一種基于動態(tài)不確定因果圖的啟發(fā)式檢測系統(tǒng)異常原因的方法
【專利摘要】本申請?zhí)峁┮环N確定DUCG中狀態(tài)待檢測的X變量的排序方法，包括：步驟1：基于以E(y)為條件化簡后的DUCG，確定可檢測的狀態(tài)待檢測X變量，其下標(biāo)集合為SX(y)，y為時間序號；步驟2：如果SX(y)中的元素只有一個，排序結(jié)束；步驟3：計(jì)算Xi(i∈SX(y))的排序重要度Ii(y)；步驟4：按照排序重要度Ii(y)對Xi(i∈SX(y))進(jìn)行排序，參考排序?qū)∈SX(y)的X變量進(jìn)行狀態(tài)檢測；以及步驟5：將y增加1，重復(fù)步驟1?5，直到無可檢測的待檢測X變量。使用本發(fā)明的技術(shù)方案，能夠以盡可能小的代價盡快診斷對象系統(tǒng)異常的原因，從而采取有效措施，使對象系統(tǒng)恢復(fù)正常。
【專利說明】
-種基于動態(tài)不確定因果圖的啟發(fā)式檢測系統(tǒng)異常原因的 方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及智能信息處理技術(shù)，處理對象為在動態(tài)不確定因果圖DUCG中表達(dá)的不 確定因果關(guān)系類信息，使用本發(fā)明提出的技術(shù)方案，通過計(jì)算機(jī)處理，對DUCG中的待檢測變 量進(jìn)行優(yōu)化排序，依次串行或并行進(jìn)行檢測W確定運(yùn)些變量的狀態(tài)，目的是W盡可能小的 代價盡快診斷對象系統(tǒng)異常的原因，從而采取有效措施，使對象系統(tǒng)恢復(fù)正常。
【背景技術(shù)】
[0002] 工業(yè)系統(tǒng)、社會系統(tǒng)和生物系統(tǒng)中存在大量導(dǎo)致系統(tǒng)異常的原因事件，例如線圈 短路、累故障停轉(zhuǎn)、零部件失效、子系統(tǒng)失靈、傳導(dǎo)通路阻塞、異物進(jìn)入、某組織或機(jī)體被污 染、感染、傷害或自然失效等，可用事件變量Bn或BXn表示，n為事件變量標(biāo)號、Bnk或BXnk為變 量Bn或BXn的k狀態(tài)。Bn和BXn的區(qū)別在于Bn為根原因變量，沒有輸入，而BXn有輸入，可受其他 因素影響。k = 0表示Bn或BXn處于正常狀態(tài);k = 1、2、3…表示Bn或BXn處于不同的異常狀態(tài)。Bn 和BXn的狀態(tài)多數(shù)不能直接檢測，或難W直接檢測。此外，系統(tǒng)中還存在大量與Bn或BXn有因 果關(guān)系的特征量，如溫度、壓力、流量、速度、頻率、各種化驗(yàn)或物理試驗(yàn)結(jié)果、調(diào)查結(jié)果、影 像學(xué)結(jié)果、聲學(xué)結(jié)果等。有些特征量使BXnk化聲0)發(fā)生的可能性增加或減少，例如所處地域、 時間、環(huán)境、季節(jié)、宗教、膚色、經(jīng)歷、血緣關(guān)系、嗜好、性格、居住條件、工作條件等。運(yùn)些特征 量均可用事件變量Xi表示，i為變量標(biāo)號、Xij為Xi的j狀態(tài)。j = 0表示Xi處于正常狀態(tài)；j = 1、 2、3…表示Xi處于不同的異常狀態(tài)。人們可通過檢測上述Xi的狀態(tài)來診斷系統(tǒng)異常的原因 Bnk或BXnk化聲0 )，從而及時采取有效措施，使系統(tǒng)恢復(fù)正常。動態(tài)不確定因果圖（簡稱DUCG) 就是完成運(yùn)種診斷的一種智能技術(shù)方案。DUCG是一種表達(dá)上述原因事件和特征量W及其它 變量之間不確定因果關(guān)系、并基于運(yùn)種表達(dá)和已知證據(jù)E進(jìn)行診斷的方法，診斷基于X變量 的已知狀態(tài)，運(yùn)些狀態(tài)已知的Xij共同構(gòu)成證據(jù)E。例如E = Xl,2X2,試3,試4,0X5,0,其中逗號將變 量標(biāo)識與狀態(tài)標(biāo)識分開，后者為狀態(tài)標(biāo)識。一般來說，E中的X變量(其狀態(tài)已知)越多，診斷 越準(zhǔn)確。但有些狀態(tài)已知X變量對于準(zhǔn)確診斷幫助不大或沒有幫助，有些則幫助很大。實(shí)踐 中，獲取X變量的狀態(tài)是要付出代價的。因此只能有選擇和(或)分先后地檢測X變量的狀態(tài)。 本項(xiàng)發(fā)明要解決的技術(shù)問題是:基于DUCG，在已知當(dāng)前時間序號y(y = 0、l、2、-〇獲得的證 據(jù)E(y)、W及基于E(y)診斷出的可能原因事件集合SH(y)的前提下，尋找下一步應(yīng)該檢測哪 些狀態(tài)待檢測X變量的狀態(tài)，得到新證據(jù)r(y)，W獲得更新后的證據(jù)E(y+l)=r(y化(y)，使 DUCG在基于E(y+1)的條件下診斷出的可能原因事件集合SH(y+l)盡可能小，或改變其中的 排序W使真實(shí)原因排序靠前，從而W盡可能小的代價盡快診斷出系統(tǒng)異常的原因。其中y = 0指沒有收到任何證據(jù)的情況，也就是E(O)為全集的情況。
[0003] SH(y)或SH(y+l)中的可能原因事件用化康示，其中化標(biāo)識一個或一組由k標(biāo)識的變 量，例如出=BXi、出=BX2B4、等等；j標(biāo)識運(yùn)組變量的狀態(tài)組合，例如出,2 = BXi, 2、也,3 = Bi, 3X4, 2、等等。不同的化J的交集被作為空集對待。
[0004] -個DUCG示例如圖1所示，其中B變量或事件用矩形表示；X變量或事件用圓形表 示;BX變量或事件用雙圓表示;G變量或事件是邏輯口變量或事件，用邏輯口表示;D事件是X 變量或事件的缺省原因事件，用五邊形表示。運(yùn)些變量和事件也可W選擇用其它圖形符號 表示。B、X、BX、G和D變量或事件又稱為節(jié)點(diǎn)。
[0005] 變量Gi必須有至少兩個輸入，并用~~?或其它圖形符號將輸入變量與Gi相連，表 達(dá)輸入變量各種所關(guān)注狀態(tài)的邏輯組合，運(yùn)些邏輯組合用邏輯口說明表LGSi說明。例如圖1 中 Gi 用 LGSi 說明：611,1 = 83,見11,1，611,2 = 83,見11,2,61,〇 =其它情況，等等。
[0006] B、X、BX、D和G變量及其狀態(tài)的物理意義可W根據(jù)所描述對象定義。其中B、X、BX、D 和G均可為原因變量或事件，稱為父變量或事件，用V統(tǒng)一表達(dá)，￥￡{8，乂，8乂，0,6}，下標(biāo)不 變。例如V2 =拉，V3,2 = B3,2,等等。結(jié)果變量或事件只能是X或BX變量或事件，稱為子變量或事 件。
[0007] 作用變量Fn; i表達(dá)父變量Vi與子變量Xn或BXn之間的因果關(guān)系，其中Fnk; ij表達(dá)父事 件乂。與子事件Xnk或BXnk之間的因果關(guān)系，F(xiàn)nk; i表達(dá)父變量Vi與子事件Xnk之間的因果關(guān)系， Fn;U表達(dá)父事件￥。與子變量Xn或BXn之間的因果關(guān)系，可用有向弧--^或其它圖形符號 表示，從原因指向結(jié)果。Fnk; i戶（rn; i/rn)Ank; ij。其中rn; i>0為父變量Vi與子變量Xn或盼n之間 的因果關(guān)系強(qiáng)度，rn三Kifn; i，Ank; ij為Vij導(dǎo)致Xnk或BXnk發(fā)生運(yùn)一隨機(jī)事件，ank;ij三Pr { Ank; ij },細(xì)/S
f nk; ij = Pr {Fnk; ij } = (rn; i/rn)ank; ij。f nk; ij是Vij對Xnk的概率的貝獻(xiàn) Ir 值，細(xì)月
Fnk; ij、f nk; ij、Ank; ij、ank; ij分別是矩陣Fn; i、fn; i、An; i、an; i的 元素 。Vij = PrlVijl，VG {b，x，bx，d，g}，Vij和Vij分別是事件向量Vi和參數(shù)向量Vi的元素。
[000引上述作用變量矩陣Fn;i可W是條件作用變量矩陣，用虛線有向弧---->或其它圖 形符號表示。條件作用變量矩陣表達(dá)其原因事件向量Vi與結(jié)果事件向量Xn或BXn之間是條件 作用關(guān)系，即根據(jù)條件事件2。;1是否滿足來判定。。;1是否成立。例如2。;1 = &,2，當(dāng)扣2為真時， Zn; i滿足、Fn; i成立、---->成為 當(dāng)Xl, 2非真時，Zn; i不滿足、Fn; i不成立、---->被刪 除。
[0009] 為簡單起見，每個圖形符號中的變量字母可W被省略，只寫該變量及其狀態(tài)的標(biāo) 號，如圖2所示。其中第一個數(shù)值為變量的標(biāo)號，用逗號隔開的第二個數(shù)值為該變量的狀態(tài) 標(biāo)號。D變量只有一個狀態(tài)，故只有變量標(biāo)號。狀態(tài)已知的非D節(jié)點(diǎn)可W用顏色標(biāo)出，如圖2中 Xiioa所示。如果只有第一個數(shù)值，表示該非D變量的狀態(tài)未知，如圖2中的其它非D節(jié)點(diǎn)所示。
[0010] 當(dāng)收到證據(jù)E(y)后，可采用下述規(guī)則對DUCG進(jìn)行化簡：
[001。 規(guī)則1:如果E(y)顯示Zn; i不滿足，將Fn; i從DUCG中刪除，當(dāng)E(y)顯示Zn; i已經(jīng)滿足， 條件有向弧Fn; 1成為普通有向弧Fn; 1，圖形上體現(xiàn)為將--：>改為->。
[0012] 規(guī)則2:如果E(y)顯示Vij(VG{B，X})為真，但Vij卻不是Xn或BXn的父事件，將有向弧 Fn; i從DUCG中刪除。
[001引規(guī)則3:如果E(y)顯示Xnk為真，但Xnk不可能被￥1(￥居{8，乂溫，6,0})的任何狀態(tài)引 起，將有向弧Fn; i從DUCG中刪除。
[0014] 規(guī)則4:如果E(y)顯示{B，X}類型節(jié)點(diǎn)狀態(tài)未知且無輸出有向弧，將該節(jié)點(diǎn)及其輸 入有向弧從DUCG中刪除。
[0015] 規(guī)則5:如果E(y)顯示XnG為真，且XnG與異常證據(jù)E'（y)無任何連通關(guān)系，將XnO從 DUCG中刪除。
[0016] 規(guī)則6:如果E(y)顯示一組狀態(tài)未知節(jié)點(diǎn)除非通過Xno,否則不與Xnk化聲0)相連，將 運(yùn)組狀態(tài)未知節(jié)點(diǎn)及與之相連的有向弧和D節(jié)點(diǎn)從DUCG中刪除。
[0017] 規(guī)則7:因任何原因?qū)е翯彼有輸出，將Gi及其輸入有向弧一^從DUCG中刪除；當(dāng) Gi沒有輸入，將Gi及其輸出有向弧從DUCG中刪除。
[0018] 規(guī)則8:當(dāng)有向弧沒有父節(jié)點(diǎn)或沒有子節(jié)點(diǎn)，將運(yùn)條有向弧從DUCG中刪除。
