[發(fā)明專利]基于Malek模型的系統(tǒng)故障診斷方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201611037746.5
• 申請(qǐng)日: 2016-11-23
• 公開（公告）號(hào): CN106776088A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 劉翠;歸偉夏
• 申請(qǐng)（專利權(quán)）人: 廣西大學(xué)
• 主分類號(hào): G06F11/07
• 分類號(hào): G06F11/07
• 代理公司: 廣西南寧公平知識(shí)產(chǎn)權(quán)代理有限公司45104
• 代理人: 覃現(xiàn)凱

技術(shù)領(lǐng)域

本發(fā)明涉及智能故障診斷算法，特別是提供了一種基于Malek模型的系統(tǒng)故障診斷方法。

背景技術(shù)

大數(shù)據(jù)時(shí)代的到來，讓多機(jī)系統(tǒng)承載了大量的數(shù)據(jù)、信息、算法等，但是，涵蓋大量PC機(jī)的多機(jī)系統(tǒng)一旦出現(xiàn)故障，如何能準(zhǔn)確、快速地找出故障結(jié)點(diǎn)是當(dāng)前面臨的重大問題。系統(tǒng)級(jí)故障診斷的思路是借助結(jié)點(diǎn)自身的通信能力建立合適的診斷模型，并結(jié)合有效的診斷算法來找出故障集合。目前已有六種診斷模型，它們分別是PMC、BGM、Chwa&Hakimi、Malek、MM以及MM*模型。按照結(jié)點(diǎn)間基于測(cè)試或比較分為兩大類：測(cè)試模型和比較模型。測(cè)試模型的原理是讓結(jié)點(diǎn)之間相互測(cè)試，根據(jù)被測(cè)試結(jié)點(diǎn)反饋的信息和測(cè)試結(jié)點(diǎn)的預(yù)期是否相同來判斷結(jié)點(diǎn)狀態(tài)。而比較模型中，讓相鄰結(jié)點(diǎn)完成相同的測(cè)試任務(wù)，通過比較它們的結(jié)果來判斷結(jié)點(diǎn)的狀態(tài)。

Malek診斷模型，即基于比較的非對(duì)稱模型，其基本思想是：首先讓兩臺(tái)處理機(jī)執(zhí)行同一項(xiàng)任務(wù)，然后對(duì)所得結(jié)果進(jìn)行比較。若結(jié)果相同，則兩臺(tái)處理機(jī)都認(rèn)為對(duì)方是無故障機(jī)；否則(即結(jié)果不同)，這兩臺(tái)處理機(jī)都認(rèn)為對(duì)方是故障機(jī)。用這種方法測(cè)試得到的一批測(cè)試報(bào)告，決定了一個(gè)n階對(duì)稱矩陣S＝(s_ij)_n×n,s_ij∈{±1,0}，反之該矩陣也決定了這組測(cè)試報(bào)告。

遺傳算法(GeneticAlgorithm，GA)是模仿自然界生物進(jìn)化機(jī)制發(fā)展起來的隨機(jī)全局搜索和優(yōu)化方法，其本質(zhì)是一種高效、并行、全局搜索的方法，它能在搜索過程中自動(dòng)獲取并積累有關(guān)搜索空間的知識(shí)，自適應(yīng)地控制搜索過程以求得最優(yōu)解。遺傳算法的操作對(duì)象是一群二進(jìn)制串(個(gè)體)，即種群。每個(gè)個(gè)體對(duì)應(yīng)于問題的一個(gè)解，從初始種群出發(fā)，采用基于適應(yīng)值(由適應(yīng)度函數(shù)產(chǎn)生)比例的選擇策略在當(dāng)前種群中選擇個(gè)體，使用雜交和變異來產(chǎn)生下一代種群。如此一代代演化下去，直至滿足期望的終止條件。利用遺傳算法解決系統(tǒng)故障診斷問題的研究有很多，這也表明遺傳算法在系統(tǒng)故障診斷方面表現(xiàn)出了良好的效果。但是基于Malek診斷模型的系統(tǒng)故障診斷算法還未見有。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)中的上述問題，基于Malek診斷模型，設(shè)計(jì)結(jié)點(diǎn)狀態(tài)與比較癥候相容的約束方程，提供一種基于Malek模型的系統(tǒng)故障診斷方法，該方法應(yīng)用到系統(tǒng)故障診斷問題上，能夠更加準(zhǔn)確、快速地找出目標(biāo)故障集。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明采用了如下技術(shù)方案：

