本公开涉及系统可靠性仿真技术领域，具体涉及一种基于自适应智能体的复杂系统可靠性仿真方法及系统。
背景技术：
系统可靠性是指在规定的时间内和规定条件(如使用环境和维修条件等)下能有效地实现规定功能的能力gjb。可靠性工程是现代复杂产品设计中的关键工程技术之一。是提高系统(或产品或元器件)在整个寿命周期内可靠性的一门有关论证、设计、分析、试验、评估、改良的工程技术。随着现代产品复杂度、精密度的提高，各种大型复杂产品如航天、航空、船舶、电子、汽车、建筑、电力设施、工程机械、武器装备等都对产品的可靠性提出了更高要求，可靠性工程在产品研发过程中的地位越来越关键。
我国从上世纪80年代开始引入可靠性工程领域的研究，并逐步在各个领域推广应用。常用的可靠性工程方法包括可靠性预计、故障模式与危害度分析法(fmeca)、故障树分析法(fta)、潜在分析、容差分析、耐久性分析、有限元分析、环境应力筛选、可靠性试验与评价等。以往在设计过程中，对系统的可靠性进行预计和评价，主要采用基于可靠性框图(rbd)的解析法，或者基于样机的试验法。前者对可靠性模型的复杂程度敏感，当复杂产品零部件寿命分布类型较多时，预计与评估的累计误差较大，导致分析精度不高，另外分析的效率也不高。基于样机的试验法则需要研制产品样机，投入高、周期长，且在产品研制的早期无法应用。
可靠性仿真技术是伴随着计算机软硬件技术的成熟与普及而发展起来的一种可以用于复杂系统可靠性预计和评估的有效方法，是计算机仿真技术在可靠性工程领域的成功应用。它通用性好、应用广泛、分析精度高、计算效率高，且对软硬件条件要求较低，对提高产品可靠性可以起到了明显的效果，已经在可靠性工程领域得到越来越广泛的应用。
现有的可靠性仿真技术主要采用蒙特卡洛数字仿真方法。这种方法主要按照各个零部件的寿命或故障分布函数进行蒙特卡洛随机抽样，然后依据抽样数据结合系统的可靠性模型(可靠性框图)，计算系统可靠性，分析系统可靠性水平，方法获取各个要求首先要构建完善的系统可靠性框图，其次要获取产品各个零部件的寿命分布类型和参数，然后采用随机抽样的方法估计系统可靠性水平。这种方法对可靠性模型要求较高，同时在仿真模型的实现上，需要将可靠性框图以逻辑运算方程来表达，因此方法的灵活性较差，计算复杂度高，当模型规模很大时，可靠性逻辑运算方程将非常复杂，导致这种方法的计算效率很低。另外，传统方法主要关注于在理想工作环境下、基于静态可靠性关系的系统固有可靠性的分析，难于适应系统在复杂任务环境中的动态可靠性模型，也很难兼顾零部件工况和外部工作环境的动态变化对系统可靠性的影响，也不能考虑零部件因耗损而导致的可靠性退化问题，因此导致仿真结果与系统真实运行数据的误差较大，仿真的可行性难以提高。此外现有仿真方法模型的可重用性较低。
技术实现要素：
鉴于上述问题，提出了本公开以便提供一种克服上述问题或者至少部分地解决上述问题的基于自适应智能体的复杂系统可靠性仿真方法及系统。
一种基于自适应智能体的复杂系统可靠性仿真方法，其特征在于，包括：
收集系统相关数据，包括但不限于系统的工作环境参数、工况与任务剖面，各单元的故障率、故障分布函数及参数、故障率随环境变化或寿命的情况；
建立系统的任务剖面，构建系统任务转换模型；
确定系统的环境剖面，构建系统任务环境转换模型；
建立系统的子任务可靠性框图；
构建描述系统任务的任务仿真自适应智能体、描述系统工作环境的环境仿真自适应智能体、描述系统本身的系统仿真自适应智能体、通用的工作单元仿真自适应智能体；
依据系统的功能结构关系、通讯交互关系，基于任务仿真自适应智能体、环境仿真自适应智能体、系统仿真自适应智能体和工作单元仿真自适应智能体，建立系统可靠性仿真模型；
设定任务仿真自适应智能体、环境仿真自适应智能体、系统仿真自适应智能体及各工作单元仿真自适应智能体的仿真参数，并进行仿真过程调试；
根据所述仿真参数运行系统仿真并收集系统可靠性分析所需数据；
根据系统仿真数据统计系统计可靠性参数，获取系统可靠性指标的统计值，生成系统可靠性统计曲线，用于分析系统可靠性的总体水平并分析其关键影响因素。
所述任务仿真自适应智能体，用于对系统的特定任务剖面的转换过程的模拟；所述任务仿真自适应智能体主要包括属性列表、主控制器、任务剖面模拟器、通讯机、任务参数列表、任务剖面模型库、系统列表、数据收集器、外部数据接口和外部指令接口。
所述环境仿真自适应智能体，用于对系统的特定任务剖面、环境影响因素的变化过程的模拟；所述环境仿真自适应智能体主要包括如属性列表、主控制器、环境模拟器、环境模型库、通讯机、系统列表、数据收集器、外部数据接口和外部指令接口。
所述系统仿真自适应智能体，用于汇总下级工作单元的故障行为并表达整个系统的可靠性行为特征；所述系统仿真自适应智能体主要包括属性列表、主控制器、状态机、通讯机、状态检测设备、信号机、单元列表、数据收集器和外部数据访问接口。
所述工作单元仿真自适应智能体，具有自适应能力，能够模拟系统中工作单元的工作过程、工作状态以及故障规律；所述工作单元仿真自适应智能体主要包括属性列表、主控制器、状态机、状态控制器、环境效应器、通讯机、故障发生器、可靠性关系控制器、数据收集器、信号机和外部接口。
所述建立系统可靠性仿真模型，采用通用编程语言，或采用anylogic、arena或simio等通用仿真建模工具，根据系统的功能结构关系来构建四种类型的仿真自适应智能体，并以四种类型的自适应智能体为基本构建模块，构建基于自适应智能体通讯网路的系统动态可靠性模型；在模型的构建过程中，通过自适应智能体之间的通讯功能，建立起三种系统可靠性仿真机制：工作单元可靠性的环境干涉机制、系统可靠性状态检测机制、可靠性模型的多自适应智能体协作机制。
所述根据所述仿真参数运行系统仿真，包括：
在仿真运行开始阶段，任务仿真自适应智能体将首先初始化工作状态，并通过消息通知系统通知环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体根据任务初始状态设定初始环境状态并通知系统仿真自适应智能体，系统仿真自适应智能体进一步将初始任务信息转换为初始的系统可靠性模型信息，并与初始环境信息一起通知各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的初始系统可靠性模型信息和初始环境信息，设定自身的初始工作状态和环境影响因子，并根据接收到的系统初始任务可靠性模型信息建立相互之间的可靠性连接关系，形成当前的初始的系统可靠性关系模型。
在仿真运行过程中，任务仿真自适应智能体根据仿真时钟的推进，在各个子任务之间进行转换，并在转换过程中实时地将任务信息传递给环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体根据任务的变化，在各个任务环境之间转换并将环境信息发布给系统仿真自适应智能体，系统仿真自适应智能体根据任务信息确定系统应采用的任务可靠性模型并与环境信息一起通知各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的环境信息和可靠性模型信息更新自身的环境影响因子以及相互之间的系统可靠性关系，形成动态的系统任务可靠性模型。
