轨道交通、核电等高安全领域。

2、为了解决上述技术问题,本发明实施例第一方面公开了一种贝叶斯分析方法,所述方法包括:

3、获取待处理数据信息;

4、对所述待处理数据信息进行模型搭建处理,得到模型搭建信息;

5、对所述模型搭建信息进行结构识别处理,得到模型识别结果信息;

6、对所述模型识别结果信息进行后处理,得到贝叶斯结果信息。

7、作为一种可选的实施方式,在本发明实施例第一方面中,所述对所述模型搭建信息进行结构识别处理,得到模型识别结果信息,包括:

8、对所述模型搭建信息进行信息提取处理,得到模型节点信息;所述模型节点信息包括若干个节点信息;

9、对所述模型节点信息进行处理,得到模型识别结果信息。

10、作为一种可选的实施方式,在本发明实施例第一方面中,所述对所述模型识别结果信息进行后处理,得到贝叶斯结果信息,包括:

11、对所述模型识别结果信息进行优化处理,得到优化模型数据信息;

12、对所述优化模型数据信息进行处理,得到贝叶斯结果信息。

13、本发明实施例第二方面公开了一种基于sysml和知识图谱的贝叶斯分析方法,所述方法包括:

14、s1,获取待处理系统建模语言模型信息;

15、s2,对所述待处理系统建模语言模型信息进行处理,得到贝叶斯网络节点连接关系信息;

16、s3,对所述贝叶斯网络节点连接关系信息进行处理,得到目标贝叶斯网络信息;

17、s4,对所述目标贝叶斯网络进行处理,得到目标贝叶斯网络信息模型结果信息。

18、作为一种可选的实施方式,在本发明实施例第二方面中,所述对所述待处理系统建模语言模型信息进行处理,得到贝叶斯网络节点连接关系信息,包括:

19、s21,对所述待处理系统建模语言模型信息进行信息提取处理,得到模型节点信息;所述模型节点信息包括若干个节点信息;

20、s22,对所述模型节点信息进行处理,得到贝叶斯网络节点连接关系信息。

21、作为一种可选的实施方式,在本发明实施例第二方面中,所述对所述模型节点信息进行处理,得到贝叶斯网络节点连接关系信息,包括:

22、s221,对所述模型节点信息进行遍历处理,得到逻辑门节点信息;所述逻辑门节点信息为所述模型节点信息中所有所述节点信息中不存在前继节点信息的所述节点信息;

23、s222,将所述逻辑门节点信息加入到逻辑门队列信息中;

24、s223,判断所述逻辑门节点信息中后继节点信息的数量是否大于1,得到第一判断结果;

25、当所述第一判断结果为否时,判断所述逻辑门节点信息中所述后继节点信息的数量是否小于1,得到第二判断结果;

26、当所述第二判断结果为否时,对所述逻辑门节点信息和所述后继节点信息进行第一标记和合并处理,得到或门信息;将所述或门信息加入到逻辑门列表信息中,执行s226;

27、当所述第二判断结果为是时,确定所述逻辑门节点信息为基本事件信息;将所述基本事件信息加入到所述逻辑门列表信息中,执行s227;

28、当所述第一判断结果为是时,执行s224;

29、s224,判断任一所述后继节点信息中是否存在冗余信息,得到第三判断结果;

30、当所述第三判断结果为是时,对所述逻辑门节点信息和所有所述后继节点信息进行第二标记和合并处理,得到储备门信息;将所述储备门信息加入到所述逻辑门列表信息中,执行s226;

31、当所述第三判断结果为否时,执行s225;

32、s225,判断任一所述后继节点信息中是否存在表决信息,得到第四判断结果;

33、当所述第四判断结果为是时,对所述逻辑门节点信息和所有所述后继节点信息进行第三标记和合并处理,得到表决门信息;将所述表决门信息加入到所述逻辑门列表信息中;

34、当所述第四判断结果为否时,对所述逻辑门节点信息和所有所述后继节点信息进行第四标记和合并处理,得到并联信息;将所述并联信息加入到所述逻辑门列表信息中;

35、s226,将所有所述后继节点信息加入到所述逻辑门队列信息中;

36、s227,将所述逻辑门节点信息从所述逻辑门队列信息中进行剔除;

37、s228,判断所述逻辑门队列信息是否存在所述后继节点信息,得到第五判断结果;

38、当所述第五判断结果为是时,确定所述逻辑门队列信息中任一所述后继节点信息为所述逻辑门节点信息,执行s223;

39、当所述第五判断结果为否时,执行s229;

40、s229,对所述逻辑门列表信息进行处理,得到贝叶斯网络节点连接关系信息。

41、作为一种可选的实施方式,在本发明实施例第二方面中,所述对所述贝叶斯网络节点连接关系信息进行处理,得到目标贝叶斯网络信息,包括:

42、s31,对所述贝叶斯网络节点连接关系信息进行处理,得到优化贝叶斯网络节点连接关系信息;

43、s32,对所述优化贝叶斯网络节点连接关系信息进行处理,得到目标贝叶斯网络信息。

44、本发明实施例第三方面公开了一种基于知识图谱的贝叶斯分析方法,所述方法包括:

45、获取待处理知识图谱信息;

46、对所述待处理知识图谱信息进行处理,得到知识图谱信息;

47、对所述知识图谱信息进行优化处理,得到目标知识图谱信息;

48、对所述目标知识图谱信息进行处理,得到目标知识图谱结果信息。

49、作为一种可选的实施方式,在本发明实施例第三方面中,所述对所述待处理知识图谱信息进行处理,得到知识图谱信息,包括:

50、对所述待处理知识图谱信息进行信息提取处理,得到模型节点信息;所述模型节点信息包括若干个节点信息;

51、对所述模型节点信息进行处理,得到知识图谱信息。

52、本发明实施例第四方面公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明实施例第二方面中任一项所述的基于sysml和知识图谱的贝叶斯分析方法的部分或全部步骤。

53、与现有技术相比,本发明实施例具有以下有益效果:

54、在复杂系统可靠性设计及工程项目设计制造、可靠性专业等领域工作中,基于sysml能够自动构建高效准确的贝叶斯网络,为相关工作提供强有力支撑;同时,通过知识图谱构建贝叶斯网络信息,可进一步提升系统的故障分析、风险预测与决策支持能力。

55、通过贝叶斯分析,对知识图谱和目标贝叶斯网络进行反向推理,有助于量化每个潜在故障节点对目标故障的贡献度,提供科学决策支持。通过贝叶斯分析,根据已知故障信息和逻辑关系对贝叶斯网络模型进行自动反向推理,有助于量化每个潜在故障节点对目标故障的贡献度,提供科学决策支持。