CN109376059B - 一种基于蒙特卡洛树的系统运行状态表示方法 - Google Patents

Abstract

本发明提出了一种基于蒙特卡洛树的系统运行状态表示方法，该方法将蒙特卡洛树用于具有周期性运行状态的设备监测上，并根据监测数据具有周期性这一特点，将蒙特卡洛树改造成为蒙特卡洛分支环模型，用于描述设备产生的各种状态分支。在该分支环模型上，主环表示正常运行状态，不同部位在不同时间产生了异常就会产生一个一个状态分支。分支环的周长为一个系统运行状态周期。本方法能够有效约简状态空间范围，避免状态空间爆炸，而且能够准确表示系统运行状态的演化情况，并进行预测。

Description

一种基于蒙特卡洛树的系统运行状态表示方法

技术领域

本发明涉及互联网领域和设备监测领域，具体涉及到一种基于蒙特卡洛树的系统运行状态表示方法。

背景技术

基于蒙特卡洛树的系统运行状态表示方法，基于蒙特卡洛方法、以及高斯分布计算。能够根据输入数据准确判断当前系统所处运行状态。最接近本发明的技术有：

(1)、基于蒙特卡洛仿真的动态故障树算法：蒙特卡洛仿真的基本思想是通过计算样本均值来估计总体均值。将蒙特卡洛方法用于动态故障树的求解分析，能够有效的表示系统运行状态的故障树；

(2)、基于时间约束故障树分析方法：针对传统故障树不能直观描述和分析这种时间因素的问题，在原有故障树定义的基础上增加时间约束故障树的语义描述，并根据故障树的扩展语义提出时间约束故障树分析方法。给出时间约束逻辑门和事件平均转移率、输入事件到输出事件传播率和到达率的计算方法；

(3)、基于离散时间贝叶斯网络的动态故障树分析的改良方法：该方法针对基于离散时间贝叶斯网络的动态故障树的不足提出了改进，同样是应用故障树的方法来表示系统运行状态，主要基础是离散时间贝叶斯网络。

其中，这些方法都是基于动态故障树来对系统运行状态进行描述，这三种方法分别针对动态故障树添加了蒙特卡洛仿真、时间约束、离散贝叶斯网络的改良等方法来对故障树进行改进，但是，由于动态故障树的结构并没有大的变化，因此针对故障状态爆炸这个问题并不能很好的解决。同时针对周期性时间序列数据使用循环结构进行约简，现有的技术都没有在这方面进行考虑与设计。

发明内容

为解决现有技术中的缺点和不足，本发明提出了一种基于蒙特卡洛树的系统运行状态表示方法，根据监测数据得出系统当前所处的运行状态。

本发明的技术方案为：

一种基于蒙特卡洛树的系统运行状态表示方法，其特征在于，数据压缩模块、数据节点模块、整体构建模块、高斯分布计算模块和相似度计算模块，包括以下步骤：

步骤(1)、在数据压缩模块，将数据使用t-SNE降维方法进行数据降维，去除维度与维度之间的相关性；

步骤(2)、在高斯分布计算模块，取部分降维后的数据依据周期长度进行切分，根据切分后的数据在不同周期的同一个位置计算高斯分布的均值和方差；

步骤(3)、在数据节点模块，使用向量来描述单个时间测量点的数据状态。通过数据节点来记录数据状态、权值、搜索次数、时间戳和故障次数信息；

步骤(4)、在相似度计算模块，将剩下部分的数据同样依据周期进行切分，然后根据周期内的位置将其纳入相同位置的数据节点计算置信度，高于一定阈值则该数据节点依据该数据进行更新，否则在相同位置添加分支数据节点，每一个数据节点表示一种系统状态；

