一种基于复杂网络的复杂系统风险评估方法

技术领域

本发明属于复杂系统风险评估领域，涉及一种基于复杂网络的复杂系统风险评估方法。

背景技术

具有自组织、自相似、吸引子、小世界、无标度中部分或全部性质的网络称为复杂网络。复杂网络是研究复杂系统的一种角度和方法，它主要关注系统中个体相互关联的作用。(一种拓扑结构)。随着现在的发展，各种各样的系统都日趋复杂，对其进行风险评估需要考虑的因素也越来越多，导致对系统的风险评估越来越难。传统基于PRA框架的风险评估方法，多少采用和FTA和ET等方法展开，其多是针对某一个点进行风险评估，对于复杂系统进行评估会非常繁琐。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提出一种基于复杂网络的复杂系统风险评估方法，实现了更清晰的了解复杂系统内部的风险传播，同时使复杂系统的风险评估简化。

本发明解决技术的方案是：

一种基于复杂网络的复杂系统风险评估方法，包括：

步骤一、将复杂系统拆分为多个相互关联的子系统，每个子系统作为一个风险节点；

步骤二、对各风险节点进行FMECA分析，获得各风险节点的影响和发生概率；根据各个风险节点发生概率和影响程度，构建P-I概率矩阵；

步骤三、通过P-I概率矩阵得到各风险节点之间的风险传播概率矩阵；

步骤四、基于风险节点间的传播特性，选择合适的复杂网络模型；

步骤五、以风险节点之间的风险传播概率矩阵作为复杂网络模型的输入，对选择的复杂网络模型进行改进，输出风险传播网络图；

步骤六、对得到的风险传播网络图进行评估；当与实际情况不符时，返回步骤三，重新进行风险传播概率矩阵或重新选择复杂网络模型；直至得到的风险传播网络图与实际情况相符，进入步骤七；

步骤七、采用蒙特卡洛算法对符合实际情况的风险传播网络图进行多次计算，以多次计算结果的均值作为风险传播网络图中各风险节点的度分布；用各风险节点的度分布作为各风险节点的评价指标；以各风险节点的评价指标评估各子系统的风险影响。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤一中，将复杂系统拆分子系统时，按照功能或者组成进行子系统结构的拆分。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤二中，构建P-I概率矩阵的方法为：

对各风险节点的出现的概率和影响程度进行分级，得到P-I概率矩阵的行列，实现构建P-I概率矩阵。

在上述的一种基于复杂网络的复杂系统风险评估方法，P-I概率矩阵的构建规则为：

其风险发生概率区间和影响程度，包含所识别的所有风险因素的发生概率区间和影响范围。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤三中，各风险节点之间的风险传播概率矩阵的构建方法为：

制定很高、高、中等、低、很低五个级别；不同级别对应不同的P值，对于影响程度，综合多方面因素对其进行综合评估，包括质量、技术指标、进度和成本方面的影响；综合考虑进行影响程度等级的划分，不同等级对应不同的I值，最后得到风险得分即为风险传播概率矩阵的值P*I；获得风险传播概率矩阵的全部值P*I，即构建完成风险传播概率矩阵。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤四中，复杂网络模型分为4种，分别是规则图、ER随机网络模型、BA无尺度网络模型和小世界网络模型；

规则图：规定节点数量和每个节点的连边数量；

ER随机网络模型：在网络节点间随机的布置连接性，随机性强；

BA无尺度网络模型：其特征在于节点的度分布服从幂次定律，相比于ER随机网络，其节点规模具有扩展性；

小世界网络模型：网络的特性符合小世界特性，包括WS小世界模型和NS小世界模型；WS小世界模型：介于规则网络和完全随机网络之间的单参数小世界网络模型，该模型体现了社会网络的小平均路径长度和大聚类系数两种现象；NS模型将WS小世界模型构造中的随机化重连改为随机化加边；NS模型的优点在于其简化了理论分析，因为WS小世界模型存在孤立节点，但NS模型不会。

在上述的一种基于复杂网络的复杂系统风险评估方法，当户足够小和N足够大时，NS小世界模型就等同于WS小世界模型。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤五中，对选择的复杂网络模型进行改进的方法为：

