本發(fā)明涉及一種數(shù)字孿生模型可信度評估方法及系統(tǒng)，屬于通信孿生網(wǎng)絡(luò)。

背景技術(shù)：

1、隨著存儲(chǔ)、計(jì)算與通信技術(shù)的迅猛發(fā)展，數(shù)字孿生技術(shù)已經(jīng)被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)等各個(gè)領(lǐng)域。通過創(chuàng)建與物理實(shí)體具有高度一致性的虛擬模型，并將二者進(jìn)行連接，數(shù)字孿生技術(shù)實(shí)現(xiàn)了物理系統(tǒng)與虛擬模型之間的交互。通過虛擬模型模擬物理實(shí)體的實(shí)際行為，實(shí)現(xiàn)對物理系統(tǒng)模擬、分析和預(yù)測等仿真行為，將得到的仿真結(jié)果反作用于物理系統(tǒng)，從而實(shí)現(xiàn)物理系統(tǒng)的決策和優(yōu)化。這種技術(shù)不僅可以持續(xù)提升系統(tǒng)性能，還能加速系統(tǒng)迭代優(yōu)化的周期，顯著降低研發(fā)成本。然而，隨著系統(tǒng)規(guī)模的擴(kuò)大和復(fù)雜性的日益增加，系統(tǒng)內(nèi)部的機(jī)理及各組件之間存在著復(fù)雜交互關(guān)系，對數(shù)字孿生模型的可信度要求也隨之提升。

2、在工業(yè)通信孿生網(wǎng)絡(luò)中，確保模型的高可信度至關(guān)重要，任何錯(cuò)誤都可能導(dǎo)致通信中斷，從而帶來損失。通信孿生模型可信度評估是確保其能夠真實(shí)反映物理網(wǎng)絡(luò)的狀態(tài)和行為，數(shù)字孿生系統(tǒng)能否被正確應(yīng)用，取決于其可信度水平的高低，高可信度的通信孿生模型能夠提供可靠的決策依據(jù)，優(yōu)化通信穩(wěn)定性和信息安全，并降低實(shí)際應(yīng)用中的不確定性。因此，數(shù)字孿生模型的可信度評估是確保數(shù)字孿生系統(tǒng)應(yīng)用中關(guān)鍵步驟之一。

3、目前國內(nèi)外對仿真模型可信度評估的研究涌現(xiàn)出了很多方法，哈爾濱工業(yè)大學(xué)的冉培志提出了一種基于改進(jìn)模糊綜合評判的仿真模型可信度評估方法，基于傳統(tǒng)的模糊綜合評判方法進(jìn)行仿真可信度評估時(shí)，通常根據(jù)專家經(jīng)驗(yàn)判斷權(quán)重，以及模糊運(yùn)算選擇不合理等問題。導(dǎo)致最終得到的可信度評估方法不準(zhǔn)確，采用基于最小隸屬度加權(quán)平均偏差確定指標(biāo)權(quán)重，在模糊合成階段，采用隸屬度加權(quán)平均偏差獲取綜合評價(jià)，以此得到準(zhǔn)確的仿真可信度評估結(jié)果；（“基于改進(jìn)模糊綜合評判的仿真可信度評估方法”，冉培志等，系統(tǒng)仿真學(xué)報(bào)，第32卷第12期，第2469-2474頁，2020年8月。）；

4、?葉梓珩針對面向?qū)嵨锖蛿?shù)值解算兩個(gè)不同應(yīng)用環(huán)境下的仿真模型重用，提出了基于偏差傳播的仿真模型可信度評估方法，但是隨著模型組合方式復(fù)雜性改變，可能無法適應(yīng)所有類型的復(fù)雜組合（“復(fù)雜仿真系統(tǒng)重用模型可信度評估方法”，葉梓珩等，系統(tǒng)仿真學(xué)報(bào)，第32卷第12期，第2475-2484頁，2020年8月）；?wei?li提出了一種基于證據(jù)理論的多變量輸出和不確定性模型驗(yàn)證方法，提取系統(tǒng)響應(yīng)在不確定下的數(shù)據(jù)特征，將驗(yàn)證數(shù)據(jù)表示為證據(jù)理論，然后采用改進(jìn)傳統(tǒng)的證據(jù)距離，來測量仿真輸出和實(shí)驗(yàn)觀測的一致性程度，但是該方法并不能很好解決具有相關(guān)輸出的多變量驗(yàn)證問題（“an?evidence?theory-based?validation?method?for?models?with?multivariate?outputs?anduncertainty”，li?wei，simulation-transactions?of?the?society?for?modeling?andsimulation?international，第97卷第12期，第821-834頁，2021年12月。）；