在仿真运行过程中，每个工作单元仿真自适应智能体将在每个仿真时钟间隔内，通过随机故障发生算法，检测自身是否发生故障，如果发生故障，则该单元将信息通知给系统仿真自适应智能体，系统仿真自适应智能体根据消息启动一个系统可靠性状态检测过程，根据检测到的结果判定系统的是否故障，如果经检测系统发生故障，则系统仿真自适应智能体将故障消息通知给任务仿真自适应智能体，任务仿真自适应智能体则根据当前任务情况，决定暂停任务执行等待系统修复或者直接终止任务的执行；
合并仿真过程中收集的数据，统计出系统的多种可靠性特性参数用于进行各种可靠性分析。
一种基于自适应智能体的复杂系统可靠性仿真系统，包括：
数据输入单元，用于输入系统相关数据，包括但不限于系统的工作环境参数、工况与任务剖面，各单元的故障率、故障分布函数及参数、故障率随环境变化或寿命的情况；
任务剖面构建单元，用于构建系统的任务剖面模型；
环境剖面构建单元，用于针对系统的任务剖面模型，构建系统对应的环境剖面模型；
可靠性框图建立单元，用于根据系统的任务剖面，建立系统的动态可靠性框图；
智能体构建单元，用于构建描述系统工作任务的任务仿真自适应智能体、描述工作环境的环境仿真自适应智能体、描述系统本身的系统仿真自适应智能体、通用的工作单元仿真自适应智能体；
仿真模型建立单元，用于依据系统的功能结构关系，基于任务仿真自适应智能体、环境仿真自适应智能体、系统仿真自适应智能体和工作单元仿真自适应智能体，建立系统可靠性仿真模型；
调试单元，用于设定任务仿真自适应智能体、环境仿真自适应智能体、系统仿真自适应智能体及工作单元仿真自适应智能体的仿真参数，并进行智能体仿真过程调试；
仿真数据收集单元，用于根据所述仿真参数运行系统仿真并收集系统可靠性分析所需数据；
统计分析单元，用于根据系统仿真数据统计系统可靠性参数，获取系统可靠性指标的统计值，生成系统可靠性统计曲线，用于分析系统可靠性的总体水平并分析其关键影响因素；
报告输出单元，用于汇总仿真输入、仿真数据、仿真分析结果等，生成并输出系统的可靠性仿真分析报告。
所述任务仿真自适应智能体，用于对系统的特定任务剖面的转换过程的模拟；所述任务仿真自适应智能体主要包括如属性列表、主控制器、任务剖面模拟器、通讯机、环境参数列表、任务剖面模型库、系统列表、数据收集器、外部数据接口和外部指令接口；
所述环境仿真自适应智能体，用于对系统的工作环境影响因素的变化过程的进行模拟；所述环境仿真自适应智能体主要包括如属性列表、主控制器、环境模拟器、通讯机、环境参数列表、环境模型库、系统列表、数据收集器、外部数据接口和外部指令接口；
所述系统仿真自适应智能体，用于汇总下级工作单元的故障行为并表达整个系统的可靠性行为特征；所述系统仿真自适应智能体主要包括属性列表、主控制器、状态机、通讯机、状态检测设备、系统任务可靠性模型库、信号机、单元列表、数据收集器和外部数据访问接口；
所述工作单元仿真自适应智能体，具有自适应能力，能够模拟系统中工作单元的工作过程、工作状态以及故障规律；所述工作单元仿真自适应智能体主要包括属性列表、主控制器、状态控制器、状态机、环境效应器、通讯机、故障发生器、可靠性关系控制器、数据收集器、信号机和外部接口。
根据所述仿真参数运行系统仿真，包括：
在仿真运行开始阶段，任务仿真自适应智能体将首先初始化工作状态，并通过消息通知系统通知环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体根据任务初始状态设定初始环境状态并通知系统仿真自适应智能体，系统仿真自适应智能体进一步将初始任务信息转换为初始的系统可靠性模型信息，并与初始环境信息一起通知各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的初始系统可靠性模型信息和初始环境信息，设定自身的初始工作状态和环境影响因子，并根据接收到的系统初始任务可靠性模型信息建立相互之间的可靠性连接关系，形成当前的初始的系统可靠性关系模型。
在仿真运行过程中，任务仿真自适应智能体根据仿真时钟的推进，在各个子任务之间进行转换，并在转换过程中实时地将任务信息传递给环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体根据任务的变化，在各个任务环境之间转换并将环境信息发布给系统仿真自适应智能体，系统仿真自适应智能体根据任务信息确定系统应采用的任务可靠性模型并与环境信息一起通知各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的环境信息和可靠性模型信息更新自身的环境影响因子以及相互之间的系统可靠性关系，形成动态的系统任务可靠性模型。
在仿真运行过程中，每个工作单元仿真自适应智能体将在每个仿真时钟间隔内，通过随机故障发生算法，检测自身是否发生故障，如果发生故障，则该单元将信息通知给系统仿真自适应智能体，系统仿真自适应智能体根据消息启动一个系统可靠性状态检测过程，根据检测到的结果判定系统的是否故障，如果经检测系统发生故障，则系统仿真自适应智能体将故障消息通知给任务仿真自适应智能体，任务仿真自适应智能体则根据当前任务情况，决定暂停任务执行等待系统修复或者直接终止任务的执行；
合并仿真过程中收集的数据，统计出系统的多种可靠性特性参数用于进行各种可靠性分析。
与现有技术相比，本公开主要有益效果如下：
本发明提出的基于自适应智能体的复杂系统可靠性仿真方法为多智能体仿真技术在复杂系统可靠性仿真中的应用提供了一个基本框架，该框架提供了复杂系统可靠性仿真的多智能体建模方法、自适应智能体模型设计、仿真模型架构、自适应智能体间通讯机制、自适应智能体间交互机制、仿真运行原理及仿真数据统计分析方法等。
为复杂系统的任务可靠性仿真提供了基本解决方案。可以实现各种复杂任务条件、环境影响条件下复杂系统任务可靠性的仿真与评估。特别是本发明提出的动态可靠性模型的建模与仿真方法提高了任务可靠性仿真的精度和可信性。
本发明提出的基于自适应智能体的复杂系统可靠性仿真方法改进了传统数字可靠性仿真方法在建模难度、模型灵活性、系统复杂性、功能性及仿真精度方面的不足，使得模型更容易实现并具有很好的可重用性，同时也提高了该类仿真系统仿真数据的收集能力和精细度。
提出的方法具有很好的应用灵活性，既可以支持系统固有可靠性的评估与分析，也可以支持系统任务可靠性的分析与研究。另外，可以很容易地实现多级复杂系统、网路系统的可靠性仿真等。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本公开的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本公开一个实施例的基于自适应智能体的复杂系统可靠性仿真方法的工作流程图；
图2示出了根据本公开一个实施例的示例系统的可靠性框图；
图3示出了根据本公开一个实施例的任务仿真自适应智能体的基本功能结构图；
