模型不完备情形下离散事件系统诊断方法的研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
60973089
项目类别：
面上项目
资助金额：
30.0万
负责人：
欧阳丹彤
依托单位：
吉林大学
学科分类：
F06.人工智能
结题年份：
2012
批准年份：
2009
项目状态：
已结题
起止时间：
2010-01-01 至2012-12-31

项目参与者：
李占山；赵相福；刘杰；于海鸿；宋小华；王楠；赵剑；张立明；王晓宇；
关键词：
离散事件系统基于模型的诊断不完备模型增量诊断可诊断性

项目摘要

基于模型诊断是为了克服传统诊断方法的严重缺陷而兴起的智能推理技术，对整个人工智能领域的研究起着重要推动作用。起初，该方法主要针对静态系统。随着研究的深入和应用的迫切需要，离散事件动态系统的基于模型诊断引起越来越多学者关注，它可作为开展从混合系统到纯粹的连续动态系统的基于模型诊断研究的基础。但以往所有工作均假设系统模型是完备的，实际中不完备模型情形下的基于模型诊断依然是有待解决的重要问题。.本项目即探索模型不完备情形下离散事件系统的基于模型诊断理论与方法。针对传统的系统模型与观测自动机的同步积，通过引入适当的匹配度来表达系统的完备程度，提出不完备模型下的诊断表示理论，并深入研究其与经典理论之间的关系；提出不完备模型下的可诊断性分析方法；在此基础上，提出各种增量诊断方法，并提出分层诊断方法以提高诊断的效率。.项目的预期成果将丰富和发展离散事件系统基于模型诊断的理论与方法，显著提高其实用性。

结项摘要

本项目主要探索模型不完备情形下离散事件系统的基于模型诊断理论与方法，在传统离散事件系统模型诊断的基础上，定量分析了系统的不完备模型，给出了模型不完备和因果关系不完备的定义和表示；讨论了未定义事件对可诊断性的影响，研究了不完备模型条件下的系统可诊断性判定方法及计算效率；建立了面向不完备模型的诊断框架，提出了一系列在某些观测不确定和未定义等条件下的推理诊断方法；构造系统的抽象分层模型，自动生成系统的分层表示；提出了在层次结构上的故障诊断方法及层次之间的故障传递模型；研究了在离散事件系统、混成系统中的缓变故障、控制器故障不完备模型下的诊断方法；分析了候选诊断轨迹的选择方法对诊断效率的影响，通过定义不同的候选诊断选择策略，提出了若干增量诊断方法，提高了诊断的精确度及诊断效率。项目组在不完备模型构建及度量、可诊断性判定、不完备模型的诊断方法和分层、分布式诊断等方面取得了一系列创新研究成果。. 理论分析和实验结果表明，本项目所提出的不完备模型下的离散事件模型诊断扩展了离散事件模型诊断的理论体系。研究了模型和观测不完备下的可诊断性、分布式模型重构和若干有效的诊断方法，能够有效解决诸多实际系统诊断的关键问题，是解决动静态混成系统和纯动态系统诊断问题的重要方法。项目的预期成果将丰富和发展离散事件系统基于模型诊断的理论与方法，显著提高其实用性。. 在本项目的支持下，在国际期刊《AI Communications》、《Expert Systems with Applications》、《Applied Mathematics & Information Science》等，国际学术会议AAAI、ECAI，国内期刊《计算机学报》、《软件学报》、《计算机研究与发展》等发表论文62篇，其中SCI检索7篇，EI检索52篇，国内本领域权威期刊16篇，国家发明专利授权1项。