离散事件系统基于模型的分布式在线诊断方法研究

基于模型的诊断为人工智能领域中一个十分重要的研究分支，已在航天器故障检测等许多重大领域中获得了成功应用。随着研究的深入和应用的迫切需要，离散事件动态系统基于模型的诊断引起越来越多研究和工程人员的关注。一方面，在线诊断对动态系统来说是非常重要的。另一方面，实际系统规模太大使得集中式诊断的复杂性剧增，难以实际应用。因而研究离散事件系统的分布式在线诊断具有极其重要的理论与现实意义。 本项目首先针对传统后验的分布式增量诊断方法，通过在每个子系统设置合理的观测时间窗口以实现局部在线诊断，通过设计合理的全局更新策略及时求解全局诊断；其次，提出"p-诊断合成"理论与技术解决不完备模型下的分布式诊断难题，进一步完善不完备模型下基于模型的诊断理论与方法；最后实现一个分布式诊断原型系统。 预期成果将极大丰富和发展离散事件系统基于模型诊断的理论与方法，显著提高其在实际大规模离散事件系统故障诊断中的实用性。

复杂离散事件系统（DESs）故障诊断是一个重要的研究课题。本项目主要（1）提出了使用有向无环图DAG表示不确定观测序列并进行在线诊断推理的Joint_DAG方法，可方便地应用于分布式系统诊断中；（2）提出了基于连接（join）等价关系的分布式极小诊断的表示和求解方法，大大提高了效率，甚至高达多个数量级；（3）提出了DESs建模的两种不完备性，解决了分布式诊断中由于部件独立建模而导致的不彻底诊断；（4）提出了离散事件系统极小诊断的概念及相关理论和方法，关注更可能的故障信息；（5）提出了一种基于上下文相关的语义模式的层次诊断方法，降低诊断复杂性，并提高了诊断的表达能力；（6）提出了一种基于冲突的DESs诊断方法，避免了对无关事件的搜索及判断，从而降低了诊断搜索空间。此外，提出一种改进的基于模式的故障诊断方法、提出了一种考虑行为分层的高层离散事件系统模型、深入研究了基于模型的诊断候选空间随不同类别测量点的单调变化关系、提出了一种基于集合势扩展产生所有极小候选诊断的方法CHS-tree、提出了结合动态定理证明器产生所有诊断的方法、提出了一种基于动态节点极大度产生极小诊断的方法、提出了一种利用标志传播来求解故障诊断的方法、提出了一种基于矩阵模型计算极小候选诊断的方法、分析了基于智能世界模型的诊断、研究了可用于判定诊断的基于半扩展规则的并行定理证明方法等。