图4示出了根据本公开一个实施例的环境仿真自适应智能体的基本功能结构图；
图5示出了根据本公开一个实施例的系统仿真自适应智能体的基本功能结构图；
图6示出了根据本公开一个实施例的系统仿真自适应智能体的状态机模块图；
图7示出了根据本公开一个实施例的工作单元仿真自适应智能体的基本功能结构图；
图8示出了根据本公开一个实施例的工作单元仿真自适应智能体的状态机模块图；
图9示出了根据本公开一个实施例的仿真模型的自适应智能体通讯网络模型图；
图10示出了根据本公开一个实施例的仿真模型的可靠性环境干涉响应机制原理图；
图11示出了根据本公开一个实施例的仿真模型基于通讯网络的多自适应智能体协作机制工作原理图；
图12示出了根据本公开一个实施例的示例系统可靠性仿真模型的仿真运行界面图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明提供一种基于自适应智能体的复杂产品可靠性仿真方法，该方法依据现代智能仿真技术的思想，采用智能自适应智能体对象构建复杂系统的基本工作单元，并通过自适应智能体对象之间的通讯机制以及自适应智能体本身的智能决策行为，构建描述复杂系统内部功能关系及可靠性行为的多自适应智能体协作网络，通过自适应智能体之间的协作行为，模拟系统任务和外部工作环境的变化、系统各功能单元的工作活动以及故障状态，并记录系统各个单元及整体的工作数据，从而实现对整个系统可靠性行为和特征的分析和评价。由于采用自适应智能体来定义系统的基本工作单元，从而可以描述复杂的系统寿命特征、功能特性、工作状态和可靠性退化等因素，提高了可靠性分析的精度；通过多个自适应智能体的协作网络来表达系统可靠性框图及其工作过程，大大提高了仿真模型的适应性、灵活性、扩展性和可重用性，计算效率高，速度快，同时可以适应动态可靠性模型的需要，也可以适应各种规模的复杂系统可靠性分析。
实施例一
如图1所示，一种基于自适应智能体的复杂系统可靠性仿真方法，所述方法包括以下步骤：
步骤11，收集系统相关数据，包括系统的工作环境参数、工况与任务剖面，各个单元的故障率、故障分布函数及参数、故障率随环境变化、寿命的情况等。
步骤12，确定系统的任务剖面，并构建系统任务剖面的任务转换模型。
步骤13，确定系统的任务环境剖面，并构建系统任务的环境转换模型。
步骤14，建立系统任务剖面的各个子任务的可靠性框图。
步骤15，构建通用的工作单元仿真自适应智能体模型。
构建具有自适应能力、通用的系统工作单元仿真自适应智能体模型，能够模拟系统中工作单元的工作过程、工作状态以及故障规律。该自适应智能体模型的功能结构主要包括如下组件：属性列表、主控制器、状态机、环境效应器、通讯机、故障发生器、可靠性关系控制器、数据收集器、信号机和外部接口等。其中：
属性列表：作为软件对象，自适应智能体对外部软件环境公开的特征信息，与面向对象的软件系统中对象的属性性质相同，可用于设置自适应智能体的某些内部状态值或运行参数，以影响自适应智能体行为。本发明设计的工作单元仿真自适应智能体模型提供如表1所示的公共属性。
主控制器：自适应智能体内部调用各种设备和资源响应外部环境变化的核心组件。
状态机：控制自适应智能体内部状态的设备，可根据主控制器的指令激发内部状态的迁移和变化，并向外界环境表达状态的变化。工作单元仿真自适应智能体包含三个基本状态待机、工作和故障。
表1：工作单元仿真自适应智能体模型的公共属性
环境效应器：由主控制器控制，专用于根据外部传递的任务和环境变化信息，考虑各种环境影响因素，通过更新故障发生算法，自动适配单元的故障发生规律。
通讯机：既是自适应智能体与外界环境或其他自适应智能体进行通讯的设备，也是自适应智能体感知并影响外部环境变化的主要通道。主要由消息接收和发送端口、消息解码器、消息编码器等功能模块组成。
故障发生器：由随机数发生器及故障采样算法等组成的、专用于模拟单元随机功能故障的模块。
可靠性关系控制器：本方法针对系统可靠性仿真而设计的自适应智能体内部设备。其功能是用于动态控制自适应智能体与其他自适应智能体之间的可靠性连接关系(可靠性网络)，并通过该设备与一对r端口(r上游端口和r下游端口)组成一个系统可靠性测试通道，配合工作单元所属的系统完成系统可靠性状态的检测。
信号机：用于以文本或图形格式可视化显示自适应智能体当前工作状态的功能模块；该模块主要根据状态机发布的状态信号，以文本或图形格式表达自适应智能体的当前状态。
数据收集器：用于收集自适应智能体内部各种静态、动态数据并进行统计和分析的功能模块；
外部接口：主要包括自适应智能体的属性访问接口、数据访问接口等，用于外部实体访问自适应智能体的内部属性或数据。
步骤16，构建描述系统本身的系统仿真自适应智能体模型。
构建汇总下级工作单元的故障行为并表达整个系统的可靠性行为特征的系统仿真自适应智能体模型。该自适应智能体模型的功能结构主要包括如下组件：属性列表、主控制器、状态机、通讯机、状态检测设备、信号机、单元列表、数据收集器和外部数据访问接口等。其中：
属性列表：系统自适应智能体对外部软件环境公开的属性主要包括编号、名称、工作模式和所属的环境。其中，工作模式是根据仿真的需要，由用户指定的系统的工作模式，包括正常工作模式(考虑故障后的维修问题)、连续工作模式(用于不考虑维修和待机的情况)和手动工作模式(由所属的环境控制其状态转换)。
主控制器：系统仿真自适应智能体的主控制器模块可调用自适应智能体内部的各种设备和资源响应外部环境的变化。系统仿真自适应智能体的主控制器要复杂于工作单元仿真自适应智能体的主控制器，它需要同时处理与任务、环境和下级工作单元自适应智能体之间的各种消息，并控制工作单元仿真自适应智能体的行为。
状态机：状态机是专用于自适应智能体内部状态控制的设备，可根据主控制器的指令激发内部状态的迁移和变化，并向外界环境表达状态的变化。系统仿真自适应智能体的状态变化与工作单元仿真自适应智能体的状态变化不同，其主要取决于各个下级工作单元仿真自适应智能体状态的变化。系统仿真自适应智能体的状态缺省包括：待机、工作、故障和维修。
通讯机：用于与外界环境及其所属工作单元进行通讯的设备，也是其感知并影响外部环境变化的主要通道。它主要包括通信端口、消息解码器、消息编码器和消息队列等元件。系统仿真自适应智能体设计了四个通信端口，包括上级消息接收端口、上级消息发送端口、下级消息接收端口、下级消息发送端口，这些端口形成了两个通信通道，上级通信通道用于与任务和环境仿真自适应智能体进行消息往来，下级通信通道用于与所属各工作单元进行通信。
系统任务可靠性模型库：系统任务与可靠性关系模型的映射列表。任务可靠性关系模型用于表达在特定的任务阶段，系统各个工作单元的可靠性连接关系，通常采用可解析的编码方式表达，典型的编码格式如：<0-1,1-2,1-3,2-4,3-4,4-5,5-0>。在仿真过程中，系统仿真自适应智能体根据任务仿真自适应智能体发送来的当前子任务的信息，查询该子任务适用的系统任务可靠性关系模型并将其编码发送给各个下级工作单元仿真自适应智能体,各个工作单元仿真自适应智能体解析收到的任务可靠性关系模型编码，并据此通过可靠性关系控制器建立与其他工作单元仿真自适应智能体的可靠性关系，从而构建新的可靠性关系模型。
