方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型，把求该模型全体相容故障模式的问题转换为求方程组的解集，并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果，为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。     

一种Malek模型下的系统故障诊断算法

在多机系统中,各个结点（处理器）在通信过程中极易发生故障,因此选择有效的诊断算法,快速、准确地判断出系统故障集十分重要。传统的PMC模型以结点相互测试的结果为基础,而故障结点的测试结果不唯一,导致该模型诊断结果相对不稳定。针对这种情况,采用Malek诊断模型代替传统的PMC模型,借助遗传算法特性,将复杂的网络拓扑图简化为二进制编码,并按照适应度函数值确定种群搜索方向,提高搜索效率。该算法根据Malek模型设计约束方程,提出新的适应度函数,优化变异算子。实验表明,算法改进后,缩短了判断故障集所需的CPU时间,同时,算法根据故障症候判断出目标故障集的概率更高,从而证明了用Malek模型代替PMC模型的高效性。     

HSDG故障诊断方法在自动化检定系统中的应用

针对智能电能表自动化检定流水线生产故障不易发现、发现不易处理等问题, 文章引入了一种基于分层符号有向图(HSDG)的故障在线诊断方法. 该方法首先对自动化流水线进行建模和分层, 给出了自动化检定流水线的分层符号有向图模型; 并结合动态核偏最小二乘支持向量回归模型计算各节点符号, 输出模型样本; 最后文章给出了基于“离线分析”和“在线诊断”的故障诊断完整流程. 实例验证表明, 该方法故障诊断速度快、故障辨识能力强, 具有鲁棒性, 其诊断结果具备一定的解释能力, 在生产中具有一定的指导意义.     

多智能体认知解释诊断类

解释诊断是基于模型诊断研究领域的一个重要分支。针对认知解释诊断的可判定的片段,给出了认知解释诊断类的定义,并给出了一个求解唯一认知解释诊断类的算法。     

诊断型专家系统工具研究初探

本文介绍了在诊断专家系统中常用的“表层知识”和“深层知识”两种方法,并在此基础上提出了一种适用于构造通用诊断专家系统工具的集成诊断型专家系统模型。     

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。     

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.     

基于信息模型的综合诊断实现方法

为解决现阶段舰艇电子装备测试诊断中存在的问题,对综合诊断实现相关组件与ATML标准进行了分析,给出了基于XML构建综合诊断信息模型的技术方案.针对综合诊断中综合化和通用性、经济性要求,提出了面向信息模型的综合诊断架构,并在多型电子装备的综合诊断中得到应用,应用情况表明:该方法能有效满足电子装备进行测试诊断需求.     

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。     

Chwa & Hakimi故障模型方程诊断的理论基础

针对基于对称比较的系统级故障模型———Chwa&Hakimi模型 ,建立起“方程诊断”的有关概念 ,把该模型等价地转换为一个方程 (或方程组 )。对于一类特殊的Chwa&Hakimi模型找到了求全体相容故障模式的具体算法 ,该算法为寻求一般情形下Chwa&Hakimi模型的全体相容故障模式奠定了理论基础和算法基础。     

基于布尔方程的系统级故障诊断表示及应用

With the popularization of multiprocessor systems and network applications,the study ot ctepenaaomty of systems has become an important research area of computer science.A “Boolean equation diagnosis” method is firstly presented for test model of system-level fault diagnosis,and the correctness of the equations has been proven.The Boolean equation is more concise than the graph method in test model representation.Based on the equations,the methods to compute optimal diagnosis,the set of consistent fault pattern,absolute good processors and bad processors are presented.And some theorems about the relationship among different test models on the set of consistent fault pattern and diagnosibility are proved.It is a useful attempt in theory and practice of system-level fault diagnosis.     

基于测量的时延故障诊断

与时延测试相比,时延故障诊断需要更精确的故障模型。该文提出了采用精确测量的时延模型和时延故障模型。在这种模型下,利用电路通路图的原理,得到与被测电路的拓扑结构有关的一个精简测试集。测试集的大小与电路的大小保持线性增长关系;其中的每一个测试对应于一条通路的单跳变敏化向量,将测试集中的单跳变敏化向量送入被测电路,可以用测试仪测量相应通路的延时,得到电路关于此测试集的时延故障症候。该文对时延故障症候提供     

一种基于簇的移动自组网络被动式故障比较诊断算法

针对移动自组网络中的应用层故障,讨论并分析了已有基于比较的故障诊断算法和基于簇的比较诊断算法存在的问题,提出基于簇的被动比较诊断算法。该算法基于分簇算法将移动自组网络划分为若干簇,由簇首负责本簇节点的故障诊断。在完成全网节点初始诊断后,簇内对节点的诊断无需专门诊断报文,而是在正常通信数据报文中增加诊断结果字段,基于比较模型,实现对节点状态的诊断。该算法由于无专门诊断消息,因此不会出现基于比较算法中诊断消息在整个网络中洪泛的情况,大大降低了其它算法中诊断消息所造成的系统开销。该算法还克服了网络拓扑变化频繁时已有算法存在的节点无法诊断和频繁触发诊断的问题。     

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统，该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性，讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案，通过小波变换提取故障特征，并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景，为大规模模拟电路故障诊断提供了新的理论依据和检测方法，并有希望研制成一套高效的检测设备。     

基于关联规则的电网故障诊断解析方法

针对电网故障诊断解析模型存在多解和误诊问题, 提出一种基于关联规则的电网故障诊断解析方法, 并通过解析保护和断路器动作及告警信息的不确定性, 构建诊断的评价指标. 利用解析方法获得故障的完备诊断, 进而基于各类不确定性事件概率, 采用评价指标从完备的诊断集合中求取最优诊断. 故障诊断算例验证了所提出方法的有效性.

     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。     

Fault diagnosis using partial syndromes: a modified Hopfield neural network approach

This paper presents a modified Hopfield neural network (HNN) for solving the system-level fault diagnosis problem which aims at identifying the set of faulty nodes. This problem has been extensively studied in the last three decades. Nevertheless, identifying the set of all faulty nodes using only partial syndromes, i.e. when some of the testing or comparison outcomes are missing prior to initiating the diagnosis phase, remains an outstanding research issue. The new HNN-based diagnosis algorithm does not require any prior learning or knowledge about the system, nor about any faulty situation, hence providing a better generalisation performance. Results from a thorough simulation study demonstrate the effectiveness of the HNN-based fault diagnosis algorithm in terms of diagnosis correctness, diagnosis latency and diagnosis scalability, for randomly generated diagnosable systems of different sizes and under various fault scenarios. We have also conducted extensive simulations using partial syndromes. Simulations showed that the HNN-based diagnosis performed efficiently, i.e. diagnosis correctness was around 99% when at most half of the test or comparison outcomes are missing, making it a viable alternative to existing diagnosis algorithms.