CN105956598A - 一种离散事件系统事件不完备模型的诊断方法 - Google Patents
一种离散事件系统事件不完备模型的诊断方法 Download PDFInfo
- Publication number
- CN105956598A CN105956598A CN201510647064.5A CN201510647064A CN105956598A CN 105956598 A CN105956598 A CN 105956598A CN 201510647064 A CN201510647064 A CN 201510647064A CN 105956598 A CN105956598 A CN 105956598A
- Authority
- CN
- China
- Prior art keywords
- event
- state
- undefined
- model
- diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种离散事件系统事件不完备模型的诊断方法,其目的是为了解决离散事件系统故障诊断中模型为事件不完备模型时得不到诊断结果的问题。技术方案针对离散事件系统事件不完备模型的特点,将其分为未定义转移和未定义突发事件两种类型,并在此基础上,针对上述两种类型分别发明了基于相关事件信息诊断算法和基于相关迁移状态诊断算法。结合上述两种算法,发明了一种离散事件系统事件不完备模型的诊断方法来改进现有方法中将其统一表示为模型事件不完备度而造成漏诊和误诊问题。该方法中还包括了基于观测序列改进不完备模型的算法,在诊断过程中通过向模型中添加未定义转移,并补充触发转移的未定义事件,从而使系统模型的完备性逐步得到改进。
Description
技术领域
本发明涉及离散事件系统事件不完备模型故障诊断领域,尤其涉及一种不完备模型故障诊断方法。
背景技术
离散事件系统事件不完备模型的诊断方法,是离散事件系统事件不完备模型诊断领域的关键技术。在基于模型的诊断中,建立完备的模型是诊断的基础,然而由于系统逻辑复杂度和物理复杂度的不断增加,准确、完备地描述系统非常困难,甚至是不可能的。
在模型可诊断假设的基础上,为解决不完备模型诊断问题,根据导致模型不完备的原因将不完备模型大致分为四类:时序不完备模型、因果不完备模型、信息不完备模型及事件不完备模型。针对时序不完备模型的时序不完备诊断方法,使用为模型增加时序信息的方法诊断该类不完备模型。该方法在一定程度上是有效的,但对于事件序列有特殊要求或者发送顺序与接收顺序不一致的情况则效果较差。因果不完备模型,在分布式系统中由于忽略各个部件之间的因果关系而导致模型不完备。该方法主要被用于使用因果图来建立模型的系统故障诊断中,因此常故障传播及部件因果图来解决该类不完备模型诊断的问题的方法,适用于分布式系统且可以重构分布式系统,但复杂度较高,适用范围较小。信息不完备模型,由于系统实际运行时通讯信息不完备而导致诊断所需信息不完备,主要发生于分布式系统中。事件不完备模型,由于某些会影响诊断结果的突发事件在建模过程中未被考虑而导致模型不完备。对于事件不完备模型,由于其在建模时出现的概率较高,因此对于诊断结果的影响较多。现有的诊断方法中给定完备度的方法最为常见,在诊断时人为给出模型完备度的“p-诊断”方法由于依赖于给定的完备度,对于给定较合理不完备度的系统诊断效果较好,但对给定完备度不太合理的系统诊断效果较差。另外,根据观测序列中的未定义事件将诊断结果划分为两段的诊断方法,由于其诊断结果被分为两段,其诊断精确性较差,且该方法和基于学习不完备模型一样,仅对于未定义事件诊断方法是有效的,对于未定义转移的诊断方法则无效。
发明内容
为了克服现有诊断方法中因未考虑到导致事件不完备模型的原因而导致得不到候选诊断结果的问题,同时克服受人为给定完备度的影响造成的漏诊和误诊问题,同时改进原系统不完备模型,发明了一种离散事件系统事件不完备模型的诊断方法。该方法将事件不完备模型分为未定义转移和未定义突发事件两种不完备模型,并在此基础上,针对上述两种类型分别提出了基于相关事件信息诊断算法和基于相关迁移状态诊断算法。结合这两种算法设计发明一种离散事件系统事件不完备模型的诊断方法。此外,为完善系统不完备模型,将基于观测序列改进不完备模型的算法加入到该方法中,在诊断过程中不断改进系统不完备模型。
本发明为解决离散事件故障诊断时由于事件模型不完备而得不到诊断结果的问题所采用的技术方案:离散事件系统事件不完备模型的诊断方法,其特点包括下述步骤:
(a)根据基于模型的诊断方法要求,首先为系统建立有限自动机模型,同时要根据系统模型构建诊断时所用到的诊断器模型。
其中,诊断器的表达方式为事件对应发生该事件后由原状态可到达的转移状态,诊断器中包括状态的故障标志:非故障状态为N,故障状态为F。
(b)根据基于模型的诊断方法要求,需要获得系统运行时的观测序列,其中包括可能的可观测事件序列和不可观测序列。对于离散事件系统,系统实际的输出可对应与被观测到的系统状态,由于输出特征是离散的,因此,系统受到外界的干扰的情况是可接受的,只要干扰的程度保持在不改变输出的限定范围内即可。
(c)为观测序列构建有限自动机模型,采用同步诊断策略将诊断模型与观测序列进行同步,当候选诊断结果为空时,判断其不完备类型,若属于未定义转移类型则转到步骤d,否则若属于未定义突发事件类型则转到步骤e;当候选结果不为空时继续接受新的观测序列,转到步骤b。