[0019] 規(guī)則9:當(dāng)存在一組節(jié)點(diǎn)和有向弧與E(y)中設(shè)及的節(jié)點(diǎn)無連通關(guān)系，將運(yùn)組節(jié)點(diǎn)和 有向弧從DUCG中刪除。
[0020] 規(guī)則10:如果E(y)顯示Xnk為真，但Xnk因任何原因沒有輸入，對Xnk增加一個虛擬事 件Dn作為其、，在從Dn到Xnk的有向弧中，ank; nD = 1且ank';址=0，k聲k ' . rn; D可W為任何值。 Dn可用符^ '表示。
[0021] 規(guī)則11:上述規(guī)則可W按照任何順序單獨(dú)使用、聯(lián)合使用、重復(fù)使用。
[0022] 化簡后的DUCG中的B或BX變量的異常狀態(tài)事件Hkj = Bkj或Hkj = BXkj可構(gòu)成SH(y)中 的可能原因事件。
[0023] 在化簡后的DUCG中，狀態(tài)待檢測X變量中有一些是原因特異性變量，即它們的狀態(tài) 可W直接決定假設(shè)原因事件^^HwGSH(y))是否成立。當(dāng)化撕特異性X變量狀態(tài)為真（陽 性)時被確認(rèn)；當(dāng)化J的所有特異性X變量狀態(tài)為假（陰性)時，化J被排除；其它情況下，化J 的狀態(tài)待定。
[0024] 本發(fā)明既有技術(shù)參考文獻(xiàn)：
[0025] [1]中國發(fā)明專利："一種處理不確定因果關(guān)系類信息的智能系統(tǒng)的構(gòu)造方法"，專 利號:200680055266. X;授權(quán)日期:2010年4月14日；權(quán)利人:張湛;發(fā)明人:張勤、張湛。
[0026] [2]美國發(fā)明專利："Method for constructing an inte 11 igent system processing uncertain causal relationship information''；專利號：US 8255353 B2;按 權(quán)日期:2012年8月28日；權(quán)利人:張湛;發(fā)明人:張勤、張湛。
[0027] [3]中國發(fā)明專利："一種構(gòu)造立體DUCG智能系統(tǒng)用于動態(tài)故障診斷的方法"；專利 號:2013107185964;授權(quán)日期:2015年2月；權(quán)利人:張湛;發(fā)明人:張勤、董春玲。
[0028] [4]Q . Zhang . "DynamiC uncertain causality graph for knowledge representation and reasoning：discrete DAG cases''，Journal of Computer Science and Technology，VO1.27，no. I，pp.1-23,2012.
[0029] [5]Q.Zhang,C.Dong,Y.Cui and Z.Yang. ('Dynamic uncertain causality graph for knowledge representation and probabilistic reasoning：statistics base， matrix and fault diagnosis''，IEEE Trans.Neural Networks and Learning Systems， vol.25，no.4,卵.645-663,2014.
[0030] [ 6 ] Q . Zhang . "Dynami C uncertain causality graph for knowledge represent曰tion 曰nd prob曰bilistic re曰soning：directed cyclic gr曰ph 曰nd joint probability distribution''，IEEE Trans . Neural Networks and Learning Systems， vol.26,no.7,pp.1503-1517,2015.
[0031] [ 7 ] Q . Zhang . ('Dynami C uncertain causality graph for knowledge representation 曰nd probabilistic re曰soning：continuous v曰ri曰ble,uncertain evidence 曰nd f曰ilure forec曰st"，IEEE Tr曰ns.Systems,Msn 曰nd Cybernetics,vol.45, no.7,pp.990-1003,2015.
[0032] [8]Q.Zhang and S.Gen邑.（'Dynamic uncertain causality graph applied to dynamic fault diagnosis of large and complex systems"，IEEE Trans.Reliability， vol.64，no.3，pp 910-927,2015
[0033] [9]Q.Zhsng 曰nd Z.Zh曰n邑.（'Dynamic uncertain c曰us曰Iity graph applied to dynamic fault diagnoses and predictions with negative feedbacks'' , IEEE Trans.Reliability,DOI：10.1109/TR.2015.2503759,2015.

