基于Malek模型的系统故障诊断方法技术方案

本发明专利技术公开了一种基于Malek模型的系统故障诊断方法，包括如下步骤：Malek模型下指定无故障结点方法生成初始种群；计算种群中个体的适应度并判断种群中是否含有适应度值为1的个体；选择操作、最优保存；变异操作；交叉操作并判断是否满足t‑可诊断系统；计算新种群中个体的适应度并判断种群中是否有适应度为1的个体。本发明专利技术的诊断方法借助遗传算法的并行、全局搜索能力强等特性，提高了定位故障集的效率，同时结合Malek比较模型，在判断目标故障集的准确性方面也优于传统的PMC模型。本发明专利技术应用到系统故障诊断问题上，能够更加准确、快速地找出目标故障集。

System fault diagnosis method based on Malek model

The invention discloses a system fault diagnosis method based on Malek model, which comprises the following steps: Malek model under the specified fault free nodes to generate the initial population; calculating the fitness of population and determine whether it contains the fitness value of 1 individuals; choice of operation and optimal preservation; mutation; cross operation and judgment to meet the T diagnosis system; calculation of individual new population fitness and population fitness are judged for 1 individuals. The diagnostic method using parallel genetic algorithm, strong global search ability and other characteristics, improve the efficiency of locating fault sets, combined with the Malek model, the PMC model is better than the traditional in the accuracy of judging the fault sets the target. The invention can be applied to the fault diagnosis of a system, and the target fault set can be found more accurately and quickly.

