[发明专利]一种多层次软件故障诊断专家系统的构建方法

摘要

一种多层次软件故障诊断专家系统的构建方法，步骤如下：1、搜集大量与被诊断软件相关的故障案例；2、结合软件缺陷分类方法构建缺陷属性分类模型；3、构建软件缺陷分类模型并进行形式化描述；4、构建适用于被诊断对象的其他故障属性分类模型；5、利用F‑CBR技术对故障案例库的案例进行操作；6、结合F‑CBR技术构建浅层故障分系统；7、对结合F‑CBR技术的浅层故障分系统进行具体实现；8、构建深层分系统；9、对深层故障分系统进行构建与实现；10、对浅层分系统与深层分系统构建连接，从而完成故障案例库数据共享功能；通过上述步骤，完成对多层次软件故障诊断专家系统的构建从而完成软件故障诊断。 1

主权项

1.一种多层次软件故障诊断专家系统的构建方法，其特征在于：其步骤如下：

步骤1、搜集大量与被诊断软件相关的故障案例，针对被诊断软件系统的特点，采取合适的方法对故障案例进行分析，在分析完成后，筛选出合适的案例集加入至创建的故障知识案例库；

步骤2、根据被诊断软件所有可能发生的原因、现象以及其他故障属性，结合软件缺陷分类方法构建缺陷属性分类模型，该模型能辅助贝叶斯诊断网络的构建及各层次分系统的连接；

步骤3、构建软件缺陷分类模型并进行形式化描述；

步骤4、针对被诊断对象的特点，构建适用于被诊断对象的其他故障属性分类模型；

步骤5、利用F‑CBR技术对故障案例库的案例进行操作；

步骤6、结合F‑CBR技术构建浅层故障分系统；

步骤7、采用开源搜索引擎工具并结合相似匹配算法，对结合F‑CBR技术的浅层故障分系统进行具体实现；

步骤8、构建深层分系统，该系统提供故障探测、故障识别、贝叶斯故障分析，形成深层故障分析与故障管理协议，指导故障处理策略的制定与选择；对于深层分系统，案例库数据的故障属性分类模型转换为贝叶斯网络算法；深层分系统利用该算法进行贝叶斯网络因果结构学习，并将案例库中的自然语言形式的数据转换为0‑1化数据，进行贝叶斯网络参数数据学习；

步骤9、结合案例库数据的故障属性分类模型转换为贝叶斯网络算法对深层故障分系统进行构建与实现；

步骤10、对浅层分系统与深层分系统构建连接，完成多层次故障诊断专家系统的构建，以实现基于故障案例库实现浅层、深层分系统的数据上传与下载，从而完成故障案例库数据共享功能；

完成对多层次软件故障诊断专家系统的构建，对于被诊断对象中已发生及类似的组合故障，采用浅层故障诊断分系统的相似匹配搜索方式进行解决，对于被诊断对象中未发生及未知类型的组合故障，采用深层故障诊断分系统的贝叶斯诊断网络进行推理预测完成诊断；对于不同类型的故障采取不同的解决措施，从而完成软件故障诊断；

在步骤2中所述的结合软件缺陷分类方法构建故障缺陷分类模型，其作法如下：即参照目前已有的软件缺陷分类方法，结合目前主流软件缺陷分类方法的优点，同时结合软件缺陷的发现、定位、排除和预防过程的特点，完成软件缺陷分类方法的定义与划分，并在此缺陷分类方法的基础上，根据被诊断对象自身的特点，对其故障现象、故障所发生的分系统一系列待分析的故障属性进行归类总结，完成故障属性分类模型的构建；

在步骤3中所述的构建软件缺陷分类模型并进行形式化描述，其作法如下：对适用于故障缺陷分类进行定义及划分，将已定义与划分的缺陷类型继续细化，直到缺陷类型相对完整为止；缺陷分类模型并不存在一个最终形式，当有新的缺陷类型出现时，这一缺陷类型就会添加至相应缺陷类型下进行更新；对该分类网的缺陷类型作出尽可能的细化，以最大限度地对案例进行匹配；在得出的缺陷分类模型后，使用超文本标记语言HTML及扩展标记语言XML对缺陷模型中的分类进行表示；