【發(fā)明內(nèi)容】

[0034] 本發(fā)明公開了一種技術(shù)方案，對狀態(tài)未知的可檢測X變量進(jìn)行優(yōu)化排序，使得按照 運(yùn)個排序?qū)變量的狀態(tài)進(jìn)行檢測，可W有效尋找到優(yōu)化的r(y)，使得可能原因事件集合Sh (y+1)盡可能小，真實(shí)原因事件的概率盡可能大。本專利申請是已授權(quán)中國發(fā)明專利化 2006 8 0055266.X、2013107185964和美國發(fā)明專利US 8255353 B2的后續(xù)專利申請，是對 上述授權(quán)專利技術(shù)的進(jìn)一步發(fā)展。
[0035] 本發(fā)明的技術(shù)方案如下：
[0036] 1、一種通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X變量的排序 方法，按照該排序串行或并行檢測部分或全部狀態(tài)未知的可檢測X變量的狀態(tài)，構(gòu)成r(y)， 使得在E(y+l)=E+(y化(y)的條件下，SH(y+l)中的假設(shè)原因事件恥盡可能少，真實(shí)原因事 件化J的排序盡可能靠前，其步驟包括：（1)基于WE(y)為條件化簡后的DUCG，確定可檢測的 狀態(tài)待檢測X變量，其下標(biāo)集合為Sx(y); (2)如果Sx(y)中的元素只有一個，排序結(jié)束；（3)計(jì) 算Xi(iGSx(y))的排序重要度Ii(y);(4)按照排序重要度Ii(y)對Xi(iGSx(y))進(jìn)行排序，參 考排序?qū)GSx(y)的X變量進(jìn)行狀態(tài)檢測；（5)如果需要繼續(xù)排序，將y增加1，重復(fù)上述（1)- (5)的步驟，直到無可檢測的待檢測X變量。
[0037] 2、一種通過包含至少一個CPU的計(jì)算裝置確定1(1)所述狀態(tài)待檢測X變量的方法， 其步驟為：（1)捜集基于證據(jù)E(y)化簡后的DUCG中的所有可能原因事件恥，其集合為SH(y); (2)針對SH(y)中的每個化，尋找與化單向相連的、之間無狀態(tài)已知變量阻斷的狀態(tài)未知X變 量，且該X變量狀態(tài)可檢測，運(yùn)些X變量的下標(biāo)集合為Sx(y)。
[0038] 3、一種通過包含至少一個CPU的計(jì)算裝置確定1(3)中影響排序重要度Ii(y)的結(jié) 構(gòu)重要度的方法，其特征在于:針對1(1)中的狀態(tài)待檢測變量XiQ GSx(y))，計(jì)算其連接的 在帥確定的SH(y)中不同HkAGSiK)的個數(shù)，記為mi(y)，mi(y)越大，Xi的結(jié)構(gòu)重要度、(y)越 小，Ai ( y ) > 0，其計(jì)算方法W能夠表征mi ( y )越大，Ai ( y )越小為準(zhǔn)，包括但不限于Ai ( y ) = 1 / (mi(y))n(n = l，2，'。），Xi所連接的Hk的下標(biāo)集合記為SiK(y)，其中HkjGSH(y)中的Hk的狀態(tài)j 的集合記為SkJ(y)。
[0039] 4、一種通過包含至少一個CPU的計(jì)算裝置確定1(3)中影響排序重要度Ii(y)的關(guān) 注重要度的方法，其特征在于:對SH(y)中的可能原因事件化d安照j聲0的所有異常狀態(tài)受關(guān) 注的程度綜合打分，記為《 k，1 k>0，稱為關(guān)注重要度，受關(guān)注程度越大，《 k的值越大， Wk的值可在建造 DUCG時給定，也可在已知SH(y)后僅對其中的化根據(jù)現(xiàn)場情況給定。
[0040] 5、一種通過包含至少一個CPU的計(jì)算裝置確定1(3)中影響排序重要度Ii(y)的概 率重要度的方法，其特征在于:基于WE(y)為條件化簡后的DUCG，計(jì)算如果將非特異性狀態(tài) 待檢測Xi的各可能狀態(tài)乂18(旨居51〇(7)點(diǎn)〇(7)為乂1的可能狀態(tài)集合，包括或不包括狀態(tài)0)加 入E (y)(亦即將條件從E (y)改為XigE (y))，Sh(y)中的化各狀態(tài)的條件概率的變動幅度，運(yùn)個 變動幅度對所有單向連通的化化GSik(y))的平均值稱為Xi的概率重要度Pi(y)，變動幅度越 大，Pi(y)的值越大，具體計(jì)算方法包括但不限于：
[0041]
[0042]
[0043]
[0044]
[0045]
[0046]
[0047]
[004引
[0049]
[0050] 運(yùn)些公式中的E(y)和COk也可W不考慮，相當(dāng)于被分別或一并去掉，也就是令E(y) =全集、《k=l。
[0051] 6、一種通過包含至少一個CPU的計(jì)算裝置確定1(3)中影響排序重要度Ii(y)的代 價重要度的方法，其特征在于:對可檢測變量Xi(iGSx(y))的檢測困難程度(用j = l標(biāo)識）、 等待時間（用j = 2標(biāo)識）、成本(用j = 3標(biāo)識）W及檢測對對象系統(tǒng)造成損害的程度（用j = 4 標(biāo)識)綜合打分，也可分別對運(yùn)四項(xiàng)分別打分之后權(quán)重相加，權(quán)重系數(shù)〇^0' = 1、2、3、4)可在 建造 DUCG時給定，也可根據(jù)現(xiàn)場情況給定，綜合打分或分別打分權(quán)重相加后的值稱為代價， 代價越大，代價重要度扣越小，1>扔>〇,其準(zhǔn)則為代價越高，扣的值越低，包括但不限于代 價最高為1〇〇時，|31 = 1/1〇〇 = 〇.〇1;代價最低為1時，|31 = 1/1 = 1，其余為中間狀況，0巧在建 造 DUCG時給定，也可針對WE(y)為條件化簡后的DUCG中的狀態(tài)未知可檢測X變量在現(xiàn)場給 定。
[0052] 7、一種通過包含至少一個CPU的計(jì)算裝置確定5中概率重要度的方法，其特征在 于:基于WE (y)為條件化簡后的DUCG，針對每個化j化kj G Sk (y))的狀態(tài)未知特異性變量Xi (i GSs(y))，不根據(jù)3和5計(jì)算、(y)和Pi(y)，即從Sx(y)中扣除Ss(y)而成為Sxs(y)，而是令iESs (y)中的、(y)和化(y)取最大值，包括但不限于、(y) > I、(化max!gs'x,(y){ A' (y)}，也就是 說，5中的Xi僅限于iESxs(y)。
[0053] 8、一種通過包含至少一個CPU的計(jì)算裝置綜合計(jì)算1(3)中的X變量的排序重要度
Ii(y)的方法，其特征在于:2-7中的、(y)、Pi(y)、權(quán)越大，則Ii(y)越大，具體算法包括但不限 于：
[0化4]
[0化5]
[0化6]
[0化7]
[0化引
[0化9]
[0060]
[0061]
[0062]
[0063]
[0064]
[00 化]
[0066]
[0067]
[006引
[0069]
[0070]
[0071]
[0072]
[007引其中W1、W2和*3為；個權(quán)重系數(shù)，WiXKi = 1、2、3) ,Wi = O表示此項(xiàng)不予
[0074] 考慮，wi、W2和W3在建造 DUCG時或現(xiàn)場給定。
[0075] 9、一種通過包含至少一個CPU的計(jì)算裝置確定1(4)中排序的方法，其特征在于:按 照Ii(y)大小對狀態(tài)待檢巧化變量排序，當(dāng)排序靠前的X變量為排序靠后的X變量的唯一上游 或下游X變量時，可將排序靠后的X變量從排序中刪除，同時也可將li(y)=0的Xi從排序中刪 除。
[0076] 10、一種通過包含至少一個CPU的計(jì)算裝置確定1(5)中排序是否結(jié)束的方法，其特 征在于:如果SH(y)中只有一個假設(shè)事件，排序結(jié)束;如果所有狀態(tài)可檢測的X變量的狀態(tài)均 已確定，排序結(jié)束;如果Sx(y)中的元素只有一個，排序結(jié)束。
[0077] W上步驟的總體框圖如圖3所示。
【附圖說明】
[007引圖1:DUCG示例；
[00巧]圖2:DUCG的簡單表達(dá)方式示例；
[0080]圖3:本發(fā)明的步驟框圖；
[0081 ]圖4:實(shí)施例中的原始DUCG圖；
[0082] 圖5:y = 0時對圖4按照防(1進(jìn)行拆分化簡的結(jié)果；
[0083] 圖6:y = 0時對圖4按照防2進(jìn)行拆分化簡的結(jié)果；
[0084] 圖7:y = 0時對圖4按照防3進(jìn)行拆分化簡的結(jié)果；
[0085] 圖8:檢測例1中排序前5個X變量的狀態(tài)后的DUCG圖；
[0086] 圖9:y = l時化簡后的DUCG;
[0087] 圖10:y = l時對圖9按照防(1進(jìn)行拆分化簡的結(jié)果；
[0088] 圖11 :y = l時對圖9按照防(2進(jìn)行拆分化簡的結(jié)果；
[00例圖12:檢測圖9中X沸Xio的狀態(tài)后的DUCG圖；
[0090]圖13:基于E(2)化簡后的DUCG圖；
[00W]圖14:按照防浙分并化簡圖13的結(jié)果；
[00W]圖15:按照防2拆分并化簡圖13的結(jié)果。
【具體實(shí)施方式】
[0093] 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)描述。
[0094] 設(shè)圖4為原始DUCG圖，其中的參數(shù)為：
[0095]
[0096]
[0097]
[009引
[0099]
[0100]
[0101]
[0102] 所有的rn;i=l;其中Xi4因各種原因是不可觀測變量，其余X變量均是可觀測變量； Xis和Xl6為BX3,1的特異性變量，即當(dāng)Xl5,1或Xl6,1被檢測到為真時，BX3,1必定發(fā)生，當(dāng)Xl5,0和 乂16,日被檢測到均為真時，8乂3,日必定發(fā)生，其它情況下8乂3的狀態(tài)待定。由于{81,1，82,1，82,2， B3,1}與{BXl, 1，BX2,1，BX2, 2，BX3,1}等價，所WB變量不再作為診斷對象。an; D為Xn與Dn之間的有 向弧的參數(shù)的簡寫。
[0103] 我們的任務(wù)是通過最小的代價檢測盡可能少的X變量的狀態(tài)，W使得可能原因事 件集合SH(y)盡可能小、真實(shí)原因事件的概率盡可能大。
[0104] 例1 :y = 0(無任何證據(jù))的情況
