系统故障演化过程中数据不确定的原因分析

崔铁军; 李莎莎

doi:10.12404/j.issn.1671-1815.2503411

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (10) :4464-4470 DOI: 10.12404/j.issn.1671-1815.2503411

环境科学、安全科学

系统故障演化过程中数据不确定的原因分析

崔铁军 ¹^,²^,³ ,
李莎莎 ¹^,³^,^*

作者信息 +

Causes of Data Uncertainty in System Fault Evolution Process

CUI Tie-jun ¹^,²^,³ ,
LI Sha-sha ¹^,³^,^*

Author information +

文章历史 +

摘要

为研究系统故障演化过程(system fault evolution process, SFEP)中的数据不确定性,及导致数据不确定的原因,借助量子力学方法进行了分析。首先阐述了SFEP的组成和层次结构;其次研究了SFEP的时间性和特征,及其导致数据不确定的原因;最后研究了SFEP在量子态下的形式逻辑及其导致数据不确定的原因。研究表明SFEP具有层次性且能表示为量子叠加态;测量使SFEP失去未来状态产生历史状态;历史状态被时间标定,未来状态在因素空间中且与时间无关;数据存在测量与应用的延迟时间导致了数据不确定;不同形式逻辑导致了量子态叠加方式不同进而导致数据不确定。研究认为时间和形式逻辑是SFEP产生不确定数据的根本原因。

Abstract

To study the data uncertainty in SFEP (system fault evolution process) and the causes of data uncertainty, the method of quantum mechanics was used to analyze it. Firstly, the composition and hierarchy of SFEP were described. Secondly, the timeliness and characteristics of SFEP were studied, as well as the causes of data uncertainty. finally, the formal logic of SFEP in quantum state and the causes of data uncertainty were studied. The results show that SFEP is hierarchical and can be expressed as quantum superposition states. Measurement makes SFEP lose its future state and generate historical state. The historical state is calibrated by time, and the future state is in the factor space and has nothing to do with time. Data uncertainty is caused by the delay time between measurement and application; Different formal logic leads to different superposition modes of quantum states, which leads to data uncertainty. Therefore, time and formal logic are the fundamental reasons for SFEP to produce uncertain data.

Graphical abstract

关键词

安全系统学 / SFEP / 量子力学 / 数据不确定 / 本质原因 / 时间性 / 形式逻辑

Key words

safety systematics / SFEP / quantum mechanics / uncertainty data / essential reasons / timeliness / formal logic

引用本文

引用格式 ▾

崔铁军, 李莎莎. 系统故障演化过程中数据不确定的原因分析[J]. 科学技术与工程, 2026, 26(10): 4464-4470 DOI:10.12404/j.issn.1671-1815.2503411

CUI Tie-jun, LI Sha-sha. Causes of Data Uncertainty in System Fault Evolution Process[J]. Science Technology and Engineering, 2026, 26(10): 4464-4470 DOI:10.12404/j.issn.1671-1815.2503411

登录浏览全文

4963

注册一个新账户忘记密码

系统故障演化过程(system fault evolution process, SFEP)具有普遍性、多样性和不确定性^[1-3]。普遍性在于SFEP描述系统在多因素下完成预定功能的能力变化。由于任何系统都是为了完成预定功能,因此任何系统存在的价值都可由SFEP衡量,可见任何系统都具有SFEP。多样性在于影响系统的因素种类和相值是多样的。由于系统是由各种事件和元件组成的,它们在不同因素影响下实现预定功能的能力不同。由它们构成的系统在因素变化中功能性变化更为复杂,因此使得SFEP具有多样性。不确定性是指未测量时SFEP是不确定的,是由所有事件状态叠加形成的叠加态。只有在被测量且所有因素被确定后才能转化为确定态。因此SFEP存在不确定性。消除多样性和不确定性的主要和有效手段就是测量,而测量的直接结果是表征SFEP状态的数据。因此可以说测量数据是描述和研究SFEP的基础。但由于测量是观察者、仪器、系统和时间共同作用的结果,因此测量得到的数据存在不确定性。这导致了使用这些数据分析SFEP后得到的结果也不确定,只是存在一定的可能性,这不利于SFEP的描述和研究。因此数据不确定性对普遍存在的SFEP是必须研究的问题。

关于系统和数据的不确定性研究较多。文献可分为路径与供应链优化、参数预测与可靠性分析、数据分类与质量预测、网络分析与评定4类。路径与供应链优化类^[4-5]分别研究运输价格不确定下多式联运路径优化及供需不确定下航材生产供应链网络设计;参数预测与可靠性分析类^[6-8]涉及基于机器学习的土压实参数预测、有限数据下岩石结构贝叶斯可靠性方法及锂电池容量鲁棒估计;数据分类与质量预测类^[9-11]提出不确定数据的鲁棒模型、贝叶斯神经网络装配质量预测及模糊随机森林分类算法;网络分析与评定类^[12-13]构建不确定网络数据包络分析方法及极小样本数据不确定度改进灰色评定方法。这些成果对各类系统和数据进行了充分分析,研究了不确定性产生的原因;提出了适合各类系统和数据的分析方法,为后继研究奠定了坚实基础。但多数研究停留在表象原因,没有对数据不确定的本质原因进行分析。加之SFEP自身具有组成结构和层次结构特征,使得这些方法失去了适用性,难以在SFEP的数据不确定分析中发挥作用。

为研究SFEP的数据不确定原因,现根据已有研究^[1,14-15]将SFEP使用量子叠加态表示,从SFEP的时间性造成的测量延迟研究数据不确定原因;从不同层次对象之间的形式逻辑角度研究不同叠加方式导致的数据不确定原因,为系统故障演化中的数据不确定性分析提供支持。

1 SFEP与量子态表示

SFEP代表了系统在多因素影响下完成预定功能的能力变化过程。任何系统的存在都是为了实现预定功能。将没有联系的各部分组成在一起形成系统,使该系统具备新的功能或原有功能的延伸,对该系统而言是熵增过程。同时自然因素作用于系统使系统结构混乱,则系统必然失去原有功能。因此任何系统都处于人和自然围绕功能实现的博弈之中。在该博弈过程中系统实现功能能力的变化就可通过SFEP表示。因此SFEP具有普遍性、多样性和不确定性。

在SFEP的某一时刻,系统都有确定的功能状态,定义该状态为系统功能状态^[16]。在测量条件下系统功能状态对应了SFEP的某一时刻。在不测量时,即未来某个时刻,系统功能状态肯定是若干状态的叠加,除非系统是稳定的。稳定的SFEP的系统功能状态不随演化时间的发展而变化,系统功能状态的法线方向与演化时间方向一致。形成稳定状态的充分必要条件是所有因素F不随时间变化。当然这种情况实际是不存在的,系统处于静止也不会消亡。更为一般的是不稳定的SFEP。这时系统功能状态(截面)的法线方向与演化时间方向有夹角,但仍指向演化方向。从演化过程可知,SFEP与系统功能状态是对演化过程的两种不同描述形式。SFEP强调整体性,系统功能状态强调局部性。SFEP的每个时刻都对应确定的系统功能状态,所有时刻的系统功能状态按照演化顺序可组成SFEP。

SFEP在组成上具有显著的结构性。SFEP至少应包括经历事件、影响因素、逻辑关系和演化条件^[1-3]。经历事件是SFEP的存在实体,是SFEP的施动者和承受着。影响因素是影响事件实现预定功能的因素,是SFEP的动力,进而也影响系统功能状态。逻辑关系是事件之间作用的耦合方式,从而共同影响其他事件。演化条件是原因事件导致结果事件的条件。因素主要是环境作用,而逻辑关系和演化条件的对象都是事件,因此事件和因素是组成和影响SFEP的关键要素。

SFEP在深度层次上也具有层次结构。由上至下分别是系统演化层、事件层、因素层、因素相层、因素相值层。系统演化层包含了唯一的SFEP状态,该状态由所有事件的状态叠加而成。事件层包含了所有事件,事件状态由与事件相关的所有因素状态叠加而成。因素层包含了所有因素,因素状态由与之相关的所有因素相状态叠加而成。因素相层包含了所有因素相,因素相状态由与之相关的所有因素相值状态叠加而成。因素相值层包含了所有因素相值。根据SFEP的实际情况可知,所有事件组成了系统,而所有因素影响了这些事件功能。因此事件对系统,因素对事件的作用是同时并存的。因素同时只能具有一个相,因素相同时只能具有一个相值,因此因素相对因素,因素相值对因素相的作用是非同时排它的。

上述介绍了SFEP不同层次对象之间的状态叠加性,通过因素相值的状态叠加可得到SFEP的状态。同时考虑到未测量前因素相值的未知性,因素相值可能是多个值叠加。同理逐级向上叠加形成的SFEP也是多种状态的叠加态。这与量子力学的量子态和态叠加相同。可将因素相值状态表示为多个相值组成的态矢量,通过纯态叠加得到因素相值量子态。基于因素相值量子态的纯态叠加形成因素相量子态。上述量子纯态叠加对应于非同时排它的叠加方式。进一步,因素量子态的张量积形成事件量子态;事件量子态张量积形成SFEP量子态。量子态张量积对应于同时并存的叠加方式。因此基于前述,SFEP状态是其子部分的状态叠加,而子部分又可表示为量子叠加态,因此SFEP可使用量子态表示。

上述从层次结构角度对SFEP量子态进行了构建。实际上凡是具有共同存在的且不确定状态的系统都可表示为SFEP的量子态。在定量研究时可通过测量使SFEP的量子叠加态塌缩为经典确定态。问题在于测量的观测者、仪器、SFEP是否都准确地塌缩为确定状态。实际上这取决于测量时刻,该时刻之后都是确定的历史状态,该时刻之前都是不确定的未来状态。但该时刻测量的SFEP是否能代表SFEP本身的实在性是不确定的,这就是时间导致的SFEP不确定性。

2 SFEP的时间性

基于测量时刻,SFEP状态可被划分为历史、现在和未来3类。假设一个具体的测量时刻t_c,测量的一瞬间使得SFEP叠加态塌缩为经典态。t_c之后都是对SFEP的某一时刻的记录,这些记录组成了SFEP历史状态,能被t_c标定和检索。t_c之前都未对SFEP进行记录,SFEP处于真随机的不确定叠加态,不能被t_c标定和检索。如果单纯考虑t_c,在无穷小时间内完成测量,将发生从未来到历史,从不确定到确定,从叠加到经典的塌缩。因此在时间上,SFEP具有可测状态时,SFEP的状态只有历史和未来。定义SFEP的历史量子态(态矢量)为|L>和未来量子态为|W>,那么如果进行测量且测量到了SFEP,则SFEP量子态|S>将塌缩为|L>;如果测量但未测量到则维持|W>态。因此可将SFEP量子态|S>表示为

(1)|S>~|L>+|W>

式(1)也可用蕴含了概率幅的量子态表达式表示,但描述和确定概率幅较为困难且对本次研究无作用。因此这里使用量子态结构式进行表示。根据文献[17-18],将式(1)与测量算符结合可得到经典层面的4种状态,这时式(1)改写为

(2)|S>~<L|L>+<L|W>+<W|L>+<W|W>

<L|L>和<W|W>代表了确定的SFEP历史态和未来态,前者是仪器记录了测量结果,是确定不变的历史信息;后者是仪器未记录结果,是不确定多样的未来状态。<L|W>代表未来状态在历史状态上的投影,<W|L>代表历史状态在未来状态上的投影。实际中前者相当于总结,后者相当于预测;前者是形成历史,后者是推断未来。

不同因素变化使得SFEP产生不确定性和多样性。将这些因素作为坐标轴形成因素空间^[19]。那么因素空间再加上时间维度就是SFEP存在的空间。当测量SFEP时所有测量时刻的所有因素相值被确定,则整个因素空间塌缩为一个点。如果时间可以无穷细化并能测量SFEP,那么将得到SFEP根据演化时间留下的轨迹。因此SFEP也是时间量子态和因素量子态的叠加,SFEP具有时间性和因素性。测量使得SFEP产生时间性失去因素性,同时在另一角度SFEP产生历史状态失去未来状态。可见SFEP的时间性等同于历史状态,因素性等同于未来状态。因此历史是被时间标定的,未来状态存在于因素空间中,而与时间无关。

