[发明专利]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(ti)为变迁ti关联的时间区间；(3)θ:T→{0,1}，θ(ti)为变迁ti的点火许可函数；(4)ρ:S→[0,1]，ρ(si)为si所代表的状态的先验概率；(5)β:T→[0,1]j，β(ti)为ti·在·ti条件下的概率分布向量，·ti为ti的前置库所集，ti·为ti的后置库所集{s1,s2,...sj}，β(ti)＝[b(s1),b(s2),...,b(sj)]，b(si)＝p(si|·ti),i＝1,2,...,j，其中b(si)为si在·ti条件下的概率分布；(6)M0为ΣTPPN's的初始标识，用状态标识Mi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Mi，所有系统状态的集合记为M，若Mj通过变迁t的发生直接可达Mk，记为Mj[t＞Mk；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ΣETPN's＝(SΞ,TΞ,FΞ；I,τΞ,MΞ0)，其中：(1)(SΞ,TΞ,FΞ)是一个原型Petri网，SΞ中的某个令牌λΞ以时标tmΞ∈R0×R0表示；(2)为抑止弧的集合；(3)τΞ:TΞ→R0×(R0∪{∞})，τΞ(ti)为变迁ti关联的时间延迟区间；(4)MΞ0为ΣETPN's的初始标识；所述扩展时间Petri网的求逆算法，将某个ΣETPN's转换为ΣTPPN's的求逆操作记为Γ，Γ(ΣETPN's)＝ΣTPPN's，构造的步骤为：步骤1SΞ→S,TΞ→T，在∑TPPN's中保留∑ETPN's中的所有库所和变迁；步骤2fΞ→f,(fΞ∈SΞ×TΞ,f∈T×S,)∨(fΞ∈TΞ×SΞ,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ΣETPN'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ΣTPPN's的时间区间τ；步骤5将所有ΣETPN's中的令牌λΞ:tmΞ以REAL方法映射为ΣTPPN's中的实令牌λ:(1,tmΞ,{})；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ΣTPPN's设置ρ和β，并将所有θ置为0；步骤8结束并输出ΣTPPN's。