Malek故障模型的方程诊断算法设计

首先给出Malek模型的方程组定义形式,然后在不以“t-可诊断性”和“相信大多数”作前提假设的情况下,通过引入“集团”的概念给出了求其全体相容故障模式的具体方法—方程诊断算法,丰富了Malek模型的故障诊断方式。

一种Malek模型下的系统故障诊断算法

在多机系统中,各个结点(处理器)在通信过程中极易发生故障,因此选择有效的诊断算法,快速、准确地判断出系统故障集十分重要。传统的PMC模型以结点相互测试的结果为基础,而故障结点的测试结果不唯一,导致该模型诊断结果相对不稳定。针对这种情况,采用Malek诊断模型代替传统的PMC模型,借助遗传算法特性,将复杂的网络拓扑图简化为二进制编码,并按照适应度函数值确定种群搜索方向,提高搜索效率。该算法根据Malek模型设计约束方程,提出新的适应度函数,优化变异算子。实验表明,算法改进后,缩短了判断故障集所需的CPU时间,同时,算法根据故障症候判断出目标故障集的概率更高,从而证明了用Malek模型代替PMC模型的高效性。

方程诊断算法在Malek故障模型中的应用

采用方程模式来描述Malek故障模型,把求该模型全体相容故障模式的问题转换为求方程组的解集,并通过实例讲解如何求解方程组的解集和以此得到Malek模型的诊断结果,为系统研究这类模型的方程诊断算法提供了典型示范和奠定了理论基础。

Malek模型下的系统级故障诊断烟花算法

为了更高效地解决系统级故障诊断问题,首次将烟花算法应用到故障诊断Malek模型中.充分利用烟花算法在局部搜索和全局搜索方面良好的自调节能力,引入最小爆炸半径检测机制,并采用改进的爆炸算子、高斯变异操作和新的映射策略,得到一个新的系统级故障诊断算法.通过仿真实验表明,该算法能以较短的CPU运行时间判断出故障集,从而证明算法具有良好的稳定性和快速性,并能高效解决Malek模型下的系统级故障诊断问题.

基于比较的非对称模型下的系统级故障诊断

本文首次把基于比较的非对称系统级故障模型等价地转换为一个方程(或方程组)。这将使此类故障模型易于得到诊断。

基于非齐次线性方程组的系统级故障最优诊断算法

提出了基于非齐次线性方程组的系统级故障诊断,给出了PMC、BGM、Chwa&Hakimi、Maleks模型的方程组,并进一步给出了求解最优诊断算法及C++语言算法描述。