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。     

刻画基于模型的中心诊断*

虽然对基于模型的诊断存在一系列不同的逻辑定义,但所幸的是存在一个统一的抽象定义,它概括了以往的不同定义.在该定义基础上提出了基于模型的中心诊断的概念.通过刻画基于模型的中心诊断过程,论证了基于模型的中心诊断与本原蕴含/蕴含式的直接关系,从而将其理论结果与ATMS(assumption-based truth maintenance system)这类算法联系起来.进一步指出,对基于一致性中心诊断的刻画仅仅是文中所给出的刻画的一个特殊情形.     

基于模型诊断推理的回顾与展望

诊断推理技术起源于美国,虽然沿用了医学领域中的名称,但其研究内容已远远超出了医学诊断。它在工程、社会和经济等领域有着广泛的应用前景。由于60年代初期航天和军工等高可靠性工程的迫切需要,诊断迅速发展起来成为一门新兴学科。特别是近十几年来,由于一些关键性现代化设备出现重大     

离散事件系统基于模型诊断的研究进展

近年来,针对离散事件系统的基于模型诊断方法在大型通讯网络、电网故障诊断等领域获得了成功应用,成为人工智能与控制工程领域的热门研究课题。介绍了针对离散事件系统的基于模型诊断的基本思想与建模方法,从不同的角度对使用自动机建模的各种主要诊断方法进行了评析与比较;讨论了系统可诊断性判定方法的研究进展。从系统建模、分布式在线诊断、不完备模型下的诊断以及系统实现等方面,展望了针对离散事件系统的基于模型诊断领域中有待解决的问题。     

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...     

关于智能诊断中模型的构建和应用

在基于模型的诊断中,模型起着关键性的作用,模型的质量直接影响诊断的准确度和诊断的效率.因此诊断模型也成为人工智能研究青普遍关注的热点问题。长文对基于模型的诊断方法和该领域的最新研究成果做了全面的综述,重点介绍了构建诊断模型方面的研究成果,其中包括分级结构抽象方法、基于状态转换的历程重构方法、依赖于任务的定量抽象方法以及利用过程代数的描述方法等。此外,本文还对诊断模型的构建的研究提出了自己的观点和建议。     

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.     

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.     

等价部件在基于模型诊断中的应用

一般的诊断系统中的部件数量很多，这给诊断带来很大困难，为了减少诊断系统的“部件”数量，把诊断系统中的部件按结构分成若干“等价部件”，等价部件或同时属于一个冲突集，或同时不属于一个冲突集的部件的集合。将一个诊断系统中的部件划分为等价部件之后，可以“减少”诊断对象数量，从而可以提高诊断效率。给出的算法也可以用于增加探测及替换之后的诊断系统。     

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.     

Model-Based Diagnosis and Conditional Logic

The model-based diagnostic approach was first introduced to overcome the limitations of heuristic systems. However, research on model-based systems showed that the model-based diagnosis approaches resort to assumptions that can be viewed as the return, though controlled, of heuristics into diagnostic reasoning. In this paper we focus on diagnosis with component-oriented device models. We argue for the need to represent and reason with these assumptions. We present a conditional logic, DL, That is suitable for diagnostic reasoning and allows us to represent and reason with assumptions.     

Combining Case-Based and Model-Based Reasoning for the Diagnosis of Complex Devices

A novel approach to integrating case-based reasoning with model-based diagnosis is presented. This approach, called Experience Aided Diagnosis (EAD), uses the model of the device and the results of diagnostic tests to index and match cases representing past diagnostic situations. Retrieved cases are then used to overcome errors created by the application of incorrect device models. The diagnostic methodology is described and applied to two real-world devices. Experimental results demonstrate the effectiveness of both the indexing schema and the matching algorithm. The paper discusses how these results can be generalized to multiple fault situations, to other types of device models, and to other applications in the field of an artificial intelligence.     

MDS: An Integrated Architecture for Associational and Model-Based Diagnosis

This paper discusses the design and implementation of an integrated diagnosis system, MDS (Multi-level Diagnosis System), which combines associational and model-based approaches to diagnosis. The design and implementation of the associational module is tailored to achieving efficiency in routine diagnostic problem solving, and to providing a desirable interface for the users. The model-based diagnosis module is developed to achieve completeness and consistency in the fault isolation task, and to avoid the brittleness that often occurs in associational systems. MDS addresses the important issue of combining the use of deeper knowledge in the form of a system model with shallow (or associational) knowledge, using a diagnostic controller to improve completeness and consistency without sacrificing efficiency. The diagnostic controller also employs a methodology for automated knowledge refinement by identifying incomplete and inconsistent rules and diagnostic tests in the associational module, and then by performing updates to correct the problems. This paper focuses on the design and implementation of the diagnostic controller.     

