基于贝叶斯网络的C4ISR体系恢复力评估方法与流程

本发明涉及c4isr体系评估技术，具体涉及一种基于贝叶斯网络的c4isr体系恢复力评估方法。

背景技术：

指挥信息系统(c4isr)，是一类由一组大规模、并发、分布式系统组成的复杂信息系统，是一个典型的体系，其中的成员系统既是相互独立的，又是相互依赖构成体系的能力。c4isr体系的可靠性依赖于成员系统的可靠性，成员系统之间的依赖关系也影响系统故障率的传播。针对这种状况需要在体系的开发阶段充分的评估体系的能力构成，分析当有成员系统发生故障时体系的适应力，同时确定体系能力降低的类型，找到影响体系恢复力的因素，以便于体系成型后具有鲁棒性。论文《c4isr体系演化中可靠性分析与评估》(张婷婷,王智学.c4isr体系演化中可靠性分析与评估[j].指挥与控制学报,2015,1(4):439-444.)从能力、过程和质量三个方面比较了系统的评价指标体系，并总结出评价体系指标的层次结构，即从上到下依次为作战效能指标、作战任务效能指标、系统能力指标和系统性能指标，但文章只给出了宏观性的指导，没有一个具体的实施办法。

技术实现要素：

本发明的目的在于提供一种基于贝叶斯网络的c4isr体系恢复力评估方法。

实现本发明目的的技术解决方案为：基于贝叶斯网络的c4isr体系恢复力评估方法，包括如下步骤：

步骤1、依据c4isr体系能力聚合过程将体系划分为三个层次，分别是系统功能层、领域能力层和体系能力层；

步骤2、根据历史数据确定系统功能层各成员系统出现故障的概率，领域能力层各功能需求的条件概率，以及体系能力层完成相应使命任务的条件概率，计算一个成员系统故障时体系的恢复力；

步骤3、根据一个成员系统故障时体系的恢复力，确定关键成员系统和预期体系能力范围，指导改善体系抗干扰的能力。

本发明与现有技术相比，其显著优点为：本发明利用贝叶斯网络对c4isr体系进行建模，利用贝叶斯方法的概率推理c4isr体系的恢复力，利用恢复力识别体系中的关键成员系统，进而刻画体系能力下降的类型，有利于改善体系抗干扰的能力，便于开发出健壮性好的体系。

附图说明

图1是本发明的c4isr体系功能层次划分示意图。

图2是本发明的贝叶斯网络模型图。

图3是本发明简化的体系组成图。

图4是本发明体系恢复力的曲线图，其中(a)的系统以串联方式连接，(b)的系统以并方式连接，(c)的系统以串并联的方式连接。

图5是本发明一个成员系统崩溃时的体系恢复力曲线图。

图6是本发明不同成员系统故障时的体系恢复力曲线图。

图7是本发明实施例的导调控制系统功能层次模型图。

图8是本发明实施例的导调控制系统只有一个系统故障的恢复力图。

图9是本发明实施例的导调控制系统恢复力降低类型曲线图。

具体实施方式

下面结合附图和具体实施方式进一步说明本发明的原理和方案。

基于贝叶斯网络的c4isr体系恢复力评估方法，包括如下步骤：

步骤1、依据c4isr体系能力聚合过程将体系划分为三个层次，分别是系统功能层、领域能力层和体系能力层，体系划分依据为：(1)系统功能层，是每个系统能够实现的功能，是为了实现系统需求系统所必须具备的功能集合。(2)领域能力层，指根据功能需求划分c4isr能力域(包括通信能力、指挥控制能力、情报能力和火力打击能力)，按照领域的逻辑关系和特征实现不同系统的功能集成，形成跨系统的具有领域特征的能力，为体系能力提供能力构建。(3)体系能力层，是对完成使命任务更加抽象的描述，指根据任务需求要求集成各领域能力，形成满足特定使命任务要求的体系能力。

以体系sos能力为例，功能层划分如图1所示，系统需求决定采用什么样的技术手段，需要哪些成员系统，任务需求收集提供这些能力的系统集，而每个系统性能都来源于系统功能的聚集。虽然低层的能力聚合为上层提供能力支撑，但体系能力并非是成员系统能力的简单叠加，而是希望良性的能力涌现，因此可以将领域能力层看作是相对静态的，是体系能力需求，将体系能力看作是涌现能力。

步骤2、根据历史数据确定系统功能层各成员出现故障的概率，领域能力层各功能需求的条件概率，以及体系能力层完成相应使命任务的条件概率，计算各成员系统故障时体系的恢复力。

贝叶斯网络是描述变量之间概率依赖关系的有向无环图，利用概率论和图论进行不确定事件分析和推理的工具，具有因果语义，可进行因果推理。一个贝叶斯网络由节点x、边e和网络参数θ三部分组成，即b＝＜x,e,θ＞，其中节点x∈x代表随机变量，节点间的边e∈e代表变量间的直接依赖关系，节点x和边e组成网络结构。同时每个节点对应一个条件概率分布表，指明了该变量与父节点之间依赖的数量关系，θ表示条件概率分布表的参数。贝叶斯网络可以表示联合概率分布，设一组随机变量为x1,…,xn，其直接依赖的父节点pa(xi)，那么表示各变量的联合概率分布。因此，贝叶斯网络能直观的表示体系内部各组成部分之间的因果依赖关系，利用条件概率密度函数对系统进行推理及预测。当图中节点(随机变量)间不存在边时，则表明该节点是相互独立的，即在概率条件上二者也是相互独立的，节点间存在边时，则表明节点间存在直接依赖关系，即在概率条件上二者也是相互依赖的。

体系的这种层级聚合关系可以用贝叶斯网络描述，在系统功能层中各节点表示一个成员系统，节点间的箭头表示成员系统之间的依赖关系。领域能力层的能力需求节点是系统功能层中的子节点，体系预期能力满足的概率依赖于每个需求满足的概率，而能力需求满足的概率又依赖于系统正常运行的概率。考虑简单的有(n+1)个节点的系统，体系贝叶斯网络模型如图2所示。节点r有n个父节点，节点r代表的需求，父节点sn代表满足这个需求的成员系统。例如，在弹道导弹防御系统，其中一个需求可能是弹道导弹的探测。为了实现这一需求，需要一些系统，如无人飞行器(uav)，卫星，雷达，和接收机等。

定义体系恢复力为当体系内各成员系统发生过故障时，体系获得能力的概率，用p(c)表示。

每个节点都有其故障率，为了简化问题简化。这里假设每一个成员系统存在两种状态，即正常工作和无法工作，以1表示正常工作，0表示无法工作，可以用二项式分布或派生关系表示。假设领域能力层中的“能力需求1”节点用r1表示，一组成员系统{s1,s2,…,sn}是r1依赖的父节点，记为pa(r1)。则p(r1|pa(r1)＝s)表示r1依赖于其父节点并得到满足的条件概率，在贝叶斯网络中就是节点r1的条件概率分布，其中s表示pa(r1)所有取值的排列组合。比如pa(r1)＝{s1,s2}，则s＝{(0,0),(0,1),(1,0),(1,1)}。条件概率p(r1|pa(r1)＝s)是根据专家的意见确定或者将长期观察得到的数据进行分析得出的结论。根据以上的参数，利用全概率理论可以确定需求r1可满足的概率即

同理，假设体系的能力节点c，pa(c)表示节点c所依赖的父节点，即pa(c)＝{r1,…,rn}则概率p(c|pa(c))表示节点c在其父节点满足要求时所获得能力的条件概率。同样根据全概率公式可得体系能力的概率，即体系恢复力为其中r表示pa(c)所有取值的排列组合。

步骤3、根据各成员系统故障时体系的恢复力，确定关键系统和预期体系能力范围。

利用恢复力能刻画体系的能力随着体系中成员系统的故障而降低的类型。为了方便分析构建一个简单的体系，假设各成系统都是相同的，自然r对每个系统si的依赖也相同，如图3所示。理论上体系中成员系统出现故障越多则体系的恢复力越低。

当图3的体系中成员系统以串联方式进行连接时，这里的串联可以理解为时间上的先后，如果s1不发生则s2也就无法发生，则体系恢复力的降低类型为一个脉冲式类型，即一个成员系统发生故障则体系的整体恢复力为0，如图4a所示。当系统以并联方式连接时，这里可以理解为时间上没有先后顺序，或者能力上互不依赖，体系恢复力的降低类型为一个线性模式，如图4b所示。如果是先串联后并联的体系则如图4c中虚线所示，如果是先并联后串联则如图4c中实线所示。综合上述附图内容，可以得出并联的体系具有更好的恢复力。

通过以上分析可知，组织结构与体系的恢复力降低类型的关系。为了使分析更具有一般性，去除成员系统都是相同的假设，分析如图1中的复杂结构体系。设置一个具有20个成员系统的体系，满足三个不同的能力需求，组织模式为混合型，既有串联形式也有并联形式。一个能力需求可以包含多个分系统，一个成员系统也可以服务于多个能力需求，成员系统对于整个体系的重要性不尽相同。图5展示了当单独一个成员系统出现故障时体系的恢复力，可以分析每一个成员系统的重要性，恢复力越低说明该成员系统越重要，是体系构成的关键系统。

