一种离散事件系统的复合故障因果链解耦方法

摘要

本发明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集采用扩展时间Petri网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。

主权项

一种离散事件系统的复合故障因果链解耦方法，其特征在于，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；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，其中b(s_i)为s_i在·t_i条件下的概率分布；(6)M₀为Σ_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；所述扩展时间Petri网的求逆算法，其具体定义如下：ETPN’s为一个四元组Σ_ETPN's＝(S_Ξ,T_Ξ,F_Ξ；I,τ_Ξ,M_Ξ0)，其中：(1)(S_Ξ,T_Ξ,F_Ξ)是一个原型Petri网，S_Ξ中的某个令牌λ_Ξ以时标tm_Ξ∈R₀×R₀表示；(2)为抑止弧的集合；(3)τ_Ξ:T_Ξ→R₀×(R₀∪{∞})，τ_Ξ(t_i)为变迁t_i关联的时间延迟区间；(4)M_Ξ0为Σ_ETPN's的初始标识；所述扩展时间Petri网的求逆算法，将某个Σ_ETPN's转换为Σ_TPPN's的求逆操作记为Γ，Γ(Σ_ETPN's)＝Σ_TPPN's，构造的步骤为：步骤1S_Ξ→S,T_Ξ→T，在∑_TPPN's中保留∑_ETPN's中的所有库所和变迁；步骤2f_Ξ→f,(f_Ξ∈S_Ξ×T_Ξ,f∈T×S,)∨(f_Ξ∈T_Ξ×S_Ξ,f∈S×T,)，在∑_TPPN's中将∑_ETPN's原有的弧均置为反向，抑止弧除外；步骤3I→φ，在∑_TPPN's中删除所有抑止弧；步骤4将Σ_ETPN's中所有时间延迟区间根据简单时间约束问题的最小网络矩阵(Minimum Network Matrix，MNM)方法转换为Σ_TPPN's的时间区间τ；步骤5将所有Σ_ETPN's中的令牌λ_Ξ:tm_Ξ以REAL方法映射为Σ_TPPN's中的实令牌λ:(1,tm_Ξ,{})；步骤6对每个没有令牌的源库所进行检测，若该源库所后置变迁的后置库所中存在令牌，则在该源库所中置入一个初始的虚令牌步骤7根据实际问题中的参数为Σ_TPPN's设置ρ和β，并将所有θ置为0；步骤8结束并输出Σ_TPPN's。