基于PMC故障模型的NASD诊断算法

在PMC故障模型下,现有的自适应顺序诊断算法（ASD算法）不能充分利用所有的测试结果。为了有效地减少测试次数,提高诊断效率,提出一种新的自适应顺序诊断算法（NASD算法）。引入相对故障单元的概念,给出并证明了故障单元和无故障单元的判别定理。据此给出系统诊断的策略：（1）边寻求无故障单元边确诊故障单元;（2）已确认的故障单元不再参与任何测试;（3）找到无故障单元或故障单元数接近一半时,系统诊断结束。实例表明,NASD算法优于其他ASD算法。     

Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。     

在可编程序的逻辑阵列(PLA)中交叉点故障定位的一种在线算法

提出了一种在线算法,用来确定PLA中单个交叉点故障的定位。算法特点在于,与一次失效试验相对应,可确定一个故障集合,其中的故障数目比PLA的交点总数小得多。由此来建立故障表,并采用自适应步骤来诊断故障。因此在确定故障等价类或构造故障辞典时,均不需要大量的计算时间和存储空间。     

增广立方体网络的t/k诊断度研究*

在多处理器系统,传统的t-可诊断算法在处理大规模故障集时有明显的局限性。针对增广立方体诊断度提升的问题,提出了一种t-可诊断的变形算法,即t/k可诊断。在该新算法下,可明显提高增广立方体的诊断度。算法核心思想是,在故障节点个数不大于t的情况下,允许故障集中出现k个非故障节点。从而在牺牲少数非故障节点的情况下,达到提高网络诊断度的目的。最终证明了,增广立方体在t/k诊断算法下的诊断度明显优于传统诊断度和条件诊断度。     

针对t-可诊断多处理器系统的遗传诊断算法

结合诊断模型与遗传算法,提出一种针对t-可诊断多处理器系统的遗传诊断算法。通过运用模型的诊断性质提高初始种群的质量,并定义判断结点状态的诊断方程,设计基于该方程的适应度函数。理论分析和模拟实验表明,算法具有较好的最优解搜索能力和较快的收敛速度。     

容错多处理机中一种高效的实时调度算法

针对基于主副版本容错的多处理机中独立的、抢占性的硬实时任务,提出了一种高效的调度算法——TPFTRM(task partition based fault tolerant rate-monotonic)算法.该算法将单机实时RM 算法扩展到容错多处理机上,并且调度过程中从不使用主动执行的任务副版本,而仅使用被动执行和主副重叠方式执行的任务副版本,从而最大限度地利用副版本重叠和分离技术提高了算法调度性能.此外,TPFTRM 根据任务负载不同将任务集合划分成两个不相交的子集进行分配;还根据处理机调度的任务版本不同,将处理机集合划分成3 个不相交的子集进行调度,从而使TPFTRM 调度算法便于理解、实现以及减少了调度所需要的运行时间.模拟实验对各种具有不同周期和任务负载的任务集合进行了调度测试.实验结果表明,TPFTRM与目前所知同类算法相比,在调度相同参数的任务集合时不仅明显减少了调度所需要的处理机数目,还减少了调度所需要的运行时间,从而证实了TPFTRM 算法的高效性.     

常见进程调度算法的比较与改进

在多道程序系统中,有多个进程存在于主存中且其数目一般多于处理机数目,这会导致它们互相争夺处理机。这就需要系统按某种算法,能动态地把处理机分配给处于就绪队列中的某一个进程让其执行。采用什么样的算法把处理机分配给进程便成了进程调度的核心问题,为此,该文详细分析了处理机调度的各种调度算法。     

三值社会诊断模型的方程诊断问题

首次建立起三值社会诊断方程模型的定义（即三值社会诊断模型的方程描述）。针对传统的二值社会诊断模型离不开“t-可诊断性”和绝对区分人类为两种（一种好人,一种坏人）的特点,建立一种新的社会诊断模型,并根据此模型,引入“t/x可诊断性”等概念,并在此基础上,找到了求三值社会诊断模型相容故障模式的具体方法——方程诊断算法。     

