耿雪娜　梁澤斌

摘要：隨著新一代技術(shù)的發(fā)展以及眾多人工智能設(shè)備的廣泛應(yīng)用，各種系統(tǒng)也隨之變得更為復(fù)雜，在享受這些智能設(shè)備帶來便捷服務(wù)的同時，人們也面臨著由于系統(tǒng)故障而帶來的損失，因此，對于系統(tǒng)的故障診斷應(yīng)運而生。針對大型離散事件系統(tǒng)的故障診斷，設(shè)計并實現(xiàn)了基于模型診斷下的分散診斷算法系統(tǒng)。當出現(xiàn)故障時，診斷系統(tǒng)會運用分散診斷的原理，將被診斷系統(tǒng)拆分成若干子系統(tǒng)，逐個進行故障診斷，直至發(fā)現(xiàn)故障出處。

關(guān)鍵字：故障診斷? 離散事件系統(tǒng)? 分散式診斷? 可診斷性

Research on the Distributed Fault Diagnosis Algorithm

GENG Xuena ?LIANG Zebin

（Changchun University of Science and Technology， Changchun， Jilin Province， 130022 China）

Abstract： With the development of a new generation of technology and the widespread application of numerous artificial intelligence devices， all kinds of systems have become more and more complex. While enjoying the convenient services brought by these intelligence devices， people are also facing the losses caused by the faults of systems， so the fault diagnosis of systems has emerged as the times require. For the fault diagnosis of large-scale discrete event systems， this paper designs and implements a distributed diagnosis algorithm system based on model diagnosis. When a fault occurs， the diagnosis system will use the principle of distributed diagnosis to split the diagnosed system into several subsystems for fault diagnosis one by one until the source of the fault is found.

Key Words： Fault diagnosis; Discrete event system; Distributed diagnosis; Diagnosability

隨著人們生活水平和工業(yè)制造能力的逐步提升，系統(tǒng)性能、產(chǎn)品質(zhì)量、成本效率等指標不斷提高，工業(yè)生產(chǎn)設(shè)備的復(fù)雜性和自動化程度也不斷增加。為了避免出現(xiàn)財產(chǎn)損失、人員傷亡的情況，需要現(xiàn)代工業(yè)系統(tǒng)保持安全穩(wěn)定。因此，系統(tǒng)的穩(wěn)定性和可靠性是系統(tǒng)設(shè)備設(shè)計和建造過程中最為重要的問題之一。當系統(tǒng)出現(xiàn)故障時，需要以最高效率解決故障問題，這樣才能盡可能不影響大型系統(tǒng)的運作。因此，基于模型的故障診斷系統(tǒng)誕生了。

故障診斷的研究目的是探尋檢測、分離、識別系統(tǒng)中發(fā)生故障的方法，確定故障發(fā)生位置及故障類型。在過去一段時間，故障診斷獲得了豐富的研究成果。LIN F等人首先提出了基于狀態(tài)的離散事件系統(tǒng)診斷方法^[1]。在此之后，SAMPATHM等人提出了基于事件的方法研究離散事件系統(tǒng)的故障診斷，它將離散事件系統(tǒng)建模為有限狀態(tài)自動機，通過在系統(tǒng)內(nèi)構(gòu)建診斷器判斷系統(tǒng)的是否發(fā)生故障^[2]。但是對于整體結(jié)構(gòu)龐大且復(fù)雜的大型系統(tǒng)設(shè)備而言，用這種方法進行故障診斷所耗費的時間和系統(tǒng)空間太大，診斷效率并不高。在此基礎(chǔ)上，為了進一步提高診斷效率，JIANGS提出了并行自動機故障診斷方法，利用構(gòu)造系統(tǒng)的全局twin-plant模型-驗證器來直接判定系統(tǒng)的故障問題，這種方法的故障診斷效率相較于此前大部分方法都有所提升，但是遇到大型復(fù)雜系統(tǒng)還是會比較乏力^[3]。

上述提及的方法都能夠有效處理規(guī)模較小的離散事件系統(tǒng)的故障診斷。但是，當遇到規(guī)模較大的系統(tǒng)時，上述方法將會變得相當困難。因此，學(xué)者們開始研究新的方法，來應(yīng)對大型系統(tǒng)的故障診斷問題。DEBOUK R等提出了分散式診斷方法^[4]，而此后PENCOL? Y提出了分布式診斷方法^[5]。他們將離散事件系統(tǒng)按照一定規(guī)則拆分成若干個子系統(tǒng)，對每個子系統(tǒng)進行局部建模，再通過對各局部模型構(gòu)建局部診斷器，對整個系統(tǒng)進行故障診斷分析。

在故障診斷的研究中，基于模型的故障診斷方法是運用最廣泛的研究課題。迄今為止，基于模型的故障診斷技術(shù)已在許多應(yīng)用領(lǐng)域成功實現(xiàn)，如軌道電路系統(tǒng)^[6]、旋轉(zhuǎn)機械系統(tǒng)^[7]等。本文主要對離散事件系統(tǒng)與基于模型的故障診斷方法進行簡單介紹，并實現(xiàn)基于模型診斷下分散診斷算法系統(tǒng)，并對算法進行詳細分析。

