Chwa & Hakimi故障模型方程诊断的理论基础

针对基于对称比较的系统级故障模型———Chwa&Hakimi模型 ,建立起“方程诊断”的有关概念 ,把该模型等价地转换为一个方程 (或方程组 )。对于一类特殊的Chwa&Hakimi模型找到了求全体相容故障模式的具体算法 ,该算法为寻求一般情形下Chwa&Hakimi模型的全体相容故障模式奠定了理论基础和算法基础。     

基于Chwa＆Hakimi故障模型的系统级故障诊断方程解决方案

提出了基于Chwa&Hakimi故障模型的系统级故障诊断的方程解决方案，根据实际系统中存在大可靠块的实事，在方程解决中定义了集团的概念，给出了集团的许多性质，由此能找到所有基于Chwa&Hakimi故障模型的相容故障模式。     

Chwa ＆ Hakimi故障模型的方程表示

把基于对称比较的系统级故障模型-Chwa＆Hakimi模型等价地转换为一个方程(或方程组),这将给此类故障模型的诊断带来极大便利     

Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。     

用方程表示BGM故障模型的方法研究

文章首次把基于测试的非对称模型———BGM模型等价地转换为一个方程。这将给该类系统级故障模型的诊断带来很大方便。     

方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型，把求该模型全体相容故障模式的问题转换为求方程组的解集，并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果，为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。     

基于PMC故障模型的NASD诊断算法

在PMC故障模型下,现有的自适应顺序诊断算法（ASD算法）不能充分利用所有的测试结果。为了有效地减少测试次数,提高诊断效率,提出一种新的自适应顺序诊断算法（NASD算法）。引入相对故障单元的概念,给出并证明了故障单元和无故障单元的判别定理。据此给出系统诊断的策略：（1）边寻求无故障单元边确诊故障单元;（2）已确认的故障单元不再参与任何测试;（3）找到无故障单元或故障单元数接近一半时,系统诊断结束。实例表明,NASD算法优于其他ASD算法。     

基于比较的非对称模型下的系统级故障诊断

本文首次把基于比较的非对称系统级故障模型等价地转换为一个方程(或方程组)。这将使此类故障模型易于得到诊断。     

基于Chwa&Hakimi故障模型的集团诊断

提出了基于Chwa＆Hakimi故障模型的集团诊断,定义了绝对故障集和最终诊断图,由此能找到所有的基于Chwa＆Hakimi故障模型的相容故障模式。从仿真结果看大大减少了系统级故障诊断的复杂度,特别是对强t-可诊断系统,具有较大的实际意义。     

基于非齐次线性方程组的系统级故障最优诊断算法

提出了基于非齐次线性方程组的系统级故障诊断，给出了PMC、BGM、Chwa＆Hakimi、Maleks模型的方程组，并进一步给出了求解最优诊断算法及C＋＋语言算法描述。     

Node grouping in system-level fault diagnosis

With the popularization of network applications and multiprocessor systems,dependability of systems has drawn considerable attention.This paper presents a new technique of node grouping for system-level fault diagnosis to simplify the complexity of large system diagnosis.The technique transforms a complicated system to a group network,where each group may consist of many nodes that are either fault-free or faulty.It is proven that the transformation leads to a unique group network to ease system diagnosis.Then it studies systematically one-step t-faults diagnosis problem based on node groupling by means of the concept of independent point sets and gives a simple sufficient and necessary condition.The paper presents a diagnosis procedure for t-diagnosable systems.furthermore,an efficient probabilistic diagnosis algorithm for practical applications is proposed based on the belief that most of the nodes in a system are fault-free.The result of software simulation shows that the probabilistic diagnoisis provides high probability of correct diagnosis and low diagnosis cost,is suitable for systems of any kind of topology.     

基于蝙蝠算法的系统级故障诊断研究

首次将蝙蝠算法用于解决系统级故障诊断问题,从而提出了一种高效的诊断算法——蝙蝠故障诊断算法。在初始化阶段,种群被分成大、小两类,并采用不同的处理方式;根据系统级故障模型的特点,设计出了具有方程约束的适应度函数;为了平衡全局搜索与局部搜索,在速度更新公式中增加一个变系数;为实现寻址的离散化,对蝙蝠速度进行了二进制映射。仿真实验结果表明,蝙蝠故障诊断算法在迭代次数、诊断正确率和最优解的适应度等方面明显优于现有的具有代表性群智能诊断算法——FAFD算法。     

一种Malek模型下的系统故障诊断算法

在多机系统中,各个结点（处理器）在通信过程中极易发生故障,因此选择有效的诊断算法,快速、准确地判断出系统故障集十分重要。传统的PMC模型以结点相互测试的结果为基础,而故障结点的测试结果不唯一,导致该模型诊断结果相对不稳定。针对这种情况,采用Malek诊断模型代替传统的PMC模型,借助遗传算法特性,将复杂的网络拓扑图简化为二进制编码,并按照适应度函数值确定种群搜索方向,提高搜索效率。该算法根据Malek模型设计约束方程,提出新的适应度函数,优化变异算子。实验表明,算法改进后,缩短了判断故障集所需的CPU时间,同时,算法根据故障症候判断出目标故障集的概率更高,从而证明了用Malek模型代替PMC模型的高效性。     

多层免疫故障诊断模型的研究

借鉴生物免疫系统的分层防御机理以及层次间的相互刺激作用,提出了用于网络故障诊断的多层免疫诊断模型。模型采用三层结构,包括固有诊断层、故障传播识别层和适应性诊断层。固有诊断层考虑故障在发生概率上相互独立的已有知识,故障传播识别层采用B细胞免疫网络作为故障定位的故障传播模型,适应性诊断层学习和概括未知故障中发现的模式。多层故障诊断方法既能检测出已知故障,又能检测出未知故障。采用网络故障传播模型及定位算法,能找出最优的测点组合诊断所有的故障,可以减少需测测点的数量。