[發明專利]一種改進的序貫故障診斷策略優化方法

在審

• 申請號: 201410619342.1
• 申請日: 2014-11-05
• 公開（公告）號: CN104484548A
• 公開（公告）日: 2015-04-01
• 發明（設計）人: 王宏力;姜偉;何星
• 申請（專利權）人: 中國人民解放軍第二炮兵工程大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種改進的序貫故障診斷策略優化方法，其特征在于：包括以下步驟：

步驟1：編碼建模

步驟1.1：熟悉建模對象，識別和提取模型信息，如系統組成、功能、測試信息；

步驟1.2：根據系統組成，輸入系統的結構模型、原理圖模型或概念方框圖，設置模型節點屬性，然后向模塊和測試點加載信號；

步驟1.3：根據特定情況，調整、修正和校驗模型；

步驟1.4：建立好系統的多信號模型以后，執行TEAMS軟件中的“靜態分析”和“測試性分析”選項，得到系統的故障-測試相關矩陣D_m×n，其中m和n分別代表系統中的故障源個數和測試個數:

d_ij＝0或1??????(1)?

步驟1.5：將相關矩陣中的第i(i＝1,2,…,n)個測試t_i定義為一個結點，仿照蟻群方法求解TSP問題的思路，t_i→t_j的測試順序看成是蟻群方法中螞蟻移動的一條邊；假設共有M只螞蟻，螞蟻k按照某一順序S_k(1～n的排列)不重復地遍歷n個結點，把遍歷順序S_k定義為一種診斷策略；

步驟1.6：相關矩陣中的每個測試t_i看成一個結點，t_i→t_j的測試順序看成是蟻群方法中螞蟻移動的一條邊，所有個體按照某一順序S_k(1～n的排列)不重復地遍歷所有結點，把遍歷順序S_k定義為一種診斷策略；

步驟2：構造適應度函數

步驟2.1：依據得到的相關矩陣D_m×n和診斷策略S_k，得到相應的故障隔離矩陣FI_k；

a_ij＝0或1??????(2)?

隔離矩陣FI_k的第i行的意義與相關矩陣D_m×n中第i行的意義都表示系統的第i個故障源。隔離矩陣FI_k的第j列是相關矩陣D_m×n中所有列按照診斷策略S_k的重新排列；如果相關矩陣D_m×n中d_ij＝1，即測試t_j用于隔離故障f_i，則隔離矩陣FI_k中的第i行、第j列元素為1，否則為0；

步驟2.2：假設系統中各故障源的故障率分別為P＝(p₁,p₂,…,p_m)，測試序列T中各測試費用分別為C＝(c₁,c₂,…,c_n)，則由隔離矩陣FI_k得到的診斷策略S_k平均測試成本可以表示為：

式中，a_ij為隔離矩陣FI_k中的元素。因此，診斷策略優化的目標就是找到一種測試執行順序，使得在該執行順序下平均測試成本最小；

步驟3：序貫診斷策略建模

步驟3.1：將改進蟻群方法應用到診斷策略優化問題時，根據最小完備測試集的概念，把每一個測試t_i看成是一個結點，t_i→t_j的測試順序看成是螞蟻移動的一條邊，讓螞蟻隨機分布到各個測試點上，每個螞蟻從當前所在的測試點出發，選擇還未走過的測試，直至走完測試集中的所有測試為止，形成一個測試順序；每次迭代完成后，從蟻群中選擇最優的測試序列，經過多次迭代便可求的系統的最優診斷策略；

步驟3.2：根據狀態轉移規則，初始時刻，各條路徑上的信息素量τ_ij(t)相等，設τ_ij(0)＝C(C為常數)；螞蟻k(k＝1,2,…,M)在運動過程中根據各條路徑上的信息素量決定轉移方向；在t時刻，螞蟻k由測試i選擇移動到測試j的轉移概率為：

式中，η(j)為第j個測試的啟發信息，取為該測試難易度量化值的倒數；參數α和β體現了信息素和啟發信息對螞蟻決策的相對重要性；allowed_k＝{1,2,…,n}-tabu_k為螞蟻k下一步允許選擇的測試；人工蟻群具有記憶功能，tabu_k為禁忌表(k＝1,2,…,m)，用以記錄螞蟻k以前所走過的城市，集合tabu_k隨著螞蟻運動作動態調整；

步驟3.3：信息素更新：ρ∈(0,1)表示信息素τ_ij(t)隨著時間的推移而衰減的程度。在t+1時刻，螞蟻完成一次循環，各路徑上信息素要根據下式作調整：

τ_ij(t+1)＝(1-ρ)*τ_ij(t)+Δτ_ij????????(5)?

