论文部分内容阅读
随着工业的发展和技术的进步，与人类生产生活密切相关的交通运输、电力输送、医疗服务、集成制造等系统日趋庞大。这类复杂系统的行为描述常需同时涉及宏观状态的确定性及其演化程度的不确定性，而以符号逻辑表达为主的传统分析方法难以准确、有效地描述系统的这种特性。模糊离散事件系统(Fuzzy Discrete Event Systems，FDES)理论的提出为这类复杂系统提供了有效的建模方法。
观测条件受限是复杂系统中现实存在的一类约束。系统结构的复杂性带来了量测上的困难，传感器采集的系统状态信息也可能是不精确的。这种“不精确”不仅说明信息的描述中包含随机性、不完备性和模糊性，还暗示着对其处理时将体现出某种多义性或冲突。因此，在运用FDES理论对复杂系统进行建模分析时必须考虑以下两个关键问题:
(1)事件的模糊可观程度及其引出的因果关系模糊化;
(2)复杂的系统结构下，模糊因果关系与不精确的信息相耦合所产生的状态爆炸问题。
本文针对以上问题，从时间维度寻求系统状态辨识和行为追溯的另一方面证据，合并状态信息和时序信息，并基于不确定性的度量来处理这类问题。本文主要贡献和创新点如下:
1)提出FDES中离散事件在时间维度上的模糊可观性概念及相应的可观程度(Observable Degree in Dimensionality of Time，ODDT)测量方法，进而提出一种以ODDT为基础的故障诊断器构造方法。通过构造观测信息的时间约束图，以时间证据合并的方法分析离散事件在时间维度上的可观性，从而根据全局状态的时间信息计算其可观程度。运用ODDT分析系统状态，可在观测条件受限以致事件难以捕获的情况下，根据状态信息所含的时间线索来辨识模糊事件并发现系统隐患。实例分析表明，较之单纯依赖统计数据和专家经验确定参数的诊断方法，根据ODDT构造的诊断器提高了系统的可诊断程度。
2)提出面向不完备信息及差错数据的FDES时序验证与冲突检测方法。与传统的差错数据模式识别方法不同，本文方法以时间区间相容程度(Time IntervalCompatibility, TIC)分析系统状态在时间维度上的相关性，并结合状态信息在规则层面体现出的因果关系来处理差错数据。文中构造了模糊时间约束Petri网和时间约束可能性Petri网两种模型，前者将时间信息与专家经验相结合，正向推理观测数据并处理信息中的冲突，后者则利用事件的统计规律及TIC来逆向分析数据的时序特征并检测其中的不一致性。实例分析表明，两类模型在观测条件受限、信息获取不完备甚至状态时标有误差的情况下仍能有效地进行系统状态辨识和行为追溯。
3)构造了FDES复合因果链解耦过程中的两种阶段模型，进而提出一种时间约束下的FDES复合因果链无损解耦方法。与传统解耦方法不同，该方法在ODDT分析的基础上层次化地解耦模型中的复杂关系，从而将模糊的因果关系清晰化，以降低问题的求解难度，进而能以较小的代价进行系统状态求取和行为分析。两种阶段模型——Ⅰ/Ⅱ型解耦网的性质分析表明，解耦后的模型在问题的求解上与原模型一致，即解耦过程无损。