状态检测设备：用于检测系统工作状态的专用设备，它包括状态检测器和一组专门的状态检测端口：r上游端口和r下游端口。该设备受主控制器调度，在接到单元的故障报告后，主控制器启动该设备，通过r上游端口发出检测信号，并通过r下游端口接收反馈信号，并根据信号的流量等信息判断当前系统的工作状态。
信号机：信号机是用于在仿真过程中，通过图形型号表达系统状态的功能模块。该模块主要根据状态机发布的状态信号，以文本或图形格式表达自适应智能体的当前状态。例如，可以通过颜色的变化来表达系统仿真自适应智能体的当前工作状态，方便对仿真过程的监控。
单元列表：是系统仿真自适应智能体用于查询和索引所属的下级工作单元对象的指针设备，它包含了所属工作单元仿真自适应智能体的引用地址，可用于系统仿真自适应智能体查找和定位需要通信或控制的下级工作单元仿真自适应智能体。
数据收集器：用于记录系统各次状态变化，收集仿真数据并进行数据统计和分析的功能模块。
外部数据接口：是为了便于外界环境获取系统仿真自适应智能体收集的数据而开放的数据接口。
步骤17，构建描述系统工作环境的环境仿真自适应智能体模型。
构建环境仿真自适应智能体模型，它主要用于对系统的环境影响因素的变化过程的模拟。该自适应智能体模型的功能结构主要包括如下组件：属性列表、主控制器、环境模拟器、通讯机、环境模型库、系统列表、数据收集器、外部数据接口和外部指令接口。其中：
属性列表：环境仿真自适应智能体主要提供了两组公共属性，一组为启用环境影响、启用动态环境两个属性，另一组为多个初始环境影响因子值。启用环境影响属性用于设置是否在仿真中考虑环境影响因素，当该属性设置为true时，还需设置启用动态环境属性，该属性为false时，仿真过程全程采用用户设定的多个初始环境影响因子值作为固定的环境影响因子值；当启用动态环境属性被设置为true时，仿真过程中，环境影响因子的值将由环境模拟器根据任务的变化进行动态变化，从而反映任务环境的实际变化情况。另一组多个初始环境影响因子值用来设定系统运行的初始环境参数，表2提供了该智能体常用的环境影响因子。
表2：环境仿真自适应智能体常用的环境影响因子
主控制器：环境仿真自适应智能体的主控制器模块主要负责接收并分析来自系统任务仿真自适应智能体的消息或指令，控制环境模拟器的运行等，启动、暂停或停止仿真等。
环境模拟器：环境模拟器是环境仿真自适应智能体的核心功能模块，它负责根据任务执行过程的变化，自动调整各个环境影响因素，并及时发出消息通知系统仿真自适应智能体环境影响的变化。
通讯机：任务仿真自适应智能体的通讯机与其他自适应智能体的通讯机功能相同，它包括消息接收端口、消息发送端口、消息队列、消息解码器、消息编码器等。但出于功能需要，环境仿真自适应智能体只具有与任务和系统仿真自适应智能体的通信信道。
环境模型库：各种环境影响因子取值的列表，包含了各种环境影响因子的取值及其适用的子任务。环境模拟器通过该列表查询子任务对应的环境影响因子取值，并将之通知给系统仿真自适应智能体。
系统列表：环境仿真自适应智能体用于查询和索引执行任务的系统对象的指针设备，它包含了所属系统仿真自适应智能体的引用地址，可用于查找和定位需要通信或控制的系统仿真自适应智能体。
数据收集器：收集和分析任务仿真数据的功能模块。
外部数据接口：为了便于外界环境获取环境仿真自适应智能体收集的数据而开放的数据接口。
外部指令接口：专为环境仿真自适应智能体设计的、用于控制仿真运行的软件接口，仿真模型可通过该接口直接启动、暂停或中止仿真的运行。
步骤18，构建描述系统任务的任务仿真自适应智能体模型。
构建任务仿真自适应智能体模型，它主要用于对系统的特定任务剖面的变化过程的模拟。该自适应智能体模型的功能结构主要包括如下组件：属性列表、主控制器、任务剖面拟器、通讯机、任务剖面模型库、系统列表、数据收集器、外部数据接口和外部指令接口。其中：
属性列表：任务仿真自适应智能体主要提供了两个公共属性，任务运行次数和系统运行模式。任务运行次数即仿真运行次数。系统运行模式包括正常运行模式、连续工作模式和用户控制模式三种。在正常运行模式下，当任务在执行过程中出现系统故障时，要求系统执行维修后再继续执行任务，直至任务完成；在连续工作模式下，系统发生故障后，本次任务即终止，模型将直接开始执行下一次任务。
主控制器：任务仿真自适应智能体的主控制器模块主要负责接收并分析来自系统仿真自适应智能体和仿真模型消息或指令，控制任务剖面模拟器的运行等，启动、暂停或停止仿真等。
任务剖面模拟器：任务剖面模拟器是任务仿真自适应智能体的核心功能模块，它负责调度任务的执行过程，转换任务阶段，并及时发出消息通知环境和系统仿真自适应智能体任务阶段的变化。
通讯机：任务仿真自适应智能体的通讯机与其他自适应智能体的通讯机功能相同，它包括消息接收端口、消息发送端口、消息队列、消息解码器、消息编码器等。但出于功能需要，任务仿真自适应智能体只具有与环境和系统仿真自适应智能体的通信信道。
任务剖面模型库：系统执行的所有任务剖面的集合，包含任务剖面的各种子任务的列表，每个子任务的基本信息、子任务的紧前子任务、本子任务的执行概率、执行条件、子任务适用的系统可靠性模型以及执行时间等信息，任务及环境模拟器根据该列表随机推进任务的执行，模拟子任务的切换。
系统列表：环境仿真自适应智能体用于查询和索引执行任务的系统对象的指针设备，它包含了所属系统仿真自适应智能体的引用地址，可用于查找和定位需要通信或控制的系统仿真自适应智能体。
数据收集器：收集和分析任务仿真数据的功能模块。
外部数据接口：为了便于外界环境获取环境仿真自适应智能体收集的数据而开放的数据接口。
外部指令接口：专为任务仿真自适应智能体设计的、用于控制仿真运行的软件接口，仿真模型可通过该接口直接启动、暂停或中止仿真的运行。
步骤19，依据系统的功能结构关系、通讯交互关系，基于任务仿真自适应智能体、环境仿真自适应智能体、系统仿真自适应智能体和工作单元仿真自适应智能体，建立系统可靠性仿真模型。
可以采用通用编程语言，也可以采用anylogic、arena、simio等通用仿真建模工具，根据系统的功能结构关系来构建四种类型的仿真自适应智能体，并以四种类型的自适应智能体为基本构建模块构建基于自适应智能体通讯网路的系统动态可靠性模型。在模型的构建过程中，需要通过自适应智能体之间的通讯功能，建立起三种系统可靠性仿真机制：工作单元可靠性的环境干涉机制、系统可靠性状态检测机制、可靠性模型的多自适应智能体协作机制。
步骤20，分别设定工作单元、系统、环境和任务仿真自适应智能体的仿真参数，并进行仿真过程调试，检查仿真系统是否能够正确运行。
步骤21，运行系统仿真并收集系统可靠性分析所需的数据。
