一種離散事件系統(tǒng)故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及人工智能控制領(lǐng)域,更具體地,涉及一種離散事件系統(tǒng)故障診斷方法。
【背景技術(shù)】
[0002] 離散事件系統(tǒng),也稱之為離散事件系統(tǒng)或離散事件動(dòng)態(tài)系統(tǒng)。隨著科學(xué)技術(shù)的發(fā) 展,自動(dòng)化水平的逐步提高,大型電網(wǎng)、通信網(wǎng)絡(luò)、智能控制設(shè)備等都使用了龐大且復(fù)雜的 離散事件系統(tǒng)。區(qū)別于傳統(tǒng)的連續(xù)系統(tǒng),離散事件系統(tǒng)的狀態(tài)不隨時(shí)間的變化而連續(xù)變化, 而是在一些離散時(shí)間點(diǎn)上由于某種動(dòng)作或者事件的驅(qū)動(dòng)而發(fā)生變化。因此,它的數(shù)學(xué)模型 往往很難用數(shù)學(xué)方程來表示。
[0003] 然而離散事件系統(tǒng)的故障診斷是具有深刻意義的,一方面,現(xiàn)實(shí)的系統(tǒng)往往是動(dòng) 態(tài)運(yùn)行的,動(dòng)態(tài)系統(tǒng)經(jīng)過量化后可以由離散事件系統(tǒng)近似地表示;另一方面,靜態(tài)系統(tǒng)的故 障診斷研宄已經(jīng)十分成熟,而離散事件系統(tǒng)的各個(gè)狀態(tài)接近于靜態(tài)系統(tǒng),因此可以有效地 利用靜態(tài)系統(tǒng)的研宄成果。
[0004] 離散事件系統(tǒng)故障診斷的目的是根據(jù)系統(tǒng)模型以及可觀察事件,對(duì)系統(tǒng)中即將發(fā) 生的故障事件進(jìn)行診斷。高效而準(zhǔn)確地診斷系統(tǒng)發(fā)生的故障事件能夠使技術(shù)人員及時(shí)發(fā)現(xiàn) 并定位故障,幫助維護(hù)系統(tǒng)的安全。但是,在離散事件系統(tǒng)的故障診斷中,隨著系統(tǒng)狀態(tài)的 增多,診斷空間的增長(zhǎng),導(dǎo)致計(jì)算復(fù)雜度增加,診斷效率較低。這是限制其廣泛應(yīng)用的一個(gè) 重要因素。
[0005] 針對(duì)離散事件系統(tǒng)的診斷方法主要包括以下三個(gè)步驟:(1)使用自動(dòng)機(jī)等方法為 系統(tǒng)建模,通過其內(nèi)部聯(lián)系刻畫出系統(tǒng)的正常和故障行為;(2)利用傳感器等工具監(jiān)測(cè)系 統(tǒng),獲得系統(tǒng)運(yùn)行中發(fā)生的觀測(cè)事件序列;(3)找出系統(tǒng)所有可能的行為軌跡,通過該軌跡 得到系統(tǒng)的故障元件和故障原因。
[0006] 在以上診斷方法的基礎(chǔ)上,該領(lǐng)域的研宄人員提出了各自的研宄理論:
[0007] Reiter和de Kleer的方法是根據(jù)系統(tǒng)行為和觀察集的理論,將與觀察一致的(極 ?。┕收喜考暈樵\斷。但是對(duì)于離散事件系統(tǒng)而言,系統(tǒng)的變化是由動(dòng)作或者事件引 起的,所以需要將動(dòng)作和事件的發(fā)生作為系統(tǒng)的診斷。Sampath等人通過建立有限狀態(tài)自 動(dòng)機(jī)模型和特征化診斷為可達(dá)分析問題來診斷離散事件系統(tǒng)。為了表示系統(tǒng)組件之間的 交互關(guān)系,有些學(xué)者進(jìn)一步提出了通訊自動(dòng)機(jī)的概念,以更好地描述離散事件系統(tǒng)。之后 Console等人又提出了利用進(jìn)程代數(shù)進(jìn)行建模診斷的方法,Aghasaryan等人介紹了特別適 用于并發(fā)系統(tǒng)的Petri網(wǎng)建模方法。另一方面,離散事件系統(tǒng)可以利用人工智能的動(dòng)作和 變化理論進(jìn)行診斷。McIlraith和Iwan提出使用演繹計(jì)劃來生成診斷,而Baral等人建議 使用邏輯編程和回答集編程。隨著產(chǎn)生觀察集策略的算法發(fā)展,離散動(dòng)態(tài)系統(tǒng)診斷的研宄 得以持續(xù)。然而,要產(chǎn)生這樣的診斷是相當(dāng)消耗時(shí)間的。在Grastien和Rintanen發(fā)現(xiàn)診斷 可以約簡(jiǎn)為尋找路徑問題后,離散事件系統(tǒng)的診斷又引起了學(xué)者們的興趣。另外,Grastien 和Cordier在離散事件系統(tǒng)的在線診斷方面,還研宄了增量診斷及可診斷性的問題。