基于模型的候選故障診斷求解方法及診斷空間單調(diào)性研究.pdf

1、本文對(duì)基于模型的候選故障診斷求解方法及診斷空間單調(diào)性進(jìn)行了研究?；谀Ｐ偷脑\斷(Model-based diagnosis，MBD)作為一項(xiàng)靈活性高的推理技術(shù)，克服了傳統(tǒng)專(zhuān)家診斷方法的缺點(diǎn)，極大地推動(dòng)了人工智能向前發(fā)展。近年來(lái)，隨著系統(tǒng)集成化、自動(dòng)化程度日益提高，對(duì)系統(tǒng)的可靠性和可維護(hù)性需求也日益增加，基于模型診斷的應(yīng)用也得到了廣泛推廣，并且向著智能化方向發(fā)展。目前，利用MBD可進(jìn)行電路系統(tǒng)故障查找和排除、醫(yī)學(xué)診斷系統(tǒng)研究、網(wǎng)絡(luò)通訊系統(tǒng)

2、故障診斷，大型汽車(chē)、輪船故障診斷等。早期的專(zhuān)家經(jīng)驗(yàn)為傳統(tǒng)故障診斷提供了基本方法，不足在于專(zhuān)家經(jīng)驗(yàn)更新慢并且不易獲得，一旦系統(tǒng)發(fā)生改變，專(zhuān)家經(jīng)驗(yàn)就很難再次使用。而MBD則不依賴(lài)系統(tǒng)結(jié)構(gòu)，所建立的模型與整個(gè)系統(tǒng)是獨(dú)立的，可移植性好、可重復(fù)利用率高。
　　系統(tǒng)建模是用合適的語(yǔ)言來(lái)表征系統(tǒng)結(jié)構(gòu)，沖突識(shí)別是找出系統(tǒng)中同時(shí)工作會(huì)存在沖突的部件集，候選產(chǎn)生是從沖突部件集中找到所有可能的故障元件，診斷鑒別是通過(guò)增加測(cè)量點(diǎn)排除非故障部件，從而確定最

3、終的故障部件?；谀Ｐ偷墓收显\斷正是由以上四個(gè)過(guò)程組成的。要對(duì)系統(tǒng)建模，需要選擇合適的方法，這樣有利于所建立的模型能正確表征實(shí)際系統(tǒng)。目前，一階邏輯語(yǔ)言描述法是系統(tǒng)建模使用率最高的方法。候選產(chǎn)生即產(chǎn)生所有極小碰集的過(guò)程，被證明為NP-完全問(wèn)題，許多學(xué)者為優(yōu)化計(jì)算而進(jìn)行了不懈的研究。然而這些算法都有各自的不足之處，例如:由于剪枝可能丟失正確解，或者需要建立樹(shù)或圖等較復(fù)雜的數(shù)據(jù)結(jié)構(gòu)。針對(duì)這些問(wèn)題，文中提出了CHS-tree(Cardinal

4、ity-based Hitting Set tree)方法，在該方法的求解過(guò)程中，每次選擇當(dāng)前集合簇中勢(shì)最小的集合進(jìn)行擴(kuò)展，并借助于集合簇中元素出現(xiàn)的頻率作為輔助判斷，可以不斷降低問(wèn)題求解規(guī)模，通過(guò)遞歸的方法找到所有極小碰集。該方法適用于元件規(guī)模較大，各元素出現(xiàn)頻率較高的數(shù)據(jù)。通過(guò)對(duì)最小勢(shì)的選擇，以及相關(guān)集合的化簡(jiǎn)，使得產(chǎn)生較少的中間結(jié)點(diǎn)，在某些情況下，其效率也高于當(dāng)前效率最高的Boolean方法。診斷鑒別是MBD中最后一個(gè)關(guān)鍵步驟，其