[发明专利]基于ER规则的船舶电力推进系统关键功能单元辨识方法

权利要求书

1.基于ER规则的船舶电力推进系统关键功能单元辨识方法，其特征在于，

首先，基于复杂网络对船舶电力推进系统进行抽象化建模，构建系统级复杂网络，利用Newman快速算法将其划分成多个模块级子网络；

其次，分别计算系统级网络与模块级子网络的多个节点重要度指标，并转化为证据；

然后，通过计算证据之间的支持度得到证据重要性权重，利用证据源的波动计算得到证据可靠性因子，进而通过ER规则将多个证据进行融合，得到融合后的证据；

最后，根据证据建立节点重要度排序评价函数，基于此得到系统级网络与模块级网络的节点重要度排序，得到节点的综合重要度；

该方法具体包括以下步骤：

(1)对船舶电力推进系统进行抽象化建模，以各功能单元为节点，功能单元之间的关系为边，构建得到系统级复杂网络Net^system＝{E,V}，其中，E表示边集合，V表示节点集合；

(2)利用Newman快速算法将系统级网络进行社团划分，得到C个模块级子网络Net^moudle1，Net^moudle2，…，Net^moudleC；

(3)分别计算系统级网络与模块级网络中各个节点的节点重要度指标，包括：度中心性C_D、特征向量中心性C_E、介数中心性C_B和接近度中心性C_c；

(4)分别将系统级网络与模块级网络的各项节点重要度评价指标转化为证据，具体步骤如下：

(4-1)构建节点重要度评估模型，构建辨识框架为{重要,不重要}，数学表示为Θ＝{H,L}，其中Θ为辨识框架，H代表重要程度，L代表不重要程度；

(4-2)将节点的度中心性、介数中心性、接近度中心性与特征向量中心性视为节点属性值，并将其转换为信度函数的形式，得到的信度函数即所需的证据；

(5)分别将系统级网络得到的证据与模块级网络得到的证据进行ER规则融合，具体步骤如下：

(5-1)获取多个证据之间的相对支持度，具体计算如下：

对于辨识框架Θ，将每个证据看做在高维空间中的一个点或者是一个向量，假设m₁、m₂是在辨识框架Θ上的两个证据，把证据用向量表示为和则m₁与m₂之间的Jousselme距离计算如下：

证据m_i、m_j之间的相似性测度计算如下：

sim(m_i,m_j)＝1-d_BPA(m_i,m_j)

系统对证据m_i的可信度计算如下：

其中，n是证据的总条数，sup(m_i)是证据m_i的支持度，反映是m_i被其他证据支持的程度，将其归一化之后得到证据的可信度；

(5-2)计算ER规则中第j个证据e_j的重要性权重w_j与可靠性因子r_j，具体计算如下：

重要性权重w_j是证据e_j相对于其他证据的相对重要程度，重要性权重可由证据的支持度确定：

w_j＝crd(m_j)

在ER规则中，证据可靠性因子是对给定问题能够提供的一种精确评估的能力，在基于ER规则的节点重要度评估模型中，证据可靠性因子r_j计算如下：

A_max＝max{C₁,C₂,...,C_n′}

其中，n′为复杂网络中包含的节点数，T_max为理论上由该证据e_j得出第j个属性的最大值，A_max为实际网络中由该证据e_j得出该属性的最大值，r_j反映了该属性波动的大小；

(5-3)利用ER规则对多条证据进行融合；

(5-4)利用ER规则融合即可得到系统级网络与模块级网络的节点重要度；

(6)对节点的重要度进行综合评估，具体如下：

将步骤(5)中得到的系统级网络得到的证据p_θ,e(K)^system与模块级网络得到的证据p_θ,e(K)^moudle如下进行计算，得到最终的节点v_i重要度如下：

I(v_i)＝αI_system(v_i)+βI_moudle(v_i)

其中，p_θ,e(K)^system(H)是系统级证据p_θ,e(K)^system中代表重要的部分，p_θ,e(K)^system(L)是代表不重要的部分，p_θ,e(K)^system(Θ)是代表不确定的部分，p_θ,e(K)^moudle(H)是模块级证据p_θ,e(K)^moudle中代表重要的部分，p_θ,e(K)^moudle(L)是代表不重要的部分，p_θ,e(K)^moudle(Θ)是代表不确定的部分，I_system(v_i)是节点v_i系统级节点重要度，I_moudle(v_i)是节点v_i模块级节点重要度，I(v_i)为节点v_i最终的节点重要度；

(7)根据节点重要度排序，即可获取船舶电力推进系统的若干关键功能单元。

2.根据权利要求1所述的基于ER规则的船舶电力推进系统关键功能单元辨识方法，其特征在于：以节点v_i为例，其各项指标计算如下所示：

度中心性计算：

其中，N为网络含有的节点总数，k_i为节点v_i的度；

介数中心性计算：

其中，B_i为节点v_i的介数，n_jl为节点v_j与v_l之间的最短路径条数，n_jl(i)为节点v_j与v_l之间的最短路径经过节点v_i的条数；

接近度中心性计算：

其中，d_ij为节点v_i到节点v_j的距离；

特征向量中心性计算：

Ax＝λx

C_E(v_i)＝x_i

其中，A为网络的邻接矩阵。