一种可重构系统贝叶斯网构建方法与流程

本发明涉及一种可重构系统贝叶斯网构建方法，适用于可重构系统的贝叶斯网构建，进而可支持装备的故障诊断推理。

背景技术：

故障诊断对装备的正常安全运行至关重要。贝叶斯网作为一种信度网络，在不确定性知识表达和推理领域具有较强的能力，已在故障诊断方面取得了成功的应用。然而，贝叶斯网的构建一直以来都是非常困难的事情，需要大量的专家知识，是非常耗时耗力的工作，限制了其在大规模系统中的应用。当前，贝叶斯网的构建以人工为主，面向的主要是单模式小规模系统，缺乏一种系统性的自动化方法。尤其是针对可重构系统而言，由于系统结构在应用过程中会发生变化，贝叶斯网的表达比较困难，当前缺乏一种工程中适用的贝叶斯网构建方法。

技术实现要素：

本发明的目的是提供一种适用于可重构系统的贝叶斯网构建方法，为基于贝叶斯网的故障诊断提供支持。

为达到上述目的，本发明提供了以下解决方案：1、一种可重构系统贝叶斯网构建方法，包括以下步骤：

(1)对可重构系统故障和测试的相关性建立模型；

(2)对可重构系统故障和测试的相关性进行表征；

(3)确定可重构系统贝叶斯网结构；

(4)确定重构系统贝叶斯网参数并采用树形结构进行表征。

进一步的，所述步骤(1)中的模型包含四种元素，分别为故障、开关、测试点以及用来连接故障、测试点及开关的连接线；该模型的工作方式为：当故障和测试之间有连接通路，则故障和测试点之间相关，否则不相关；所述故障和测试之间可设置开关，通过开关的启闭影响故障和测试之间的相关性，进而实现系统的重构。

进一步的，步骤(2)中故障和测试的相关性用矩阵d1表示，d1＝[dij]m×n，其中dij∈{0,1}，取值为0表示第j个测试在任意模式下均无法检测到第i个故障，取值为1表示第j个测试可检测到第i个故障；所述测试和开关的相关性用矩阵d2进行表示，d2＝[rij]n×k，其中rij∈{0,1}，取值为0表示第j个测试和故障的相关性不受第i个开关状态的影响，取值为1表示第j个测试和故障的相关性和第i个开关的状态相关；其中，m表示故障的个数，n表示测试的个数，k表示开关的个数。

进一步的，步骤(3)中的贝叶斯网包括两层结构组成，第一层由故障和开关节点组成，第二层由测试节点组成。

进一步的，步骤(3)中的贝叶斯网节点之间的连接关系和步骤(2)中的矩阵对应，针对矩阵d1＝[dij]m×n，如果dij＝1，则在第i个故障和第j个测试之间添加连接关系，方向由fi指向tj；针对矩阵d2＝[rij]n×k，如果rij＝1，则在第j个测试和第i个开关之间添加连接关系，方向由si指向tj；其中，所述第i个故障用fi表示，所述第j个测试用tj表示，所述第i个开关用si表示。

进一步的，步骤(4)中测试节点贝叶斯网参数采用二叉树表达，并采用优化方式生成。

进一步的，所述优化方法包括以下步骤：

ⅰ，针对某一个测试节点，用集合e＝{f,s}表示初始备选节点集，其中f表示与其相关的故障节点，s表示与其相关的开关节点；

ⅱ，从集合e中选择相关故障节点数目最多且不为0的开关节点作为下一步的树节点；针对开关闭合分枝，从e中去除该开关节点；针对开关断开这一分枝，从e中去除该开关节点以及和该开关相关的故障节点，更新e；若集合e中无开关节点，转步骤ⅲ；

ⅲ，选择故障率最高的故障节点作为下一步的树节点，从e中去除该故障节点，更新e；针对故障存在这一分枝，存储参数1，停止扩展该分枝；针对故障不存在这一分枝，若e中不包含其它故障节点，存储参数0，否则，继续选择步骤ⅱ，扩展参数表达树；

ⅳ，最终所得的二叉树即为测试节点的参数。

本发明的有益效果是：提出了一种程序化的可重构系统贝叶斯网构建方法，对贝叶斯网参数存储和检索进行了优化，为解决可重构系统贝叶斯网构建问题提供了一条新的解决途径，可促进贝叶斯网在故障诊断领域的应用。

