[发明专利]一种离散事件系统的复合故障因果链解耦方法

说明书

技术领域

本发明涉及自动化控制系统技术领域，尤其涉及一种离散事件系统的复合故障因果链解耦方法。

背景技术

随着工业技术的发展，各类大型工业系统的规模日渐庞大，内部组件间的关联也日趋复杂。系统局部或整体失效时，常常伴有两个或多个故障同时发生，此类故障现象被称为复合故障。短时间内发生的多个故障由于其附带的故障信息数量庞大且相互交叠，某些信息甚至互相抵消，使故障的诊断变得十分困难。另一方面，系统内部庞杂的关系令故障源到故障表征的各种现象之间的因果关系非常复杂，复合故障的发生常常使多个相互关联的因果链交织在一起，诊断过程中通常需要对其进行解耦以便进一步辨识故障源和故障的蔓延过程。

目前，针对各类复合故障的解耦和辨识技术主要分为两大类：一是以频谱分析、经典小波、主分量分析、分形技术等信号处理方法进行故障的降噪、滤波和特征提取，再利用支持向量机、距离评价、自组织映射等人工智能方法进行分类；另一类则采用信息理论、人工神经网络、粗糙集、模糊集、贝叶斯网络、Petri网等理论和模型进行故障模式的识别。前者主要面向复杂系统内的连续变量进行诊断分析，后者则通常针对系统中的离散事件，分析其因果映射关系及关系的耦合强度。

发明内容

本发明的目的是一种离散事件系统的复合故障因果链解耦方法。

为了解决现有技术问题，本发明实施例公开了一种离散事件系统的复合故障因果链解耦方法，包括以下步骤：

根据故障的观测事件集和关系采用扩展时间Petri网（(Extended Time Petri Net,ETPN)）对离散事件系统进行建模；

根据扩展时间Petri网的求逆算法，得到时间-概率Petri网

(Time-Probability Petri Net,TPPN)模型；

采用时间-概率Petri网模型对离散事件系统进行推理分析；

根据因果链的时间-概率解耦算法和单纯故障因果链的析出算法对时间-概率Petri网模型的推理结果进行解耦和因果链的析出。

进一步，作为优选，所述时间-概率Petri网模型具体为：∑_TPPN′s＝(S,T,F;τ,θ,ρ,β,M₀)，其具体参数定义如下：

(1)(S,T,F)是一个原型Petri网，满足且

表示s的所有直接和间接后继节点的集合，t·表示t的后置库所集，同理·t表示t的前置库所集；

(2)τ:T→R₀×(R₀∪{∞})，τ(t_i)为变迁t_i关联的时间区间；

(3)θ:T→{0,1}，θ(t_i)为变迁t_i的点火许可函数；

(4)ρ:S→[0,1]，ρ(s_i)为s_i所代表的状态的先验概率；

(5)β:T→[0,1]^j，β(t_i)为t_i·在·t_i条件下的概率分布向量，·t_i为t_i的前置库所集，t_i·为t_i的后置库所集{s₁,s₂,...s_j}，

β(t_i)＝[b(s₁),b(s₂),...,b(s_j)]，b(s_i)＝p(s_i|·t_i),i＝1,2,...,j；b(s_i)为s_i在·t_i条件下的概率分布；

(6)M₀为∑_TPPN′s的初始标识，用状态标识M_i对TPPN的动态行为进行描述，TPPN的每一个状态对应于库所的一个标识向量，采用集合{(s,π(s))}表示M_i，所有系统状态的集合记为M，若M_j通过变迁t的发生直接可达M_k，记为M_j[t＞M_k。

进一步，作为优选，所述的具体参数定义（2）中的变迁t_i关联的时间区间的含义为：