对离散事件系统的共可诊断性验证

吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (01): 123-129.

对离散事件系统的共可诊断性验证

李占山¹, 靳志敏^1,2, 杨凤杰², 徐培治²

1. 吉林大学符号计算与知识工程教育部重点实验室, 长春 130012;
2. 吉林大学计算机科学与技术学院, 长春 130012

收稿日期:2012-02-27 出版日期:2013-01-01 发布日期:2013-01-01
通讯作者: 杨凤杰(1964-),女,副教授.研究方向:智能规划.E-mail:261479263@qq.com E-mail:261479263@qq.com
作者简介:李占山(1966-),男,教授,博士.研究方向:基于模型的诊断,智能规划与调度,约束问题求解.E-mail:zslizsli@163.com
基金资助:
国家自然科学基金项目(60873148,60973089,61170314,61272208);吉林省自然科学基金项目(20071106,20101501,20100185);高等学校博士学科点专项科研基金项目(20100061110031);吉林大学跨学科项目(2009JC038).

Codiagnosability verification of discrete event systems

LI Zhan-shan¹, JIN Zhi-min^1,2, YANG Feng-jie², XU Pei-zhi²

1. Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education, Jilin University, Changchun 130012, China;
2. College of Computer Science and Technology, Jilin University, Changchun 130012, China

Received:2012-02-27 Online:2013-01-01 Published:2013-01-01

摘要/Abstract

摘要： 提出了一种验证离散事件系统共可诊断性的多项式算法,算法通过构建一个检验自动机来实现,将故障路径和正常路径提取出来进行对比。另外将传统的共可诊断性划分为两种情况分别处理可以提高算法效率。可分别用于验证系统的F-共可诊断性和NF-共可诊断性。复杂性分析和案例分析表明本文算法的计算复杂度更低。实验验证了本文方法的高效性和有效性。

关键词: 人工智能, 基于模型的诊断, 离散事件系统, 验证算法, F-共可诊断性, NF-共可诊断性

Abstract: A polynomial algorithm of codiagnosability verification of discrete event systems was proposed, which can be used to verify F-codiagnosability and NF-codiagnosability of system respectively. Algorithm is achieved by constructing a test automaton which extracts the fault path and the normal path to compare. In addition, the traditional codiagnosability was divided into two case, it can improve the efficiency of the algorithm. Both complexity analysis and case study have shown that our algorithm has more lower computational complexity. The experimental results verify the effectiveness and efficiency of the method.

Key words: artificial intelligence, model-based diagnosis, discrete-event system, verification algorithm, F-codiagnosability, NF-codiagnosability

中图分类号:

TP18

李占山, 靳志敏, 杨凤杰, 徐培治. 对离散事件系统的共可诊断性验证[J]. 吉林大学学报(工学版), 2013, 43(01): 123-129.

LI Zhan-shan, JIN Zhi-min, YANG Feng-jie, XU Pei-zhi. Codiagnosability verification of discrete event systems[J]. 吉林大学学报(工学版), 2013, 43(01): 123-129.

参考文献

[1] 赵相福. 离散事件系统基于模型诊断的若干问题研究.长春:吉林大学计算机科学与技术学院, 2009. Zhao Xiang-fu. Research on some problems about model-based diagnosis of discrete dvent systems. Changchun: College of Computer Science and Technology, Jilin University, 2009.

[2] Sampath M, Sengupta 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] Yoo T S, Lafortune S. Polynomial-time verication of diagnosability of partially observed discrete-event systems[J]. IEEE Transactions on Automatic Control, 2002, 47(9): 1491-1495.

[5] Debouk R, Lafortune S, Teneketzis D. Coordinated decentralized protocols for failure diagnosis of discrete event systems[J]. Discrete Event Dynamic Systems: Theory and Applications, 2000, 10(1): 33-86.

[6] Qiu W, Kumar R. Decentralized failure diagnosis of discrete event systems[J]. IEEE Transactions on Systems, Man, and Cybernetics Part A:Systems and Humans, 2006, 36(2): 384-395.

[7] Wang Y, Yoo T S, Lafortune S. Diagnosis of discrete event systems using decentralized architectures[J]. Discrete Event Dynamic Systems, 2007, 17: 233-263.

[8] Basilio J C, Lafortune S. Robust codiagnosability of discrete event systems//Proceeding of American Control Conference, St. Louis, MO, 2009: 2202-2209.

[9] Moreira Marcos V, Jesus Thiago C, Basilio Joo C. Polynomial time verification of decentralized diagnosability of discrete event systems[J]. IEEE Transactions on Automatic Control, 2011, 56(7): 1679-1684.

[10] Wang Y, Lafortune S, Yoo T S. Decentralized diagnosis of discrete event systems using unconditional and conditional decisions//Proceedings of the 44th IEEE Conference on Decision and Control, 2005: 6298-6304.

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[4]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[5]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[8]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[9]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[10]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[11]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[12]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[13]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.
[14]	王生生, 王创峰, 谷方明. OPRA方向关系网络的时空推理[J]. 吉林大学学报(工学版), 2017, 47(4): 1238-1243.
[15]	马淼, 李贻斌. 基于多级图像序列和卷积神经网络的人体行为识别[J]. 吉林大学学报(工学版), 2017, 47(4): 1244-1252.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed