广义因果理论的基于模型的诊断

最近,许多学者意识到了将因果关系这一概念应用于基于模型的诊断领域的重要性。然而,他们的研究只局限于简单因果理论。文中提出的广义因果理论包容了更多的信息。文中指出：广义因果理论的诊断空间小于等于相应简单因果的诊断空间。并给出了当待诊断系统的模型为广义因果理论时的基于模型的诊断、基于模型的实质诊断等概念,论证了基于模型的实质诊断与本原蕴含／蕴含式的直接关系,从而将文中的理论结果与实现联系起来。文中进一     

一个基于模型的故障诊断算法

基于模型的诊断方法是重要的故障诊断方法之一,本文首先分析了现有的基于模型的故障诊断的优缺点,指出了这些方法的不足之处,然后再对这些方法进行了改进。因为求诊断问题是针对受限语言的,所以我们只求受限语言的质蕴含项,并且在算法中增加了极小性检查,以确保得到的结论都是质蕴含项,在此基础上给出了一个基于模型的诊断算法。     

基于模型的诊断专家系统

比较了基于规则的诊断方法与基于模型的诊断方法的不同，介绍了构成基于模型的诊断专家系统的基本要素，通过一个实例介绍了基于模型的诊断方法的应用过程。     

通过诊断图分析的快速诊断算法

基于模型诊断的主要思想是:根据系统的逻辑模型以及系统的输入,通过逻辑的推理理论能推导出系统在正常情况下的预期行为,如果观测到的系统实际行为与系统预期行为有差异,则说明系统存在故障.当系统故障时,可通过逻辑的推理理论来确定引发故障的元件集合.由于经典的基于模型诊断采用的是逻辑推理的手段来产生诊断集合,这导致了传统的基于模型诊断算法的效率非常低下.文中在原有模型诊断基础上,重新定义了诊断,并提出了一种用于诊断的诊断图的数据结构.在此基础上给出了一种基于诊断图分析的快速诊断算法.由于文中的诊断方法是一种过程化的方法,与Reiter的模型诊断的基于逻辑的方法有着本质的不同.因此,文中的方法能很好地克服经典模型诊断效率过低的问题,为诊断问题的求解带来新的前景.实验结果证明了这种新的诊断方法的高效性.     

含故障模式的值传递诊断及其完备性讨论

基于模型的诊断是人工智能领域一个活跃的研究方向.基于值传递的诊断是一种高效的故障诊断方法,但在一般情况下不完备,且系统模型仅描述元件的正常行为.扩充了基于值传递的系统模型,可以描述系统元件的多种故障模式;重新定义了诊断,明确了该模型下得到的诊断与一致性诊断和溯因诊断之间的关系;同时,指出了值传递与真实诊断的关系,为诊断测试提出了新的思路;最后,给出了值传递诊断方法的完备的充分条件,对推进值传递诊断方法的实际应用有积极意义.     

对基于模型的诊断过程的形式化

本文对基于模型诊断的过程进行了形式化,论证了它与本原蕴涵/蕴涵式的直接关系,从而将该理论结果与实现联系起来.进一步指出该结果具有一般性,不仅能够计算已知部件的部分故障行为方式时的基于模型的诊断,还能够计算已知每个部件的各种故障行为方式下的基于模型的诊断.以往对基于一致性的中心诊断过程、中心溯因诊断过程的形式化仅仅是文中所给出的形式化的特殊情形.     

基于思维进化的蚁群算法在典型生产调度中的应用

为基于模型的诊断系统设计建立了一个基本理论框架。以系统模型为基础,生成一组诊断测试,并以之代替系统模型而建立了一个基于测试的诊断系统。从完备和可靠性两方面证明了以测试为基础的诊断系统的诊断能力与基于一致性的诊断系统是相同的。     

智能世界的建模与诊断

统一的抽象建模框架以及形式化表示可以帮助实现自动推理.随着物联网技术的发展,物理世界中嵌入了各种智能对象,改变了物理世界的部分特征,增加了建模和推理的复杂性.根据物联网带来的智能世界的特征,在知识重构与抽象模型(KRA模型)的统一建模框架基础上,提出了可区分的知识重构与抽象模型(dKRA模型).该模型通过3个相互关联的子模型及其之间的关系来表示智能世界,并给出相关定义和定理说明在所提出的模型框架内,可以将基于模型的诊断过程限制在一个(或多个)子模型中.研究内容侧重于系统设计阶段的模型验证,分别从理论和实验角度分析了基于智能世界dKRA模型的诊断过程时间效率的提高(与基于智能世界KRA模型的诊断过程相比).     

基于值传递的快速故障诊断

本文提出了一种基于值传递的系统模型，重新定义了诊断，该定义与Reiter经典的诊断定义等价。在此基础上，给出了一种线性时间找到一个极小诊断的算法，该方法不需要计算极小冲突而直接得到极小诊断。该算法在给出诊断的同时，还给出了系统与该诊断对应的当前行为的一种合理解释。最后，给出了该方法与诊断测试结合实现系统修复的方法。     

基于模型诊断的抽象分层过程

分层诊断是降低基于模型诊断计算复杂性的一个重要方法,在分层诊断中很重要的一步是构造系统的抽象分层模型,以往的分层方法都是建立在某一种特定抽象模型基础上,没有将抽象的一般理论与基于模型诊断中的分层过程相联系,并且对自动生成系统的分层表示方法也没有形式化的分析.KRA(Knowledge Reformulation and...     

Model-based diagnosis and fault tolerant control for ensuring torque functional safety of pedal-by-wire systems

This paper presents a model based approach for defining automotive functional safety requirements and provides a solution to ensure functional safety through model-based diagnosis and fault tolerant control. This model-based approach is consistent with ISO 26262 – functional safety standard. In particular, this paper presents the necessary steps for defining and implementing functional safety requirements, including item and function definition, Hazard Analysis and Risk Assessment, as well as the design of a model-based diagnostic and fault tolerant control (FTC) system that can lead to a systematic solution to automotive functional safety problems. The methodology proposed in this paper is applied to the problem of torque functional safety of pedal-by-wire systems.     

Process algebras for systems diagnosis

In this paper we propose a new characterization of model-based diagnosis based on process algebras, a framework which is widely used in several areas of computer science. We show that process algebras provide a powerful modelling language which allows us to capture, in an uniform way, different types of models of physical systems, including models of time-varying and dynamic behavior. Then we provide a characterization of diagnosis which is equivalent to the “classical” abductive one. This suggests new interesting opportunities for research on relations between model-based reasoning and process algebras.     

Modeling modeling modeling

Model-driven engineering and model-based approaches have permeated all branches of software engineering to the point that it seems that we are using models, as Molière??s Monsieur Jourdain was using prose, without knowing it. At the heart of modeling, there is a relation that we establish to represent something by something else. In this paper we review various definitions of models and relations between them. Then, we define a canonical set of relations that can be used to express various kinds of representation relations and we propose a graphical concrete syntax to represent these relations. We also define a structural definition for this language in the form of a metamodel and a formal interpretation using Prolog. Hence, this paper is a contribution towards a theory of modeling.     

基于模型诊断的改进贝叶斯方法

基于模型诊断是针对系统或设备的行为和结构建立模型,从而进行诊断的.但是基于模型诊断的方法存在不确定性问题,诊断的结果可能为一组故障部件.为解决不确定性问题,很多学者在基于模型诊断中使用了概率的方法,利用待诊断设备组成部件的故障概率信息来寻找最可能的诊断.通过对模型诊断中存在的不确定性问题的深入研究,在基于模型诊断中提出了概率的贝叶斯解释,从而利用后验概率形式量化了元件故障的可能性的衡量标准,并且改进了计算元件后验概率的方法,分析了改进后算法的复杂性和完备性,证明了改进后的方法降低了时间和空间的复杂性.实验结果表明,改进后算法的执行效率较原有的算法有明显的提高,且有些问题可以提高两个数量级.     

面向乳腺癌辅助诊断的改进支持向量机方法

根据针吸细胞学方法影像中提取的特征值, 设计了一种改进的支持向量机分类方法, 并应用于乳腺癌的辅助诊断。通过对几种常用核函数的对比分析, 所建立的新核函数在诊断中具有很好的综合性能。使用实际临床数据分析显示, 该方法比模因佩雷托(memetic Pareto artificial neural network, MPANN)与一种改进型人工神经网络(evolutionary artificial neural network, EANN)方法在乳腺癌辅助诊断中具有更好的效果, 可以为医疗机构对该疾病的诊断提供有力的决策支持。     

基于键合图的混合动态系统故障诊断的方法

本文首先概述了控制系统故障诊断的概念,分析了国内外对于这一领域的研究水平和发展状况,并且分基于和不依赖于控制系统数学模型两大类介绍了一些主要的故障诊断方法。此外,本文针对当前应用较多的一种动态系统——混合系统,提出了一种基于键合图模型的故障诊断方法。介绍了混合键合图基本原理,通过混合键合图对混合动态系统建模,为进一步进行MBD故障检测和追踪直至故障隔离和鉴别提供基础模型。     

基于有向序图模型的飞机燃油系统故障诊断的系统设计与实现

研究了基于有向序图模型的飞机燃油系统故障诊断方法,建立了有向序图模型,给出了故障诊断策略.充分利用飞机自身故障监控系统,设计实现了基于有向序图模型的飞机燃油系统的故障诊断功能,并通过诊断实例进行了验证.     

Control loop diagnosis with ambiguous historical operating modes: Part 2, information synthesis based on proportional parametrization

Control loop diagnosis has become an increasingly important tool for improving the efficiency, reliability and safety for a variety of processes. While a number of model-based diagnosis methods have been proposed, constructing models may be a difficult task. An alternative approach is to use data-driven control-loop diagnosis, a family of diagnosis methods that make use of historical data for training the diagnostic models. Bayesian methods have been applied to data-driven control loop diagnosis to combine prior process knowledge with historical data, and can be used to assign probabilities to different modes (or operation statuses) after combination. However, one difficulty with Bayesian methods is that there must be exact knowledge of the underlying mode so that the corresponding monitor readings in the historical data can be used. If there is uncertainty about the underlying mode, the mode becomes ambiguous, which Bayesian methods do not deal with. An alternative method is proposed in this paper that exploits the properties of data-driven Bayesian methods, and can be applied for diagnosis in the presence of ambiguity. The proposed method is evaluated through simulation examples as well as applied to industrial process data.