(d)采用基于事件信息诊断算法,计算可能的诊断结果,通过后续观测及候选诊断结果进行推理,最后确定可能的未定义转移。
(e)采用基于相关迁移状态诊断算法,计算可能的诊断结果,通过后续观测及候选诊断结果进行推理,最后确定未定义突发事件及可能触发的未定义转移。
(f)采用基于观测序列改进系统模型的算法,为模型增加可能的转移和原模型为定义的突发事件。在添加未定义事件时根据其原状态和目的状态判断该事件为非故障事件或者故障事件。
(g)最后诊断方法返回的结果是得到的候选诊断结果和改进的原模型。
本发明的有益结果是:由于将事件不完备模型分为未定义转移和未定义突发事件两种,分别给出了基于事件信息诊断算法和基于相关迁移状态诊断算法,解决了因未考虑到导致事件不完备模型的原因而导致得不到候选诊断结果的问题。该方法避免了人为给定完备度时由于和原模型完备度误差较大而造成的漏诊和误诊的影响。另外,现有方法中均未考虑到该进原不完备模型的问题,该方法在诊断过程中,根据观测序列来添加可能的未定义转移和可能的突发事件及其触发的转移,逐渐改进原有不完备模型的完备性。
下面结合附图和实例对本发明作详细说明。
附图说明
下面结合附图对本发明进一步说明:
图1为系统实例G的有限自动机模型示意图;
图2为系统实例G的诊断器示意图;
图3为离散事件系统事件不完备模型的诊断方法框架示意图;
图4为离散事件系统事件不完备模型的诊断方法流程示意图;
具体实施方式
参照图1、图2、图3、图4,本实施例以离散事件系统的事件不完备模型为对象,给出方法具体步骤如下:
第一步,根据基于模型的诊断方法要求,首先为系统建立有限自动机模型,同时要根据系统模型构建诊断时所用到的诊断器模型。其中,诊断器的表达方式为事件对应发生该事件后由原状态可到达的转移状态,诊断器中包括状态的故障标志:非故障状态为N,故障状态为F。在建模时主要使用工具进行建模,同时可以检测模型的可诊断性,模型的建立应该尽可能 的完备。
第二步,根据基于模型的诊断方法要求,需要获得系统运行时的观测序列,其中包括可能的可观测事件序列和不可观测序列。对于离散事件系统,系统实际的输出可对应与被观测到的系统状态,由于输出特征是离散的,因此,系统受到外界的干扰的情况是可接受的,只要干扰的程度保持在不改变输出的限定范围内即可。在线读取观测序列需要设定窗口的大小,窗口大小一般需要根据系统的传输能力而定。
第三步,为观测序列构建有限自动机模型,采用同步诊断策略将诊断模型与观测序列进行同步,所得到的路径或者轨迹作为候选诊断结果,在当前观测窗口中,若候选诊断结果为空时,判断其不完备类型,若属于未定义转移类型则转到步骤d,否则若属于未定义突发事件类型则转到步骤e:当候选结果不为空时继续接受新的观测序列,转到步骤b。
第四步,采用基于事件信息诊断算法,计算可能的诊断结果,通过后续观测及候选诊断结果进行推理,最后确定可能的未定义转移。该方法根据诊断器中事件对应的可到达状态,来确定从当前状态经该事件触发可能到达的目的状态,目的状态可能不止一个,因此计算得到的为可能的转移集合,将这些转移加入到暂时的添加到TN(需要增加的可能的转移函数集合)中,并且将转移函数的标志sign设置为0(0为非有效转移函数状态,1为有效转移函数状态),因为根据后续的观测序列,有些转移函数可能会被排除在候选诊断结果之外,为了保证最后改进的原模型是正确有效的,这里设置sign标志值为0。
第五步,采用基于相关迁移状态诊断算法,计算可能的诊断结果,通过后续观测及候选诊断结果进行推理,最后确定未定义突发事件及可能触发的未定义转移。由于事件为突发事件,计算其诊断器中得到的可到达状态集合为空,因此,需要寻找后续观测序列中的非未定义突发事件,通过寻找其可到的目的状态集合,然后计算其目的状态集合的前向状态,来确定未定义突发事件可能到达的状态集合,该方法根据诊断器中事件对应的可到达状态其前向状态,来确定从当前状态经该未定义突发事件触发可能到达的目的状态,前向状态和目的状态可能都不止一个,因此计算得到的为可能的转移集合,将所有可能的转移加入到暂时的添加到TN(需要增加的可能的转移函数集合)中,并且将转移函数的标志sign设置为0(0为非有效转移函数状态,1为有效转移函数状态),因为根据后续的观测序列,有些转移函数可能会被排除在候选诊断结果之外,为了保证最后改进的原模型是正确有效的,这里设置sign标志值为0。
第六步,采用基于观测序列改进系统模型的方法,为模型增加可能的转移和原模型为定义的突发事件。在添加未定义事件时根据其原状态和目的状态判断该事件为非故障事件或者故障事件。在上述事件不完备模型诊断方法中,为了扩展和完善现有不完备模型,在假设系统模型中状态完备的情况下,该方法利用观测序列完善系统模型的算法,将原来不属于模型的突发事件及其触发的转移和未定义转移均添加到模型中。在添加到模型之前首先应该确定该事件的类型。按照事件可能触发的转移中状态的类型推导出该事件的类型,一般可以分为以下几种情况:(1)若该事件触发的转移中前后状态均非故障状态,则该事件应该为正常事件;(2)若转移中原状态为故障状态而目的状态为非故障状态,则该事件更可能为正常事件;(3)若转移中原状态和目的状态均为故障状态,则该事件可被看作故障事件;(4)若转移中原状态为正常状态而目的状态为故障状态,则该事件被确定为故障事件。由于该判断方式仅仅是根据当前局部信息做判断,还需要考虑模型的各个方面以确定,则将这四种情况划分为两类:可能故障行为和可能正常行为。