基于蝙蝠算法的系统级故障诊断研究

首次将蝙蝠算法用于解决系统级故障诊断问题,从而提出了一种高效的诊断算法——蝙蝠故障诊断算法。在初始化阶段,种群被分成大、小两类,并采用不同的处理方式;根据系统级故障模型的特点,设计出了具有方程约束的适应度函数;为了平衡全局搜索与局部搜索,在速度更新公式中增加一个变系数;为实现寻址的离散化,对蝙蝠速度进行了二进制映射。仿真实验结果表明,蝙蝠故障诊断算法在迭代次数、诊断正确率和最优解的适应度等方面明显优于现有的具有代表性群智能诊断算法——FAFD算法。     

面向系统级故障诊断的高效遗传算法

Elhadef和Ayeb首次提出采用遗传算法来进行系统级故障诊断,其适应度函数通过比较实际症候与当前猜测故障集产生的症候得到.上述算法的一个缺点是其适应度函数只考虑了故障集随机生成的一个症候,因而会漏掉绝大多数有效的故障集.对此首先针对PMC模型提出结点状态与诊断图中一定症候相容时结点状态应满足的方程,然后通过设计基于该方程的适应度函数,提出针对t-可诊断系统的遗传算法.理论分析和模拟实验均表明文中算法在迭代步数上大大地优于原算法.此外,还确认了Elhadef提出的产生初始种群的方法的高效性.     

改进的基于互测PMC模型的系统级故障诊断集团算法

该文改进了基于互测PMC模型的系统级故障诊断集团算法的理论，通过定义集团测试边和绝对故障集，简化了集团诊断图，由此能较易地找到所有的基于互测PMC模型的相容故障模式(即使不满足t—可诊断性)，从而大大减少了系统级故障诊断的复杂度，尤其是对强t—可诊断系统。     

Node grouping in system-level fault diagnosis

With the popularization of network applications and multiprocessor systems,dependability of systems has drawn considerable attention.This paper presents a new technique of node grouping for system-level fault diagnosis to simplify the complexity of large system diagnosis.The technique transforms a complicated system to a group network,where each group may consist of many nodes that are either fault-free or faulty.It is proven that the transformation leads to a unique group network to ease system diagnosis.Then it studies systematically one-step t-faults diagnosis problem based on node groupling by means of the concept of independent point sets and gives a simple sufficient and necessary condition.The paper presents a diagnosis procedure for t-diagnosable systems.furthermore,an efficient probabilistic diagnosis algorithm for practical applications is proposed based on the belief that most of the nodes in a system are fault-free.The result of software simulation shows that the probabilistic diagnoisis provides high probability of correct diagnosis and low diagnosis cost,is suitable for systems of any kind of topology.     

超立方体并行计算机的一个新型故障诊断算法

提出了超立方体并行计算机的一个新型系统级故障诊断算法.与现有诊断算法相比,该算法能够在系统中存在较多故障处理器的情况下,正确定位全部故障处理器（代价是至多误诊断三个无故障处理器）.另外,该算法的时间复杂度与最好的现有算法相当.     

基于非完备性测试的一种分布式计算机系统诊断算法的设计

利用现有的商用并行、分布式计算机系统本身所固有的冗余可以实现低成本的容错。为了提高整个分布式计算机系统的可靠性,将系统中的故障结点与正确结点隔离至关重要。文章提出了一个有效的分布式系统级故障诊断算法：在利用系统中各结点机有限的故障检测能力的基础上,将所有的故障结点从系统中隔离,并测试了该算法对系统性能的影响。     

基于Chwa&Hakimi故障模型的集团诊断

提出了基于Chwa＆Hakimi故障模型的集团诊断,定义了绝对故障集和最终诊断图,由此能找到所有的基于Chwa＆Hakimi故障模型的相容故障模式。从仿真结果看大大减少了系统级故障诊断的复杂度,特别是对强t-可诊断系统,具有较大的实际意义。