步骤(5)、在整体构建模块，通过有向关系图将各个数据节点依据时间关系进行连接，形成完整闭环。

本发明的有益效果：

(1)通过数据压缩模块，削减计算量的同时将数据压缩为不相关的维度有助于故障状态的探索；

(2)该算法将循环结构引入了周期性运转的设备仿真，更有效的表现了设备本身的特点，同时对系统运行状态空间进行了约简；

(3)节省了仿真计算时的计算资源消耗，如电量、带宽、内存等，而且能够准确表示系统运行状态的演化情况，并进行预测。

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为本发明基于蒙特卡洛树的系统运行状态表示方法结构图。

图2为本发明基于蒙特卡洛树的系统运行状态表示方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明的基于蒙特卡洛树的系统运行状态表示方法的系统结构包含五个模块：数据压缩模块、数据节点模块、整体构建模块、高斯分布计算模块和相似度计算模块。

下面结合图1与图2，对基于蒙特卡洛树的系统运行状态表示方法的具体流程进行详细说明：

步骤(1)、使用数据降维进行第一步约简。接下来在分支环构建阶段对不同周期上同一个时间点的多个数据计算出一个高斯分布，将新加入的数据放入该高斯分布中计算置信度，置信度超过某一阈值则将其纳为同一个数据节点，否则创建新的数据节点。

步骤(2)、通过分析数据散点图和领域专家的经验来确定数据的时间周期长度，使用向量来描述单个时间测量点的数据状态。通过数据节点来记录数据状态、权值、搜索次数、时间戳和故障次数等信息，如图2(b)

步骤(3)、从数据集中选择一个数据之后为其构建数据节点，再对分支环上当前时间点的多个数据状态进行比对，依据高斯分布的原则选出最合适的数据状态，如果没有则增加一个数据状态，以该数据节点的内容来初始化。然后根据故障标签进行向前回溯一个周期长度的数据状态进行更新。

步骤(4)、方法主体结构如图2中总体结构a所示，由一个一个数据节点构成，有方向，主体环的长度就是周期性数据的一个周期，除了主环之外每一个小的数据节点都可能有分支，该分支可能是设备正常运行过程中的波动，也可能是故障造成的波动。图2中数据节点b是单个数据节点中包含的内容，包括数据状态(当前时间点的采样数据)，权值(该节点的权重)，搜索总次数(走过该数据节点的数据轨迹的总条数)，故障次数(经过该数据节点但是产生了故障的数据变化轨迹的条数)，数据变化轨迹条数的计算以一个周期长度为限，不能继续向前回溯。

本发明的基于蒙特卡洛树的系统运行状态表示方法通过数据压缩模块，削减计算量的同时将数据压缩为不相关的维度有助于故障状态的探索；该算法将循环结构引入了周期性运转的设备仿真，更有效的表现了设备本身的特点，同时对系统运行状态空间进行了约简；节省了仿真计算时的计算资源消耗，如电量、带宽、内存等，而且能够准确表示系统运行状态的演化情况，并进行预测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于蒙特卡洛树的系统运行状态表示方法，其特征在于，数据压缩模块、数据节点模块、整体构建模块、高斯分布计算模块和相似度计算模块，包括以下步骤：

步骤(1)、在数据压缩模块，将数据使用t-SNE降维方法进行数据降维，去除维度与维度之间的相关性；

步骤(2)、在高斯分布计算模块，取部分降维后的数据依据周期长度进行切分，根据切分后的数据在不同周期的同一个位置计算高斯分布的均值和方差；

步骤(3)、在数据节点模块，使用向量来描述单个时间测量点的数据状态，通过数据节点来记录数据状态、权值、搜索次数、时间戳和故障次数信息；

步骤(4)、在相似度计算模块，将剩下部分的数据同样依据周期进行切分，然后根据周期内的位置将其纳入相同位置的数据节点计算置信度，高于一定阈值则该数据节点依据该数据进行更新，否则在相同位置添加分支数据节点，每一个数据节点表示一种系统状态；

步骤(5)、在整体构建模块，通过有向关系图将各个数据节点依据时间关系进行连接，形成完整闭环。

Images