基于神经微分方程与动态事件树的装备动态风险评估方法

本发明涉及风险评估，具体涉及一种基于神经微分方程与动态事件树的装备动态风险评估方法。

背景技术：

1、动态事件树(dynamic event tree，det)分析作为概率安全评价(probabilisticsafetyassessment,psa)方法，已广泛应用于航天航空、核电能源、电子通信、医疗、能源和军事等领域。det建模分析能够整合外部环境、人因失误、设备故障等可靠性影响因素，得到系统可能发生事故的演化路径、演化时间、演化概率等信息，进一步可以分析和预测系统安全风险水平，可能的环境影响，指导人员采用相应措施避免或缓减由事故可能导致的损失，从而为设备设计制造、运维管理提供重要参考和决策支撑。动态事件树包含连续事件树(continuous eventtree,cet)及离散动态事件树(discrete dynamic eventtree,ddet)，但在实际场景中ddet应用较多。应用ddet模型进行风险/可靠性分析主要有以下四个步骤：1)系统定义与关键因素/事件识别；2)确定建树过程中的各种规则；3)仿真实现；4)仿真结果统计分析。

2、然而，在使用ddet对复杂装备系统进行使用阶段任务可靠性量化评估时，往往会面临以下两大问题：1)如何快速构建ddet；2)如何解决ddet生成过程中因不确定性导致的分支路径演化方向随机性，从而遇到的数据庞大和分支爆炸问题。

技术实现思路

1、针对上述背景技术中指出的技术问题，本发明的目的是提供一种基于神经微分方程与动态事件树的装备动态风险评估方法。

2、为实现本发明的目的，本发明提供的技术方案如下：

3、一种基于神经微分方程与动态事件树的装备动态风险评估方法，包括如下：

4、利用神经事件微分方程生成系统仿真路径与节点，然后根据节点合并仿真路径生成ddet并对其进行后剪枝，删去不必要的分支；

5、通过剪枝后的ddet和系统数据学习黑箱事件函数，再利用黑箱事件函数生成新的ddet，起到提高系统仿真效率的效果；

6、利用生成的ddet实现系统动态的仿真结果，进一步完成统计量基础上的风险评估，对复杂装备系统的任务可靠性进行量化评价；对整个流程中的上述环节，均使用gpu并行计算技术对其进行进一步的加速。

7、其中，所述利用神经事件微分方程生成系统仿真路径与节点，具体包括：

8、对数据进行预处理后，提取满足条件的数据作为系统仿真的初始时间及状态，并和漂移函数与事件函数一同输入神经事件微分方程求解器中；漂移函数反映系统状态与时间的微分关系；事件函数则是ddet建树规则的体现，它控制事件的触发，直接地决定仿真结果；根据仿真的需求或数据的情况选择合适的事件函数；

9、神经事件微分方程求解器根据上述输入进行求解，并得到事件触发时间及系统状态，再将这些值一并输入状态更新函数中；用这些数据判断系统是否发生事故，若发生事故，则系统仿真结束，否则将这些数据作为下一段仿真的初始时间及状态，继续对系统进行模拟，直到发生事故或达到最大仿真时间时，仿真结束，按照上述思路，能够生成无数条系统演化路径。

10、其中，根据节点合并仿真路径生成ddet并对其进行后剪枝，具体包括：

11、对之前生成的系统演化路径进行合并，合并的逻辑如下：在每一时刻对各条演化路径对应当前时刻的节点和它们的状态进行判断，如果相同则合并此前的路径，并对下一时刻继续上述判断过程，否则不合并路径，如此往复，直到生成一棵完整的离散动态事件树，然后再调用合适的剪枝算法去除其中的冗余路径。

12、其中，通过剪枝后的ddet和系统数据学习黑箱事件函数，再利用黑箱事件函数生成新的ddet，具体包括：在生成完整ddet并对其剪枝后，利用这棵ddet的数据学习黑箱事件函数，使其具备在给定终止时间的前提下能够按顺序触发事件的能力；之后，调用黑箱事件函数，并再次利用神经事件微分方程生成系统仿真路径与节点，然后对演化路径进行合并，就得到新的ddet。

13、其中，利用生成的ddet实现系统动态的仿真结果，进一步完成统计量基础上的风险评估，具体包括：根据新的ddet中的路径进行系统动态风险评估；在构建ddet的基础上，随机仿真大量树的路径，然后合并其中相同的路径并记录个数，得到仿真树和简化仿真树，伴随设定的仿真总次数逐渐增加，再统计各路径所对应事故发生的概率即可。