趙相 福等也研宄了離散事件系統(tǒng)診斷的在線診斷問題和不完備系統(tǒng)模型下的診斷問題。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明為解決以上現(xiàn)有技術(shù)的缺陷,提供了一種離散事件系統(tǒng)故障診斷方法。該 方法首先獲取各個(gè)元件的觀察事件序列,然后通過故障系統(tǒng)模型獲取與各個(gè)元件觀察事件 序列關(guān)聯(lián)的故障事件,再對(duì)關(guān)聯(lián)故障事件的故障序列進(jìn)行剪枝處理,在以上基礎(chǔ)上,根據(jù)經(jīng) 過剪枝處理的故障序列,進(jìn)行故障診斷。上述過程中,只利用關(guān)聯(lián)度高的故障事件進(jìn)行故障 診斷,可將大部分故障事件排除在診斷之外,本方法的計(jì)算復(fù)雜度低,同時(shí)其診斷效率相對(duì) 現(xiàn)有技術(shù)而言,得到較大的提高。
[0009] 為實(shí)現(xiàn)以上發(fā)明目的,采用的技術(shù)方案是:
[0010] 一種離散事件系統(tǒng)故障診斷方法,包括以下步驟:
[0011] SI.建立故障系統(tǒng)模型,并從觀察集獲取系統(tǒng)各個(gè)元件的觀察事件序列,根據(jù)各個(gè) 元件的觀察事件序列,通過故障系統(tǒng)模型,獲取、記錄與各個(gè)元件觀察事件序列相關(guān)聯(lián)的故 障事件;
[0012] S2.枚舉各個(gè)元件關(guān)聯(lián)故障事件可能的故障序列,應(yīng)用剪枝規(guī)則,對(duì)各個(gè)元件可能 的故障序列進(jìn)行剪枝處理;
[0013] S3.判斷經(jīng)過剪枝處理的故障序列是否與相應(yīng)元件的觀察事件序列相符,若相符 則將此故障序列以及相應(yīng)元件作為診斷結(jié)果進(jìn)行輸出。
[0014] 優(yōu)選地,為了能夠使診斷的結(jié)果更加的精確,步驟S2中,對(duì)與各個(gè)元件不關(guān)聯(lián)的 故障事件可能的故障序列進(jìn)行枚舉,同時(shí)應(yīng)用剪枝規(guī)則,對(duì)不關(guān)聯(lián)故障事件可能的故障序 列進(jìn)行剪枝處理。
[0015] 優(yōu)選地,為了能夠獲取關(guān)聯(lián)度最高的故障事件進(jìn)行下一步的處理,步驟Sl中,需 要對(duì)關(guān)聯(lián)的故障事件進(jìn)行一次或多次更新,所述更新具體如下:獲取與各個(gè)元件觀察事件 序列相關(guān)聯(lián)的故障事件之后,記錄各個(gè)元件在一定時(shí)間間隔內(nèi)產(chǎn)生的觀察事件序列,并根 據(jù)該觀察事件序列,通過故障系統(tǒng)模型對(duì)關(guān)聯(lián)的故障事件進(jìn)行更新。
[0016] 優(yōu)選地,所述故障系統(tǒng)模型SD包括全局連接圖G和元件狀態(tài)自動(dòng)機(jī)圖Σ A ;
[0017] 其中 SD = G U ΣΑ,6 = SComps U SConnect,SComps 為元件的集合,SConnect 為各個(gè)元件之間的連接關(guān)系集合,ΣΑ= {Ai,i e SComps},Ai為元件狀態(tài)自動(dòng)機(jī),即ΣΑ 為所有元件狀態(tài)自動(dòng)機(jī)集合。
[0018] 優(yōu)選地,元件狀態(tài)自動(dòng)機(jī)由一個(gè)四元組(Qi, Ei, 表示,其中Qi為元件狀態(tài)集 合,Ei為元件事件集合,Ti為變迀集合,Qpqcii為初始狀態(tài)。
[0019] 優(yōu)選地,所述元件事件集合括四個(gè)子集合N i、Fi、Oi、Ci;
[0020] 其中Ni為正常事件子集合,若事件nie Ni在元件上發(fā)生,元件改變它內(nèi)部的狀 態(tài);
[0021] Fi為故障事件子集合,若事件f i e F i在元件上發(fā)生,元件進(jìn)入故障狀態(tài),故障標(biāo)簽 為
[0022] Oi為可觀察事件子集合,若事件〇 # Oi在元件上發(fā)生,該事件可由系統(tǒng)檢測(cè)得 到;
[0023] Ci為通信事件子集合,若事件c iG C i在元件上發(fā)生,該事件至少會(huì)影響一個(gè)其他 元件。
[0024] 優(yōu)選地,所述觀察集為一個(gè)三元組序列(Ci,ei,ti),其中C i為元件名稱, Cie SComps,e 可觀察事件,e # 〇 P &表示可觀察事件e i發(fā)生的時(shí)間。
[0025] 與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是: