一种基于行为规则引导仿真的故障场景自动推理方法技术

本发明专利技术提供一种基于行为规则引导仿真的故障场景自动推理方法，其包括以下步骤：S1：根据专家系统相关知识，建立故障行为规则，建立故障行为规则包括建立规则库、建立事实库以及建立推理引擎；S2：选择广度优先搜索遍历算法、遍历故障机理和A*算法优化部件层的推理；S3：通过建立的推理算法自动推理系统的故障场景；S4：利用蒙特卡罗的方法求解故障场景概率和。本发明专利技术在系统进行故障场景自动推理的过程中，故障行为规则会引导系统优先产生分析人员感兴趣的故障场景，进而在一定程度上解决了生成故障场景时的分枝爆炸问题。

【技术实现步骤摘要】
一种基于行为规则引导仿真的故障场景自动推理方法
本专利技术提供一种基于行为规则引导仿真的故障场景自动推理方法，属于产品可靠性建模领域。
技术介绍
系统的复杂性增加了可靠性设计与分析的难度，也造成了可靠性预测不准确的问题。目前主要的解决方法是将复杂系统划分为若干单元，通过摸清组成单元的故障规律，充分认识组成单元之间、系统与单元之间的故障关系，来控制故障的发生、发展。系统的故障场景一般需要通过层层推理得出，这就要求对系统进行建模，因此，要实现系统故障场景的自动推理，就需要采用自动化的建模方法。所谓的故障场景自动推理是基于某种人工建模方法，利用计算机程序代替其中的人为操作，将原先人为建模变成计算机建模，从而实现向计算机输入一些研究对象的信息后，程序自动输出系统模型。在可靠性建模领域提出的故障场景自动推理方法十分有限。运用概率模糊C均值聚类算法结合动态事件树分析产生的故障场景，开启了自动推理故障场景的先河，但是该方法本身不产生故障场景，只是将动态事件树或者蒙特卡罗仿真的场景进行聚类，由于动态事件树在产生场景时存在分支爆炸问题，因此C均值聚类算法所能处理的系统规模十分有限；利用SimPRA引导仿真方法可以自动生成系统风险场景，但是该方法在处理复杂系统时也容易出现分支爆炸或精度不高的问题。此外两种方法均没有考虑故障之间的相关性。通过对现有技术进行检索和查新，国内外尚没有学者从故障机理相关关系的角度，提出一种基于行为规则引导仿真的故障场景自动推理方法。
技术实现思路
本专利技术为了解决上述提到的现有技术的不足，提供一种基于行为规则引导仿真的故障场景自动推理方法。具体地，本专利技术提供一种基于行为规则引导仿真的故障场景自动推理方法，其包括以下步骤：S1：根据专家系统相关知识，建立故障行为规则，所述建立故障行为规则包括建立规则库、建立事实库以及建立推理引擎；S2：选择广度优先搜索遍历算法遍历故障机理和A*优化算法部件层的推理作为推理算法；S3：通过步骤S2建立的推理算法自动推理系统的故障场景；S4：利用蒙特卡罗的方法求解故障场景概率和。优选地，步骤S1中根据专家系统相关知识，规则库的建立具体包括：①建立故障机理层的规则库：依据各种机理的作用效果，匹配五种机理相关性，判别各机理之间存在的相关关系，其中所述五种机理包括竞争机理、触发机理、促进机理、抑制机理和累积机理；；②建立部件层的规则库：部件层的规则包括单元之间的功能逻辑关系规则，逻辑关系规则包括串联关系、并联关系以及旁联关系。优选地，步骤S1中根据专家系统相关知识，事实库的建立具体包括：a.故障机理层的事实库：采用故障模式、机理与影响分析方法，分析得出各部件的故障机理信息以及外部可能会发生的事件作为故障机理层的事实库；b.部件层的事实库：按照功能及逻辑关系分为多个子系统，先分析每个子系统内部的连接关系，再分析各个子系统之间的连接关系，建立部件层的事实库。优选地，步骤S1中根据专家系统相关知识，推理引擎的建立具体包括：a.建立故障机理层推理引擎：采用基于推理模型的正向推理机制，故障机理层采用时间顺序场景树作为推理引擎；b.部件层的推理引擎：部件层采用逆向推理机制作为推理引擎。优选的，步骤三中自动推理故障场景包括故障机理层的遍历自动推理以及部件层A*优化算法的推理。