14、与现有技术相比，本发明的有益效果如下：

15、在诸多psa方法中，使用ddet的显著优势在于它能够打破静态分析方法在刻画复杂装备系统动态行为上的局限性，对系统的动态特征和事故演化场景进行有效的描述，特别是在对过程变量和部件状态之间相互影响的处理上有很强的优越性。

16、在此基础上，由于本方案中的微分动态系统由神经网络定义，于是本发明能够在gpu加速的环境下进行实现系统仿真，从而大幅提升仿真效率。本发明还对目前较粗糙的ddet建树规则进行细化，降低了ddet构建过程的不确定性，解决其面临的数据庞大和演化分支爆炸的问题。同时，本发明提出的事件函数能够一定程度上将系统任务的定义从传统的人类可靠性量化评价框架中剥离。

17、此外，本发明使用的神经微分方程本身的优越性：

18、1)在这种背景下将求解器当作一个黑箱，并使用临近灵敏度方法计算梯度，它在时间上逆向求解一个包含原始状态和损失对状态敏感性的增强的微分方程，不需要通过运算进行反向传播，就能针对任何求解器的所有输入计算标量损失的梯度，使得能够以恒定的内存成本训练模型，提高了内存效率，克服了训练深度模型的一个主要瓶颈。

19、2)高效准确的现代ode求解器能够近似地确保输出值在真实值的一个给定容差内，通过改变容差能够在精度和计算成本之间进行权衡，实现对模型评估策略的调整，从而使评估模型的成本与问题的复杂性相适应。

20、3)监督学习任务所需要的参数数量的减少。当隐藏单元的动态被参数化为一个连续的时间函数时，附近“层”的参数就会自动捆绑起来，于是在用微分方程代替残差网络进行监督学习时具有更高的参数效率。

21、4)连续变换使变量变化的公式更容易计算，利用它构建新的可逆密度模型，能够避免归一化流的单一瓶颈，并且可以直接通过最大似然进行训练。

22、5)实现了连续时间线的预测。与需要离散化观察的循环神经网络不同，连续定义的模型可以在给定任何潜伏状态时，唯一定义一个潜伏轨迹，并借此在时间上任意向前或向后进行预测。

技术特征：

1.一种基于神经微分方程与动态事件树的装备动态风险评估方法，其特征在于，包括如下：

2.根据权利要求1所述的一种基于神经微分方程与动态事件树的装备动态风险评估方法，其特征在于，所述利用神经事件微分方程生成系统仿真路径与节点，具体包括：

3.根据权利要求1所述的一种基于神经微分方程与动态事件树的装备动态风险评估方法，其特征在于，根据节点合并仿真路径生成ddet并对其进行后剪枝，具体包括：

4.根据权利要求1所述的一种基于神经微分方程与动态事件树的装备动态风险评估方法，其特征在于，通过剪枝后的ddet和系统数据学习黑箱事件函数，再利用黑箱事件函数生成新的ddet，具体包括：在生成完整ddet并对其剪枝后，利用这棵ddet的数据学习黑箱事件函数，使其具备在给定终止时间的前提下能够按顺序触发事件的能力；之后，调用黑箱事件函数，并再次利用神经事件微分方程生成系统仿真路径与节点，然后对演化路径进行合并，就得到新的ddet。

5.根据权利要求1所述的一种基于神经微分方程与动态事件树的装备动态风险评估方法，其特征在于，利用生成的ddet实现系统动态的仿真结果，进一步完成统计量基础上的风险评估，具体包括：根据新的ddet中的路径进行系统动态风险评估；在构建ddet的基础上，随机仿真大量树的路径，然后合并其中相同的路径并记录个数，得到仿真树和简化仿真树，伴随设定的仿真总次数逐渐增加，再统计各路径所对应事故发生的概率即可。

技术总结
本发明公开了一种基于神经微分方程与动态事件树的装备动态风险评估方法，包括如下：利用神经事件微分方程生成系统仿真路径与节点，然后根据节点合并仿真路径生成DDET并对其进行后剪枝；学习黑箱事件函数，利用黑箱事件函数生成新的DDET；利用生成的DDET实现系统动态的仿真结果；对整个流程中的上述环节，均使用GPU并行计算技术对其进行进一步的加速。在诸多PSA方法中，使用DDET的显著优势在于它能够打破静态分析方法在刻画复杂装备系统动态行为上的局限性，对系统的动态特征和事故演化场景进行有效的描述，特别是在对过程变量和部件状态之间相互影响的处理上有很强的优越性。

技术研发人员：邓英俊,李好,高树成,李孝鹏
受保护的技术使用者：天津大学
技术研发日：
技术公布日：2024/1/15