当为规则图时，通过输入风险传播概率矩阵中值的范围去匹配其对应的规则；

当为ER随机网络模型时，修改其固定的连边概率为风险传播概率矩阵的值，输出系统的风险传播网络图；

当为BA无尺度网络模型时，通过某一节点为起始点，使用风险传播概率矩阵作为风险的传播路径来生成系统风险网络图；

当为小世界网络模型时，将其其随机化加边策略改为通过使用风险概率传播矩阵去进行边的添加，生成系统风险网络图。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤六中，对风险传播网络图进行评估的方法为：

采用与系统故障树图比对和结合历史故障数据作为参照的方法，来评估风险传播算法图与实际情况是否相符。

在上述的一种基于复杂网络的复杂系统风险评估方法，所述步骤七中，通过蒙特卡洛的算法进行多次计算，实现降低随机性对结果误差的影响，计算次数不少于100次。

本发明与现有技术相比的有益效果是：

(1)本发明基于复杂网络的复杂系统风险评估方法，适用于传统复杂装备、航空航天等复杂系统，能够在对于复杂系统的风险评估时，清楚的了解到系统内部风险的传播过程，能够了解到复杂系统内部风险因素较高的子系统，为后续风险分析提供一定的参考意义，也能降低对于复杂系统风险评估的难度；

(2)本发明使用该方法前需要对复杂系统做一个拆分，将复杂系统分为多个相互关联的子系统，每个子系统作为系统的一个风险节点，实现将复杂系统点散化处理，提高了不同复杂系统的适应性；

(3)本发明对于输出的网络图，使用蒙特卡罗的思想，对各个节点的度分布进行分析，采用节点的度分布作为评估风险节点在系统的影响大小的评估指标，对过去无法评估的复杂系统实现了分析；同时使复杂系统的风险评估简化；

(4)本发明结果的评估，采用蒙特卡洛的思想进行多次计算，可以降低随机性对结果误差的影响，因此其实验次数不得少于100次，最大程度降低了随机性对结果误差的影响。

附图说明

图1为本发明复杂系统风险评估流程图；

图2为本发明实施例系统拆分示意图；

图3为本发明实施例的风险传播网络图。

具体实施方式

下面结合实施例对本发明作进一步阐述。

本发明提供了一种基于复杂网络的复杂系统风险评估方法，实现了更清晰的了解复杂系统内部的风险传播，同时使复杂系统的风险评估简化。

基于复杂网络的复杂系统风险评估方法，如图1所示，具体包括如下步骤：

步骤一、将复杂系统拆分为多个相互关联的子系统，每个子系统作为一个风险节点；将复杂系统拆分子系统时，按照功能或者组成进行子系统结构的拆分。

步骤二、对各风险节点进行FMECA分析，获得各风险节点的影响和发生概率；根据各个风险节点发生概率和影响程度，构建P-I概率矩阵。

构建P-I概率矩阵的方法为：

对各风险节点的出现的概率和影响程度进行分级，得到P-I概率矩阵的行列，实现构建P-I概率矩阵。

P-I概率矩阵的构建规则为：

其风险发生概率区间和影响程度，包含所识别的所有风险因素的发生概率区间和影响范围。

步骤三、通过P-I概率矩阵得到各风险节点之间的风险传播概率矩阵；各风险节点之间的风险传播概率矩阵的构建方法为：

制定很高、高、中等、低、很低五个级别；不同级别对应不同的P值，对于影响程度，综合多方面因素对其进行综合评估，包括质量、技术指标、进度和成本方面的影响；综合考虑进行影响程度等级的划分，不同等级对应不同的I值，最后得到风险得分即为风险传播概率矩阵的值P*I；获得风险传播概率矩阵的全部值P*I，即构建完成风险传播概率矩阵。