3 时间性造成的数据不确定

实际上时间性是由测量导致。如果对系统不测量不感知,则系统是否存在及SFEP量子态都不可知。测量造成了SFEP性质和状态变化,也是造成数据不确定的根本原因之一。在量子力学中,进行测量至少要观察者、仪器、系统和时间的共同作用才能完成。实际从测量到实现测量目的之间存在着延迟时间。这种延迟时间Δt是产生数据不确定的充分必要条件。

图1展示了SFEP与测量的关系。图1中实曲线为SFEP的轨迹;立方体为使用所有因素作为坐标轴形成的因素空间。测量的一瞬间,SFEP发生了<L|W>变化。在测量时刻t_c,SFEP由在因素空间中的多种可能的演化过程瞬间塌缩为确定的唯一的SFEP历史状态;因素空间则由于所有因素相值的确定塌缩为一点,构成SFEP的轨迹。因此测量导致了SFEP的未来状态的不确定多样性塌缩为确定的唯一历史记录(状态)。作用时刻t_z代表了测量数据的使用时刻。因为任何测量都是有目的的,其目的是使用测量数据完成预定工作。

在测量时刻t_c与作用时刻t_z之间存在延迟时间Δt。对t_c而言,Δt内SFEP处于不确定的多样性状态,即未来状态;对t_z而言,Δt内SFEP是已被测量后塌缩到确定态的历史状态。因此由于Δt的存在t_c时刻得到的数据并不是t_z时刻SFEP的真实状态数据。或者说在Δt中SFEP存在着真随机性导致的因素变化,而这些变化导致了因素空间的存在,最终使SFEP具有适合的因素空间产生多样性。再或者说SFEP在t_c时刻对应的所有因素与t_z时刻对应的所有因素不同,但测量发生在t_c时刻,其结果与t_z时刻不对应。因此使用t_c时刻数据研究t_z时刻SFEP是难以得到真实情况的。例如使用测量数据作为输入预测未来情况,利用事件故障情况计算系统故障情况,这些在时间上都是不对应的。测量、计算、确定等都需要消耗时间Δt,因此最后得到的结果并不对应现在的SFEP。除非未来状态具有较高概率的预期稳定性,才可忽略Δt(但实际不存在这种情况)。

同时基于现有理论和技术也不能使Δt为0。现在进行的所有技术改进基本上都是为了减小Δt,使测量数据与应用数据同时发生,但目前只能缩小不能消除Δt。这就是SFEP的时间性造成的数据不确定性。

4 SFEP的形式逻辑与数据不确定

上文提到SFEP中具有逻辑关系且存在于事件之中。事件功能状态和系统功能状态都具有发生|O>和不发生|R>两种状态(基态)。对于测量而言可能得到发生或不发生的结果。这时SFEP的量子态叠如式(3)所示,观测结果的可能状态如式(4)所示。

(3)|S>~|O>+|R>

(4)|S>~<O|O>+<O|R>+<R|O>+<R|R>

由|O>和|R>的意义可知,两者对SFEP状态而言是对立完备的。一般情况下,SFEP不可能是完全的|O>,也不可能是完全的|R>,因此SFEP相对于|O>和|R>是非本征不确定的^[17]。因此SFEP在可能性层面上是|O>和|R>的叠加,如式(3)所示;在确定性层面上如式(4)所示,它们构成了SFEP的二元形式逻辑。

如果|O>和|R>具有本征性,即SFEP同时只能具有其中之一状态,则SFEP是具有本征性的传统形式逻辑。这时<O|R>=0且<R|O>=0,式(4)转化为|S>~<O|O>+<R|R>。这是正交对立关系和互补关系,是经典形式逻辑,是两种状态的对立互补。

如果|O>和|R>为非本征性,即SFEP同时要么是<O|R>状态,要么是<R|O>状态,是非正交的对立统一关系。SFEP是非本征性的辩证形式逻辑。这时<O|O>=0且<R|R>=0,式(4)转化为|S>~<O|R>+<R|O>。这是相互包含的可转化的对立不确定性关系。

因此,|S>是同时具有对立互补形式逻辑(<O|O>、<R|R>)和对立统一形式逻辑(<O|R>、<R|O>)的叠加态。前者反映了传统形式逻辑的本征性,具有历史客观规律;后者体现了辩证逻辑的未来可能性状态。前者只存在于正确测量得到的SFEP历史中;后者则是缺乏测量导致SFEP存在于因素空间中的状态。因此任何关于SFEP的测量都必须注意对象之间的形式逻辑关系。例如,上文提到的事件与系统的逻辑关系和因素与事件的逻辑关系,都属于对立互补情况,即所有对象同时产生作用。因素相值与因素相和因素相与因素的关系都属于对立统一情况,即只有一个对象产生作用。

