基于云模型的监控系统可靠性仿真分析研究

J4 ›› 2014, Vol. 36 ›› Issue (08): 1430-1434.

基于云模型的监控系统可靠性仿真分析研究

邵英1，袁立军2，庄飚3

(1.海军工程大学电气工程学院，湖北武汉 430033;2.海军驻上海江南造船有限责任公司军代室，上海 200003；3.海军装备研究院，北京 100161)

收稿日期:2012-11-19 修回日期:2013-02-25 出版日期:2014-08-25 发布日期:2014-08-25
基金资助:
国家自然科学基金资助项目（51007093）

Simulation research of monitoring system
reliability based on cloud model

SHAO Ying1,YUAN Lijun2,ZHUANG Biao3

(1.College of Electrical Engineering,Naval University of Engineering,Wuhan 430033;2.Jiangnan Shipyard Co.Ltd Military Representative Office,Shanghai 200003;
3.Navy Academy of Armament,Beijing 100161,China)

Received:2012-11-19 Revised:2013-02-25 Online:2014-08-25 Published:2014-08-25

摘要/Abstract

摘要：

监控系统可靠性的预判长期以来一直没有有效的仿真分析方法。采用云模型理论及故障树分析法（FTA），将影响监控系统可靠性的温度、湿度、电压以及部件自身的适应力等因素变换为环境因子，将元器件可靠性应力效应集成为监控系统的可靠性云模型，进行可靠性建模、仿真和分析，从而得到一种新的监控系统可靠性预判的方法。通过实际监控系统的实验，充分验证了该仿真分析方法的有效性。并进一步根据可靠性指标对系统进行改进，改进后的系统比改进前的系统，在可靠性方面有了明显的提高。

关键词: 云模型, 环境因子, 平均无故障时间, 故障树分析法

Abstract:

There has not been an effective simulation and analysis method for predicting the reliability of monitoring system for a long time.The cloud model theory and the fault tree analysis (FTA) are used to transform elements into environmental factors that affect the reliability of the monitoring system.These elements such as temperature,humidity,voltage and stress of parts can be gathered to meet the entire monitoring system cloud model in order to obtain a new method to predict the reliability of the monitoring system.Through the test of an actual monitoring system, the effectiveness of the simulation and analysis method is fully verified.According to the reliability objective of the monitoring system,the constructor is improved to obtain better reliability effect.

Key words: cloud model;environmental factors;mean time between failures;fault tree analysis

邵英1，袁立军2，庄飚3. 基于云模型的监控系统可靠性仿真分析研究[J]. J4, 2014, 36(08): 1430-1434.

SHAO Ying1,YUAN Lijun2,ZHUANG Biao3. Simulation research of monitoring system
reliability based on cloud model [J]. J4, 2014, 36(08): 1430-1434.

[1]	吴昊天, 关叶青. 基于自然语言云化的TOPSIS方法及其应用[J]. 计算机工程与科学, 2023, 45(03): 565-570.
[2]	吴亦奇, 韩放, 张德军, 何发智, 陈壹林. 基于特征通道和空间位置注意力的三维点云特征学习网络[J]. 计算机工程与科学, 2022, 44(07): 1239-1246.
[3]	魏连锁，胡现成，陈齐齐，韩建. 基于新混沌与矩阵卷积运算的彩色图像加密算法[J]. 计算机工程与科学, 2020, 42(01): 80-88.
[4]	刘妮，张志毅. 相似性维数在点云中的应用[J]. 计算机工程与科学, 2019, 41(09): 1635-1641.
[5]	刘磊,宋家友. 故障样本的多指标集成加权分配方法[J]. 计算机工程与科学, 2019, 41(04): 744-749.
[6]	唐湘滟1，蔡宽麒2，程杰仁1,3，刘博艺1,4. 基于智能算法的技术等级评估方法研究[J]. 计算机工程与科学, 2018, 40(01): 165-174.
[7]	汪军，朱建军，覃朗. 基于云模型熟悉相似度的协同过滤推荐算法[J]. 计算机工程与科学, 2017, 39(11): 2102-2108.
[8]	袁华1，刘文怡1，王肖霞2. 基于直觉模糊云模型的TOPSIS多属性决策方法[J]. 计算机工程与科学, 2017, 39(03): 605-610.
[9]	廖列法，黎晨，孟祥茂. 基于欧氏空间相似度的云模型协同过滤算法[J]. J4, 2015, 37(10): 1977-1982.
[10]	陈平华，陈传瑜. 基于云模型的用户双重聚类推荐算法[J]. J4, 2015, 37(07): 1245-1251.
[11]	刘发升，洪营. 基于用户特征属性和云模型的协同过滤推荐算法[J]. J4, 2014, 36(06): 1172-1176.
[12]	张拥军1，2,唐俊2. 基于云模型的网络安全态势分析与评估[J]. J4, 2014, 36(01): 63-67.
[13]	周小毛,杜海清,刘勇. 基于云模型的流媒体业务QoS-QoE映射模型[J]. J4, 2013, 35(10): 104-109.
[14]	秦昳，卢强，黄士坦. 基于云理论和信息融合理论的系统性能评估方法研究[J]. J4, 2012, 34(2): 181-185.
[15]	王晓堤，桑婧. 基于云模型的时间修正协同过滤推荐算法[J]. J4, 2012, 34(12): 160-163.