第七步,最后诊断方法返回的结果是得到的候选诊断结果和改进的原模型。
Claims (1)
1.一种离散事件系统事件不完备模型的诊断方法,其特征在于包括下述步骤:
(a)首先为系统建立有限自动机模型,其中包括系统的行为、状态及由行为所触发的状态的转移,同时根据行为触发转移可到达的目标状态来构造诊断器模型。
其中,诊断器的表达方式为事件对应发生该事件后由原状态可到达的转移状态,诊断器中包括状态的故障标志:非故障状态为N,故障状态为F。
(b)根据诊断系统要求,需要获得系统运行时的观测序列,该观测序列是系统发生的事件的集合,该集合包括可能的可观测事件序列和不可观测序列。对于离散事件系统,系统实际的输出可对应与被观测到的系统状态,由于输出特征是离散的,因此,系统受到外界的干扰的情况是可接受的,只要干扰的程度保持在不改变输出的限定范围内即可。
(c)如步骤(a)为观测序列构建有限自动机模型,采用同步策略将诊断模型与观测序列进行同步,当候选诊断结果为空时,判断其不完备类型,若属于未定义转移类型则转到步骤d,否则若属于未定义突发事件类型则转到步骤e;当候选结果不为空时继续接受新的观测序列,转到步骤b。
(d)采用基于事件信息诊断算法,将事件可触发到达的状态暂时作为可到达的状态集合,通过后续观测及候选诊断结果进行推理,最后确定可能的未定义转移。
(e)采用基于相关迁移状态诊断算法,首先计算观测中非未定义事件触发的转移,找到该转移集合的原状态集合,将该原状态集合作为未定义事件触发的目的状态集合,通过后续观测及候选诊断结果进行推理,最后确定未定义突发事件及可能触发的未定义转移。
(f)采用基于观测序列改进系统模型的算法,将观测到未定义事件添加到原模型中,并为模型增加未定义转移。在添加未定义事件时根据其原状态和目的状态判断该事件为非故障事件或者故障事件。
(g)最后诊断方法返回的结果是得到的候选诊断结果和改进的原模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510647064.5A CN105956598A (zh) | 2015-09-26 | 2015-09-26 | 一种离散事件系统事件不完备模型的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510647064.5A CN105956598A (zh) | 2015-09-26 | 2015-09-26 | 一种离散事件系统事件不完备模型的诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105956598A true CN105956598A (zh) | 2016-09-21 |
Family
ID=56917197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510647064.5A Pending CN105956598A (zh) | 2015-09-26 | 2015-09-26 | 一种离散事件系统事件不完备模型的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956598A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599264A (zh) * | 2016-12-22 | 2017-04-26 | 国家行政学院 | 一种基于大数据的突发事件演化推理方法及系统 |
CN108920939A (zh) * | 2018-07-09 | 2018-11-30 | 广东工业大学 | 基于学习诊断器的信息安全判别方法、系统及相关装置 |
CN109977581A (zh) * | 2019-04-04 | 2019-07-05 | 长春理工大学 | 一种随机离散事件系统模式可诊断性判定方法 |
CN113098871A (zh) * | 2021-04-02 | 2021-07-09 | 西安电子科技大学 | 一种保障系统安全性的方法 |
-
2015
- 2015-09-26 CN CN201510647064.5A patent/CN105956598A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106599264A (zh) * | 2016-12-22 | 2017-04-26 | 国家行政学院 | 一种基于大数据的突发事件演化推理方法及系统 |
CN106599264B (zh) * | 2016-12-22 | 2019-07-19 | 国家行政学院 | 一种基于大数据的突发事件演化推理方法及系统 |
CN108920939A (zh) * | 2018-07-09 | 2018-11-30 | 广东工业大学 | 基于学习诊断器的信息安全判别方法、系统及相关装置 |
CN108920939B (zh) * | 2018-07-09 | 2022-05-10 | 广东工业大学 | 基于学习诊断器的信息安全判别方法、系统及相关装置 |
CN109977581A (zh) * | 2019-04-04 | 2019-07-05 | 长春理工大学 | 一种随机离散事件系统模式可诊断性判定方法 |