借用文献[17]给出的两个例子进行说明。在实数域内进行测量,测量结果只能是唯一的,不可能是有理数和无理数同时出现。但在未测量时是无法判断结果是有理数还是无理数的,是两者的叠加状态,这就是对立互补逻辑。但对于逻辑悖论而言,如果语用为真则语义为假;如果语义为真则语用为假。在未测量之前仍是叠加的,是对立统一逻辑。因此在对SFEP进行测量时,必须明确各层次对象之间的逻辑关系,从而确定测量数据之间的关系。可见SFEP的形式逻辑是造成数据不确定的另一本质原因。

是否能解决这些问题,目前看仍是比较困难的。如文献[20]所说,研究工作只能在已知的系统层次展开。但随着研究深入必然会出现下一层次的系统,如此往复难以穷尽。上文也提到SFEP具有层次性,因此得到确定的SFEP的形式逻辑是较为困难的。两种形式逻辑并存,且在SFEP量子态表示中也使用两种不同方式完成叠加,这将导致数据的不确定性。

根据上述分析,可得到SFEP中数据不确定的本质原因分解图,如图2所示。

综上,SFEP不确定的一部分原因是数据不确定。数据不确定来源于SFEP中的时间性和形式逻辑判断。目前没有有效方法克服这两个问题,只能尽量缩短延迟时间和准确分析形式逻辑。因此SFEP得到的数据难以反映真实的SFEP情况,给描述、预测、预防和治理SFEP带来了巨大困难。

5 讨论

5.1 理论意义

基于量子力学方法解析系统故障演化过程(SFEP)中数据不确定的本质,在理论层面有三方面贡献。其一,弥补现有研究对数据不确定原因的表层化分析局限。现有研究多聚焦路径优化、参数预测等具体场景的不确定性应对,未触及本质原因。研究明确时间性与形式逻辑为SFEP数据不确定的根本原因,为系统安全构建从现象应对到本质解析的理论路径。其二,建立SFEP的量子态层次化表示框架,明确SFEP从因素相值层到系统演化层的量子叠加规律,填补了SFEP微观结构与宏观状态间的理论空白,为量子力学在安全系统分析中的应用提供复用范式。其三,厘清SFEP中形式逻辑的二元分类与量子态叠加关系。对立互补逻辑(传统形式逻辑)对应同时并存的张量积叠加,体现历史客观规律;对立统一逻辑(辩证形式逻辑)对应非同时排他的纯态叠加,反映未来可能性,这些为复杂系统故障逻辑建模提供理论支撑。

5.2 实际意义

研究成果对工业系统故障管控、安全监测等实际场景具有直接价值。在测量环节,明确测量与应用间的延迟时间为数据不确定的充分必要条件,且该延迟时间仅能减小无法消除。这为工业测量技术优化提供方向,如在锂电池容量监测、岩石结构可靠性评估等场景中,可通过缩短数据传输时延、优化算法压缩延迟时间,降低测量数据与实际SFEP状态偏差,提升故障预警时效性。在数据应用环节,需依据SFEP层次对象的形式逻辑选择分析方法,分析事件与系统故障关联时采用对立互补逻辑叠加规则;分析因素相与因素作用关系时考虑对立统一逻辑排他性,可直接优化工业系统故障诊断模型,提升数据解读准确性。

5.3 创新之处

亮点在于聚焦系统故障演化全流程,系统剖析数据不确定的生成与传播机制。①首次从故障演化动态视角,厘清随机误差、系统偏差等多源不确定性的内在关联;②融合统计分析与故障诊断理论,构建数据不确定性本质原因的量化分析框架;③揭示不确定性对故障诊断精度的影响规律,为提升复杂系统可靠性提供理论支撑。