式中，為螞蟻k在本次循環中路徑(i,j)的信息素增量；是所有測試點的測試費用的總和，是個常數；J_k是測試序列平均成本函數。根據螞蟻k完成一次循環確定的測試執行順序S_k，由S_k獲得的隔離矩陣FI_k，可以得到其成本函數為

式中，m為故障源總數；a_ij為隔離矩陣FI_k中各元素的值。以上便是利用基本一群方法求解序貫診斷策略問題的模型。

步驟4：模型優化

步驟4.1：α、β參數動態調整

α和β兩個參數分別決定了信息素和啟發信息對螞蟻決策的相對重要性。動態調整?策略如下：

式中，t_p為臨界循環次數，α₀、α₁、β₀、β₁分別為α和β初始值和最終值。

步驟4.2：信息素壓縮策略

采用信息素壓縮方法，既能保持信息素濃度的小順序，又能避免濃度相差過大，方法中只設置一個信息素濃度下限τ_min，當路徑上的最大信息素濃度max(τ)和最小信息素濃度min(τ)的比值大于固定閾值R時，所有路徑上的信息素執行以下壓縮操作：

τ_ij＝τ_min·(1+log₂(τ_ij/τ_min))????????(11)?

經過壓縮以后，各路徑上的信息素濃度順序仍保持不變，但是比值被大幅減小，有利于為下一次迭代提供均等的機會；

步驟4.3：擁擠度自適應調整

擁擠度一詞來自于魚群方法中描述人工魚聚群行為某一位置擁擠程度的一個概念，測試i與城市j之間螞蟻的擁擠度q_ij定義如下：

如果q_ij較小，則表明路徑不太擁擠，從增加方法遍歷尋優能力出發，螞蟻應該在同等轉移概率下選擇這條路徑；否則，表示該路徑過于擁擠，螞蟻應該在可行鄰域內重新選擇一條路徑。可以將路徑的擁擠度添加到位置轉移概率公式中，改進后的位置轉移概率計算由(4)式變為(13)式：

式中，σ為信息素和啟發因子在轉移概率中的影響權重，1-σ為擁擠度在轉移概率中的?影響權重。

步驟4.4：利用改進后的蟻群方法進行序貫診斷策略優化；

由上述過程可以得到一個最終的測試執行順序，即完成了序貫診斷策略的優化設計。

2.根據權利要求1所述的一種改進的序貫故障診斷策略優化方法，其特征在于：步驟4.4中所述的“利用改進后的蟻群方法進行序貫診斷策略優化”的具體步驟如下：

步驟4.4.1：利用多信號模型獲得系統故障測試相關矩陣D_m×n，設置螞蟻數量M、影響權重σ、測試費用C＝(c₁,c₂,…,c_n)、測試難易度量化值Θ＝(θ₁,θ₂,…,θ_n)、故障源概率P＝(p₁,p₂,…,p_m)、循環次數T、信息素濃度下限t_min、固定閾值R、揮發系數ρ、臨界循環次數t_p、α和β的初始值和最終值(α₀、α₁、β₀、β₁)等參數，令t＝1，對方法進行初始化；

步驟4.4.2：隨機選擇每只螞蟻的初始位置，信息素影響系數和啟發信息影響系數按照式(9)和式(10)動態調整；

步驟4.4.3：按照式(12)和式(13)計算螞蟻k的位置轉移概率；

步驟4.4.4：更新禁忌表，重復步驟Step3，直至每只螞蟻完成一次循環，并清空禁忌表；

步驟4.4.5：更新每條路徑上的信息素，并按照式(11)判斷是否要進行信息素壓縮；

步驟4.4.6：如果t≤T，轉向Step2，否則，轉向步驟Step7；

步驟4.4.7：輸出優化結果，并退出循環。