通信协议离散事件系统故障的时间可诊断性分析

研究了基于离散事件系统的通信协议故障的时间可诊断性问题.时间可诊断性从系统运行角度分析系统模型的可诊断程度,为系统后续的故障诊断分析提供理论依据.通信协议离散事件系统存在数据传输过程中节点多、部分关键节点信息不能直接获取等缺点导致不可观故障分析十分困难,利用可观变迁序列和变迁触发时间重构故障事件的发生结合整数线性规划问题,提出基于部分可观标签时间Petri网的时间可诊断性分析方法.通信协议离散事件系统的数据传输过程的重要环节对应为变迁,标定各变迁点火时间区间,建立部分可观标签时间Petri网模型,通过状态类图重构故障事件的发生并修正变迁点火时间区间.根据检测时间点,遍历所有满足可观变迁触发时间和序列信息的路径,判断系统故障的时间可诊断性.最后建立通信协议离散事件系统的部分可观标签时间Petri网模型,结合系统工作过程中各执行机构可观测状态,对系统不可观部分故障进行时间可诊断性判断,验证算法的有效性.     

模糊离散事件系统时间维度可诊断性分析

针对观测条件受限时的模糊离散事件系统(fuzzy discrete event systems,FDES)故障诊断问题,文章提出一种以时间维度可观程度(observable degree in dimensionality of time,ODDT)为基础的故障诊断器构造方法。根据观测信息中的时间属性建立时间约束图,并以时间证据合并的策略分析离散事件在时间维度上的可观性,从而获得FDES的时间信息全局状态;计算ODDT,并用于分析FDES的系统状态和故障可诊断程度。该方法可在观测条件受限以致故障事件链难以完全捕获的情况下,根据状态信息隐含的时间线索来辨识模糊事件并发现系统隐患。实例分析表明,相比于单纯依赖故障事件链分析的诊断方法,根据ODDT构造的诊断器提高了系统的可诊断程度。     

离散事件系统故障的极小观测序列

为了提高可诊断离散事件系统故障的在线诊断效率,本文从判定故障发生的可观测事件的角度,提出了故障极小观测序列方法.文中选取有限状态自动机对离散事件系统进行建模.首先,在离线状态下,建立系统的故障模型,以排除对于判定系统故障无关的路径.然后,根据故障模型进一步建立判定系统故障的极小观测序列模型.当离散事件系统在线诊断时,仅需将逐步增加的在线观测事件序列与故障的极小观测序列模型进行比对.若能找到满足该模型的任何一条路径,则说明路径终止状态上故障标签对应的系统故障发生;否则,说明系统无故障发生.文中对可诊断离散事件系统进行实验对比,通过故障的极小观测序列模型能尽快判定有无故障发生,以及发生了哪些故障.该模型能有效地缩小系统在线诊断的时间,提高系统在线诊断的效率.     

模糊离散事件系统的多故障诊断

针对诊断器不能只依赖自身就能判断诊断的缺点,基于不可区分串的概念,提出一种模糊离散事件系统的多故障诊断方法.首先,基于极小可观测事件构造模糊自动机相应的诊断器,用于寻找不可区分串的集合;其次,根据诊断器的性质,提出模糊离散事件系统的多故障可诊断的充分必要条件;最后,通过实例进行验证.结果表明:该方法为模糊离散事件系统的多故障诊断提供一种简单可行的新途径.     

离散事件系统的可纠错性研究

故障诊断及纠错是离散事件系统研究热点之一,主要研究在控制器实施控制的情况下,如何对离散事件系统的故障实行纠错,使系统运行在可接受状态范围内.通过对可纠错状态的形式化,提出了一种基于系统状态圈的纠错方法,给出了构造纠错控制器的算法.在探讨多次状态转移时故障事件规律发生的基础上,给出了系统的最小可纠错状态集的具体计算方法,提出了在最小状态集下离散事件系统控制器的构造方法,并给出了一种控制器实施控制的方案.     

基于粒子滤波的分布式智能故障诊断系统研究

针对传统故障诊断系统硬件结构以及故障识别算法过于复杂的问题,提出并研究了一种基于粒子滤波的分布式智能故障诊断系统.该系统采用ZigBee无线传感网络实现系统分布式多变量参数的实时采集,基于粒子滤波算法在线处理各变量数据,并基于简易模式识别算法获得系统真实状态的准确估计,实现系统故障的智能诊断与故障预示.智能故障诊断系统由ZigBee无线传感数据采集网络、粒子滤波算法、系统状态模型和故障模式识别四部分构成.粒子滤波算法基于粒子序贯重要性重采样和蒙特卡洛方法对传感器采集数据滤波,抑制或消除干扰及显著性误差对系统状态估计的影响,可避免粒子退化.故障模式识别就是求取与粒子滤波输出的系统状态估计曲线残差之和最小的系统状态模型.智能故障诊断系统的实现和实例实验结果表明该系统能实现对象的远程监测、对象状态的精确估计、对象故障的准确诊断,拓宽了分布式传感网络的应用范围,并具有成本低、可靠性高、实时性好和易实现的优点.     