5.4 未决的问题

现有框架下仍存在待探索的问题:一是SFEP量子态叠加的定量表征难题,虽可通过量子态结构式描述状态,但蕴含概率幅的量子态表达式因概率幅确定困难未深入,需结合具体工业场景探索概率幅计算方法;二是SFEP层次结构的动态适配,当前层次为静态,实际系统中因素与事件关联具有动态性,如何动态适配层次结构、识别新增对象形式逻辑类型需进一步研究;三是两种形式逻辑的转换机制不明确,需通过实验模拟揭示逻辑转换触发条件。

6 结论

(1)研究了SFEP的量子态表示可行性,认为虽然SFEP各层次之间的对象量子态叠加关系不同,但都可使用下一级对象量子态进行叠加表示。研究了SFEP的时间性及其特征。认为SFEP从演化时间看只存在历史和未来状态。测量过程使SFEP失去未来状态产生历史状态;从因素空间中的多样性状态塌缩为单一确定的历史轨迹;失去因素性获得时间性。可见历史是被时间标定的,未来状态存在于因素空间中,而与时间无关。

(2)研究了时间性导致数据不确定的原因。认为测量是造成数据不确定的根本原因之一。实际中从测量到应用之间存在延迟时间,这是产生数据不确定的充分必要条件。由于延迟时间的存在使用t_c时刻数据研究t_z时刻的SFEP难以反应真实情况。目前延迟时间不能消除只能减小。

(3)研究了SFEP的形式逻辑及其与数据不确定的关系。SFEP不同层次中对象及其数据的逻辑关系不同,分为对立互补形式逻辑和对立统一形式逻辑。前者代表共同产生作用,后者代表之一发挥作用,并进行了实例说明。不同的逻辑对应不同的量子态叠加方式,因此造成数据不确定,但同样难以克服。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	李莎莎, 黄丽达, 张晶, 等. 基于多模态数据流的系统故障演化过程研究[J]. 中国安全生产科学技术, 2025, 21(6): 191-197.

[2]	Li Shasha, Huang Lida, Zhang Jing, et al. Study on system fault evolution process based on multimodal data flow[J]. Journal of Safety Science and Technology, 2025, 21(6): 191-197.

[3]	李莎莎, 崔铁军. 系统故障演化过程中不同类对象分布的确定方法[J]. 中国安全科学学报, 2024, 34(7): 1-7.

[4]	Li Shasha, Cui Tiejun. A method to determine distribution of diffe-rent class objects in process of system fault evolution[J]. China Safety Science Journal, 2024, 34(7): 1-7.

[5]	李莎莎, 崔铁军. 系统故障演化过程中故障事件发生概率的修正方法研究[J]. 安全与环境学报, 2024, 24(6): 2068-2074.

[6]	Li Shasha, Cui Tiejun. Research on the correction method of fault event occurrence probability in the system fault evolution process[J]. Journal of Safety and Environment, 2024, 24(6): 2068-2074.

[7]	张俊涛, 朱永明, 郭放. 运输价格不确定环境下的多式联运路径优化[J]. 科学技术与工程, 2025, 25(21): 9109-9117.

[8]	Zhang Juntao, Zhu Yongming, Guo Fang. Multimodal transport route optimization in uncertain transport price environment[J]. Science Technology and Engineering, 2025, 25(21): 9109-9117.

[9]	王旻轲, 张昊彤, 叶蓓蓓, 等. 供需不确定性下基于鲁棒优化的航材生产供应链网络设计与库存控制[J]. 科学技术与工程, 2025, 25(12): 5218-5228.

[10]	Wang Minke, Zhang Haotong, Ye Beibei, et al. Aviation industry supply chain network design and inventory control based on robust optimization under supply and demand uncertainty[J]. Science Technology and Engineering, 2025, 25(12): 5218-5228.

[11]	李建旺, 祁文睿, 丁新渊, 等. 基于显示机器学习模型的土压实参数预测及不确定性[J]. 科学技术与工程, 2025, 25(19): 8207-8217.

[12]	Li Jianwang, Qi Wenrui, Ding Xinyuan, et al. Prediction and uncertainty of soil compaction parameters based on explicit machine learning model[J]. Science Technology and Engineering, 2025, 25(19): 8207-8217.

[13]	Kumar A, Tiwari G. A Bayesian reliability methodology for rock structures considering uncertainties in random field characteristics with limited data of rock properties[J]. International Journal of Rock Mechanics and Mining Sciences, 2025, 194: 106249-106249.