【技术实现步骤摘要】
基于Malek模型的系统故障诊断方法
本专利技术涉及智能故障诊断算法，特别是提供了一种基于Malek模型的系统故障诊断方法。
技术介绍
大数据时代的到来，让多机系统承载了大量的数据、信息、算法等，但是，涵盖大量PC机的多机系统一旦出现故障，如何能准确、快速地找出故障结点是当前面临的重大问题。系统级故障诊断的思路是借助结点自身的通信能力建立合适的诊断模型，并结合有效的诊断算法来找出故障集合。目前已有六种诊断模型，它们分别是PMC、BGM、Chwa&Hakimi、Malek、MM以及MM*模型。按照结点间基于测试或比较分为两大类：测试模型和比较模型。测试模型的原理是让结点之间相互测试，根据被测试结点反馈的信息和测试结点的预期是否相同来判断结点状态。而比较模型中，让相邻结点完成相同的测试任务，通过比较它们的结果来判断结点的状态。Malek诊断模型，即基于比较的非对称模型，其基本思想是：首先让两台处理机执行同一项任务，然后对所得结果进行比较。若结果相同，则两台处理机都认为对方是无故障机；否则(即结果不同)，这两台处理机都认为对方是故障机。用这种方法测试得到的一批测试报告，决定了一个n阶对称矩阵S＝(sij)n×n,sij∈{±1,0}，反之该矩阵也决定了这组测试报告。遗传算法(GeneticAlgorithm，GA)是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法，其本质是一种高效、并行、全局搜索的方法，它能在搜索过程中自动获取并积累有关搜索空间的知识，自适应地控制搜索过程以求得最优解。遗传算法的操作对象是一群二进制串(个体)，即种群。每个个体对应于问题的一个解，从初始种群出发，采用基于适应值(由适应度函数产生)比例的选择策略在当前种群中选择个体，使用杂交和变异来产生下一代种群。如此一代代演化下去，直至满足期望的终止条件。利用遗传算法解决系统故障诊断问题的研究有很多，这也表明遗传算法在系统故障诊断方面表现出了良好的效果。但是基于Malek诊断模型的系统故障诊断算法还未见有。
技术实现思路
本专利技术的目的在于针对现有技术中的上述问题，基于Malek诊断模型，设计结点状态与比较症候相容的约束方程，提供一种基于Malek模型的系统故障诊断方法，该方法应用到系统故障诊断问题上，能够更加准确、快速地找出目标故障集。为实现上述专利技术目的，本专利技术采用了如下技术方案：一种基于Malek模型的系统故障诊断方法，包括如下步骤：步骤1：Malek模型下指定无故障结点方法生成初始种群，所生成的初始种群中的每个个体即一个二进制串对应于多机系统，个体中的每一位即一个二进制位对应于系统中的结点；步骤2：根据Malek模型设计结点状态的约束方程，设计合适的适应度函数，然后计算种群中个体的适应度，根据适应度判断种群中是否含有适应度值为1的个体，若没有，则执行步骤3；若有，则直接输出系统故障集合，诊断结束；步骤3：对种群进行如下遗传操作：3.1选择操作：采用轮盘赌选择方法，计算每个个体的累加选择概率，适应度高的个体优先被选择作为下一代的个体；同时，引入存优操作，用适应度最高的个体替代下一代中适应度最小值对应的个体；3.2变异操作：采用二进制变异，根据种群中个体每个结点的适应度和变异概率pm随机选择种群中的某个结点进行变异，将0和1之间进行转换；3.3交叉操作：根据种群中个体的适应度，从种群中随机选择pc·popsize个个体，其中pc表示交叉概率，popsize表示种群中所包含个体的数目；再从剩下种群中随机选择这些个体的配对个体，采取单点交叉方法，随机选择一个交叉点，对两个父串进行交叉操作，得到新的遗传个体；3.4判断交叉操作后个体中状态为故障的结点数目t是否满足t-可诊断系统，即判断状态为故障的结点数目t是否满足2×t+1≤n条件，若满足，则执行步骤4；若不满足，则重新执行上述步骤3.1～3.3；步骤4：计算新种群中每个个体的适应度，判断种群中是否含有适应度为1的个体，若有，则直接输出系统故障集合，诊断结束；若没有，则继续让种群循环迭代执行步骤3，直至找出适应度为1的个体。上述步骤1中采用Malek模型下指定无故障结点方法生成初始种群包括如下步骤：(1)在包含n个结点的多机系统中，随机指定一个结点k的状态为无故障；(2)根据结点k的度，找到与结点k相邻的结点j，若S(k,j)＝0，则表示结点k和结点j的测试结果相同，结点j的状态为无故障；若S(k,j)＝1，则表示结点k和结点j的测试结果不相同，结点j的状态为有故障，其中S(k,j)表示在给结点k与结点j分配相同测试任务的情况下，两结点之间的比较结果；(3)将步骤(2)得到的每个状态为无故障的结点进行步骤2；(4)对未知状态的结点随机指定状态；(5)判断状态为故障的结点数目t是否满足t-可诊断系统，若不满足，则返回执行步骤(1)；若满足，则执行步骤(6)；(6)按照步骤(1)～(5)循环迭代popsize次，即可得到大小为popsize的初始种群。上述步骤2包括如下步骤：定义Malek模型下结点的状态f(uk,uj)与比较边ekj满足以下约束方程：设计适应度函数：dd(v[k])＝|{ekj∈E且满足f(uk,uj)}|，其中，dd(v[k])表示与结点k邻接的结点且满足约束方程f(uk,uj)的结点个数和；计算个体i中结点j的适应度：其中dd(v[j])表示与结点j邻接的结点j1且满足约束方程的结点个数和，d(v[j])表示结点j的度；计算种群中每个个体的适应度：其中FT(v[i])表示个体i的适应度，n表示系统中包含n个结点。上述步骤3中所述的选择操作的方法为：将种群中适应度最高的个体保存在Elite中，其中Elite表示每一代种群中适应值最高的个体；计算种群中个体适应度总和：其中FT(v[i])表示个体i的适应度；计算每个个体在轮盘中的概率：其中pi表示个体i在轮盘中的概率；计算每个个体的累加选择概率：其中qi表示个体i的累加选择概率；计算选择后种群中个体的适应度，并用Elite替换最小适应值对应的个体。上述步骤3中所述的变异操作的方法为：循环遍历种群中所有个体的每个结点的适应度值，若适应度值fv(i,j)<rand()，则选择将个体i中结点j的进行变异，其中rand()表示一个用于生成0～1之间的随机数的函数。相比于现有技术，本专利技术的优势在于：本专利技术提供的方法应用到大规模处理器系统中，基于分布式诊断的Malek模型可极大地降低中心机的负载，且遗传算法的全局、并行搜索能力提高了搜索效率，使算法更高效地搜索到系统故障集。用本专利技术提供的方法可解决系统故障诊断问题，缩短了判断系统故障集所需的时间，减小了系统故障带来的损失。附图说明图1为本专利技术所述多机系统结点拓补图。图2为本专利技术所述选择算子操作示意图。图3为本专利技术所述变异算子操作示意图。图4为本专利技术所述种群中个体的单点交叉法流程图。图5为本专利技术所述诊断算法的流程图。具体实施方式以下结合实施例及其附图对本专利技术技术方案作进一步非限制性的详细说明。根据任意两台处理机有故障或无故障的各种情况，Malek模型的测试结果可由表1来描述，其中1表示故障，0表示无故障。编号结点k的测试结果结点j的测试结果比较结果S(k,j)100020本文档来自技高网...