CN113098871A (zh) * | 2021-04-02 | 2021-07-09 | 西安电子科技大学 | 一种保障系统安全性的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105956598A (zh) | 一种离散事件系统事件不完备模型的诊断方法 | |
CN106874200A (zh) | 基于aadl的嵌入式软件可靠性建模与评估方法 | |
CN103901320A (zh) | 一种计及多源数据的电力系统故障诊断方法 | |
Jiang et al. | Diagnosis of repeated failures for discrete event systems with linear-time temporal-logic specifications | |
Tomola et al. | Robust disjunctive-codiagnosability of discrete-event systems against permanent loss of observations | |
Deng et al. | State-based decentralized diagnosis of bi-fuzzy discrete event systems | |
Ye et al. | Diagnosability Analysis of Discrete Event Systems with Autonomous Components. | |
CN109510201A (zh) | 一种基于梯形模糊数系统的配电网可靠性评估方法 | |
CN107450517A (zh) | 一种随机离散事件系统安全可诊断性确定方法及系统 | |
CN104766246A (zh) | 一种基于时序模糊Petri网的电力系统故障诊断 | |
Wang et al. | Decentralized diagnosis of discrete event systems using unconditional and conditional decisions | |
Strasser et al. | Diagnostic alarm sequence maturation in timed failure propagation graphs | |
Liu | Polynomial-time verification of diagnosability of fuzzy discrete event systems | |
Jin et al. | Quantitative survivability analysis using probability model checking: A study of cluster-based vehicle networks with dual cluster heads | |
Wang et al. | New results on decentralized diagnosis of discrete event systems | |
Zhao et al. | Reasoning on partially-ordered observations in online diagnosis of DESs | |
Viana et al. | Computation of the maximum time for failure diagnosis of discrete-event systems | |
Qiu | Decentralized/distributed failure diagnosis and supervisory control of discrete event systems | |
Ribot et al. | Design requirements for the diagnosability of distributed discrete event systems | |
Luo et al. | Agent-based real-time fault diagnosis | |
Su et al. | Verifying the precision of diagnostic algorithms | |
Liu et al. | Decentralized diagnosis of fuzzy discrete-event systems | |
Seth et al. | Diagnoser design strategy for discrete event system: Case study of neutralization system | |
Travé-Massuyes et al. | Comparing diagnosability in CS and DES | |
John et al. | Synthesis of a distributed and accurate diagnoser |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160921 |
|
WD01 | Invention patent application deemed withdrawn after publication |