CN109063839B - 一种专家系统的模拟时态逻辑的复杂征兆构建方法 - Google Patents

一种专家系统的模拟时态逻辑的复杂征兆构建方法 Download PDF

Info

Publication number
CN109063839B
CN109063839B CN201811125567.6A CN201811125567A CN109063839B CN 109063839 B CN109063839 B CN 109063839B CN 201811125567 A CN201811125567 A CN 201811125567A CN 109063839 B CN109063839 B CN 109063839B
Authority
CN
China
Prior art keywords
symptom
complex
state
expert system
basic
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
CN201811125567.6A
Other languages
English (en)
Other versions
CN109063839A (zh
Inventor
丁万兵
崔小磊
崔宇
李娜
王冲
邱枫
仲宇
张磊
何波
李辉
高飞
曹芳芳
董西国
吕京伟
李兰兰
刘鹏
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.)
China Academy of Launch Vehicle Technology CALT
Beijing Aerospace Automatic Control Research Institute
Original Assignee
China Academy of Launch Vehicle Technology CALT
Beijing Aerospace Automatic Control Research Institute
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 China Academy of Launch Vehicle Technology CALT, Beijing Aerospace Automatic Control Research Institute filed Critical China Academy of Launch Vehicle Technology CALT
Priority to CN201811125567.6A priority Critical patent/CN109063839B/zh
Publication of CN109063839A publication Critical patent/CN109063839A/zh
Application granted granted Critical
Publication of CN109063839B publication Critical patent/CN109063839B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种专家系统的模拟时态逻辑的复杂征兆构建方法，应用于在基于规则的专家系统知识库中表达系统的动态特征。根据数据征兆表，匹配获得系统状态数据的基本征兆，每个征兆代表该数据的一种状态；如果满足开始时机不满足结束时机则判断是否满足所述复杂征兆的判读条件，如果满足，则输出所述复杂征兆给专家系统推理机。本发明针对传统专家系统知识库不足以表达系统的动态特征的问题，为专家系统知识库添加了动态知识模式，扩展了知识库的维度，增强了专家系统知识库的对人类专家知识的表达能力。设计了复杂征兆，实现了对时间相关的系统状态数据的特征描述，通过整数标识系统状态数据在某个时间区间内的状态变化，标识简单。

