论文部分内容阅读
作为大型复杂控制装置的一个重要组成部分,多传感器延时控制系统(Multi-sensor Delay Control System, MDCS系统)负责给出一个关键延时参数的估计值。对MDCS系统性能进行分析和评估是研制者和使用方长期以来关注的重点问题,也是MDCS系统研究领域中的难点。本文运用Bayes小子样理论、凸集理论、数据融合理论、最优化理论、证据理论、决策分析理论等学科知识,围绕MDCS系统的性能分析和评估进行了深入的研究,取得了以下主要成果：1)针对MDCS系统试验次数较少,经典数理统计方法难以对其精度进行有效评估的问题,提出了两种考虑先验信息可信度的Bayes精度估计模型,对所提两种模型的物理意义进行了分析和阐述。通过解析推导,给出了所提两种模型和两种常用Bayes模型之间点估计误差的比较结果,并结合算例仿真,证明了所提两种模型在不同适用范围下的合理有效性。2)利用凸集模型来表征传感器估计值在异常情况下的不确定性,提出了融合决策算法鲁棒性指标的定义,以表征融合决策算法对传感器异常估计值的抑制能力。给出了所提鲁棒性指标的几何意义,对其合理性进行了阐述。推导了已有几种常用决策算法的鲁棒性指标解析表达式,并提出了通用的决策算法鲁棒性指标仿真求解方法。3)在对现有决策算法进行分析的基础上,深入研究了传感器增量设置对并联决策算法综合性能的影响,提出了传感器增量设置的量化方法,并利用遗传算法获得了不同权值组合下的多组Pareto解,从而为制定合理的传感器增量设置策略提供了理论依据。此外,为改善决策算法的鲁棒性,分别提出了两种工程可实现的自适应加权融合算法。4)对于不同决策算法性能的综合评估问题,本文从精度、鲁棒性、有效传感器数目和算法复杂度四个方面对系统决策算法性能进行综合评估。给出了不同区间权重向量之间的相似度定义。在此基础上,综合考虑主观赋值方法和客观赋值方法,提出了基于最小偏差原则的权重分配求解优化方法,并建立了综合评估计算平台。5)针对MDCS系统基础可靠性数据较少,传统故障树分析方法难以进行量化分析的问题,本文利用证据理论和凸集模型相结合的方法,对MDCS系统进行非概率可靠性量化分析。通过基本信任分配来表征底事件发生概率的不确定性,并利用证据推理和故障树的结构函数将这种不确定性逐层传递,获得中间事件和顶事件的概率包络。从而实现了在基础数据匮乏条件下的复杂系统可靠性量化分析。综上所述,本文对MDCS系统进行了系统性的深入研究,取得了积极的研究成果,为MDCS系统性能分析与评估提供了初步的解决方案。