基于伪故障度生成枚举树的极小诊断求解方法

时间:2018-07-10 编辑整理:欧阳丹彤 智华云 刘伯文 张立明 张永刚 来源:早发表网

要:基于模型诊断(model‐baseddiagnosis,MBD)是人工智能领域一个极富有挑战性的问题.近年来,SAT求解器发展十分迅速,且已被应用于求解基于模型诊断问题并取得了显著成果.在对基于模型诊断问题求解方法LLBRS‐Tree深入研究的基础上,根据电路组件的拓扑结构信息、系统的观测行为和预期行为之间的差异以及集合枚举树的特点,首次提出了组件静态伪故障度和动态伪故障度的概念.计算所有组件的静态伪故障度,并根据静态伪故障度从大到小对组件重新排序,生成新的枚举树;并且在遍历到新的极小诊断解时,更新相关组件的动态伪故障度,动态建立新的枚举树,从而能较快地搜索到极小诊断解,删除大量冗余解,较大程度地减少SAT求解器的调用次数.实验结果表明:随着诊断系统中组件个数的增多以及极小诊断解长度的增加,提出的方法较LLBRS‐Tree方法效率提升明显.

关键词:基于模型诊断;静态伪故障度;动态伪故障度;枚举树;极小诊断解

基于模型诊断(model‐baseddiagnosis,MBD)问题对人工智能领域的发展具有十分重要的推动作用[1].其主要思想是根据设备的内部结构和行为来诊断该设备,从模型和观测出发推理出设备的故障组件,解释预期行为和观测行为之间的差异.基于模型诊断过程主要分为3个步骤:1)诊断产生.已知一个差异,决定可能失灵的组件导致该差异.2)诊断测试.测试诊断过程中产生的所有诊断解,找出能够解释设备所有观测的组件集合.3)诊断辨别.若有多个诊断通过测试,搜集额外信息以得到最后的诊断解.

著名MBD专家Reiter[2]提出了根据极小冲突集求解极小碰集(即系统的极小诊断解)的方法HS‐Tree,但该方法要遍历整棵枚举树,导致诊断空间很大且会因剪枝丢失诊断解.针对这些缺点,Greiner等人[3]提出了改进方法HS‐DAG,解决了HS‐Tree的丢解问题.随着对MBD问题深入的探索和研究,许多新的方法被提出.Stein等人[4]提出的诊断方法允许待诊断系统的组件及其行为有缺省信息,并用合理的假设表示系统的异常行为,有效地提升了该方法对特定问题的求解效率.赵相福等人[5]提出了CSISE‐Tree方法,在对集合枚举树进行剪枝优化的基础上求出诊断系统所有的诊断解.欧阳丹彤等人[6]提出了利用标志传播求解系统所有候选解的方法,通过传播系统的输出标志来判断组件集合是否是诊断解.Schmitz等人[7]利用部分诊断解优化冲突集,并提出了根据极小冲突集求诊断解的时序诊断方法.

近年来,命题可满足问题(propositionalsatis‐fiabilityproblem,SAT)受到国内外学者的广泛关注[8].Cook[9]于1971年首次证明SAT问题是NP完全问题,人工智能领域的很多NP问题都可以转化成SAT问题求解[10]且研究表明,与直接求解NP问题相比,将其转化成SAT问题后求解更加高效.一些优秀的求解引擎已被广泛应用于布局布线、自动测试矢量、电路等价性验证、智能规划等[11]领域.随着对MBD问题研究的深入,发现该问题也可以转换成SAT问题求解且已取得显著成果.

基于SAT求解器的发展,国内外许多学者开始投入到结合SAT求解诊断的研究领域中.Feldman等人[12]提出利用带权重的MaxSat求解MBD,该方法将子句分为hard子句和soft子句,并对子句赋予权重,最终要求满足子句权重乘积之和最大,进而得到所有诊断解.Metodi等人[13]提出了一种新的编码方式,将MBD编码成布尔可满足问题来求解,并对诊断系统进行了复杂的预处理.Marques‐Silva等人[14]提出将MBD转成MaxSat问题求解的方法,根据阻塞结点和边、过滤结点和边缩减诊断系统规模,减小诊断系统求解空间.国内学者周建华等人[15]利用SAT求解器结合LLBRS‐Tree算法求出诊断系统所有的极小诊断解,此方法是目前基于枚举树结构利用SAT求解诊断效率较高的方法.

LLBRS‐Tree方法从叶结点开始向上遍历枚举树直到根结点为止,同时基于非诊断解的祖先结点一定不是诊断解进行无解剪枝[15]以及诊断解的子孙结点一定不是极小诊断解进行有解剪枝[15],通过有解剪枝和无解剪枝剪掉大量结点.本文在LLBRS‐Tree方法的基础上进行了改进,提出了根据组件的静态伪故障度和动态伪故障度生成枚举树,动态更新枚举树遍历顺序进行剪枝的方法DYN‐Tree.该方法计算每个组件发生故障的概率(记为静态伪故障度),根据组件的静态伪故障度生成枚举树,当调用SAT求解器求得一个组件集合是极小诊断解时,更新该集合中组件的动态伪故障度,重新动态生成新的枚举树遍历顺序,对新生成的枚举树进行有解剪枝和无解剪枝,直到求得诊断系统的所有极小诊断解为止.该方法能够较早地发现极小诊断解,裁剪掉大量冗余的诊断解.

1预备知识

本节首先介绍一些基于模型诊断的相关概念,然后介绍如何将基于模型诊断问题转化成SAT问题求解.

 

 

 

 

 

 

 



职称
论文

期刊
发表

加急
见刊

写作
咨询

课题
专答

编辑
顾问

关注
我们

返回
顶部