Description

一种专家系统的模拟时态逻辑的复杂征兆构建方法
技术领域
本发明涉及一种专家系统的模拟时态逻辑的复杂征兆构建方法，属于故障诊断专家系统领域。
背景技术
专家系统的核心是知识库，知识库决定了专家系统具有怎样的“智能”、能够替代人类解决什么样的问题。基于规则的专家系统，比较常用的模式是关系型模式，即，每个模式由一个关系名(relation name),后跟任意多个槽(slot)以及它们的相关约束组成。使用模式和逻辑运算符来构成规则。模式按不同领域的需要来定义，每个模式由一个或多个约束构成。专家系统推理机根据规则的模式与输入的事实的匹配情况，判断是否触发该规则。
基于规则的专家系统的知识库，是由产生式规则构成。使用模式(pattern)和逻辑运算符来构成产生式规则。规则可以描述系统的特征。但是，由逻辑表达式描述的规则，往往不足以描述系统与时间相关的状态特征。原因是逻辑表达式使用的命题逻辑、谓词逻辑或者高阶逻辑，本身都是不具备表达时序关系的形式逻辑。
以下是一个关系型模式的例子，描述“设备A”的参数“开关”的状态值为“关”，可按以下模式定义：
(设备A(参数名开关)(状态值关))
这种关系型模式虽然能够灵活的描述系统的状态，但它描述的状态是一个静态的系统特征，也就是一种静态属性。静态属性与时间不相关，不足以表达一个系统运行中的状态属性。因此，关系型模式本身并不适用于描述系统的与时间相关的特征，也就是动态属性。系统动态属性的例子包括：
1.参数X一直满足X1状态直至参数Y满足Y1状态
2.参数X一直满足X1状态满足后，参数Y满足Y1状态
对于用于故障诊断的实时专家系统来说，诸如事件发生的先后顺序、系统状态的连续变化等特征，都是人类专家关注的领域知识，也是人类专家希望专家系统能够自动诊断和识别的系统特征。因此，我们有必要为专家系统扩展出新的知识模式，以满足描述复杂的动态特征的需要。
发明内容
本发明要解决的问题是，借鉴模型检查技术(model checking)中使用的线性时态逻辑(LTL)，利用时态逻辑中时态逻辑连接符的语义，把系统的动态属性抽象转化成可由软件实现的复杂征兆模型。每一种复杂征兆模型对应一种类型的动态模式。
本发明的技术方案如下：
提供一种专家系统的模拟时态逻辑的复杂征兆构建方法，包括如下步骤：
(1)在线实时采集系统状态数据；
(2)根据数据征兆表，匹配获得系统状态数据的基本征兆，每个征兆代表该数据的一种状态；
(3)遍历征兆的依赖关联列表，判断该基本征兆是否关联复杂征兆，如果关联复杂征兆则进入步骤(4)，如果不关联则进入步骤(6)；
(4)判断关联的复杂征兆，如果满足开始时机且不满足结束时机则进入步骤(5)；如果满足开始时机且满足结束时机则停止该复杂征兆的判断，进入步骤(6)；如果不满足开始时机，则进入步骤(6)；
(5)判断是否满足所述复杂征兆的判读条件，如果满足，则输出所述复杂征兆给专家系统推理机，并返回步骤(7)，如果不满足，则进入步骤(6)；
(6)输出基本征兆给专家系统推理机；返回步骤(1)；
(7)遍历征兆的依赖关联列表，判断该复杂征兆是否关联复杂征兆，如果关联则返回步骤(4)。
优选的，系统状态数据的一个状态对应一个基本征兆；系统状态数据在某个时间区间内的状态变化对应一个复杂征兆。
优选的，所述基本征兆及复杂征兆均采用整数标识且表述唯一。
优选的，复杂征兆基于复杂模型生成，每个复杂模型包括单特征模型、多特征模型、时序特征模型；单特征模型描述一个系统状态数据未满足过对应状态；多特征模型描述多个系统状态数据连续同时满足对应状态n次或非连续同时满足对应状态n次；时序特征描述多个系统状态数据是否同时满足相应的时序特征。
优选的，单特征模型、多特征模型、时序特征模型均包括开始时机、结束时机。
优选的，复杂征兆的开始时机和结束时机配置为基本征兆或复杂征兆。
优选的，复杂征兆覆盖五种时序状态：在指定时间范围内，状态p一直成立；在指定时间范围内，状态p最终会成立；在指定时间范围内，状态p一直成立直到状态q成立，状态q一定会出现；在指定时间范围内，状态p一直成立直到状态q成立，状态q不一定会出现；在指定时间范围内，下一个状态为p成立。
优选的，专家系统推理机将收到的基本征兆或复杂征兆与规则进行匹配，当满足某一规则的逻辑时，按照该规则逻辑生成对应故障结论。
优选的，专家系统的知识库仅由基本征兆和复杂征兆表达。
优选的，系统状态数据包括A/D采集的控制系统的模拟量数据、I/O采集的控制系统发送的开关量数据以及1553B采集的总线数据。
本发明与现有技术相比的优点在于：
(1)针对传统专家系统知识库不足以表达系统的动态特征的问题，为专家系统知识库添加了动态知识模式，扩展了知识库的维度，增强了专家系统知识库的对人类专家知识的表达能力。
(2)本发明设计了复杂征兆，实现了对时间相关的系统状态数据的特征描述，通过整数标识系统状态数据在某个时间区间内的状态变化，标识简单。
(3)本发明复杂征兆可以嵌套使用，用于描述复杂度更高的状态特征，增强了知识库的表达能力，进而能够识别出复杂的故障模式。
(4)本发明适用于航天、航空控制系统实时故障诊断、军事指挥决策等领域的专家系统构建，面向复杂系统的故障诊断。
附图说明
图1为本发明复杂征兆构建方法的流程示意图；
图2为本发明的时态逻辑时态连接符的语义示意图。
具体实施方式
线性时态逻辑LTL通常在软件、硬件的功能正确性验证中，用于描述软件、硬件系统的与时间相关的状态属性(动态属性)，可以描述指定时间区间内的状态变化特征。为了将动态属性添加到专家系统知识库，本发明借鉴了LTL对系统中时间相关属性的描述能力，利用软件可实现的抽象时态模型，将LTL中的时态满足关系转化成专家系统的规则。负责实现识别抽象时态模型的软件模块已经配置在航天型号软件中。
涉及到的时态逻辑中的时态连接符包括：
Figure BDA0001812335910000041
图2详细解释了上述的LTL时态连接符的语义。其中s1->s2表示状态由s1迁移至s2，s1->…->…->sn表示的系统运行时的一条状态迁移路径。如果系统执行时有多条状态迁移路径，LTL时态连接符语义解释指的是必须满足全部状态迁移路径。
根据LTL的时态连接符的语义解释，抽象出3个描述系统动态特征的时态模型，分别为单特征模型、多特征模型和时序特征模型，模型的具体定义见表格1。以抽象时态模型为模板，我们可以创建属于该模型的动态模式。每一个抽象时态模型对应一类的复杂征兆。
表格1复杂征兆定义
Figure BDA0001812335910000051
其中，开始点/结束点，表示该模式的开始判读和结束判读时机。如果填写为null，则表示该模式的判读时机默认为所在规则的作用域。如果填写为征兆，则表示以这个征兆的状态满足作为开始点或结束点。开始点/结束点可以使用普通征兆或者复杂征兆。如果开始点定义为征兆，当开始点不能满足的情况下，则对复杂征兆模式的识别不启动。内部征兆x为普通征兆。内部征兆集合X为普通征兆的集合。取非，表示mdcBasic判读时是否对其引用的普通征兆取非，可取值true/false。true表示取非，false表示不取非。序列区间i，表示开始点条件后的一个消息序列区间。可以为一个正整数j，表示第j帧消息；也可以为一个正整数区间[m,n]，表示从第m帧到第n帧的消息。
构建复杂征兆时，它的作用域的开始点或结束点，也可以使用复杂征兆，这样构成一个有嵌套结构的复杂征兆模式，使得复杂征兆能够表达更复杂的系统动态特征，有效的扩展了知识表达的模式。以下是一个嵌套定义的复杂征兆的例子。
描述状态“A在B前，而B在C前”，用复杂征兆可以表述成：
mdcBasic((A,null),B,false,1,false)且
mdcBasic((mdcBasic((A,null),B,false,1,false),null),C,false,1,false)
软件模块可以实现对这3个复杂征兆模式的识别，满足复杂征兆的特征描述，则识别成功，否则为识别不成功。以上3个复杂征兆覆盖了线性时态逻辑的连接符的语义，使用表格2的转换方法可以模拟时态逻辑连接符的语义。
表格2转换关系
Figure BDA0001812335910000061
将上述的LTL时态连接符，转换成动态模式描述后，我们可以在构建专家系统知识库规则时添加基于线性时态逻辑的系统动态特征的描述。规则中的动态模式可以与静态模式混合使用，形成混合嵌套模式，进一步提高了知识表达能力。
本发明提出的这种模拟时态逻辑(temporal logic)的复杂征兆的抽象和构造方法，得到的复杂征兆可用软件模块实现模式识别。该抽象方法适用于构建描述系统动态特征的知识库规则，为专家系统知识库添加了新的知识模式，扩展了知识库的维度，从而为专家系统的功能扩展提供了有效的工具。
以上所述，仅为本发明最佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。