1 故障診斷

1.1 離散事件系統(tǒng)

離散事件系統(tǒng)（Discrete Event System，DES）是一種在離散狀態(tài)和事件上建模的系統(tǒng)，已被廣泛應(yīng)用于現(xiàn)代工業(yè)控制系統(tǒng)中^[8-12]。它的狀態(tài)是離散的，且注重于邏輯和序列化的行為。

由于離散事件系統(tǒng)的系統(tǒng)狀態(tài)在特定隨機時刻會發(fā)生離散變化，因此系統(tǒng)的事件通常是隨機的，而系統(tǒng)的狀態(tài)變量通常是不連續(xù)的。一般來說，離散事件系統(tǒng)與連續(xù)系統(tǒng)相關(guān)，可以將它的定義簡化為兩個方面：一個是狀態(tài)，一個是事件。其中，狀態(tài)表示了系統(tǒng)的工作狀況，而事件則表示了導(dǎo)致狀態(tài)改變的行為。

1.2 可診斷性

由于人造系統(tǒng)復(fù)雜程度越來越高，系統(tǒng)部件故障診斷不再是一項基于經(jīng)驗和直覺的簡單任務(wù)。在大規(guī)模、復(fù)雜的離散事件系統(tǒng)中，對其可診斷性的判斷是一個非常具有挑戰(zhàn)性的課題。離散事件系統(tǒng)的可診斷性是故障診斷領(lǐng)域的一個重要研究內(nèi)容，它是一個系統(tǒng)能否進行故障診斷的前提。

可診斷性的研究大多數(shù)以動態(tài)系統(tǒng)為基礎(chǔ)。如果在有限的延遲內(nèi)，可以確定系統(tǒng)發(fā)生的故障類型是唯一的，即系統(tǒng)的模型中不存在不確定循環(huán)，則可以稱被診斷系統(tǒng)是可以診斷的。如果在一定時間內(nèi)無法確定唯一故障類型，那么系統(tǒng)中很有可能存在不確定循環(huán)，這樣就無法確定該系統(tǒng)是否出現(xiàn)故障問題，此時稱該系統(tǒng)是不可診斷的。

1.3分散診斷算法概述

現(xiàn)在的系統(tǒng)規(guī)模在逐步增大，因此幾乎所有系統(tǒng)都具有模塊化結(jié)構(gòu)。一般而言，一個系統(tǒng)包括若干個模塊、局部組件或子系統(tǒng)，這些組件自身可以包含若干個更小型的獨立模塊。這類具有模塊化結(jié)構(gòu)的系統(tǒng)通常情況下都有著比較大的狀態(tài)空間，由于空間復(fù)雜性問題，因此對這類系統(tǒng)進行全局診斷不僅操作復(fù)雜，而且難度也相當大，難以以整體方式進行診斷。

于是隨后的一些學(xué)者研究提出了各種擴展和改進的方法，其中一種就是分散式診斷方法。分散診斷算法需要構(gòu)建被診斷系統(tǒng)的整體模型，從整體模型中將被診斷系統(tǒng)拆解，以進行接下來的故障診斷分析。

分散診斷算法可以很好地解決大型離散事件系統(tǒng)的診斷問題，它的算法思路如下：將全局系統(tǒng)按照某種規(guī)則進行拆解，運用分解算法將整體系統(tǒng)分解為若干個子系統(tǒng)，各個子系統(tǒng)又可以進而分解為規(guī)模更小的子系統(tǒng)，最底層子系統(tǒng)直接分解為各個組件，再分別對這些組件進行建模，建立觀測器，以監(jiān)測系統(tǒng)的數(shù)據(jù)信息。在此之后，子系統(tǒng)建立局部診斷器，讀取各個組件自身的觀測信息，基于此進行局部診斷推理，并生成本地診斷結(jié)果。再通過一個協(xié)調(diào)器^[9]，實現(xiàn)各個組件之間的通信，以便協(xié)調(diào)各個局部診斷結(jié)果。最后，協(xié)調(diào)器根據(jù)規(guī)定好的規(guī)則，將所有的局部診斷整合分析，最終得到全局診斷結(jié)果。

分散診斷算法的算法思想在很大程度上縮小了大規(guī)模系統(tǒng)的診斷搜索空間。因此，與那些需要運用整體來診斷整個系統(tǒng)的方法相比，模塊化系統(tǒng)的自然分解比前者更具有快速診斷的優(yōu)勢。單個組件通常更易于本地診斷，但此類診斷可能無法考慮系統(tǒng)其余部分的影響。

2 算法描述

2.1 相關(guān)概念

2.2 系統(tǒng)執(zhí)行過程

分散診斷算法系統(tǒng)的運行流程圖如圖1所示。

用有限狀態(tài)自動機對被診斷系統(tǒng)進行整體系統(tǒng)建模，得到該系統(tǒng)的全局模型。此后，系統(tǒng)運用分解算法將全局模型拆成若干局部模型，以達到分散診斷的目的。

