离散事件系统中基于极小观测的故障诊断方法研究
发布时间:2017-08-14 08:00
本文关键词:离散事件系统中基于极小观测的故障诊断方法研究
更多相关文章: 离散事件系统 基于模型诊断 极小观测序列模型
【摘要】:近年来,工业事故频繁发生,给人们的生命及财产安全带来了隐患。同时,为了提高系统故障的诊断效率,故障诊断与预防问题成为了很多专家及学者的研究课题。诊断最早出现于医学上,通过对病症的观察判定患者所患的疾病。现实生活中,大部分的领域都与诊断有着密切的联系。例如大型网络系统、航天器系统、车载系统、软件测试等。一般的故障诊断方有故障树、故障字典、专家系统、基于模型诊断等,其中基于模型诊断方法具有覆盖故障类型广泛、很强的设备独立性、且易于维护和更新等优势。故基于模型诊断方法成为不少学者研究的方向。基于模型诊断方法主要是将实际系统建模为逻辑系统,将实际系统的观测行为与逻辑系统的预期行为进行比对,根据两者间的差异来进行系统故障的判定。基于模型诊断方法中经典的诊断器方法,通过对系统建立全局诊断器,根据全局诊断器中是否存在模糊状态构成的环路来判定系统的可诊断性,并进行故障判定。由于该方法不适应于大型复杂系统,之后学者提出改进方法,例如局部诊断器等。基于模型诊断中的twin plants方法,通过对预诊断器进行同步操作,来进行故障诊断,是一种多项式时间内故障诊断的方法,有效地弥补了诊断器方法在时间复杂度上的不足。为了更好地提高故障诊断的效率,通过减小系统规模,将全局的系统模型划分为多个局部模型,分别对各个局部模型进行故障的诊断,然后再结合各个局部诊断结果,求解系统全局的故障诊断结果。根据系统划分方式不同,分为分布式故障诊断以及分散式故障诊断。两者均是将整个系统划分为若干个局部小的系统。不同之处是分散式故障诊断中各个局部小系统间不存在通讯事件,而分布式故障诊断中,各个局部系统间存在通讯事件。为了进一步提高故障诊断效率,学者们提出了分层故障诊断和增量诊断。分层诊断首先将整个系统先进行分层,然后对于不同层次进行诊断,最后得到整个系统的诊断。增量诊断是考虑局部诊断间的关联,将前一个局部诊断结果输出作为下一个局部诊断的输入,依次得到整个系统的诊断。以上基于模型诊断中的故障诊断方法,均未从观测极小化角度,对判定故障的可观测事件序列进行研究。本文考虑在判定故障的可观测事件序列上进行极小化,目的是取得判定故障的极小可观测序列。本文提出了一种基于观测的故障诊断方法,即故障的极小观测序列模型,通过离线建立系统模型相对应的判定故障的可观测事件序列集,并将故障的极小观测序列模型应用于在线诊断中。通过实验模拟在线诊断过程,与不使用该模型进行故障诊断情况下对比,记录系统故障的诊断时间,说明基于观测的故障诊断方法的有效性和优势。
【关键词】:离散事件系统 基于模型诊断 极小观测序列模型
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TP277
【目录】:
- 摘要4-6
- Abstract6-10
- 第1章 绪论10-14
- 1.1 研究背景和意义10-11
- 1.2 国内外研究现状11-12
- 1.3 本文的主要工作及组织结构12-14
- 1.3.1 本文的主要工作12-13
- 1.3.2 本文的组织结构13-14
- 第2章 相关工作简介14-21
- 2.1 故障诊断问题14
- 2.2 故障诊断方法14-16
- 2.3 基于模型诊断方法16-17
- 2.4 离散事件系统17-18
- 2.5 可诊断性及判定方法18-20
- 2.6 本章小结20-21
- 第3章 故障可观测模型21-30
- 3.1 预备知识21-22
- 3.2 故障可观测模型22-27
- 3.2.1 故障可观测模型的生成算法22-26
- 3.2.2 相关证明26
- 3.2.3 结论26-27
- 3.3 举例分析27-28
- 3.4 本章小结28-30
- 第4章 基于观测的故障极小观测序列模型30-43
- 4.1 预备知识30-32
- 4.2 故障的极小观测序列模型32-36
- 4.2.1 故障的极小观测序列模型的生成算法32-34
- 4.2.2 性质及证明34-35
- 4.2.3 结论35-36
- 4.3 举例分析36-38
- 4.4 故障判定流程38-39
- 4.5 实验设计39-41
- 4.6 本章小结41-43
- 第5章 总结与展望43-45
- 5.1 总结43
- 5.2 展望43-45
- 参考文献45-48
- 作者简介及在学期间所取得的科研成果48-49
- 致谢49
【参考文献】
中国期刊全文数据库 前1条
1 王晓宇;欧阳丹彤;赵剑;;不完备模型下的离散事件系统诊断方法[J];软件学报;2012年03期
中国博士学位论文全文数据库 前1条
1 赵相福;离散事件系统基于模型诊断的若干问题研究[D];吉林大学;2009年
,本文编号:671563
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/671563.html