復雜系統的故障診斷及容錯控制研究.pdf

1、本文主要研究了基于多智能體系統方法對復雜系統進行故障診斷和容錯控制的問題。首先，提出了采用多智能體系統對復雜系統進行分析、Gaia建模和故障診斷的方法；在具體的決策樹故障診斷方法研究中，又提出了一種改進的二元決策圖方法用于數字系統的多故障診斷；在多智能體系統的交互方式研究中，提出了基于本體的多智能體知識共享和協作方法用于建立飛機舵面故障診斷的知識庫；最后結合神經網絡和模糊建模的方法提出了基于多智能體系統的多故障容錯方法，并用F-16飛機

2、的舵面組合故障診斷與容錯控制的仿真實例對以上各方法進行了驗證。結果表明，本文提出的方法不但可以保證故障診斷系統的可靠性，還可以提高系統的容錯性與實時性。全文主要內容如下：
　　 在基于多智能體系統的復雜系統建模與故障診斷方法研究中，采用了Gaia方法對復雜系統進行建模，根據功能分析構建了故障診斷智能體的角色模型和交互模型，同時對該智能體的行為及各智能體之間進行交互協作的算法進行了詳細設計，并針對某型飛機的舵面故障數據，根據各常用

3、專家模型的置信度排序確定了可將決策樹和神經網絡做為具體的故障識別方法，最后分析了采用多智能體方法進行復雜系統故障診斷的功能和特點。
　　 在具體的決策樹故障診斷方法研究中，為了克服傳統故障樹分析法需要事先確定底事件順序的局限性，本文首先通過在構件連接法的規(guī)則中加入了兩項新規(guī)則，從而保證了由故障樹轉化的合成二元決策圖(BDD)具有唯一的結構；接下來提出了割集的哈夫曼碼與結構重要度的概念，這樣在搜索故障源時，只要通過比較具有相同哈夫

4、曼碼長度的割集概率即可確定需要檢測故障源的排序，而無需計算出所有割集的概率大小。該方法適用于具有獨立底事件，且其故障模式可表示為故障樹形式的數字系統的多故障診斷。由于不需要簡化最終的合成BDD和確定故障的最小割集，因此這種方法比傳統的故障樹診斷方法具有更高的效率，并且更適合于在計算機上實現。
　　 在多智能體系統的交互方式研究中，針對飛機系統故障診斷知識庫獲取與推理的問題，從系統工程的角度分析了飛機系統的復雜性，將飛機族的概念引

5、入到飛機的本體建模中，并以舵面故障診斷過程為研究對象，用Protégé建立了飛機本體的領域知識模型，將單故障和組合故障的診斷知識列為本體中的SWRL規(guī)則，再通過JESS推理出的新知識得到診斷結果，實現了用本體來選擇修復方案的過程。該方法能夠實現復雜系統的本體建模以及故障診斷方案的準確選擇，并可通過增加新的診斷知識來完善故障診斷知識庫。
　　 在多智能體系統容錯控制的研究中，提出了容錯多智能體系統(FATMAS)的相關概念和在FA

6、TMAS中實現多故障容錯的各類函數定義。通過調用不同函數可對系統中的多故障進行檢測，并可通過復制非關鍵智能體的任務使系統從多故障中恢復運行，列出了相關流程，并在JACK平臺上實現了該方法在F-16飛機舵面組合故障診斷與自修復中的應用。該方法可用于復雜系統的多故障診斷與容錯，為智能體的交互提供了清晰的消息傳遞機制，并有效減少了系統中復制智能體的數目，比較接近于實際系統中的故障處理過程。
　　 最后，通過對現有多智能體開發(fā)平臺的分析