[010引根據(jù)2,當(dāng)無證據(jù)時（y = 0)，根據(jù)圖4，Sh(0) = Wi,iJ2,i，H2,2J3,i} = {BXi,i，BX2,i， 8乂2,2,8乂3,1}、狀態(tài)待檢測的可檢測變量為村4，乂日瑞瓜瑞，姑品日品1品2品3品日品6}。運(yùn)些 變量狀態(tài)均未知、與Sh(O)中的化單向連通、且中間無狀態(tài)已知變量阻斷，因而Sx(O) = H, 5， 6,7,8,9，10，11，12，13，15，16}。但由于乂15和乂16是8乂3,1的特異性變量，所^被從5<(0)中刪 除，即Sxs(O) = {4,5,6,7,8,9,10,11，12,13}。相應(yīng)地，Sag(O) = Ssg(O) =S7G(0) = Ssg(O)=Ssg (0) = Siog(O) = SiiG(O) = Si2G(0) = Sug(O) = {1} 'Ssg(O) = {1,2}。
[0106] 基于圖4,根據(jù)[引所述DUCG算法，由于不同恥的交集為空，即不同恥不能同時發(fā) 生，應(yīng)根據(jù)化對圖4進(jìn)行拆分，并根據(jù)化簡規(guī)則進(jìn)行化簡，結(jié)果如圖5-7所示。
[0107] 由于無證據(jù)，E(O)=全隹父拍 AS 勵故她盛 f'^"、=f'W)=Pr{E(0)} = l(iG{l， 2，3})，各拆分子圖的權(quán)重系1 基于圖5-7，根據(jù)參考文獻(xiàn) 所述的算法，可得8沿,1，8枯,1，8枯,2和8&, 1的狀態(tài)概率/?4;.〇0 = %(〇)分別為：
[010 引
[0109]
[0110；
[0111；
[0112； ：
[0113；
[0114] 按照 3,基于圖 4，Si2k(0) = Si3k(0) = {1}、S4k(0)=S7k(0)=S9k(0) = {1，2}、S6k(0) = SiiK(O) = {2,3}、SsK(0) =Ssk(O) = Siok(O) = U，2,3};相應(yīng)地，mi2(0)=mi3(0) = l，m4(0)=m6 (0) =Im(O) =1119(0) =mii(0) = 2，m5(0) =m8(0) =mi〇(0) = 3。由于BXi和BX3只有一個標(biāo)號為 "r的異常狀態(tài)，所^，5口(0) = 531(0) = {1}。8乂2有標(biāo)號為"1"和"2"的兩個異常狀態(tài)，所^ S2j(0) = {1,2}〇
[0115] 按照 4,設(shè)《k=l(kG{l，2,3})。
[0116] 按照5,采用下式計(jì)算：
[0117]
[011 引其中1￡5乂3(0) = {4,5,6,7,8,9，10，11，12，13}?；趫D4，由于《1<=1，1^￡{1，2， 3}，于是
[0119]
[0120] 其甲；
[01
[01
[01
[0124]同理，
[0125]
[0126]
[0127] [012 引 [0129]
[0130]
[0131]
[0132]
[0133]
[0134] 按照7,采用0如）=111曰義1門<3(7){01(7)}進(jìn)行計(jì)算，可得：
[0135] 化 5(0)=化 6(0) =max{0.0299,0.030331,0.040694,0.020938,0.01785，
[0136] 0.020838,0.021232'0.027049,0.063'0.00792}=0.063。
[0137] 于是有：

[0146]
[0157] 按照9,排序結(jié)果為：
[0147]
[014 引
[0149]
[0150]
[0151]
[0152]
[0153]
[0154]
[0155]
[0156]
[015 引
[0159]
[0160] 取前5個X變量進(jìn)行檢測。設(shè)檢測結(jié)果為雨,1山1,日山2,1山日,日山6,日。圖4成為圖8。 其中，由于Xis和Xl6是BX3.1的特異性變量，檢測結(jié)果均為陰性(狀態(tài)為0)，可知盼3的狀態(tài)為 BXs, Oo
[0161] 根據(jù)例1所給參數(shù)，按照前述化簡規(guī)則2、3和5,圖8被化簡為圖9。其中，E(I) =E+ (〇化(〇)=機(jī)0)=乂7,見1誠12,1。基于6(1)，類似于例1，根據(jù)[引所述01]〔6算法，將圖9拆分和 化簡為圖10和圖11。
[0162] 根據(jù)文獻(xiàn)[4-9]的算法，分別求拆分子圖10和圖11的概率Ci(y) = Ci(l):基于圖10， [0163；
[0164] 基于圖11，
[01 化]
[0166] 其中，原始參數(shù)aii,o;6=(---)被修改為ail, 〇;6二（I 1-0.3 1-0.8)。運(yùn)是因?yàn)?Xii,日為負(fù)證據(jù)，表示異常狀態(tài)均不發(fā)生。根據(jù)文獻(xiàn)[4]，Xii,日=I-XiLio
[0167] 根據(jù)文獻(xiàn)[引的算法，分圖的權(quán)重系I
對
[016 引
[0169]
[0170] 按照1，根據(jù)[4-9]的DUCG算法，y = 0+1 = 1時，也j的狀態(tài)概羣^
一
[0171]
[0172] 其中：
[0173]
[0174]
[0175]
[0176]
[0177]
[0178] 根拐
排序概率可算得為：
[0179]
