CN108092824B - 一种基于复杂动态网络的控制系统诊断方法 - Google Patents

一种基于复杂动态网络的控制系统诊断方法 Download PDF

Info

Publication number
CN108092824B
CN108092824B CN201810034540.XA CN201810034540A CN108092824B CN 108092824 B CN108092824 B CN 108092824B CN 201810034540 A CN201810034540 A CN 201810034540A CN 108092824 B CN108092824 B CN 108092824B
Authority
CN
China
Prior art keywords
control system
probability
damage
central points
ith
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.)
Active
Application number
CN201810034540.XA
Other languages
English (en)
Other versions
CN108092824A (zh
Inventor
顾梦祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei Longzhi Electromechanical Technology Co ltd
Shaanxi Yunqi Data Technology Co ltd
Original Assignee
Huaiyin Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaiyin Normal University filed Critical Huaiyin Normal University
Priority to CN201810034540.XA priority Critical patent/CN108092824B/zh
Publication of CN108092824A publication Critical patent/CN108092824A/zh
Application granted granted Critical
Publication of CN108092824B publication Critical patent/CN108092824B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明涉及基于复杂动态网络的控制系统诊断方法，包括以下步骤：A.建立控制系统的网络模型；B.控制系统中各元件将当前的运行状态及时传输至远程系统，根据各元件的实时运行状态确定各监测元件的在各状态下运行的概率；C.根据运行概率判断是否存在故障隐患；D.对隐形故障进行维修、更换。采用本发明的技术方案，可以有效对元件故障进行评估和预防，从而防止故障发生，并且降低成本。