考虑不完美维护的视情维修和备件订购联合策略优化

针对现有研究多关注维修策略优化而忽略备件采购决策问题,本文对单部件系统提出不完美维护下基于剩余寿命预测的视情维修和备件订购联合策略.采用控制限维修策略判断是否执行最小维修、预防性维护或故障更换,当系统退化达到预防性维护阈值时进行不完美维护,同时预测系统剩余寿命并引入预防性更换阈值和订购阈值,以决定是否执行预防性更换或者订购备件.综合考虑系统退化状态和备件状态,分析可能的更新事件进而计算各事件发生概率,并利用更新报酬理论构建费用-时间率联合决策模型.最后,设计离散事件仿真算法通过算例分析对状态检测周期、预防性维护阈值进行优化,验证模型和算法的有效性.     

连续时间T-S模糊系统的离散化:Delta算子方法

针对一类连续时间T-S模糊系统,利用Delta算子方法,对系统进行局部离散化和全局离散化处理.首先对模糊规则后件部分的线性时不变动态方程做局部离散化处理,然后再对系统的动态模型做全局离散化处理.为了获得T-S模糊系统的多胞结构,对全局离散化模型进行Taylor级数展开,从而得到近似全局离散化模型.基于线性矩阵不等式(LMI)技术,针对近似全局离散化模型设计了相应的状态反馈控制器,使系统被渐近镇定.采用Delta算子对连续系统离散化时,随着采样频率的加快,其离散模型将趋近于原来的连续模型,并保持原有的动力学性质.仿真结果验证了理论的有效性.     

基于Petri网的机械系统诊断传感器优化配置

针对如何在机械加工系统中设置最少传感器以观测所有故障变迁激发的问题,提出一种改进的Petri网模型和可辨识性(Identifiability)概念,建立了离散事件系统的故障诊断模型。基于该模型,利用图论方法开发了机械系统诊断传感器优化配置算法。此算法不依赖于系统的初始标识,仅与PN模型的图形拓扑结构有关,在已知系统模型的条件下,可以计算系统所需的最少传感器数量及其配置方案,最后以一实例证明了此方法的有效性。     

基于T-S模型的离散非线性系统的迭代学习控制

针对离散T-S模糊系统的轨迹跟踪控制问题,提出了基于离散Legendre正交多项式的迭代学习算法.该方法利用离散Legendre正交多项式展开技术及其移位运算矩阵,导出了系统基于离散Legendre多项式展开的近似模型,建立了输入量与输出量之间的代数方程约束关系.在此基础上,用迭代学习的方法可修正输入量的Legendre多项式系数,所得算法可用于具有任意相对阶的离散非线性系统.仿真实例表明了该算法的有效性.     

在离散事件系统中寻找诊断路径的方法

利用简单的编码理论提出一种在离散事件系统的故障诊断中快速找到诊断路径的方法.该方法通过状态编码,降低了在离散事件系统诊断同步过程中的时间复杂度,消减了诊断路径冗余.能够在给定的观测集合上快速提取诊断路径,更适合实际观测事件较少的系统.在模型完备假设下,除首次根据观测集合进行诊断需要指数级时间外,后续观测诊断时间降低到多项式级.实验验证了方法的有效性.     

分布式数据库关联规则更新算法

提出了一种分布式关联规则增量更新算法（IUAAR），它可对数据库发生变化的情况进行归类．该算法主要采用改进了的FP树结构，通过传送被约束子树来挖掘全局频繁项目集，并充分利用快速分布式挖掘算法建立的各局部FP树，只对新增加了的全局频繁项目修改相应的改进FP树，挖掘其对应的被约束子树，同时利用已挖掘的全局频繁项目集对原全局频繁项目对应的被约束子树进行有效修剪．实验结果表明，该算法的运算速度比快速分布式挖掘算法提高了1倍，在最坏的情况下，对各局部数据库也仅需要扫描一遍，从而可提高数据库的维护效率．     

离散事件系统的故障一次可修复性诊断

为了突破周期可修复性的局限性,提出一种新的可修复性定义及相关诊断方法.针对可修复状态为一次可达状态的情况,通过详细分析这类离散事件系统的特点,提出一次可修复性的形式化定义;然后,从不可区分串和可修复性诊断器角度,讨论一次可修复性的诊断方法和证明过程.实例结果表明:所提出的一次可修复性诊断方法能有效解决系统的诊断需求.     