一種基于Malek模型的系統(tǒng)故障診斷方法，包括如下步驟：

步驟1：Malek模型下指定無故障結(jié)點(diǎn)方法生成初始種群，所生成的初始種群中的每個(gè)個(gè)體即一個(gè)二進(jìn)制串對(duì)應(yīng)于多機(jī)系統(tǒng)，個(gè)體中的每一位即一個(gè)二進(jìn)制位對(duì)應(yīng)于系統(tǒng)中的結(jié)點(diǎn)；

步驟2：根據(jù)Malek模型設(shè)計(jì)結(jié)點(diǎn)狀態(tài)的約束方程，設(shè)計(jì)合適的適應(yīng)度函數(shù)，然后計(jì)算種群中個(gè)體的適應(yīng)度，根據(jù)適應(yīng)度判斷種群中是否含有適應(yīng)度值為1的個(gè)體，若沒有，則執(zhí)行步驟3；若有，則直接輸出系統(tǒng)故障集合，診斷結(jié)束；

步驟3：對(duì)種群進(jìn)行如下遺傳操作：

3.1選擇操作：采用輪盤賭選擇方法，計(jì)算每個(gè)個(gè)體的累加選擇概率，適應(yīng)度高的個(gè)體優(yōu)先被選擇作為下一代的個(gè)體；同時(shí)，引入存優(yōu)操作，用適應(yīng)度最高的個(gè)體替代下一代中適應(yīng)度最小值對(duì)應(yīng)的個(gè)體；

3.2變異操作：采用二進(jìn)制變異，根據(jù)種群中個(gè)體每個(gè)結(jié)點(diǎn)的適應(yīng)度和變異概率p_m隨機(jī)選擇種群中的某個(gè)結(jié)點(diǎn)進(jìn)行變異，將0和1之間進(jìn)行轉(zhuǎn)換；

3.3交叉操作：根據(jù)種群中個(gè)體的適應(yīng)度，從種群中隨機(jī)選擇p_c·popsize個(gè)個(gè)體，其中p_c表示交叉概率，popsize表示種群中所包含個(gè)體的數(shù)目；再從剩下種群中隨機(jī)選擇這些個(gè)體的配對(duì)個(gè)體，采取單點(diǎn)交叉方法，隨機(jī)選擇一個(gè)交叉點(diǎn)，對(duì)兩個(gè)父串進(jìn)行交叉操作，得到新的遺傳個(gè)體；

3.4判斷交叉操作后個(gè)體中狀態(tài)為故障的結(jié)點(diǎn)數(shù)目t是否滿足t-可診斷系統(tǒng)，即判斷狀態(tài)為故障的結(jié)點(diǎn)數(shù)目t是否滿足2×t+1≤n條件，若滿足，則執(zhí)行步驟4；若不滿足，則重新執(zhí)行上述步驟3.1～3.3；

步驟4：計(jì)算新種群中每個(gè)個(gè)體的適應(yīng)度，判斷種群中是否含有適應(yīng)度為1的個(gè)體，若有，則直接輸出系統(tǒng)故障集合，診斷結(jié)束；若沒有，則繼續(xù)讓種群循環(huán)迭代執(zhí)行步驟3，直至找出適應(yīng)度為1的個(gè)體。

上述步驟1中采用Malek模型下指定無故障結(jié)點(diǎn)方法生成初始種群包括如下步驟：

(1)在包含n個(gè)結(jié)點(diǎn)的多機(jī)系統(tǒng)中，隨機(jī)指定一個(gè)結(jié)點(diǎn)k的狀態(tài)為無故障；