[14]	Pang T W, Fan G D, Zhou B R, et al. Robust capacity estimation with uncertainty quantification for li-ion batteries under temporal data masking challenges: a progressive learning approach[J]. Applied Energy, 2025, 401: 126648-126648.

[15]	Mo B C, Zheng Y H, Guo X T, et al. Robust binary and multinomial logit models for classification with data uncertainties[J]. European Journal of Operational Research, 2025, 327(2): 577-591.

[16]	Wu J, Sun Y N, Song Y T, et al. Uncertainty-aware bayesian neural network with shap interpretability for data-driven assembly quality prediction in complex manufacturing systems[J]. Advanced Engineering Informatics, 2025, 68: 103730-103730.

[17]	丁恒兵, 叶飞跃. 不确定数据分类的模糊随机森林算法[J]. 计算机工程与设计, 2023, 44(11): 3373-3379.

[18]	Ding Hengbing, Ye Feiyue. Handling uncertain data classification problems using fuzzy random forest[J]. Computer Engineering and Design, 2023, 44(11): 3373-3379.

[19]	昂胜, 刘莉莉, 杨锋, 等. 基于参考关系构建不确定网络的社会网络数据包络分析方法[J]. 系统工程理论与实践, 2025. DOI: 10.12011/SETP2024-1028.

[20]	Ang Sheng, Liu Lili, Yang Feng, et al. A social network analysis-data envelopment analysis method based upon uncertain networks built by reference relationships[J]. Systems Engineering-Theory & Practice, 2025. DOI: 10.12011/SETP2024-1028.

[21]	朱彦龙, 程银宝, 高宏堂, 等. 极小样本数据的不确定度改进灰色评定方法[J]. 计量学报, 2023, 44(12): 1932-1938.

[22]	Zhu Yanlong, Cheng Yinbao, Gao Hongtang, et al. Improved grey evaluation method for uncertainty of minimum sample data[J]. Acta Metrologica Sinica, 2023, 44(12): 1932-1938.

[23]	崔铁军, 李莎莎, 邓文浩. 基于量子思想描述的系统故障演化过程[J]. 中国安全科学学报, 2025, 35(5): 1-7.

[24]	Cui Tiejun, Li Shasha, Deng Wenhao. System fault evolution process based on quantum thought description[J]. China Safety Science Journal, 2025, 35(5): 1-7.

[25]	崔铁军, 李莎莎. 系统故障演化过程的内在因素-时间关系研究[J]. 重庆理工大学学报(自然科学版), 2025, 39(1): 62-66.

[26]	Cui Tiejun, Li Shasha. Research on the internal factor-time relationship of system fault evolution process[J]. Journal of Chongqing University of Technology (Natural Science Edition), 2025, 39(1): 62-66.

[27]	崔铁军, 李莎莎. 系统可靠-失效模型的哲学意义与智能实现[J]. 智能系统学报, 2020, 15(6): 1104-1112.

[28]	Cui Tiejun, Li Shasha. Philosophical significance and implementation of an intelligent system based on the system reliability-failure model[J]. CAAI Transactions on Intelligent Systems, 2020, 15(6): 1104-1112.

[29]	高明. 粒子量子态具有逻辑悖论属性的分析[J]. 科学技术创新, 2021(36): 1-7.

[30]	Gao Ming. An analysis of particle quantum states using logical paradox attribute[J]. Scientific and Technological Innovation, 2021(36): 1-7.

[31]	吴国林. 量子纠缠及其哲学意义[J]. 自然辩证法研究, 2005(7): 1-4, 9.

[32]	Wu Guolin. Quantum entanglement and its philosophical meaning[J]. Studies in Dialectics of Nature, 2005(7): 1-4, 9.

[33]	汪培庄. 因素空间与概念描述[J]. 软件学报, 1992(1): 30-40.

[34]	Wang Peizhuang. Factor space and description of concepts[J]. Journal of Software, 1992(1): 30-40.

[35]	崔铁军, 李莎莎. 人工智能系统故障分析原理研究[J]. 智能系统学报, 2021, 16(4): 785-791.

[36]	Cui Tiejun, Li Shasha. Research on system fault analysis principle based on artificial intelligence system[J]. CAAI Transactions on Intelligent Systems, 2021, 16(4): 785-791.