在獲得局部模型后，就需要對各個局部模型建立站點。每個站點由兩部分組成：觀測器和診斷器。其中診斷器是站點的核心，它用于通過對特定類型的循環(huán)進行測試，在各個子系統(tǒng)中進行本地數(shù)據(jù)分析。每個站點都具有對系統(tǒng)數(shù)據(jù)觀察和分析的能力。

在對各個局部模型建立站點時，先構(gòu)建各個局部模型的觀測器，對子系統(tǒng)的狀態(tài)轉(zhuǎn)換進行觀測，獲取系統(tǒng)的數(shù)據(jù)信息。接著構(gòu)建各個局部模型的診斷器，對觀測器獲取的系統(tǒng)信息進行分析，在本地處理故障診斷并生成局部診斷結(jié)果。在子系統(tǒng)的可觀察事件發(fā)生后，診斷器的狀態(tài)是站點推斷故障發(fā)生的診斷信息。一旦本地站點確定故障的發(fā)生，就會通過以某種形式定義的溝通規(guī)則，將其診斷信息與故障標簽傳達給協(xié)調(diào)器。

協(xié)調(diào)器運用決策算法，根據(jù)本地站點提供的原始信息分析與相關(guān)的通信規(guī)則和協(xié)調(diào)器的故障診斷決策規(guī)則來整合系統(tǒng)的故障信息。協(xié)調(diào)器的結(jié)構(gòu)簡單，它沒有系統(tǒng)的模型，也不知道系統(tǒng)的結(jié)構(gòu)。具體來說，它的內(nèi)存和處理能力有限。協(xié)調(diào)器的任務(wù)是根據(jù)上述規(guī)定的決策規(guī)則處理從各個站點接收的消息，以推斷全局系統(tǒng)故障的發(fā)生。

一般情況下，診斷器可以診斷出可診斷系統(tǒng)中的所有故障，無論故障的數(shù)目多少。通過檢查各個診斷器的狀態(tài)，可以在有限的延遲內(nèi)檢測出被診斷系統(tǒng)中出現(xiàn)的故障。

3 結(jié)語

本文針對于大型離散事件系統(tǒng)的故障診斷問題，研究了基于模型診斷下的分散診斷算法系統(tǒng)的實現(xiàn)。對分散診斷算法進行了詳細且深入的研究，從算法的研究背景出發(fā)，到分散診斷系統(tǒng)的數(shù)學(xué)建模，再到算法的思想、算法的執(zhí)行過程、算法的分析，最后給出了一個實例進行算法系統(tǒng)的演示與診斷系統(tǒng)對故障進行診斷的詳細過程。

參考文獻

[1] LIN F.Diagnosability of Discrete Event Systems and Its Applications[J]. Discrete Event Dynamic Systems，1994，4（2）：197-212.

[2] SAMPATH M，SENGGUPTA R，LAFORTUNE S，et al.Diagnosability of Discrete-event Systems[J]//IEEE Transactions on Automatic Control，1995，40（9）：1555-1575.

[3] JIANG S，HUANG Z，CHANDRA V，et al.A Polynomial Algorithm for Testing Diagnosability of Discrete-event Systems[J].IEEE Transactions on Automatic Control，2001，46（8）：1318-1321.

[4] DEBOUK R，LAFORTUNE S，Teneketzis D.Coordinated Decentralized Protocols for Failure Diagnosis of Discrete Event Systems[J].Discrete Event Dynamic Systems，2000，10（1-2）：33-86.

[5] PENCOLE Y.Diagnosability Analysis of Distributed Discrete Event Systems[C]//Eureopean Conference on Artificial Intelligence，Including Prestigious Applicants of Intelligent Systems， Valencia， Spain，2004.

[6]?? 邢玉龍.面向預(yù)測性維護的軌道電路故障診斷及預(yù)測方法研究[D].北京：北京交通大學(xué) 2022.

[7]?? 金桐彤.考慮域影響的旋轉(zhuǎn)機械故障診斷方法研究[D].長春：吉林大學(xué)，2022.

[8]?? 呂舒園，劉富春，趙銳，等.分布式離散事件系統(tǒng)的模式故障預(yù)測研究[J].廣東工業(yè)大學(xué)學(xué)報，2021，38（1）：54-63.

[9]?? 戴維，劉富春，趙銳，等.基于狀態(tài)估計的分布式離散事件系統(tǒng)可診斷性研究[J].工業(yè)工程，2021，24（1）：123-131.

[10] 歐陽丹彤，羅知雨，耿雪娜，等.分布式離散事件系統(tǒng)的安全可診斷性算法[J].吉林大學(xué)學(xué)報（理學(xué)版），2018，56（3）：594-600.

[11] 歐陽丹彤，劉揚，宋金彩，等.結(jié)合結(jié)構(gòu)特征基于測試集重排序的故障診斷方法[J].電子學(xué)報，2022，50（1）：63-71.

[12] 歐陽丹彤，孫睿，田新亮，等.基于部分最大可滿足性問題的動態(tài)系統(tǒng)中最小故障檢測隔離集求解方法[J].吉林大學(xué)學(xué)報（工學(xué)版），2023，53（4）：1163-1173.