[发明专利]一种考虑成本-可靠性的SRGM决策模型及其构建方法

权利要求书

1.一种考虑成本-可靠性的SRGM决策模型的构建方法，其特征在于，所述考虑成本-可靠性的SRGM决策模型的构建方法包括：

问题的形式化描述：在众多SRGMs中选择具有优秀性能的模型或进行排序，抽象为多属性决策问题；所述问题的形式化描述，还包括：

(1)设FP₁,FP₂,…,FP_K表示待决策的K个模型，即可以是SRGM也可以是TE；对模型在O个失效数据集FDS的评测包括拟合与预测两个方面，拟合指标包括L－1个，预测指标包括1个RE；第i个模型在第j个FDS上的拟合与预测结果向量可表示为：FP_i,j＝[fv_i,1,fv_i,2...fv_i,L-1,pv_i,L],1≤i≤K,1≤j≤O，其中fv_i,n表示第i个模型在第n个拟合指标上的结果值，其中1≤n≤L－1，pv_i,L表示相应的预测结果值；

(2)设FDS集合为DSSet，DSSet＝{FDS_i|1≤i≤O}，其中FDS_i可用如下四元组进行描述，即TYPE,TIME,FAILURE_NUM,TE_VALUE，其中TYPE表示数据集类型，包括含有TE和不含有TE两类；TIME表示失效个数记录时间，用CPU时间、日历时间来记录，以周为单位；与TIME相对应的失效个数用FAILURE_NUM表示，其呈现递增趋势；TE_VALUE表示TE消耗记录值；

(3)设拟合与预测权重设置分别为W_fit,W_pre,满足：W_fit+W_pre＝1，其中W_fit又包括两大类型的拟合标准，即有M个关键标准：CC＝{p_i|1≤i≤M}，N个非关键标准：NCC＝{p_j|1≤j≤N}，满足：M+N＝L﹣1，关键评价指标的权重要高于非关键指标的权重，即满足拟合与预测权重向量W可表示：W＝[W_fit,w_cc1,...,w_cci...w_ccM,w_nc1,...,w_ncj,w_ncN,W_pre],1≤i≤M,1≤j≤N；

这样，涵盖所有标准在内的权重满足下面的归一化关系：

拟合与预测结果标准化处理：设定SRGM性能评测合计共有M+N+1个标准，其中M为常用的拟合标准，N为不常用拟合标准，1个RE预测标准；

SRGM评价体系结构树构建：考虑TE的SRGM在进行评测时，先对TE进行拟合与预测性能评测，进而再对SRGM进行评测；

基于TOPSIS的SRGM决策算法构建：构建考虑成本-可靠性的SRGM评价与选择算法SESABCRC；所述基于TOPSIS的SRGM决策算法的构建，包括：SESABCRC算法由底部的TE向上逐层找到SRGM父节点，分别计算TE和SRGM的评价值，最终输出各个模型的偏序关系，算法由3个部分组成：

(1)初始化部分：对于每个失效数据集，①基于TE和SRGM在FDS上的拟合结果获得两者拟合与预测结果数据，利用公式对数据进行预处理，得到TE和SRGM的加权标准化评测决策矩阵：TE-WSDM和SRGM-WSDM；②利用TE-WSDM和SRGM-WSDM构造一棵SRGM评价体系结构树；

(2)EvaluateSRGMWithTE--评价含有TE的SRGM：在每个失效数据集上，针对所构造的SRGM评价体系结构树，从每个子树开始进行如下操作：①如果是TE节点，则首先利用CaculateEvaValue()函数对该TE进行计算，获得评价结果；②据此TE节点找到其对应的SRGM父节点，基于父节点在SRGM-WSDM中的向量，计算其评价结果；③利用GetFinalValue()函数，对此含有TE的SRGM节点进行计算，获得最终的SRGM排序值；

(3)EvaluateSRGMNoTE--评价不含TE的SRGM：对于不含有TE的SRGM，直接利用CaculateEvaValue()和GetFinalValue()函数得到最终的SRGM排序值；根据实际情况确定两个关键评价函数CaculateEvaValue()和GetFinalValue()的具体内容；

所述函数CaculateEvaValue()和GetFinalValue()，包括：算法中用到函数CaculateEvaValue()对TE和SRGM的评测结果进行评价，其核心是计算模型与特定解的距离；基于序数偏好方法TOPSIS(Technique for Order Preference by Similarity to anIdeal Solution)实现的CaculateEvaValue()函数；

基于序数偏好方法TOPSIS的CaculateEvaValue()函数如下所示：

CaculateEvaValue(ID)

基于模型的评测值构造正理想解POP和负理想解NOP，前者是由所有模型中L个评测指标中最优元素构成，后者则由最差元素构成；

获得模型与POP和NOP的距离D⁺(ID)和D^－(ID)；

计算模型距离理想解的接近程度H，以此作为衡量模型性能的优劣；

GetFinalValue()函数实现最终对SRGM的排序计算，包括考虑和不考虑TE的SRGM；对于前者，首先要评测TE，再评测SRGM，确定最终的SRGM评测值；后者不包含TE，仅是该SRGM的拟合与预测综合评测；对于考虑TE的SRGM评测，可设置TE和SRGM的权重向量w_TE和w_SRGM，满足w_TE+w_SRGM＝1，此时该模型与理解解得接近程度H可计算如下：