一种有界Petri网的可诊断性验证方法

离散事件系统满足可诊断性是设计故障诊断算法的前提,因此研究可诊断性验证方法具有重要意义.故障发生后无死锁是研究可诊断性问题常见的假设之一,限制了可诊断性验证方法的应用范围.本文在去掉故障发生后无死锁假设的基础上,首先提出了标签可达图的概念和构建算法,其次提出了一种新的可诊断性验证算法来验证有界Petri网是否满足可诊断...     

基于混成自动机的矿井机车无人驾驶系统模型

矿井机车无人驾驶系统显著表现出连续和离散同时存在的混成特征,混成自动机能够精确刻画其系统演化过程,文章研究该系统的建模及验证问题。首先设定遵循安全高效驾驶原则的时间演化行驶过程模型;然后定义影响系统演化的各道岔信号灯状态事件,并给出不同类型事件下的系统状态转换时刻递推算法,从而得到系统混成自动机模型;最后以多种场景下的数值结果验证了模型的正确性与完备性。     

自适应模糊系统在大坝安全监测故障诊断中的应用

为提高大坝安全自动化监测的稳定性与可靠性,提出一种基于模拟退火的自适应模糊系统(AFS：Adaptive Fuzzy System)的学习算法,并根据此算法建立了大坝安全监测非线性监测器模型,同时利用该模型构造了大坝安全自动化监测故障自诊断系统．实例表明,该系统既具有模拟退火算法(SAA：Sireulated Annealing Algorithm)的全局优化搜索能力,又充分发挥了AFS的非线性逼近能力,并能够较好地实现故障的在线诊断和实时隔离．     

基于广义离散事件动态系统的多路口智能交通流量控制

在传统意义上的离散事件动态系统中事件定义的基础上,提出了广义离散事件动态系统的思想.通过对事件属性划分的动态调节,使事件的辨识条理化.对公路交通中的多路口流量建模,并进行了分析.基于广义离散事件动态系统的调度思想,利用人工代谢算法对交通流量进行了控制分析.分析结果表明:广义离散事件动态系统能对系统的状态进行进一步的细化.人工代谢算法与该系统相配合,通过代谢算子的调节能较快地实现整个系统负荷均衡,能对流量的变化进行自适应调节.     

一种新型的分布式隐私保护计算模型及其应用

针对分布式数据共享及计算中的隐私保护问题,提出了一种适用于大规模分布式环境的隐私保护计算模型（PPCMLS）,该模型的核心为隐私安全模块,其将计算划分为本地计算和全局计算.通过综合运用同态加密、安全点积协议、数据随机扰乱算法等多种安全技术,在实现了多个节点在一个互不信任的分布式环境下合作计算的同时,任何节点无法获取其他节点的隐私信息及敏感中间计算结果.据此,又给出了基于该模型的分布式隐私保护方差计算、分布式隐私保护数据聚类算法.安全及动态性分析结果表明,该模型及其应用算法既可保证隐私数据的安全性,又避免了繁琐的一对多的交互加密过程,并在节点变化时,恢复计算仅涉及到变化的节点和构成隐私安全模块的3个节点,从而满足了大规模分布式环境所要求的高效性和良好的动态适应性.     

基于预应力模态综合法的失谐叶片减振优化

为了降低失谐导致的叶盘系统的振动局部化程度,以预应力模态综合法建立航空发动机压气机叶盘系统有限元缩减模型,计算了不同模态截断数下的固有频率,通过对比分析获得了在满足计算精度前提下的最小模态截断数,缩减了整体模型的自由度数.在该缩减模型的基础上提出一种叶片减振排布优化算法,该算法每次迭代计算时只生成叶片位置发生变化的子结构,而其他叶片的数据文件不动.结果表明,该优化算法兼顾了模型精度和计算速度,能大大降低叶片振动幅值,使叶盘系统振动局部化程度明显降低.     

多Agent系统中的任务可调度问题

为了将Agent方法应用于应急系统等新领域,在对该类系统研究的基础上提炼出它们的公共特征,根据这些特征设计出一种MAS系统模型,并在该模型的基础上定义了相应的任务可调度问题.利用网络流模型对可调度问题进行了建模,证明了最大流算法可以求解该可调度问题,由此说明该问题是可多项式时间求解的.并且对于给定该问题的一个可调度实例,利用最大流算法还可在系统中找到一组Agent完成所有任务.通过对该网络流模型的进一步分析,得出并且证明了任务可调度判定的充分必要条件,利用这个结论可以快速判断当前任务是否可调度.