在仿真运行开始阶段，任务仿真自适应智能体将首先初始化任务初始状态，并通过消息通知环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体初始化任务环境，并通知系统仿真自适应智能体，系统仿真自适应智能体进一步将任务信息、环境信息以及系统任务可靠性模型信息通知各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的环境影响因素设定自身的环境影响因子，并根据接收到的系统可靠性模型信息动态地建立相互之间的可靠性连接关系，形成当前的初始的系统可靠性关系模型。在仿真运行过程中，任务仿真自适应智能体根据仿真始终的推进，在各个子任务之间进行转换，并在转换过程中实时地将任务信息通知环境仿真自适应智能体和系统仿真自适应智能体，环境仿真自适应智能体自动调整环境影响因子并将环境信息传递给系统仿真自适应智能体，系统仿真自适应智能体再将环境信息和任务可靠性模型信息发布给各个工作单元仿真自适应智能体，各个工作单元仿真自适应智能体根据接收到的信息更新自身的环境影响因子，并更新相互之间的系统可靠性关系，形成动态的系统可靠性模型。在仿真运行过程中，每个工作单元仿真自适应智能体将在每个仿真时钟间隔内，通过随机故障发生算法，检测自身是否发生故障，如果发生故障，则该单元将信息通知给系统仿真自适应智能体，系统仿真自适应智能体根据消息启动一个系统可靠性状态检测过程，根据检测到的结果判定系统的是否发生故障，如果经检测系统发生故障，则系统仿真自适应智能体将故障消息通知给任务仿真自适应智能体，任务仿真自适应智能体则根据当前任务情况，决定暂停任务执行等待系统修复或者直接终止任务的执行。
系统仿真自适应智能体根据工作单元仿真自适应智能体发送的单元故障消息启动的系统可靠性状态检测过程，采用了基于流量信号网络的系统状态检测方法，即系统自适应智能体与各个工作单元仿真自适应智能体根据系统的可靠性关系模型建立信号传递网络，其中系统仿真自适应智能体是整个网络的信号源同时也是信号的传输终点，当执行可靠性状态监测时，系统仿真自适应智能体向网络中发送一个单位的检测信号，之后信号在网络中的各个节点中单向顺序传播，直至回到系统仿真自适应智能体。在信号传递过程中，如接收到信号的节点工作正常，则每当它接收到一个单位流量信号时，将向每个与其连接的下游节点发送一个单位信号；接收到信号的节点故障时，则无论其接收到多少信号，都不会向下游节点发送任何信号，即：若某节点j(j＝1,2,λ,n)有a个正常工作节点，其下游有b个正常工作节点，则每个节点都可以到接收流量为a的信号，此时，节点j需要发送流量为a×b的信号。因此，采用流量信号网络进行系统可靠性状态检测时，形成了信号放大型网络，接收到的信号量完全取决于网络结构和各节点的工作状态。设fluxinput(x,t)是节点x在t时刻的信号输入流量函数，fluxoutput(x,t)是节点x在t时刻的输出流量函数，设agt0代表系统仿真自适应智能体，于是当fluxoutput(agt0,t)＝1时，如果fluxinput(agt0,t)＝0，则判定系统发生故障；如果fluxinput(agt0,t)≥1(当且仅当系统可靠性模型为串联模型时取等于)时，则判定系统工作正常。需要注意的是，当系统正常工作时，这并不能表明系统中没有故障单元。基于流量信号网络的系统状态检测方法，不需要考虑可靠性模型在运行过程中的动态变化，只需要根据发送信号、接收信号的流量判断网络状态。该方法比基于逻辑运算的方法计算效率高、速度快、处理简单，不需要事先构建复杂的逻辑运算公式。当模型复杂、规模增大时，这一优势尤为明显，弥补了逻辑运算方法的不足，是复杂系统可靠性仿真中系统可靠性状态监测的有效方法。
仿真过程中数据的收集主要通过各个仿真自适应智能体的数据收集器进行数据的收集，其中工作单元仿真自适应智能体主要收集的数据如表3。
表3工作单元仿真自适应智能体收集的主要仿真数据
步骤22，根据系统仿真数据统计系统可靠性参数，获取系统可靠性参数的统计值，生成系统可靠性统计曲线，用于分析系统可靠性的总体水平并分析其关键影响因素等。
通过合并仿真过程中收集的数据，可以统计出系统的多种可靠性特性参数用于进行各种可靠性分析，主要的统计参数有：
单元故障率(λm)：工作单元在任务可靠性仿真过程中的故障总时间与任务总时间的比值。其统计计算方法如下：
式中：λm——任务剖面中的单元故障率；
utmi——单元故障停机时间；
ufm——单元故障次数；
mt——任务时间。
系统平均严重故障间隔时间(meantimebetweencriticalfailures，mtbcf)：在规定的一系列任务剖面中，系统任务总时间与严重故障总数之比。原称致命性故障间的任务时间。其计算方法如下：
式中：mtbcf——系统平均严重故障间隔时间；
mt——任务时间；
sfm——系统严重故障总数。
系统平均恢复功能所用任务时间(mttrf)：在规定的任务剖面和规定的维修条件下，严重故障的总修复性维修时间与严重故障总数之比。其计算方法如下：
式中：mttrf——系统平均恢复功能用的任务时间；
sttrmi——系统单次严重故障修复时间；
sfm——系统严重故障总数。
系统使用可用度(operationalavailability，ao)：系统在仿真过程中与能工作时间和不能工作时间有关的一种可用性参数。其计算方法如下：
式中：ao——系统使用可用度；
wtbfi——无故障工作时间；
n——无故障工作时间的采样数；
stk——系统的待机时间；
u——待机时间的采样数；
ttrj——系统单次故障修复时间；
m——修复时间的采样数。
这里由于不考虑后勤保障问题，因此，ao的计算不包含因资源不足导致的后勤延误时间。
平均无故障工作时间(mwtbf)：系统在仿真过程中的无故障工作时间(wtbf)的平均值。其计算方法如下：
式中：mwtbf——平均无故障工作时间；
li——有效的无故障工作时间的采样；
n——无故障工作时间的采样数。
平均任务执行时间(mmt)：系统执行某类任务的平均任务时间，即：任务时间的平均值。其计算方法如下：
式中：
mmt——平均任务执行时间；
mti——任务时间；
n——任务执行次数。
任务成功率(rms)：系统执行某类任务的成功次数百分比，其计算方法如下：
式中：rms——任务成功率；
m——执行某类任务成功次数；
n——执行任务的总次数。
任务可用度(am)：在考虑待机、故障、维修等不可用时间情况下，系统执行某类任务的平均可用度。其计算方式如下：
式中：am——任务可用度；
mt——任务时间；
mct——能执行任务时间；
mnt——不能执行任务时间；
i——任务序号；
n——任务执行次数。
实施例二
本发明实施例提出了基于自适应智能体的复杂系统可靠性仿真方法，其工作流程可参见图1所示，包括如下步骤：
收集系统相关数据。在本发明实施例中以某通讯产品的基本可靠性仿真分析为例，其功能为通讯信号接入，由7个部分单板构成，包括进口元器件和国产元器件。
确定系统任务剖面。该系统的任务剖面包括两个任务阶段：任务阶段1和任务阶段2，分别代表该系统在执行任务过程中的两种工作状态。