Claims (7)

1.一种专家系统的模拟时态逻辑的复杂征兆构建方法，包括如下步骤：
(1)在线实时采集系统状态数据；
(2)根据数据征兆表，匹配获得系统状态数据的基本征兆，每个征兆代表该系统状态数据的一种状态；
(3)遍历征兆的依赖关联列表，判断该基本征兆是否关联复杂征兆，如果关联复杂征兆则进入步骤(4)，如果不关联则进入步骤(6)；
(4)判断关联的复杂征兆，如果满足开始时机且不满足结束时机则进入步骤(5)；如果满足开始时机且满足结束时机则停止该复杂征兆的判断，进入步骤(6)；如果不满足开始时机，则进入步骤(6)；
(5)判断是否满足所述复杂征兆的判读条件，如果满足，则输出所述复杂征兆给专家系统推理机，并返回步骤(7)，如果不满足，则进入步骤(6)；
(6)输出基本征兆给专家系统推理机；返回步骤(1)；
(7)遍历征兆的依赖关联列表，判断该复杂征兆是否关联复杂征兆，如果关联则返回步骤(4)；
系统状态数据的一个状态对应一个基本征兆；系统状态数据在某个时间区间内的状态变化对应一个复杂征兆；
所述基本征兆及复杂征兆均采用整数标识且表述唯一；
复杂征兆基于复杂模型生成，每个复杂模型包括单特征模型、多特征模型、时序特征模型；单特征模型描述一个系统状态数据未满足过对应状态；多特征模型描述多个系统状态数据连续同时满足对应状态n次或非连续同时满足对应状态n次；时序特征描述多个系统状态数据是否同时满足相应的时序特征。
2.如权利要求1所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，单特征模型、多特征模型、时序特征模型均包括开始时机、结束时机。
3.如权利要求2所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，复杂征兆的开始时机配置为基本征兆或复杂征兆；复杂征兆的结束时机配置为基本征兆或复杂征兆。
4.如权利要求3所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，复杂征兆覆盖五种时序状态：在指定时间范围内，状态p一直成立；在指定时间范围内，状态p最终会成立；在指定时间范围内，状态p一直成立直到状态q成立，状态q一定会出现；在指定时间范围内，状态p一直成立直到状态q成立，状态q不一定会出现；在指定时间范围内，下一个状态为p成立。
5.如权利要求4所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，专家系统推理机将收到的基本征兆或复杂征兆与规则进行匹配，当满足某一规则的逻辑时，按照该规则逻辑生成对应故障结论。
6.如权利要求5所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，专家系统的知识库仅由基本征兆和复杂征兆表达。
7.如权利要求6所述的专家系统的模拟时态逻辑的复杂征兆构建方法，其特征在于，系统状态数据包括A/D采集的控制系统的模拟量数据、I/O采集的控制系统发送的开关量数据以及1553B采集的总线数据。
CN201811125567.6A 2018-09-26 2018-09-26 一种专家系统的模拟时态逻辑的复杂征兆构建方法 Active CN109063839B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811125567.6A CN109063839B (zh) 2018-09-26 2018-09-26 一种专家系统的模拟时态逻辑的复杂征兆构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811125567.6A CN109063839B (zh) 2018-09-26 2018-09-26 一种专家系统的模拟时态逻辑的复杂征兆构建方法