Description

一种基于复杂动态网络的控制系统诊断方法
技术领域
本发明涉及监控技术领域，尤其是一种基于复杂动态网络的控制系统诊断方法。
背景技术
随着科技的发展，很多领域都采用智能控制，智能控制离不开状态的监控、数据传输和动作执行，例如智能家居，水位检测，供电系统等等，随着智能控制系统应用的越来越广泛，控制系统越来越复杂，控制系统的故障发生的概率增高，同时故障诊断的难度增大，对维修人员的要求越来越高。当故障发生时再进行维修，往往要中断很多工作，导致系统瘫痪。
现有的控制系统，有的为了防止故障发生，往往是凭着技术人员的经验，大概到需要更换的时间，就整体进行更换，但是对于整个系统，由于系统中元件的使用概率和寿命都不同，往往导致很多不需要更换的元件被更换，造成很大的浪费。
发明内容
本发明提供一种基于复杂动态网络的控制系统诊断方法，其不但可以有效预防故障的发生，而且可以降低成本。
一种基于复杂动态网络的控制系统诊断方法，包括以下步骤：
A.建立控制系统的网络模型；
B.控制系统中各元件将当前的运行状态及时传输至远程系统，根据各元件的实时运行状态确定各监测元件的在各状态下运行的损坏概率qi
C.根据损坏概率判断是否存在故障隐患；
D.对隐形故障进行维修、更换。
进一步地，所述步骤A包括：
A1.将控制系统的各元件进行编号形成序列Bs{1,2,…N}，N为控制系统的元件数量，计算各元件之间的距离dij,dij＝dij,其中i<j,i,j∈Bs；
A2.将步骤A1的距离dij按照升序排列，d1≤d2≤…≤dm，确定dc＝df(t0),其中m＝1/2N(N-1),t0＝0.02m,f(t)为取整函数；
A3.依据公式1.1,1.2计算第i个元件的连接度
Figure GDA0002079927630000021
并降序排列形成下标
Figure GDA0002079927630000022
即
Figure GDA0002079927630000023
Figure GDA0002079927630000024
其中
Figure GDA0002079927630000025
根据公式2.1计算
Figure GDA0002079927630000026
Figure GDA0002079927630000027
A4.根据综合参数ci＝pi*ri，选取ci比较大的点作为中心点，中心点个数为k；
A5.将剩余的非中心点，分配给离它最近且密度比它高的邻点形成以k个中心点为核心的区块，形成表示控制系统的网络模型。
进一步地，所述步骤B包括：所述步骤B包括：通过公式3.1计算各元件的损坏概率，
Figure GDA0002079927630000028
qis＝qi/qi0，(3.1)
其中，qi是第i个元件的损坏概率，qij是第i个元件与第j个元件相互作用的概率，qio是第i个元件执行第a个动作时的损坏概率,ηij时第i个元件与第j个元件作用的修正系数，qis是第i个元件损坏的相对概率，qi0是第i个元件损坏的标准概率。
进一步地，所述步骤C包括：确定第i个元件是否为中心点，是中心点则qis≥0.7报警，否则qis≥0.8报警。
采用以上技术方案，本发明具有以下技术效果：
1.采用本发明的技术方案，可以有效对元件故障进行评估和预防，从而防止故障发生，并且降低成本。
2.采用步骤A的方法进行建模，不但模型建立快，提高工作效率，而且建立的模型比较精准，完全满足各种控制系统的需求。
3.采用损坏概率qi对控制系统的各个元件进行单独监控，因此准确率更高，使得元件在故障发生之前即可更换。
4.对于中心点，其对于整个系统的连接中心点更为重要，因此中心点的阈值小于非中心点，从而不但稳定可靠防止故障发生，而且使得成本相对较低。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本实施例一的结构示意图。
图2是本实施例一的流程图。
传感器1、中继器2、第一控制器3、执行元件4、水位监测器5、第一控制器6。
具体实施方式
实施例一：
参见图1-2所示，对于一个控制系统，先将该系统进行拆解成一个一个元件，例如传感器1、中继器2、第一控制器3、执行元件4……,其中传感器1连接中继器2、中继器2连接第一控制器3、第一控制器3连接执行元件4、传感器1检测执行元件4的状态，传感器1可以实时将信号传输给中继器2，中继器2每间隔时间T将信号传输给第一控制器3，第一控制器3依据接收的结果控制执行元件4动作，传感器1持续检测执行元件4的状态。在这个过程中，每个元件的损耗是不同，并且每个元件与不同元件相互作用的损耗也是不同的，例如执行元件4与第一控制器3的作用损耗就大于与其与传感器1的损耗。
可以理解，实际应用中，系统十分庞大复杂，例如还有水位监测器5、第二控制器6、水位监测器5可以将信号直接传给第二控制器6，也可以通过中继器2再传输给第一控制器3，但是都是元件和元件之间的相互作用。
基于以上控制系统建立网络模型，该控制系统诊断方法，包括以下步骤：
建立控制系统的网络模型，具体步骤如下：
A1.将控制系统的各元件进行编号形成序列Bs{1,2,…N}，N为控制系统的元件数量，计算各元件之间的距离dij,dij＝dji,其中i<j,i,j∈Bs；
A2.将步骤A1的距离dij按照升序排列，d1≤d2≤…≤dm，确定dc＝df(t0),其中m＝1/2N(N-1),t0＝0.02m,f(t)为取整函数；
A3.依据公式1.1,1.2计算第i个元件的连接度
Figure GDA0002079927630000041
并降序排列形成下标
Figure GDA0002079927630000042
即
Figure GDA0002079927630000043
Figure GDA0002079927630000051
其中
Figure GDA0002079927630000052
根据公式2.1计算
Figure GDA0002079927630000053
Figure GDA0002079927630000054
A4.根据综合参数ci＝pi*ri，选取ci比较大的点作为中心点，中心点个数为k；
A5.将剩余的非中心点，分配给离它最近且密度比它高的邻点形成以k个中心点为核心的区块，形成表示控制系统的网络模型。
采用步骤A的方法不但模型建立快，提高工作效率，而且建立的模型比较精准，完全满足各种控制系统的需求。
控制系统中各元件将当前的运行状态及时传输至远程系统，根据各元件的实时运行状态确定各元件在各状态下运行的损坏概率qi，损坏概率qi通过公式3.1计算得到，
Figure GDA0002079927630000055
其中，qi是第i个元件的损坏概率，qij是第i个元件与第j个元件相互作用的概率，qia是第i个元件执行第a个动作时的损坏概率,ηij时第i个元件与第j个元件作用的修正系数，qis是第i个元件损坏的相对概率，qi0是第i个元件损坏的标准概率。
通过损坏概率qi对控制系统的各个元件进行单独监控，因此准确率更高，使得元件在故障发生之前即可更换。
根据损坏概率判断是否存在故障隐患:
确定第i个元件是否为中心点或控制器，如果是中心点或控制器则qis≥0.7报警，否则qis≥0.8报警。所述报警系统应当指示节点的位置和qis的数值，从而使得操作人员方便操作。
对于整个系统的连接中心点更为重要，因此中心点的阈值小于非中心点，从而不但稳定可靠防止故障发生，而且使得成本相对较低。这里的0.7和0.8是根据实际情况确定的数值，对于要求高的系统，可以适当降低，对于要求低的系统，可以适当提高。
对隐形故障进行维修、更换。
对隐形故障进行维修、更换后，维修人员可以对该更换的元件的损坏概率qi进行清零，从而准确检测系统中每个元件的损坏概率。
除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。