步骤四、基于风险节点间的传播特性，选择合适的复杂网络模型。

复杂网络模型分为4种，分别是规则图、ER随机网络模型、BA无尺度网络模型和小世界网络模型；

规则图：规定节点数量和每个节点的连边数量。

ER随机网络模型：在网络节点间随机的布置连接性，随机性强。

BA无尺度网络模型：其特征在于节点的度分布服从幂次定律，相比于ER随机网络，其节点规模具有扩展性。

小世界网络模型：网络的特性符合小世界特性，包括WS小世界模型和NS小世界模型；WS小世界模型：介于规则网络和完全随机网络之间的单参数小世界网络模型，该模型体现了社会网络的小平均路径长度和大聚类系数两种现象；NS模型将WS小世界模型构造中的随机化重连改为随机化加边；NS模型的优点在于其简化了理论分析，因为WS小世界模型存在孤立节点，但NS模型不会。

当户足够小和N足够大时，NS小世界模型就等同于WS小世界模型。

步骤五、以风险节点之间的风险传播概率矩阵作为复杂网络模型的输入，对选择的复杂网络模型进行改进，输出风险传播网络图。

对选择的复杂网络模型进行改进的方法为：

当为规则图时，通过输入风险传播概率矩阵中值的范围去匹配其对应的规则。

当为ER随机网络模型时，修改其固定的连边概率为风险传播概率矩阵的值，输出系统的风险传播网络图。

当为BA无尺度网络模型时，通过某一节点为起始点，使用风险传播概率矩阵作为风险的传播路径来生成系统风险网络图。

当为小世界网络模型时，将其其随机化加边策略改为通过使用风险概率传播矩阵去进行边的添加，生成系统风险网络图。

步骤六、对得到的风险传播网络图进行评估；当与实际情况不符时，返回步骤三，重新进行风险传播概率矩阵或重新选择复杂网络模型；直至得到的风险传播网络图与实际情况相符，进入步骤七。

对风险传播网络图进行评估的方法为：

采用与系统故障树图比对和结合历史故障数据作为参照的方法，来评估风险传播算法图与实际情况是否相符。

步骤七、采用蒙特卡洛算法对符合实际情况的风险传播网络图进行多次计算，以多次计算结果的均值作为风险传播网络图中各风险节点的度分布；用各风险节点的度分布作为各风险节点的评价指标；以各风险节点的评价指标评估各子系统的风险影响。

本发明通过蒙特卡洛的算法进行多次计算，实现降低随机性对结果误差的影响，计算次数不少于100次。

实施例

以空间站建造任务系统为研究对象，具体包括如下步骤：

S1、根据功能对系统进行拆分，将系统分为13个子系统，分别为空间站系统、CZ-5B运载火箭系统、航天员系统、空间应用系统、CZ-7运载火箭系统、货运飞船系统、载人飞船系统、CZ-2F运载火箭系统、酒泉发射场系统、海南发射场系统、测控通信系统、着陆场系统、光学舱系统。如图2所示。

S2、结合风险因素识别方法，对不同子系统风险识别后制定的P-I概率矩阵图的P-I概率指标表如表1表2所示，得到的P-I矩阵如表3所示。

表1

表2

表3

S3、对子系统的风险项，结合历史故障数据和FMECA分析方法，分析各个子系统风险发生的概率以及其对不同子系统的影响关系，再结合P-I概率矩阵得到系统的风险传播概率矩阵。

S4、结合系统风险传播特性，选择ER随机网络模型作为该系统的风险传播网络模型。

S5、对ER随机网络中固定的连边概率改进为子系统间的风险传播概率矩阵的概率值，以子系统为风险节点，作为单位输入，得到系统的风险传播网络图，如图3所示。

S6、对得到的风险传播网络图进行评估，主要是结合历史故障数据和FMECA分析的结果去对风险传播网络图中子系统风险的传播路径进行对比，结果表明改进ER随机网络生成的风险传播网络图能够在一定程度上表示子系统间的风险传播，较能符合要求。

S7、对于该网络图，采用蒙特卡洛仿真的方法，进行多次实验取平均值，得到的子系统的平均度分布如表4所示，其中对结果四舍五入取值。

表4

S8、基于子系统的度分布得到复杂系统中子系统对系统总体风险影响的重要度排名，能够清晰的找到系统中对总体风险影响较大的子系统。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。