优选地，故障机理层的遍历自动推理具体为通过广度优先搜索遍历算法，遍历系统可能会出现的所有故障机理，通过推理引擎的和所建立规则库的引导，自动生成系统可能出现的故障机理之间的可能的关联关系，并将其记录存储，其中广度优先搜索算法具体为：从起始节点v开始，依次访问与起始节点v相邻的所有未被访问节点v1,v2,…,vn，并将这些节点标记为已访问，而后再依次选择v1,v2,…,vn作为当前节点，访问各节点相邻的所有未被访问节点，以此类推直到所有的节点均被标记为已访问。优选地，所述A*优化算法通过部件层的规则库、事实库和推理引擎的引导，发现系统中具有代表性的故障场景，从而完成模型的自动推理；所述A*优化算法具体为：当目标节点T为当前扩展节点时，将其移入CLOSED表中，此时求解成功，但算法继续，通过CLOSED表中的父节点指针得出当前最优路径，并将其记录下来，然后将CLOSED表中的节点T删除，此时如果OPEN表中还有元素，继续扩展其中概率值最高的节点，达到目标节点T时，重复上述步骤直到达到场景条数要求或OPEN表为空，算法结束。优选地，在所述A*优化算法中：如果当前扩展节点为起始节点S的子节点，则清空CLOSED表，然后将起始节点S和当前扩展节点添加到CLOSED表中；当每扩展一个节点时，将其移入CLOSED表后，访问一次推理引擎，如果此时能够直接得出系统末态，则不再将当前扩展节点的子节点加到OPEN表中，而是将目标节点T加入到OPEN表中，并将其父节点指针指向当前扩展节点；如果不能直接得出系统末态，但当前扩展节点的子节点即为T，则认定系统末态为2，并将目标节点T加入到OPEN表中；如果不能得出系统末态，且当前扩展节点的子节点不是T，则继续扩展该节点；如果搜索到的场景是通过匹配推理引擎成功后提前达到目标节点T而得到的，则该场景进入待定状态，同时提取上一条记录的场景，在不增加新的子节点的情况下，将该场景中的节点换为同级其他节点，并访问推理引擎是否可以达到末态，将达到末态的场景提取出来，设为待定场景，比较当前所有处于待定状态的场景，将概率最大者提取出来即为当前最优路径。优选的，步骤四中利用机理层推理得到的各部件状态概率数据，结合部件层推理引擎所确定的系统状态与部件状态之间的关系，利用蒙特卡罗仿真方法得出系统处于各个状态的概率随时间变化的曲线。优选地，还包括步骤S5、通过对系统处于各个状态的概率随时间变化的曲线进行拟合对推理结果进行验证，使推理结果的误差控制在5％以内。与现有技术相比，本专利技术具有以下创新点：1、本专利技术首次将竞争、触发、促进、抑制和累积五种故障机理相关关系融合到基于专家系统相关知识建立的规则库、事实库和推理引擎中，将其转化为故障行为规则，作为系统自动推理的基础；在系统进行故障场景自动推理的过程中，故障行为规则会引导系统优先产生分析人员感兴趣的故障场景，进而在一定程度上解决了生成故障场景时的分枝爆炸问题。2、本专利技术提出了一种基于行为规则引导仿真的故障场景自动推理方法。在算法上创新的运用了广度优先搜索(BFS)的遍历算法和A*优化算法。在系统故障机理层运用广度优先搜索(BFS)遍历算法，遍历系统的故障机理，找出系统中所有存在耦合关系的故障机理；针对大型复杂系统，在部件层采用A*算法，优先产生分析人员感性的故障场景；最后利用蒙特卡罗仿真的方法求解各个故障场景的概率，从而实现系统故障场景的自动推理。附图说明图1为本专利技术的故障行为规则库构造图；图2为本专利技术的规则库、事实库和推理机制关系图；图3为本专利技术的推理引擎路径信息与推理模型分支信息；图4为本专利技术的一个实施例的系统示意图；图5为本专利技术的故障机理层场景自动推理流程图；图6为本专利技术的改进A*算法场景推理流程图；图7为本专利技术的实施例中某电源模块可靠性框图；图8为本专利技术的实施例中部件D1场景推理图；图9为本专利技术的实施例中部件D1状态概率图；图10a)为本专利技术的实施例中部件L的故障场本文档来自技高网...