5、有研究為了評估高動(dòng)態(tài)特性的仿真模型可信度，提出了一種基于模式的驗(yàn)證方法，提取存在于仿真模型及其參考數(shù)據(jù)中的隱藏模式，并從不同角度評估模型性能，但是隨著仿真輸出數(shù)量的增加，所提出的方法計(jì)算量和耗時(shí)會(huì)增加（“a?pattern-basedvalidation?method?for?the?credibility?evaluation?of?simulation?models”，ylaili，l?zhang，y?luo，simulation-transactions?of?the?society?for?modeling?andsimulation?international，第96卷第2期，第151-167頁，2020年2月。）；

6、現(xiàn)有技術(shù)在傳統(tǒng)仿真模型可信度評估的理論和方法研究方面已經(jīng)取得很大進(jìn)展，能夠有效評估仿真模型的可靠性和準(zhǔn)確性。在數(shù)字孿生系統(tǒng)的構(gòu)建和優(yōu)化中，仿真技術(shù)仍然是關(guān)鍵支撐，孿生模型實(shí)際上也可以看作是對真實(shí)系統(tǒng)的仿真。然而，數(shù)字孿生系統(tǒng)與傳統(tǒng)仿真相比具有很大不同，孿生模型是對物理系統(tǒng)的高保真度還原，因此，為了達(dá)到更高的精確度，模型需要更加精細(xì)化，這對仿真技術(shù)提出了更高的要求。此外，數(shù)字孿生系統(tǒng)要求虛擬模型與物理系統(tǒng)進(jìn)行實(shí)時(shí)交互，這使得數(shù)字孿生模型的可信度評估相比于傳統(tǒng)仿真更加復(fù)雜，可信度評估不僅涉及到更多的數(shù)據(jù)處理，還需要考慮更多的指標(biāo)維度，來確保整體系統(tǒng)可信度評估的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種數(shù)字孿生模型可信度評估方法及系統(tǒng)，實(shí)現(xiàn)通信孿生模型可信度評估的目的是確保虛擬模型能準(zhǔn)確反映現(xiàn)實(shí)通信的性能，行為，變化趨勢，從而提升通信網(wǎng)絡(luò)的整體性能和可靠性；

2、為達(dá)到上述目的/為解決上述技術(shù)問題，本發(fā)明是采用下述技術(shù)方案實(shí)現(xiàn)的：

3、第一方面：一種數(shù)字孿生模型可信度評估方法，所述方法包括：

4、構(gòu)建數(shù)字孿生模型可信度評估的指標(biāo)體系框架，基于指標(biāo)體系框架根據(jù)數(shù)字孿生的特點(diǎn)和目標(biāo)需求確定模型可信度評估相應(yīng)的評估指標(biāo)；

5、根據(jù)模型可信度評估相應(yīng)的評估指標(biāo)獲取相應(yīng)的可信度分析原始數(shù)據(jù)；

6、基于可信度分析原始數(shù)據(jù)結(jié)合定性分析方法和定量分析方法進(jìn)行分析處理，并根據(jù)不同的評價(jià)指標(biāo)構(gòu)建合理的可信度等級評價(jià)區(qū)間；

7、根據(jù)可信度等級評價(jià)區(qū)間通過云模型確定相應(yīng)的證據(jù)基本概率分配；

8、將得到的證據(jù)基本概率分配，根據(jù)證據(jù)沖突和證據(jù)源可信度，結(jié)合deng熵，得到證據(jù)相應(yīng)的折扣因子；

9、通過折扣因子對證據(jù)進(jìn)行折扣處理，生成用于融合的證據(jù)；

10、通過證據(jù)理論的融合規(guī)則，將用于融合的證據(jù)進(jìn)行證據(jù)融合，得到融合證據(jù)后的基本概率分配；

11、構(gòu)建判斷矩陣，計(jì)算模型可信度評估相應(yīng)的評估指標(biāo)的權(quán)重；

12、通過各評估指標(biāo)間的權(quán)重，將每個(gè)評估指標(biāo)得到的基本概率分配再次進(jìn)行證據(jù)融合，并根據(jù)融合證據(jù)后的基本概率分配，評估出數(shù)字孿生模型的可信度評價(jià)等級。

13、可選的，所述定性分析方法為：結(jié)合需求和專家經(jīng)驗(yàn)進(jìn)行定性分析。

14、可選的，所述定量分析方法采用的公式為：

15、；

16、式中：表示模型仿真的累積分布，表示實(shí)驗(yàn)數(shù)據(jù)的經(jīng)驗(yàn)累積分布，表示兩個(gè)分布之間的誤差度量，為仿真輸出的累積分布函數(shù)，為實(shí)驗(yàn)觀測數(shù)據(jù)的經(jīng)驗(yàn)累積分布函數(shù)。