当体系中的成员系统按照重要性降序发生故障时，体系的恢复力则呈现出最坏情形。反之，当体系中的成员系统按照重要性升序发生故障时，体系的恢复力呈现出最好情形。当体系中成员系统按照故障率降序排列时，则体系的恢复力为最坏情形。最坏情形和最好情形是体系恢复力的两个极端，便于研发人员确定体系的性能极限。而一般情形则为体系的常态，研发人员能估算体系的能力。这几种情形如图6所示，其中最好情形与最坏情形较为平滑，因为是按照二者的重要性大小排列的，而一般情形是按照故障概率的大小排列的，所以较为波动。

综上所述，体系的组织结构决定了恢复力降低的轮廓，成员系统的故障程度决定恢复力降低类型的程度。开发人员可以根据恢复力确定关键系统，并能把握体系能力降低的类型。通过掌握最好和最坏类型，在设计过程中预期体系能力范围。

实施例

为了验证本发明的有效性，以某导调系统为例进行分析，导调控制系统是作战仿真系统中具有导调、控制、监视与管理功能的软硬件的集合，主要用来辅助导调人员快速制定演练规划、部署仿真资源、设计演练对抗过程、调控演练过程、控制系统运行及管理分析仿真数据，以确保仿真按预期目的有序、有效、安全、可控运行，由众多的相互独立或者相互依赖的系统组成，每个成员系统不具有导调系统的能力，是典型的c⁴isr体系。导调即导演与调理，是实现演练目的的中间媒介。从技术角度分析该体系包含网络系统、数据库、传感器、电力系统、一体化指挥系统、无线通信系统、地理信息系统、数据分析系统、调理终端机、核心服务器。三种能力需求共同构成导调系统的能力，即实时导调、态势显示和态势回放。每种能力需求由一个或几个系统完成，一个系统也可以服务于多个能力需求。按照前文所述方法进行能力层次划分，如图7所示。

对于每一个成员系统出现故障的概率都是一个与时间有关的函数，并且系统t0时刻未发生故障则在t1时刻发生故障的概率与t0时刻之前的状态无关，时间以小时计。由此可知成员系统故障概率服从指数分布，即f(x)＝1-e^-λx，其中λ是分布参数。λ的确定是根据成员系统本身的特性及长期观察得出的，如表1所示，为了方便表达将7中成员系统从左至右依次编号为a…j，并在以后的阐述中仍沿用此表示。

表1成员系统概率分布参数

每个功能需求对于不同的成员系统的依赖程度不同，根据长期累积结果可得三个能力需求的条件概率分别如表2、表3和表4所示。成员系统出现故障后则无法正常工作，也就是成员系统只有两种状态，即故障和正常分别用n和y表示。

表2实时导调能力需求得到满足的条件概率

表3态势回放能力需求得到满足的条件概率

表4态势显示能力需求得到满足的条件概率

同理可得到导调控制系统依赖于实时导调、态势显示及态势回放三个能力需求的条件概率如表5所示。

表5导调控制系统获得相应能力的条件概率

得到对应的条件概率之后，则可从计算能力需求满足的概率开始，最终计算得到体系的恢复力。利用公式可计算出满足能力需求的概率，其中p(pa(r)＝s)是一个联合概率，可根据s的取值来计算。例如要计算p(pa(导调控制)＝(n,y,n,y,n))的概率，由图6可以看出体系中的各成员系统都是相互独立的，则

p(pa(导调控制))＝p(a＝n,b＝y,c＝n,d＝y,f＝n)＝p(a＝n)p(b＝y)p(c＝n)p(d＝y)p(f＝n)

同样可计算恢复力p(c)。通过计算只有一个系统故障时的恢复力，可识别出体系中的关键系统，时限为200小时，如图8所示。从图中可看出电力系统是最关键的成员系统，需要至始至终保证，当然电力系统也是最稳定的。

将系统的重要性降序排列得到最坏恢复力降低类型，反之则得到最好恢复力降低类型，按照故障概率从大到小排列则得到体系恢复力降低的一般类型，时限为200小时，如图9所示。当以重要性降序排列时，排在第一位的就是电力系统，所以整个最坏情形中，体系将完全限于瘫痪状态，更说明了对体系分析的准确性。

通过案例分析验证了本文基于贝叶斯网络分析体系方法的正确性，通过恢复力能准确识别体系中的关键系统，并能估测体系性能下降的类型，对开发人员具有较大的帮助。案例分析同时也验证了体系的组织结构及成员系统故障概率是影响体系能力的两个重要因素。