在步骤4中所述的针对被诊断对象的特点，构建适用于被诊断对象的其他故障属性分类模型，其作法如下：对于不同被诊断对象，故障的发生现象、发生的位置这类属性都有其各自特点，在进行FMEA分析时，对这些故障属性信息进行概括总结，进一步完成其他故障属性分类模型的建立；

在步骤5中所述的F‑CBR技术，是基于失效模式与影响分析形式的案例推理技术，其作法如下：

将案例看作一个集合c＝{name,phenomenon,cause,measure,keywords},其中name为案例的名称；measure表示案例中问题措施措施的集合，该属性是故障解决方法的描述；cause是案例发生的所有相关根源属性的集合；phenomenon是故障现象属性的集合，一个故障有一个及多个现象；keywords是从故障各属性中提取的关键词；由于案例库是由多个案例组合的，用CL表示案例库，则CL＝{c1,c2,...,ci,...,cn}；当有新问题出现时，浅层分系统会根据问题的描述从案例库CL中找到与之最为相似的一个及多个案例，作为解决问题的依据，这一过程称为案例检索；利用案例检索，能有效地计算出案例间的相似度；当一个问题引入时，就能得到问题与案例库CL中任意案例间的相似度，并从中选取相似度最高的案例作为分析根据，如果该故障症状不存在匹配案例，则将其加入至失败案例库中，随后转交给深层诊断分系统进行处理；

在步骤6中所述的结合F‑CBR技术构建浅层故障分系统，其作法如下：主要分为三部分：

6.1、案例库的构建：根据诊断对象的不同，案例库的表现形式也有所不同；采用一种通用的分层结构对案例库进行表示，即失效原因‑失效模式‑失效影响的分层次的案例库体系，并以此构建基于案例库；对具有关联关系的案例，则需要对案例库进行二次分析、抽象提取，并结合已有的专家分析经验，建立各案例结构的关联规则库；

6.2、推理框架的构建：采用基于知识匹配的推理技术对推理框架进行构建，能够对相似的规则实例进行判断，若查找到相似实例则输出结果信息，若未找到相似实例则利用相似匹配技术对规则库进行匹配，获取相似规则；

6.3、学习框架的构建：对于检索案例库中不存在的案例，不仅要给出相关记录，还应将其存入知识库中，以便下次使用；而对于不恰当及不正确的推理结果时，应当将其纠正、改进，并重新入库复用，为后续故障分析和故障恢复处理及时提供证据、提供必要的故障相关信息；

在步骤8中所述的贝叶斯故障分析，是指利用深层故障诊断分系统中的贝叶斯网络对被诊断对象中复杂的，未知的故障进行概率推理，利用推理结果对故障进行分析；

在步骤9中所述的结合案例库数据的故障属性分类模型转换为贝叶斯网络算法对深层故障分系统进行构建与实现，其作法如下：

9.1、利用贝叶斯网络转换算法生成诊断序列，进行探索式诊断测试,加快故障再现；

9.2、在贝叶斯网络模型的基础上，进行故障推理研究；为每个待分析组件分配故障概率，表征其发生故障的可能性，及在故障时却表现出正常行为的特征；拟采用极大似然值估计方法估计出观测到的故障现象发生概率最大时每个概率的值，并同时利用贝叶斯方法获得候选分析的后验概率，建立基础的贝叶斯分析推理框架；

9.3、当被诊断系统复杂且含有多个故障的时候，贝叶斯网络可能会面对一个节点过多产生的所谓组合爆炸问题，影响推理的有效性；对于一个具体的诊断对象，需要考虑被诊断对象体系结构特征采用程序谱弱故障模型对在诊断模型进行优化处理；

9.4、对组合故障进行推理，利用前述贝叶斯方法结合最小命中集等集合算法对故障的组合情况进行推理排序；

9.5、实现对多态故障，既包括随机故障也包括非随机故障的分析；在贝叶斯随机推理框架基础上，应用多态系统理论,对故障概率进行动态贝叶斯估算，探索对多态故障分析推理优化。