Claims (3)

1.一种基于复杂动态网络的控制系统诊断方法，其特征在于：包括以下步骤：
A.建立控制系统的网络模型:
所述步骤A包括：
A1.将控制系统的各元件进行编号形成序列Bs{1,2,…N}，N为控制系统的元件数量，计算各元件之间的距离dij,dij＝dji,其中i<j,i,j∈Bs；
A2.将步骤A1的距离dij按照升序排列，d1≤d2≤…≤dm，确定截断距离dc＝d f(t0),其中m＝1/2N(N-1),t0＝0.02m,f(t)为取整函数；
A3.依据公式1.1,1.2计算第i个元件的连接度
Figure FDA0002359407780000011
并降序排列形成下标
Figure FDA0002359407780000012
即
Figure FDA0002359407780000013
Figure FDA0002359407780000014
其中
Figure FDA0002359407780000015
根据公式2.1计算
Figure FDA0002359407780000016
Figure FDA0002359407780000017
A4.根据综合参数ci＝pi*ri，选取ci比较大的点作为中心点，中心点个数为k；
A5.将剩余的非中心点，分配给离它最近且密度比它高的邻点形成以k个中心点为核心的区块，形成表示控制系统的网络模型；
B.控制系统中各元件将当前的运行状态及时传输至远程系统，根据各元件的实时运行状态确定各监测元件的在各状态下运行的损坏概率qi；
C.根据损坏概率判断是否存在故障隐患；
D.对隐形故障进行维修、更换。
2.根据权利要求1所述的基于复杂动态网络的控制系统诊断方法，其特征在于：所述步骤B包括：通过公式3.1计算各元件的损坏概率，
Figure FDA0002359407780000021
其中，qi是第i个元件的损坏概率，qij是第i个元件与第j个元件相互作用的概率，qia是第i个元件执行第a个动作时的损坏概率,ηij时第i个元件与第j个元件作用的修正系数，qis是第i个元件损坏的相对概率，qi0是第i个元件损坏的标准概率。
3.根据权利要求2所述的基于复杂动态网络的控制系统诊断方法，其特征在于：所述步骤C包括：确定第i个元件是否为中心点，是中心点则qis≥0.7报警，否则qis≥0.8报警。
CN201810034540.XA 2018-01-15 2018-01-15 一种基于复杂动态网络的控制系统诊断方法 Active CN108092824B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810034540.XA CN108092824B (zh) 2018-01-15 2018-01-15 一种基于复杂动态网络的控制系统诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810034540.XA CN108092824B (zh) 2018-01-15 2018-01-15 一种基于复杂动态网络的控制系统诊断方法

Publications (2)

Publication Number Publication Date
CN108092824A CN108092824A (zh) 2018-05-29
CN108092824B true CN108092824B (zh) 2020-05-01

Family

ID=62182128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810034540.XA Active CN108092824B (zh) 2018-01-15 2018-01-15 一种基于复杂动态网络的控制系统诊断方法

Country Status (1)