[0180] 與粒測前的排巧概翠AAW比較，（1)原來排序第一的BX3,i被排除了，可能結(jié)果狀態(tài) 空間Sh(I)縮小了；（2)BXi,i的排序概率遠(yuǎn)大于其余兩個。也就是說，在只做了5個X變量的狀 態(tài)檢測的情況下，已基本上確診BXi, 1就是真實(shí)的對象系統(tǒng)異常的原因。
[0181] 例2:y = l的情況
[01 劇仍如例 1，根據(jù)圖 9，E(1)=X7,iXii,oXi2,i、Sh(1) = Wi,iJ2,iJ2,2} = {BXi,i，BX2,i， 6乂2,2}、狀態(tài)可檢測變量為他，乂5瑞瑞瑞品0}。運(yùn)些變量狀態(tài)均未知、與511(1)中設(shè)及的化 G {BXi，BX2}單向連通、且中間無狀態(tài)已知變量阻斷。但按照9，X4為X7,1的唯一上游變量，可 W從排序中刪除，所WSx(I) = {5,6,8,9,10}。由于無特異性變量，Sxs(I) = Sx(I)D與Y = O時 相同，S4G( 1 ) = SSG( 1 ) = SSG( 1 ) = S9G( 1 ) = SlOG( 1 ) = { 1 }、SSG( 1 ) = { 1，2 }。
[0183] 按照3,基于圖9，Si3k(1) = {1}、S4K(1) =Ssk(I) =Ssk(I) = S9K(I) = SiOK(I) = {1,2}、 SsK(I) = {2}、；相應(yīng)地，m6( I) = I，m4( I) =m己（I) =ms( I) =mi〇( I )m9( I) = 2。Sij( I) = {I}、S2j (I)二{2}。仍如y = 0的情況，"k=l(kE {1,2})。
[0184] 按照5，仍如例I采用下式計(jì)算：
[0185]
[0186] 其中 iGSxs(0) = {4,5,6,8,9，10}。
[0187] 基于圖 9,由于《1<=1，1^￡{1，2}，于是
[018 引
[0189]其中；
[0190]
[0191]
[0192]
[0193
[0194
[0195]
[0196]
[0197]
[019 引
[0199]
[0200]
LW-.'J /tgnyu I M /j、y
丄丄'1 UO 7sg J 丄。O UU J u〇,丄；〇, U = aii,〇; 6,〇="-"，表示相應(yīng)的因果關(guān)系不存在。根據(jù)化簡規(guī)則，圖12被化簡為圖13。其中E(2) = E+( 1化（1 ) = Xio,試8,試6,姑7,試8, iXlO, lXl2,1。為計(jì)算咕口）、口)和馬'.2(2)，圖13被拆分并化 簡為為圖14和圖15。根據(jù)文獻(xiàn)[引所述算法，可得：
[0220] 基于圖14，
[0221]
[0222] 基于圖15，
[0223]
[0224] 根據(jù)文獻(xiàn)[引的算法，分圖的權(quán)重系避
?：算得為：
[0225]
[0226]
[0227]由于(2(0) = 0或(2(0)=0,圖15不能成立，應(yīng)當(dāng)刪除。只有圖14是唯一成立的子圖。 也就是說，BXia是Sh(2)中的唯一事件。按照10,排序結(jié)束。對象系統(tǒng)異常的原因被唯一確定 為BXia，也就是Bia。
【主權(quán)項(xiàng)】
1. 一種通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X變量的排序方法， 按照該排序串行或并行檢測部分或全部狀態(tài)未知的可檢測X變量的狀態(tài)，構(gòu)成E+(y)，使得 在E(y+l)=E+(y)E(y)的條件下，S H(y+l)中的假設(shè)原因事件Hkj盡可能少，真實(shí)原因事件Hkj 的排序盡可能靠前，其步驟包括：（1)基于以E(y)為條件化簡后的DUCG，確定可檢測的狀態(tài) 待檢測X變量，其下標(biāo)集合為Sx(y);(2)如果Sx(y)中的元素只有一個，排序結(jié)束；（3)計(jì)算Xi (ieSx(y))的排序重要度Ii(y);(4)按照排序重要度Ii(y)對Xi(ieSx(y))進(jìn)行排序，參考排 序?qū)eSx(y)的X變量進(jìn)行狀態(tài)檢測；（5)如果需要繼續(xù)排序，將y增加1，重復(fù)上述（1)-(5) 的步驟，直到無可檢測的待檢測X變量。2. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(1)包括如下分步驟：（1)搜集基于證據(jù)E(y)化簡后 的DUCG中的所有可能原因事件H kj，其集合為SH(y); (2)針對SH(y)中的每個Hk，尋找與Hk單向 相連的、之間無狀態(tài)已知變量阻斷的狀態(tài)未知X變量，且該X變量狀態(tài)可檢測，這些X變量的 下標(biāo)集合為Sx(y)。3. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(3)包括如下分步驟:針對權(quán)利要求1(1)中的狀態(tài) 待檢測變量Xi (i e Sx(y))，計(jì)算其連接的在權(quán)利要求2中確定的SH(y)中不同Hk(k e SiK)的個 數(shù)，記為mi(y)，nu(y)越大，Xi的結(jié)構(gòu)重要度Ai(y)越小，λ? (y) >〇，其計(jì)算方法以能夠表征mi (7)越大，\(7)越小為準(zhǔn)，包括但不限于人心）=1/(111心）)11(11=1，2，-_)上所連接的瓜的下 標(biāo)集合記為S iK(y)，其中HkjeSH(y)中的Hk的狀態(tài)j的集合記為Skj(y)。4. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(3)包括如下分步驟:對SH(y)中的可能原因事件Hkj 按照j辛〇的所有異常狀態(tài)受關(guān)注的程度綜合打分，記為《k，l$cok>〇,稱為關(guān)注重要度，受 關(guān)注程度越大，c〇 k的值越大，cok的值可在建造 DUCG時給定，也可在已知SH(y)后僅對其中的 Hk根據(jù)現(xiàn)場情況給定。5. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(3)包括如下分步驟:基于以E(y)為條件化簡后的 DUCG，計(jì)算如果將非特異性狀態(tài)待檢測Xi的各可能狀態(tài)乂^&^^(7)義(^)為乂1的可能狀 態(tài)集合，包括或不包括狀態(tài)〇)加入E (y)(亦即將條件從E (y)改為XigE (y))，SH(y)中的Hk各狀 態(tài)的條件概率的變動幅度，這個變動幅度對所有單向連通的Hk (k e Sik (y))的平均值稱為Xi 的概率重要度Pl(y)，變動幅度越大，Pl(y)的值越大，具體計(jì)算方法包括但不限于：或這些公式中的E(yWPcok也可以不考慮，相當(dāng)于被分別或一并去掉，也就是令E(y)=全 集、《k=l〇6. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟⑶包括如下分步驟:對可檢測變量XKieSxb))的 檢測困難程度（用j = 1標(biāo)識）、等待時間（用j = 2標(biāo)識）、成本（用j = 3標(biāo)識）以及檢測對對象 系統(tǒng)造成損害的程度（用j = 4標(biāo)識)綜合打分，也可分別對這四項(xiàng)分別打分之后權(quán)重相加， 權(quán)重系數(shù)〇^(」=1、2、3、4)可在建造01^6時給定，也可根據(jù)現(xiàn)場情況給定，綜合打分或分別 打分權(quán)重相加后的值稱為代價，代價越大，代價重要度β?越小，1多隊(duì)>〇,其準(zhǔn)則為代價越 高，β?的值越低，包括但不限于代價最高為100時，β? = 1/1〇〇 = 〇.〇1;代價最低為1時，β? = 1/ 1 = 1，其余為中間狀況，以可在建造 DUCG時給定，也可針對以E(y)為條件化簡后的DUCG中的 狀態(tài)未知可檢測X變量在現(xiàn)場給定。7. 根據(jù)權(quán)利要求5所述的通過包含至少一個CPU的計(jì)算裝置確定概率重要度的方法，其 特征在于:基于以E (y)為條件化簡后的DUCG，針對每個Hkj (? e Sk( y))的狀態(tài)未知特異性變 量XdieSjy))，不根據(jù)權(quán)利要求3和權(quán)利要求5計(jì)算M(yWPPl( y)，即從Sx(y)中扣除Ss(y) 而成為Sxs(y)，而是令i e Ss(y)中的Ai(y)和Pi(y)取最大值，包括但不限于Ai(y)多1、 P/(y)}，也就是說，權(quán)利要求5中的Xi僅限于i G Sxs(y)。8. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(3)包括如下分步驟:權(quán)利要求2-7中的 (y)、以越大，則I i (y)越大，具體筧法包栝佃不限干：或 Ii(y)=M(y)^iPi(y)或 或 Ii(y)=M(y)Pi(y) 或或 Ii(y)=^iPi(y)或 或 Ii(y)=Pi(y) 或 Ii(y) =wiAi(y)+w2Pi(y)+W3^i 或其中W1、W2和W3為三個權(quán)重系數(shù)，WiX)(i = 1、2、3)，Wi = 0表示此項(xiàng)不予考慮，W1、W2和W3 在建造 DUCG時或現(xiàn)場給定。9. 根據(jù)權(quán)利要求1所述的通過包含至少一個CPU的計(jì)算裝置確定DUCG中狀態(tài)待檢測的X 變量的排序方法，其特征在于，所述步驟(4)包括如下分步驟:按照Uy)大小對狀態(tài)待檢測 X變量排序，當(dāng)排序靠前的X變量為排序靠后的X變量的唯一上游或下游X變量時，可將排序 靠后的X變量從排序中刪除，同時也可將I i (y )= 〇的Xi從排序中刪除。10. 根據(jù)權(quán)利要求1所述的通過包含至少一個CHJ的計(jì)算裝置確定DUCG中狀態(tài)待檢測的 X變量的排序方法，其特征在于，所述步驟(5)包括如下分步驟:如果SH(y)中只有一個假設(shè) 事件，排序結(jié)束；如果所有狀態(tài)可檢測的X變量的狀態(tài)均已確定，排序結(jié)束；如果Sx(y)中的 元素只有一個，排序結(jié)束。
【文檔編號】G06N7/02GK105956665SQ201610282052
【公開日】2016年9月21日
【申請日】2016年4月29日
【發(fā)明人】張勤
【申請人】張湛