确定系统的任务环境剖面。对应该系统的两个不同任务阶段，该系统具有两个不同的工作环境：工作环境1和工作环境2。在任务阶段1，该系统工作在工作环境1下，其为理想工作环境，环境影响因子取值为：质量因子＝1，温度因子＝1，结构因子＝1，海拔高度因子＝1，磁场作用因子＝1，环境因子＝1，使用因子＝1，其他作用因子＝1。在任务阶段2，该系统工作在工作环境2下，其环境影响因子取值为：质量因子＝1，温度因子＝1.2，结构因子＝1，海拔高度因子＝1.5，磁场作用因子＝1，环境因子＝1，使用因子＝1.3，其他作用因子＝1。
建立系统的子任务可靠性框图。针对系统的两个任务阶段，根据系统在两个任务阶段的具体工况、各工作单元的功能关系和工作原理，分别构建系统的两个任务阶段的可靠性模型(可靠性框图)。该系统在两个任务阶段的可靠性框图如图2所示。
建立仿真模型并在模型中构建通用的工作单元仿真自适应智能体模型。
按照本发明提出的工作单元仿真自适应智能体的基本功能结构(如图3所示)在anylogic中建立一个新的仿真模型，并构建工作单元仿真自适应智能体模型，具体包括如下步骤：
在anylogic中建立一个新的仿真模型，并在模型中添加一个名为“工作单元”的activeobjectclass对象，并在属性设置页中将其设置为“自适应智能体”类型。
在工作单元仿真自适应智能体中建立属性列表。在工作单元仿真自适应智能体中分别添加名称为“编号”、“名称”、“可靠性分布类型”等共19个parameter对象，建立工作单元仿真自适应智能体的属性列表，如表4所示。
表4工作单元仿真自适应智能体的属性列表
在工作单元仿真自适应智能体中添加“无故障工作时间”、“剩余寿命”、“状态”、“故障率”、“故障次数”、“mtbf”六个plainvariable变量，用于记录工作单元在运行中的状态、故障和工作情况的动态数据。
在工作单元仿真自适应智能体中分别添加四个port对象：fout、fin、mout、min。其中fout和fin接口用于完成可靠性状态检测的信号发送和接收，mout和min接口用于完成指令、状态信息等一般消息的发送和接收。这四个port对象是工作单元仿真自适应智能体与其他自适应智能体建立链接、进行通讯并实现系统动态可靠性网络的主要部件。
在工作单元仿真自适应智能体中添加六个function对象：(1)sendmsg：向其他自适应智能体发送可靠性验证消息；(2)connectto：建立与其他工作单元仿真自适应智能体的可靠性连接；(3)disconnect：断开与其他工作单元仿真自适应智能体的可靠性连接；(4)getnextrandom：按照指定的概率分布函数生成一个随机数；(5)stateinitial：初始化工作单元仿真自适应智能体的状态；(6)msgdeal：处理自适应智能体接收到的各种消息，并根据消息做出反应。这六个function对象实现工作单元仿真自适应智能体的主要工作和处理功能。
添加一个名称为“自适应智能体状态图”的statechartentrypoint组件作为工作单元状态起点；然后添加“待机状态”、“工作状态”和“故障状态”三个state组件作为工作单元的状态集；再添加“工作至待机”、“待机至工作”、“故障”、“修复至工作”和“修复至待机”共五个transition组件，实现包含三种状态和五中转换关系的状态机模块(如图4)。分别在“待机状态”、“工作状态”、“故障状态”三个state对象的entryaction属性设置框中添加状态转换的java处理代码，主要完成单元状态属性更新、记录单元状态变化轨迹、记录单元故障次数、计算单元剩余寿命、随机生成下次故障时间、将故障信息发送给上一级系统仿真自适应智能体等。
在工作单元仿真自适应智能体中添加工作至待机、修复至待机、待机至工作、故障、修复至工作共五个event对象，它们分别对应于状态机中的五中转换关系，这些event对象将在自适应智能体状态发生转换时被触发并执行预先设定的处理代码。
在工作单元仿真自适应智能体中添加一个名为“unitlog”的textfile数据文件对象，并将其“file”属性设置为磁盘中的文件名，用于在仿真过程中将工作单元运行所产生的数据输出到磁盘文件中用于后续分析。
构建描述系统本身的系统仿真自适应智能体模型。
按照本发明提出的系统仿真自适应智能体的基本功能结构(如图5所示)在anylogic中建立系统仿真自适应智能体模型，具体包括如下步骤：
在模型中新添加一个名为“系统”的activeobjectclass对象，并在属性设置页中将其设置为“自适应智能体”类型。
在系统仿真自适应智能体中建立属性列表。在系统仿真自适应智能体中分别添加名称为“编号”、“名称”、“任务自适应智能体”、“环境自适应智能体”等共5个parameter对象和1个collection对象，建立系统仿真自适应智能体的属性列表。其中工作单元集合对象用于索引系统所包含的所有工作单元。
在系统仿真自适应智能体中添加“无故障工作时间”、“故障次数”、“mtbf”三个plainvariable变量，用于记录系统工作中的故障和工作情况的动态数据。
在系统仿真自适应智能体中分别添加四个port对象：fout、fin、mout、min。其中fout和fin接口用于完成可靠性状态检测的信号发送和接收，mout和min接口用于完成指令、状态信息等一般消息的发送和接收。这四个port对象是系统仿真自适应智能体与其他自适应智能体建立链接、进行通讯的主要部件。
在系统仿真自适应智能体中添加一个collection对象，用于存放一个任务阶段与系统任务可靠性模型的映射列表，作为该智能体的系统任务可靠性模型库。
在系统仿真自适应智能体中添加四个function对象：(1)状态初始化：初始化系统仿真自适应智能体的状态；(2)任务启动：启动系统执行任务的仿真过程；(3)设置工作单元集合：为系统指定其下属工作单元的列表；(4)消息处理函数：处理系统自适应智能体接收到的各种消息，并根据消息做出反应。这四个function对象实现系统仿真自适应智能体的主要工作和处理功能。
添加一个名称为“自适应智能体状态图”的statechartentrypoint组件作为系统状态起点；然后添加“待机状态”、“工作状态”和“故障状态”三个state组件作为系统的状态集；再添加“工作至待机”、“待机至工作”、“故障”、“修复至工作”和“修复至待机”共五个transition组件，实现包含三种状态和五中转换关系的状态机模块(如图6)。分别在“待机状态”、“工作状态”、“故障状态”三个state对象的entryaction属性设置框中添加状态转换的java处理代码，主要完成系统状态属性更新、记录系统状态变化轨迹、记录系统故障次数、将故障信息发送给上一级环境仿真自适应智能体等。
在系统仿真自适应智能体中添加一个名为“syslog”的textfile数据文件对象，并将其“file”属性设置为磁盘中的文件名，用于在仿真过程中将系统自适应智能体运行所产生的数据输出到磁盘文件中用于后续分析。
构建描述系统工作环境的环境仿真自适应智能体模型。
按照本发明提出的环境仿真自适应智能体的基本功能结构(如图7所示)在anylogic中建立环境仿真自适应智能体模型，具体包括如下步骤：
在模型中新添加一个名为“环境”的activeobjectclass对象，并在属性设置页中将其设置为“自适应智能体”类型。
在环境仿真自适应智能体中建立属性列表。在环境仿真自适应智能体中添加名称为“启用环境影响”、“启用动态环境”两个parameter对象，分别表示是否在仿真中考虑环境影响因素以及环境影响因素是否在仿真过程中动态变化。然后再添加一组名称为“结构因子”、“温度因子”、“湿度因子”、“海拔高度因子”、“使用因子”、“电压应力因子”、“空气环境因子”、“质量因子”、“磁场作用因子”、“其他作用因子”的parameter对象，表示系统中的环境影响因素。
在环境仿真自适应智能体中分别添加mout、min两个port对象用于完成指令、任务状态信息等消息的发送和接收，它们是环境仿真自适应智能体与任务和系统仿真自适应智能体进行通讯的基本模块。
在环境仿真自适应智能体中添加一个collection对象，用于存放一个任务阶段与环境影响因子值数组的映射列表，作为该智能体的环境模型库。
在环境仿真自适应智能体中添加三个function对象：(1)发送消息：向系统仿真自适应智能体发送环境因素变化的消息；(2)消息处理函数：处理环境仿真自适应智能体接收到的各种消息，并根据消息做出反应。
构建环境仿真自适应智能体的环境模拟模块。在环境仿真自适应智能体中添加一个名称为“环境响应函数”的function组件作为处理环境模拟的模块，该函数有一个名为“任务阶段”的输入参数；然后添加java代码，根据“任务阶段”参数，从环境模型库中检索该任务阶段对应的环境参数值，然后将值赋给各个环境影响因子，实现环境模型的转换。
在环境仿真自适应智能体中添加一个名为“enlog”的textfile数据文件对象，并将其“file”属性设置为磁盘中的文件名，用于在仿真过程中将环境自适应智能体运行所产生的数据输出到磁盘文件中用于后续分析。
构建描述系统任务执行过程的任务仿真自适应智能体。
按照本发明提出的任务仿真自适应智能体的基本功能结构(如图8所示)在anylogic中建立任务仿真自适应智能体模型，具体包括如下步骤：
在模型中新添加一个名为“任务”的activeobjectclass对象，并在属性设置页中将其设置为“自适应智能体”类型。
在任务仿真自适应智能体中建立属性列表。在任务仿真自适应智能体中添加名称为“系统工作模式”、“任务仿真次数”两个parameter对象，分别表示任务中系统工作的模式(包括正常工作模式、连续工作模式和用户控制模式三种)和系统执行任务剖面的次数。
在任务仿真自适应智能体中分别添加mout、min两个port对象用于完成指令、任务状态信息等消息的发送和接收，它们是任务仿真自适应智能体与环境和系统仿真自适应智能体进行通讯的基本模块。
在任务仿真自适应智能体中添加三个function对象：(1)发送消息：向环境和系统仿真自适应智能体发送任务状态变化的消息；(2)任务启动：启动系统执行的任务剖面的仿真过程；(3)消息处理函数：处理任务仿真自适应智能体接收到的各种消息，并根据消息做出反应。
构建任务仿真自适应智能体的任务模拟模块。首先在任务仿真自适应智能体中添加一个名称为“起始点”的statechartentrypoint组件作为系统任务的起点；然后添加“待命阶段”、“仿真控制”两个任务管理state组件和若干(依任务阶段的数量确定)个“任务阶段”state组件作为系统所执行任务的状态集；再添加任务开始、任务结束和重新开始三个基本的任务转换transition组件以及若干个“任务转换”transition组件代表各个任务阶段之间的转换关系，根据任务的实际转换关系用transition组件将各个任务阶段state组件连接起来。分别在每个“任务阶段”state对象的entryaction属性设置框中添加启动任务阶段转换的java处理代码，主要完成向环境和系统仿真自适应智能体通知任务任务阶段的变化等信息。在“待命阶段”state的entryaction属性设置中添加对系统的工作状态进行初始化的java处理代码。在“仿真控制”state对象的entryaction属性设置框中添加对仿真次数进行记录并判断是否退出仿真的java处理代码。
在任务仿真自适应智能体中，针对每个“任务转换”transition组件，添加一个“任务事件”event组件，在这些event组件的action属性中添加激发对应的“任务转换”transition组件行为的代码。这些event对象将根据各个阶段任务执行的条件(可以是时间事件或条件事件)激活对应的任务转换活动，实现任务在不同阶段之间的切换。
在任务仿真自适应智能体中添加一个名为“simlog”的textfile数据文件对象，并将其“file”属性设置为磁盘中的文件名，用于在仿真过程中将任务仿真自适应智能体运行所产生的数据输出到磁盘文件中用于后续分析。
依据系统的功能结构关系，基于工作单元仿真自适应智能体、系统仿真自适应智能体、环境仿真自适应智能体和任务仿真自适应智能体，建立系统可靠性仿真模型，具体包括如下步骤：
依据系统的功能结构关系，在新模型的main模块设置界面中，分别添加一个任务仿真自适应智能体、一个环境仿真自适应智能体、一个系统仿真自适应智能体和一个包含7个工作单元仿真自适应智能体的数组，建立系统可靠性仿真模型。将系统仿真自适应智能体的“任务自适应智能体”属性设置为任务仿真自适应智能体，将“环境自适应智能体”属性设置为环境仿真自适应智能体，将7个工作单元仿真自适应智能体的系统自适应智能体设置为系统仿真自适应智能体。再添加一个environment对象并设置其尺寸参数，通过添加矩形形状、仿真控制按钮等方式设置好自适应智能体运行的显示界面。在main模块的属性设置页的startup属性设置框中输入初始化7个工作单元属性、可靠性分布参数的java代码。在main模块中添加一个名称为“系统数据集合”的histogramdata对象，并在其value属性值中设置为系统仿真自适应智能体的无故障工作时间参数，以便对该参数的值进行收集和统计。然后根据需要在main模块中添加timeplot、histogram等多种数据统计和显示的组件，并设置其数据源为“系统数据集合”对象。这些组件将对数据源的数据进行统计显示。
建立自适应智能体之间的通讯网络。自适应智能体之间的通讯网络主要由网络链接模型和消息编码模型两个要素组成。首先依据之前建立的系统基本可靠性框图，按照自适应智能体之间的可靠性关系、协作关系和消息传递关系，通过anylogic中的connector和port组件，建立各个自适应智能体之间的通讯网络链接(如图9所示)，并根据各类自适应智能体对外来消息的反应模式，在各类自适应智能体的消息处理模块中完成各类消息的接收和处理代码。在本发明中提出的自适应智能体通讯网络主要包含两个相互独立的子网：自适应智能体消息指令通讯网络和自适应智能体可靠性关系通讯网络。其中自适应智能体消息指令通讯网络按照任务、环境、系统、工作单元四类自适应智能体之间的通讯、控制关系而建立，为静态网络，主要用于自适应智能体之间在仿真过程中相互传递消息、指令等；自适应智能体可靠性关系通讯网络为动态网络，它存在于系统和工作单元两类自适应智能体之间，在仿真运行过程中根据任务阶段的变化，由自适应智能体根据各个任务阶段的可靠性关系模型而自主建立。本发明中自适应智能体之间的通讯采用三元可扩展语义消息格式，其一般编码形式为：