17、可選的，所述云模型的數(shù)字特征采用表示期望值，表示熵，表示超熵，超熵反映了熵的離散程度，期望值，熵計(jì)算如下：

18、，

19、；

20、式中：?表示在不同等級區(qū)間的最大邊界值，表示在不同等級區(qū)間的最小邊界值，可信度評價(jià)等級的隸屬度計(jì)算如下：

21、；

22、由于高斯云模型具有普適性，采用高斯分布演化而來的正態(tài)云模型，其中，，表示隨機(jī)數(shù)，表示指數(shù)函數(shù)e，表示的期望，表示方差的正態(tài)隨機(jī)數(shù)，表示正態(tài)分布。

23、可選的，所述將得到的證據(jù)基本概率分配，根據(jù)證據(jù)沖突和證據(jù)源可信度，結(jié)合deng熵，得到證據(jù)相應(yīng)的折扣因子，包括：

24、通過jousselme距離計(jì)算證據(jù)之間的沖突，證據(jù)距離沖突的公式如下：

25、；

26、；

27、其中，d為一個(gè)的矩陣，是識(shí)別指標(biāo)體系框架中命題的數(shù)量；表示證據(jù)m1和m2之間的jousselme距離，,是兩個(gè)證據(jù)體的基本概率分配，，為基本概率分配的向量；?d（s1，s2）表示矩陣d的元素，，是識(shí)別框架中的非空子集，表示矩陣的轉(zhuǎn)置；

28、根據(jù)專家經(jīng)驗(yàn)水平定義專家可信度為該專家的權(quán)重值與專家中權(quán)重最大值之比，每個(gè)專家的相對權(quán)重為，其中每個(gè)專家權(quán)重之和為1，則證據(jù)可信度為：

29、；

30、其中，crd表示證據(jù)可信度，表示專家的相對權(quán)重，表示專家相對權(quán)重中最大的一個(gè)，i=1到n，表示有n個(gè)專家對應(yīng)有n個(gè)專家的相對權(quán)重，表示n個(gè)中的其中一個(gè)；

31、通過shapely值對證據(jù)間的距離沖突和證據(jù)可信度之間進(jìn)行權(quán)衡分配權(quán)重，得到修正權(quán)重，shapely值計(jì)算公式如下：

32、；

33、式中，表示shapely值，表示不包含玩家i的所有子集，表示子集s的大小，表示總玩家數(shù)，表示子集s的收益，表示在子集s中假如玩家i后的收益，表示階乘；

34、計(jì)算每條證據(jù)的deng熵，計(jì)算公式如下：

35、；

36、式中，表示deng熵，是集合的基數(shù)，?表示對的基本支持程度；

37、通過將修正權(quán)重和deng熵結(jié)合，獲取最終的證據(jù)折扣值w1。

38、可選的，所述通過shapely值對證據(jù)間的距離沖突和證據(jù)可信度之間進(jìn)行權(quán)衡分配權(quán)重，包括：

39、（1）將證據(jù)體作為合作或?qū)沟耐婕?，?dāng)兩條證據(jù)間沖突小時(shí)，認(rèn)為證據(jù)間為合作的，此時(shí)產(chǎn)生正增益，增強(qiáng)兩條證據(jù)對整體證據(jù)融合時(shí)的影響；

40、（2）當(dāng)證據(jù)沖突大時(shí)，證據(jù)間的可信度差距大，將增強(qiáng)證據(jù)可信度大的證據(jù)對整體融合的影響，而降低證據(jù)可信度小的證據(jù)的影響；

41、（3）當(dāng)證據(jù)沖突大，但是證據(jù)間可信度差距小時(shí)，認(rèn)為證據(jù)間對抗，此時(shí)兩條證據(jù)的融合將會(huì)對最終結(jié)果產(chǎn)生較大的影響，同時(shí)降低兩條證據(jù)間的影響；

42、根據(jù)步驟（1）-步驟（3）設(shè)置參數(shù)，計(jì)算證據(jù)沖突和證據(jù)源可信度，通過shapely值計(jì)算每條證據(jù)對應(yīng)的修正權(quán)重。

43、可選的，所述通過折扣因子對證據(jù)進(jìn)行折扣處理，包括：

44、將jousselme距離計(jì)算證據(jù)間的沖突，求取證據(jù)沖突矩陣，獲得證據(jù)相似性矩陣，求取支持度；

45、求取支持度的均值，并結(jié)合deng熵，獲得證據(jù)折扣值w2，當(dāng)證據(jù)折扣值w1大于或等于證據(jù)折扣值w2時(shí)，認(rèn)為證據(jù)沖突和證據(jù)可信度之間有良好的一致性，取折扣因子，當(dāng)證據(jù)折扣值w1小于證據(jù)折扣值w2時(shí)，認(rèn)為證據(jù)沖突和證據(jù)可信度之間沒有良好的一致性，折扣因子為；