Publications (2)

Publication Number Publication Date
CN109063839A CN109063839A (zh) 2018-12-21
CN109063839B true CN109063839B (zh) 2020-08-14

Family

ID=64766059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811125567.6A Active CN109063839B (zh) 2018-09-26 2018-09-26 一种专家系统的模拟时态逻辑的复杂征兆构建方法

Country Status (1)

Country Link
CN (1) CN109063839B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661070A (zh) * 2009-09-25 2010-03-03 华北电力大学 信息论与专家系统相结合进行电力系统故障诊断的方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102637019B (zh) * 2011-02-10 2014-04-02 武汉科技大学 一种工业生产过程智能集成故障诊断方法及装置
CN103426028A (zh) * 2013-08-23 2013-12-04 北京化工大学 一种基于继承模式的故障诊断专家系统及故障诊断方法
CN105245001B (zh) * 2015-09-18 2018-04-13 贵州电力试验研究院 一种事件驱动的变电站事故智能告警处理方法和装置
DE102015218744A1 (de) * 2015-09-29 2017-03-30 Siemens Aktiengesellschaft Verfahren zur Modellierung eines technischen Systems

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661070A (zh) * 2009-09-25 2010-03-03 华北电力大学 信息论与专家系统相结合进行电力系统故障诊断的方法

Also Published As

Publication number Publication date
CN109063839A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
WO2021000556A1 (zh) 一种工业设备剩余有效寿命预测方法、系统及电子设备
CN108376221B (zh) 一种基于aadl模型扩展的软件系统安全性验证与评估方法
Cai et al. A novel approach for marine diesel engine fault diagnosis
Carvalho et al. Generalized robust diagnosability of discrete event systems
CN109241583B (zh) 基于马尔科夫的人机交互系统可靠度求解方法
CN106874200A (zh) 基于aadl的嵌入式软件可靠性建模与评估方法
CN108664241B (zh) 一种将SysML模型进行仿真验证的方法
Kime An analysis model for digital system diagnosis
CN104503920A (zh) 基于动态描述逻辑和案例推理的软件系统故障检测方法
CN106407580B (zh) 基于脚本的规则检测遥控闭锁方法
CN109214140A (zh) 基于AltaRica的航电系统动态重构建模方法
Lamperti et al. Diagnosis of deep discrete-event systems
Wen et al. Using composition trees to model and compare software process
CN109063839B (zh) 一种专家系统的模拟时态逻辑的复杂征兆构建方法
CN106598766B (zh) 一种针对ima资源共享机制的状态关联动态分析方法
Bertoglio et al. Twin‐engined diagnosis of discrete‐event systems
Qureshi et al. A timed automata-based method to analyze east-adl timing constraint specifications
CN107038086A (zh) 安全计算机平台热备控制逻辑安全分析方法
Hamscher Temporally Coarse Representation of Behavior for Model-based Troubleshooting of Digital Circuits.
Zhang et al. A TFPG-Based Method of Fault Modeling and Diagnosis for IMA Systems
Ailane et al. Toward formalizing the emergent behavior in software engineering
Zhi-xue et al. ECA rule modeling language based on UML
Lamperti et al. Specification and model-based diagnosis of higher-order discrete-event systems
Baohong et al. A formal description specification for multi-resolution modeling (MRM) based on DEVS formalism
Tan et al. Fault diagnosis of discrete-event systems under a general architecture

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