消息类型::消息关键字::消息体
消息体＝<[指令][元数据＝值]>
其中消息类型主要表示消息所属的类型或性质，例如“info”表示信息类消息，“cmd”表示指令类消息；关键字用来表明消息的核心语义，例如“setting”表示消息“参数设置”，“rbm”表示“系统的可靠性关系模型”，“ctr”表示“控制”等；消息体主要包含消息所要表达的语义的附加参数和数据等。仿真过程中典型的消息示例如下：
消息示例1：info::setting::<质量因子＝1,温度因子＝1.99,结构因子＝1,海拔高度因子＝1,磁场作用因子＝1,环境因子＝1,使用因子＝1,其他作用因子＝1>
消息示例2：info::rbm::<0-1,1-2,2-3,3-4,4-5,5-0>
消息示例3：info::fail::<故障件编号＝4,故障件名称＝光接口板>
消息示例4：cmd::setting::<编号＝1,名称＝高频板,可靠性分布类型＝7,分布参数1＝0.0000022,分布参数2＝0,分布参数3＝0,分布参数4＝0,工作模式＝2,修复时间＝0>
消息示例5：cmd::ctr::<启动>
消息示例6：cmd::ctr::<待机>
消息示例7：cmd::ctr::<重置>
消息示例8：cmd::ctr::<使用>
消息示例9：cmd::dth::<解除连接>
建立工作单元可靠性的环境干涉响应机制。为了模拟外界任务环境变化对工作单元可靠性的影响，通过自适应智能体消息指令通讯网络，建立系统的可靠性环境干涉响应机制，其基本原理如图10所示。其工作流程为：任务仿真自适应智能体根据仿真时钟的推进，在不同任务阶段之间进行切换，并在任务阶段发生变化时，将任务阶段信息发送给环境仿真自适应智能体和系统仿真自适应智能体；环境仿真自适应智能体根据任务阶段的变化确定是否转换环境参数，并在任务环境发生变化时，将新任务环境参数信息发送给系统仿真自适应智能体；系统仿真自适应智能体根据新任务阶段的系统工作特点，生成新的系统可靠性关系模型编码并与新的环境参数一起通过消息端口发送给各个工作单元仿真自适应智能体；各个工作单元仿真自适应智能体根据接收到的消息，解析可靠性关系模型编码并重新自动建立相互之间的可靠性关系网络，同时根据环境影响函数对自身的故障率参数进行重新计算和更新。完成上述过程后，系统将在新的可靠性关系模型和新的故障规律下运行，实现系统对环境变化和故障特征的自适应过程。
建立系统可靠性状态检测机制。本发明采用了基于信号网络的系统可靠性状态检测方法，即通过所建立的自适应智能体可靠性关系通讯网络，根据检测信号在通讯网络中产生的流量来判断系统的可靠性状态。其基本原理为：设x是自适应智能体通讯网络g中的任意自适应智能体节点，x∈v；fluxinput(x,t)是节点x在t时刻的输入流量函数，fluxoutput(x,t)是节点x在t时刻的输出流量函数；则令在g中每条有向边单位时间的流量(即：容量)为1，在t时刻，g中的任意非系统节点agtj上，有：
上式中msginput(agtj,t)、msgproc(agtj,t)、msgoutput(agtj,t)、nodestate(agtj,t)和rh(j,t)分别是自适应智能体节点j在t时刻的信号接收函数、信号处理函数、信号输出函数、节点状态函数及节点可靠性关系函数。
上述公式就是任意时刻t节点agtj的输出信号流量递推公式。其中fluxinput(agtj,t)是该节点接收到的外来信号流量，它是该节点上游各节点发送至本节点的信号流量的总和。当该节点的上游节点为agt0时(即为系统节点时)，fluxinput(agtj,t)＝1。
在仿真过程中，每个节点代表一个工作单元。假设每个节点的信号处理函数采用最简单的信号中继算法，那么当执行可靠性状态检测时，如该节点工作正常，则每当它接收到一个单位流量信号时，将向每个与其连接的下游节点发送一个单位信号；当该节点故障时，则无论接收到多少信号，都不会向下游节点发送任何信号，即：若某节点j(j＝1,2,λ,n)有a个正常工作节点，其下游有b个正常工作节点，则每个节点都可以到接收流量为a的信号，此时，节点j需要发送流量为a×b的信号，这将形成一个信号放大型网络，其接收到的新型号量完全取决于网络结构和各个节点的工作状态。在这种模型中，当fluxinput(agt0,t)＝0时，系统发生故障；当fluxinput(agt0,t)≥1(当且仅当系统可靠性模型为串联模型时取等于)时，系统正常工作。需要注意的是，当系统正常工作时，这并不能表明系统中没有故障单元。在更复杂的情况下，通过采用信号过滤算法、消息合并算法并采用复杂消息结构，可以实现更加高效和灵活的系统可靠性状态检测机制。
建立可靠性模型的多自适应智能体协作机制。以自适应智能体之间所建立的通讯网络为基础，通过定义各类自适应智能体的消息处理模块，实现各类自适应智能体在不同任务条件和事件下的协作响应机制，通过自适应智能体之间的协作活动模拟系统在工作中各类事件的发生和系统响应过程。这种协作机制的工作原理如图11所示。
设定工作单元、系统、环境和任务仿真自适应智能体的各项仿真参数，并进行仿真过程调试，检查模型是否正确运行。本实施例的仿真模型运行时的界面如图12所示。在本实施例的仿真模型中，我们将仿真时钟定为永不停止，由用户根据仿真数据的收集情况手动停止仿真运行。
运行系统仿真并收集系统可靠性分析所需数据。在仿真运行的过程中，各个自适应智能体将自己的状态数据写入磁盘文件中用于后续分析，同时也以图表的形式将统计数据显示在仿真界面中。
根据系统仿真数据统计系统可靠性参数，获取系统可靠性指标的统计值，生成系统可靠性统计曲线，用于分析系统可靠性的总体水平并分析其关键影响因素等。本实施例中，经过1268万虚拟时钟的仿真运行，共获得系统故障246次，统计得到的系统可靠性参数mtbf的预计值为51552.65小时，而据该系统的现场使用运行统计情况，其mtbf统计值为4.5万小时，两者误差不超过15％；而用数值计算的方式，该系统的mtbf约为56818小时，与实际统计有26％的误差。依据美国学术界的通常说法：“预计结果与现场使用统计结果相比在0.8～2倍之内，就是相当准确的”。仿真的效果表明本发明的方法是有效和可信的，且预计结果精度更高。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
以上所述仅是本公开的具体实施方式，应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开精神的前提下，可以作出若干改进、修改、和变形，这些改进、修改、和变形都应视为落在本申请的保护范围内。