46、。

47、可選的，所述通過折扣因子對證據(jù)進(jìn)行折扣處理，生成用于融合的證據(jù)的公式為：

48、；

49、式中，表示對的基本支持程度，表示證據(jù)體總數(shù)，為折扣因子對證據(jù)折扣后的證據(jù)，?為沖突因子，為在所有證據(jù)的平均基本信任分配，公式如下：

50、，

51、。

52、可選的，所述通過證據(jù)理論的融合規(guī)則，將用于融合的證據(jù)進(jìn)行證據(jù)融合，得到融合證據(jù)后的基本概率分配，包括：

53、通過證據(jù)理論的融合規(guī)則進(jìn)行融合k-1次，獲取最終的融合結(jié)果，得到可信度評價(jià)等級，設(shè),為同一識(shí)別框架的兩組基本概率分配函數(shù)，基于dempster組合規(guī)則：

54、，

55、；

56、其中，,是兩個(gè)證據(jù)體的基本概率分配，為沖突系數(shù)，表示命題和之間的交集，和表示不同的信念集合。

57、第二方面：一種數(shù)字孿生模型可信度評估系統(tǒng)，所述系統(tǒng)包括：

58、評估指標(biāo)確定模型，用于構(gòu)建數(shù)字孿生模型可信度評估的指標(biāo)體系框架，基于指標(biāo)體系框架根據(jù)數(shù)字孿生的特點(diǎn)和目標(biāo)需求確定模型可信度評估相應(yīng)的評估指標(biāo)；

59、數(shù)據(jù)分析模塊，用于根據(jù)模型可信度評估相應(yīng)的評估指標(biāo)獲取相應(yīng)的可信度分析原始數(shù)據(jù)；

60、等級分析模塊，用于基于可信度分析原始數(shù)據(jù)結(jié)合定性分析方法和定量分析方法進(jìn)行分析處理，并根據(jù)不同的評價(jià)指標(biāo)構(gòu)建合理的可信度等級評價(jià)區(qū)間；

61、云處理模塊，用于根據(jù)可信度等級評價(jià)區(qū)間通過云模型確定相應(yīng)的證據(jù)基本概率分配；

62、第一計(jì)算模塊，用于將得到的證據(jù)基本概率分配，根據(jù)證據(jù)沖突和證據(jù)源可信度，結(jié)合deng熵，得到證據(jù)相應(yīng)的折扣因子；

63、生成模塊，用于通過折扣因子對證據(jù)進(jìn)行折扣處理，生成用于融合的證據(jù)；

64、證據(jù)融合模塊，用于通過證據(jù)理論的融合規(guī)則，將用于融合的證據(jù)進(jìn)行證據(jù)融合，得到融合證據(jù)后的基本概率分配；

65、第二計(jì)算模塊，用于構(gòu)建判斷矩陣，計(jì)算模型可信度評估相應(yīng)的評估指標(biāo)的權(quán)重；

66、評估計(jì)算模塊，用于通過各評估指標(biāo)間的權(quán)重，將每個(gè)評估指標(biāo)得到的基本概率分配再次進(jìn)行證據(jù)融合，并根據(jù)融合證據(jù)后的基本概率分配，評估出數(shù)字孿生模型的可信度評價(jià)等級。

67、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果：

68、本發(fā)明方法，首先構(gòu)建了數(shù)字孿生模型可信度評價(jià)的指標(biāo)體系框架，根據(jù)數(shù)字孿生模型的可信度評價(jià)指標(biāo)獲取相應(yīng)的可信度評價(jià)所需的信息；其次結(jié)合需求分析和專家經(jīng)驗(yàn)轉(zhuǎn)為可信度評價(jià)等級，將獲取的可信度評價(jià)等級通過云模型轉(zhuǎn)換為證據(jù)，獲取每條證據(jù)的可信度評價(jià)等級的支持度；最后通過jousselme距離計(jì)算證據(jù)之間的沖突，將證據(jù)沖突和證據(jù)源可信度或者證據(jù)重要性用shapely獲取相應(yīng)的證據(jù)修正權(quán)重，結(jié)合deng熵獲取證據(jù)折扣因子，融合證據(jù)獲取最終的可信度評價(jià)；

69、本發(fā)明提出的方法能夠綜合多方面因素對模型的指標(biāo)進(jìn)行可信度評價(jià)，有效提高可信度評價(jià)的準(zhǔn)確性，并降低其不確定性，尤其在通信孿生模型中展現(xiàn)出了良好的應(yīng)用效果。通過該方法，能夠?qū)νㄐ艑\生模型可信度的進(jìn)行更為準(zhǔn)確的評估，從而保障在復(fù)雜通信環(huán)境中的有效應(yīng)用。