基于模型的机载燃油系统故障诊断研究

针对某型号飞机的燃油系统进行故障诊断,应用基于模型的故障诊断算法,采用离散的状态变量描述系统行为和功能,基于一致性算法判定系统当前行为是否正常以及冲突搜索算法对异常进行诊断.诊断过程引入故障可能性概率的函数Rank,避免了传统穷举方法,有效提高了算法的效率.诊断结果能够很好地涵盖单故障以及多故障组合,同时也能满足系统进行实时故障诊断的要求.     

基于模型的飞机燃油系统故障诊断系统的设计与实现

燃油系统作为飞机不可或缺的功能和保障系统,对飞机的飞行安全有着重大影响.传统故障诊断方法已经不能满足日益复杂的燃油系统诊断和维护需求.基于模型诊断是为了克服传统诊断方法的缺点而兴起的一项新型的智能推理诊断技术.研究了基于模型的飞机燃油系统故障诊断方法,建立了故障诊断模型,给出了基于模型的燃油系统故障诊断推理策略.设计并...     

Explanation-Based Learning for Diagnosis

We present explanation-based learning (EBL) methods aimed at improving the performance of diagnosis systems integrating associational and model-based components. We consider multiple-fault model-based diagnosis (MBD) systems and describe two learning architectures. One, EBLIA, is a method for learning in advance. The other, EBL(p), is a method for learning while doing. EBLIA precompiles models into associations and relies only on the associations during diagnosis. EBL(p) performs compilation during diagnosis whenever reliance on previously learned associational rules results in unsatisfactory performance—as defined by a given performance threshold p. We present results of empirical studies comparing MBD without learning versus EBLIA and EBL(p). The main conclusions are as follows. EBLIA is superior when it is feasible, but it is not feasible for large devices. EBL(p) can speed-up MBD and scale-up to larger devices in situations where perfect accuracy is not required.     

基于模型的曲轴位置传感器故障诊断研究

为了对汽车发动机转速传感器作出快速准确的诊断,结合曲轴信号处理原理,在MATLAB/simulink中设计基于卡尔曼滤波器残差检验的OBD诊断模块,实现了曲轴位置传感器无信号、信号错误等故障诊断功能。针对卡尔曼滤波器法无法排除掉非故障性信号输入的缺点,在卡尔曼滤波法基础上加入逻辑诊断,通过条件判断以启动诊断,加入决策逻辑以确定故障状态。验证结果表明,卡尔曼滤波器法能够准确快速识别两种传感器故障,但在非故障性信号时无法准确判断故障。加入诊断逻辑的改进卡尔曼滤波法能够准确排除非故障性输入,保证诊断的准确性。     

基于模型诊断中结合问题特征的新方法

基于模型诊断一直是人工智能领域中热门的研究问题.近些年来,随着SAT求解器效率的逐渐提高,基于模型的诊断也被转换成SAT问题进行求解.在对基于模型诊断求解方法CSSE-tree深入研究基础上,结合诊断问题和SAT求解过程的特征,给出先对包含组件个数较多的候选诊断进行求解的方法,进而减小SAT求解问题的规模;在对极小诊断解和非极小诊断解剪枝方法的基础上,首次提出非诊断解定理及非诊断解空间的剪枝方法,有效地实现了对诊断的无解空间进行剪枝.根据组件个数较多的候选诊断先求解及有解无解剪枝方法特征,构建基于反向搜索的LLBRS-tree方法.实验结果表明:与CSSE-tree算法相比,LLBRS-tree算法减少了SAT求解次数、减小了求解问题规模,效率较好,尤其是求解多诊断时效率提高更为显著.     

基于模型的诊断问题分解及其算法

对诊断问题的分解进行了研究，给出了基于模型诊断问题分解的判定定理，刻画了利用系统观测值和参量假定例化值分解诊断问题，提出了有条件可分解诊断问题的概念，进一步刻画了基于模型的诊断问题分解，对如何利用参量假定例化值分解诊断问题给出了最可能优先算法，并对该算法的正确性、完备性及复杂性进行了证明，文中的工作为具有树型结构的系统诊断效率的提高提供了理论依据。