【技术保护点】
1.一种基于行为规则引导仿真的故障场景自动推理方法，其特征在于：其包括以下步骤：S1：根据专家系统相关知识，建立故障行为规则，所述建立故障行为规则包括建立规则库、建立事实库以及建立推理引擎；S2：选择广度优先搜索遍历算法遍历故障机理和A*优化算法优化部件层的推理作为推理算法；S3：通过步骤S2建立的推理算法自动推理系统的故障场景；S4：利用蒙特卡罗的方法求解故障场景概率和。

【技术特征摘要】
1.一种基于行为规则引导仿真的故障场景自动推理方法，其特征在于：其包括以下步骤：S1：根据专家系统相关知识，建立故障行为规则，所述建立故障行为规则包括建立规则库、建立事实库以及建立推理引擎；S2：选择广度优先搜索遍历算法遍历故障机理和A*优化算法优化部件层的推理作为推理算法；S3：通过步骤S2建立的推理算法自动推理系统的故障场景；S4：利用蒙特卡罗的方法求解故障场景概率和。2.根据权利要求1所述的基于行为规则引导仿真的故障场景自动推理方法，其特征在于：步骤S1中根据专家系统相关知识，规则库的建立具体包括：①建立故障机理层的规则库：依据各种机理的作用效果，匹配五种机理的相关性，判别各机理之间存在的相关关系，其中所述五种机理包括竞争机理、触发机理、促进机理、抑制机理和累积机理；②建立部件层的规则库：部件层的规则包括单元之间的功能逻辑关系规则，逻辑关系规则包括串联关系、并联关系以及旁联关系。3.根据权利要求1所述的基于行为规则引导仿真的故障场景自动推理方法，其特征在于：步骤S1中根据专家系统相关知识，事实库的建立具体包括：a.故障机理层的事实库：采用故障模式、机理与影响分析方法，分析得出各部件的故障机理信息以及外部可能会发生的事件作为故障机理层的事实库；b.部件层的事实库：按照功能及逻辑关系分为多个子系统，先分析每个子系统内部的连接关系，再分析各个子系统之间的连接关系，建立部件层的事实库。4.根据权利要求1所述的基于行为规则引导仿真的故障场景自动推理方法，其特征在于：步骤S1中根据专家系统相关知识，建立推理引擎具体包括：a.建立故障机理层推理引擎：采用基于推理模型的正向推理机制，故障机理层采用时间顺序场景树作为推理引擎；b.部件层的推理引擎：部件层采用逆向推理机制作为推理引擎。5.根据权利要求1所述的基于行为规则引导仿真的故障场景自动推理方法，其特征在于：步骤三中自动推理故障场景包括故障机理层的遍历自动推理以及部件层A*优化算法的推理。6.根据权利要求5所述的基于行为规则引导仿真的故障场景自动推理方法，其特征在于：故障机理层的遍历自动推理具体为通过广度优先搜索遍历算法，遍历系统可能会出现的所有故障机理，通过推理引擎的和所建立规则库的引导，自动生成系统可能出现的故障机理之间的可能的关联关系，并将其记录存储，其中广度优先搜索算法具体为：从起始节点v开始，依次访问与起始节点v相邻的所有未被访问节点v1,v2,…,vn，并将这些节点...

【专利技术属性】
技术研发人员：陈颖，杨松，门伟阳，康锐，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11