附图说明

为了易于说明，本发明由下述的具体实施、实施例及附图作以详细描述。

图1为本发明实施例中可重构系统的相关性模型；

图2为本发明实施例中可重构系统构建的贝叶斯网；

图3为实施例中所构建的贝叶斯网t1节点参数二叉树；

图4为实施例中所构建贝叶斯网t2节点参数二叉树。

具体实施方式

本发明包括以下步骤：

步骤一，对可重构系统的故障-测试相关性关系进行建模。

和普通的单模式系统不同，可重构系统由于系统结构在使用过程中可能会依据环境的变化而变化。这意味着故障和测试之间的关系也是会变化的。此处，采用多模式多信号模型的方式进行表征。该模型包含以下四种元素：故障、开关、测试点以及连接线，连接线用来连接故障、测试、及开关。该模型的含义为：如果故障和测试之间有连接通路，则故障和测试之间相关，否则不相关。其间可设置开关，通过开关的开启和闭合可影响故障和测试之间的相关性关系，表示的含义为系统重构。

步骤二，对可重构系统相关性进行表征

基于步骤一中所述的模型，对系统进行分析。得到一组共两个相关性矩阵。假设系统共有m个故障模式，n个测试，k个开关。矩阵一为故障和测试之间的相关性关系，即d1＝[dij]m×n，其中dij∈{0,1}，取值为0表示第j个测试在任意模式下均无法检测到第i个故障；取值为1表示第j个测试可以检测到第i个故障。矩阵二为开关和测试之间的相关性，用d2＝[rij]n×k表示，其中rij∈{0,1}，取值为0表示第j个测试和故障的相关性不受第i个开关状态的影响；取值为1表示第j个测试和故障的相关性和第i个开关的状态相关。

步骤三，确定可重构系统贝叶斯网的结构

依据贝叶斯网的定义，贝叶斯网的结构包括节点以及节点之间的连接关系两部分。本发明构建的可重构系统贝叶斯网由两层共三类节点组成。第一层为故障和开关层，分别用故障节点和开关节点表示。第二层为测试层，用测试节点表示。故障节点和步骤二中所述的故障模式相对应，共有m个。开关节点和步骤二中所述的开关相对应，共有k个。测试节点和步骤二中的测试相对应，共有n个。

在确定好节点数目和类型后，为节点之间添加连接关系。添加的方式依据步骤二中两个相关性矩阵进行。具体为：针对矩阵d1＝[dij]m×n，如果dij＝1则在第i个故障(用fi表示)和第j个测试(用tj表示)之间添加连接关系，方向由fi指向tj；针对矩阵d2＝[rij]n×k，如果rij＝1，则在第j个测试(用tj表示)和第i个开关(用si表示)之间添加连接关系，方向由si指向tj。

步骤四，确定可重构系统贝叶斯网的参数并采用树形结构进行表征

(1)针对故障节点，设置正常和异常两种状态，异常概率表示故障率。

(2)针对开关节点，设置开和关两种状态，概率分别设为0.5。

(3)针对某一个测试节点，用集合e＝{f,s}表示初始备选节点集，其中f表示与其相关的故障节点，s表示与其相关的开关节点。从集合e中选择相关故障节点数目最多且不为0的开关节点作为下一步的树节点。针对开关闭合分枝，从e中去除该开关节点；针对开关断开这一分枝，从e中去除该开关节点以及和该开关相关的故障节点，更新e。若无开关节点，选择故障率最高的故障节点作为下一步的树节点，从e中去除该故障节点，更新e。针对故障存在这一分枝，存储参数1，停止扩展该分枝；针对故障不存在这一分枝，若e中不包含其它故障节点，存储参数0，否则，继续选择节点，扩展参数表达树，直至达到停止条件。最终所得的二叉树即为测试节点的参数。

实施例

步骤一，如图1所示，为某可重构系统建立相关性模型。该系统包含f1,f2,f3三个故障模式，s1,s2两个开关和t1,t2两个测试。通过开关状态的变化，可实现系统的重构。

步骤二，对所述可重构系统进行表征。

在该系统中，m＝3，n＝2，k＝2。

步骤三，确定可重构系统贝叶斯网的结构

依据贝叶斯网结构确定规则，得到的贝叶斯网结构如图2所示。

步骤四，确定可重构系统贝叶斯网的参数

(1)针对故障节点(即f1,f2,f3)，每一节点均有两种状态：故障和正常。故障的概率即故障率，假定三个故障率分别为0.1、0.3和0.6。

(2)针对开关节点(即s1,s2)，每一节点有两种状态：打开和关闭。两者的发生概率均设为0.5。

(3)针对测试节点t1，初始备选节点为e＝{f1,f2,s1,s2}。和s1相关的故障节点数目为1，和s2相关的故障节点数目为2，为此选择s2作为下一步的树节点。针对开关闭合分枝，更新后的e’＝{f1,f2,s1}；针对开关打开分枝，e”＝{f1,s1}。然后依次类推，得出t1的参数表达树如图3所示。

针对测试节点t2，初始备选节点为e＝{f3}，其参数二叉树如图4所示。

以上显示描述了本发明的基本原理和主要特征和本发明的特点。本领域技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都会落入要求保护的本发明范围。本发明要求保护范围由所附的权利要求书及其等效物界定。