Country Link
CN (1) CN108092824B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282038A (zh) * 2015-11-04 2016-01-27 哈尔滨工业大学 用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法
CN106506231A (zh) * 2016-11-30 2017-03-15 大连大学 面向结构洞的指控网络关键节点识别方法
CN106789253A (zh) * 2016-12-23 2017-05-31 西安电子科技大学 一种复杂信息网络的弹性评估和优化方法
CN107196806A (zh) * 2017-06-09 2017-09-22 西安电子科技大学 基于子图辐射的拓扑临近匹配虚拟网络映射方法
CN107566194A (zh) * 2017-10-20 2018-01-09 重庆邮电大学 一种实现跨域虚拟网络映射的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101867486A (zh) * 2010-06-08 2010-10-20 江苏大学 一种无线传感器网络故障诊断方法
CN102420700B (zh) * 2011-11-28 2014-06-18 武汉大学 网络故障诊断系统
CN103001811B (zh) * 2012-12-31 2016-01-06 北京启明星辰信息技术股份有限公司 故障定位方法和装置
CN106161046B (zh) * 2015-03-18 2021-01-15 国家电网公司 一种面向电力光传输网的通信安全防御系统及其控制方法
CN106209432B (zh) * 2016-06-30 2019-04-19 中国人民解放军国防科学技术大学 基于动态阈值的网络设备亚健康预警方法及装置
CN107944463A (zh) * 2017-09-15 2018-04-20 天津大学 一种动态网络微状态检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105282038A (zh) * 2015-11-04 2016-01-27 哈尔滨工业大学 用于移动卫星网络中基于稳定性分析的分布式星群组网优化方法
CN106506231A (zh) * 2016-11-30 2017-03-15 大连大学 面向结构洞的指控网络关键节点识别方法
CN106789253A (zh) * 2016-12-23 2017-05-31 西安电子科技大学 一种复杂信息网络的弹性评估和优化方法
CN107196806A (zh) * 2017-06-09 2017-09-22 西安电子科技大学 基于子图辐射的拓扑临近匹配虚拟网络映射方法
CN107566194A (zh) * 2017-10-20 2018-01-09 重庆邮电大学 一种实现跨域虚拟网络映射的方法

Also Published As

Publication number Publication date
CN108092824A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN103823433B (zh) 一种使用通讯过程分析实现继电保护设备在线监测的方法
CN110619587B (zh) 一种基坑监测智能预警和数据存证的方法及系统
CN104318347A (zh) 一种基于多传感器信息融合的输电线路覆冰状态评估方法
CN106918764B (zh) 基于网基矩阵型算法的配网故障定位方法
CN114280414A (zh) 一种基于拓扑动态识别的低压配电网故障定位系统及方法
CN104976517A (zh) 一种码头供水管网在线监管方法
CN103901845A (zh) 一种油田生产现场物联设备远程智能管理方法及系统
CN107870287A (zh) 一种配电网故障的定位方法
CN107426019A (zh) 网络故障确定方法、计算机设备及计算机可读存储介质
CN104633455A (zh) 智慧安全城市管网实时监测系统及方法
WO2020177706A1 (zh) 配电网故障区段与故障时刻的判定方法
CN106569052A (zh) 考虑实时健康状态的电力变压器可靠性评估方法
CN109613372B (zh) 一种基于多元电网数据库的电网故障诊断方法
CN113740666B (zh) 一种数据中心电力系统告警风暴根源故障的定位方法
CN111210083A (zh) 一种管网异常分析方法
CN113128709B (zh) 一种供水管网漏损管理系统
CN114319165A (zh) 基于数据分析的预制混凝土涵管止水构件监测处理系统
CN112712606B (zh) 一种基于运维服务的自动巡检管理的方法与系统
CN117669888A (zh) 一种二次供水远程监控系统
CN108092824B (zh) 一种基于复杂动态网络的控制系统诊断方法
CN117031381A (zh) 一种电源检测设备的故障检测系统和方法
CN103457755A (zh) 一种iec 61850系统通信故障检测的方法及系统
CN105184657A (zh) 一种面向电力系统的供电风险评估方法及系统
CN114969068A (zh) 城市压力管网实时流量监测数据分析方法及系统
CN104375482A (zh) 一种继电保护装置在线评估方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230522

Address after: 230000 B-2704, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee after: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd.

Address before: No. 111, Changjiang West Road, Huaian, Jiangsu, Jiangsu

Patentee before: HUAIYIN NORMAL University

Effective date of registration: 20230522

Address after: 710000 room 10404, unit 1, building 2, No. 35, Tangyan Road, high tech Zone, Xi'an, Shaanxi Province

Patentee after: Shaanxi yunqi Data Technology Co.,Ltd.

Address before: 230000 B-2704, wo Yuan Garden, 81 Ganquan Road, Shushan District, Hefei, Anhui.

Patentee before: HEFEI LONGZHI ELECTROMECHANICAL TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right