【技术保护点】
一种基于Malek模型的系统故障诊断方法，其特征在于，包括如下步骤：步骤1：Malek模型下指定无故障结点方法生成初始种群，所生成的初始种群中的每个个体即一个二进制串对应于多机系统，个体中的每一位即一个二进制位对应于系统中的结点；步骤2：根据Malek模型设计结点状态的约束方程，设计合适的适应度函数，然后计算种群中个体的适应度，根据适应度判断种群中是否含有适应度值为1的个体，若没有，则执行步骤3；若有，则直接输出系统故障集合，诊断结束；步骤3：对种群进行如下遗传操作：3.1选择操作：采用轮盘赌选择方法，计算每个个体的累加选择概率，适应度高的个体优先被选择作为下一代的个体；同时，引入存优操作，用适应度最高的个体替代下一代中适应度最小值对应的个体；3.2变异操作：采用二进制变异，根据种群中个体每个结点的适应度和变异概率p

【技术特征摘要】
1.一种基于Malek模型的系统故障诊断方法，其特征在于，包括如下步骤：步骤1：Malek模型下指定无故障结点方法生成初始种群，所生成的初始种群中的每个个体即一个二进制串对应于多机系统，个体中的每一位即一个二进制位对应于系统中的结点；步骤2：根据Malek模型设计结点状态的约束方程，设计合适的适应度函数，然后计算种群中个体的适应度，根据适应度判断种群中是否含有适应度值为1的个体，若没有，则执行步骤3；若有，则直接输出系统故障集合，诊断结束；步骤3：对种群进行如下遗传操作：3.1选择操作：采用轮盘赌选择方法，计算每个个体的累加选择概率，适应度高的个体优先被选择作为下一代的个体；同时，引入存优操作，用适应度最高的个体替代下一代中适应度最小值对应的个体；3.2变异操作：采用二进制变异，根据种群中个体每个结点的适应度和变异概率pm随机选择种群中的某个结点进行变异，将0和1之间进行转换；3.3交叉操作：根据种群中个体的适应度，从种群中随机选择pc·popsize个个体，其中pc表示交叉概率，popsize表示种群中所包含个体的数目；再从剩下种群中随机选择这些个体的配对个体，采取单点交叉方法，随机选择一个交叉点，对两个父串进行交叉操作，得到新的遗传个体；3.4判断交叉操作后个体中状态为故障的结点数目t是否满足t-可诊断系统，即判断状态为故障的结点数目t是否满足2×t+1≤n条件，若满足，则执行步骤4；若不满足，则重新执行上述步骤3.1～3.3；步骤4：计算新种群中每个个体的适应度，判断种群中是否含有适应度为1的个体，若有，则直接输出系统故障集合，诊断结束；若没有，则继续让种群循环迭代执行步骤3，直至找出适应度为1的个体。2.根据权利要求1所述的基于Malek模型的系统故障诊断方法，其特征在于所述步骤1中采用Malek模型下指定无故障结点方法生成初始种群包括如下步骤：(1)在包含n个结点的多机系统中，随机指定一个结点k的状态为无故障；(2)根据结点k的度，找到与结点k相邻的结点j，若S(k,j)＝0，则表示结点k和结点j的测试结果相同，结点j的状态为无故障；...

【专利技术属性】
技术研发人员：刘翠，归伟夏，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西,45