多类系统诊断关联性研究及算法设计与分析

With the improvement of the expanding of network size and complexity, reliability and stability of the system becomes more and more important, how to ensure proper and efficient operation system of wireless sensor network and a distributed system is important research subject. It is an important task to improve the speed of diagnostic test and reduce the power consumption in the diagnosis of large-scale multi-processor system and wireless sensor network design optimization. Through the analysis of traditional is suitable for the advantages and disadvantages of the diagnosis of multiprocessor system scheme, and compared with the diagnosis scheme for wireless sensor network (WSN), the combination of multiprocessing systems and wireless sensor network (WSN) diagnosis scheme, study design is more suitable for diagnosis scheme of wireless sensor network (WSN), is another key issue. This project will focus on the PMC model, BGM model with MM * model diagnostic features of the research work, the first three different diagnosis model of commonness, analyze its relevance, induction and gives proof to verify again have what topology structure of network is at the same time in the above three diagnosis model the diagnosable degree is the same.

随着网络规模的扩大和复杂性的提高，系统的可靠性与稳定性变得越来越重要，如何确保系统正确和高效的运行是无线传感器网络、分布式系统等的重要研究课题。针对大规模的多处理器系统与无线传感器网络设计优化的诊断算法以提升诊断测试的速度与减少诊断耗费的电量是一个重要的课题。通过分析传统的适用于多处理器系统的诊断方案的优缺点，并与无线传感器网络的诊断方案进行对比，结合多处理系统与无线传感器网络的诊断方案，研究设计更加适合于无线传感器网络的诊断方案，是另一个关键问题。本项目将针对PMC模型、BGM模型与MM*模型的诊断特性开展相关研究工作，首先三种不同诊断模型的共性，分析其相关性，再归纳并给出证明以验证具有哪些拓朴结构的网络同时是在上述三个诊断模型中其可诊断度是相同的。

本项目的研究工作是关于PMC模型与MM模型的系统诊断基础理论分析与结构研究，并提出各类型的系统诊断结构与算法。2019年至2022年共发表37篇高水平国际期刊论文与10篇国际期刊论文。 特别是关于系统诊断部分的相关研究，项目申请人与研究团队已达到国际研究前沿的水平。 同时，本项目所得到的一系列相关研究成果将逐步转化为实际应用。 特别是我们所提出的系统诊断测试算法，通过实验表明，在高故障率的还境下仍然有不错的准确率，因此，本项目的研究成果特别具有实际应用的价值。