一种可解释的离散事件系统的故障诊断系统及方法

本发明涉及离散事件系统的故障诊断领域，具体而言，涉及一种可解释的离散事件系统的故障诊断系统及方法。

背景技术：

1、离散事件系统(discrete event systems，以下简称des)是一类状态离散且状态的演化由不定时发生的事件驱动的动态系统。des是一类非常常见的系统，柔性制造系统、计算机软件系统、通信系统、智能交通系统等都可以用des来建模。随着新一代信息技术的发展，新型des的规模越来越大，系统结构也越来越复杂；这使得des在其运行过程中难免会出现由于硬件故障、软件故障、系统本身设计缺陷等原因而导致的系统错误。如何快速及准确地诊断出系统的各类故障，保护系统的功能安全，是当前面临的一个重要挑战。系统故障诊断包括两大基本任务：1.对出现故障的系统给出准确的故障类型诊断；2.对系统故障做出解释和说明，为进一步的系统故障恢复和系统改进提供决策支持。

2、现有的des的系统故障诊断技术主要分为以下两类：1.基于模型的故障诊断(model based diagnosis，简称mbd)；2.基于数据的故障诊断(data based diagnosis，简称dbd)。

3、mbd诊断技术的基本原理是：首先建立系统的完备模型，即完整刻画了系统正常行为和异常行为的系统模型，然后结合系统模型和系统观测映射构造系统的mbd诊断器。mbd诊断技术的优点是：只要系统是可诊断的(diagnosable)，mbd诊断器可以确保在一定时延内准确地诊断出系统的故障。mbd诊断技术的缺点主要是：mbd诊断器的构造依赖于系统的完备模型，然而在实际应用场景中，要得到系统的完备模型是非常困难的；这在一定的程度上限制了mbd诊断技术在实际系统中的广泛应用。

4、为了解决该问题，人们又提出了dbd诊断技术。dbd诊断技术的基本原理是：把des的系统故障诊断问题归结为分类问题，以系统运行记录为学习样本，通过机器学习等人工智能方法得到dbd诊断器。dbd诊断技术不再依赖系统的完备模型，只需要足够多的系统的历史运行记录即可。由于在很多实际应用场景中，相比于系统的完备模型，系统的运行记录往往更加容易得到；因此dbd诊断技术可广泛地应用于实际系统中。

5、现有的dbd诊断技术较好地完成了故障诊断中的第一个基本任务，即对出现故障的系统可给出准确的故障类型诊断。然而综合国内外文献发现，现有的大部分dbd诊断技术只能对系统故障类型做出定性的诊断，没有提供系统故障的解释和说明，从而难以为后期的系统故障恢复及系统改进提供决策支持。另外，注意到c.j.christopher等人在ieee cdc2015国际会议上发表的论文《formulating event-based critical observations indiagnostic problems》中，提出了一种基于关键观察(critical observations)的des的故障诊断技术，文中所提的“关键观察”本质上是一种特殊形式的系统故障解释。在此之后，jiang cheng等人也在cdcc 2019会议上的发表了论文《fault diagnosis in unknowndiscrete event systems via critical tree》，采用了基于关键树的des的故障诊断技术，大幅提高了关键观察的搜索速度及故障诊断准确率，从而改进了c.j.christopher等人工作。尽管c.j.christopher等人及jiang cheng等人在前期做了des的可解释的故障诊断的初步研究和探索，但是由于关键观察只是一种考虑事件序关系的故障解释，因此很难用关键观察来刻画某些复杂的故障模式。

6、为了克服现有的des的故障诊断技术的缺点，完善现有的故障诊断技术，本发明提出一种des的可解释的故障诊断系统及方法。

技术实现思路

1、基于此，为了克服现有的des的故障诊断技术的缺点，本方法采用有限线性时态逻辑公式(finite linear temporal logic，简称fltl)来充当故障解释。fltl公式支持常见的故障模式，可以更深入刻画系统故障的本质，从而更好地完成故障诊断的两大基本任务，即在为系统故障提供准确诊断的同时，也进一步地提供可解释的系统故障分析，为系统故障恢复及系统改进提供决策支持，其具体技术方案如下：

2、一种可解释的离散事件系统的故障诊断系统，包括离线构造模块和在线诊断模块，其中，

3、所述离线构造模块，被构造成用于通过系统离线模式，根据系统已有的历史运行记录，融合领域专家知识，构造可解释的故障诊断器；

4、所述在线诊断模块，被构造成用于对系统的实时运行记录进行动态观测，并将观测序列与系统故障的解释进行匹配，从而得到系统的故障诊断结果。

5、一种可解释的离散事件系统的故障诊断方法，包括以下步骤：

6、s10、依据已有的系统运行日志，通过离线模式构造故障诊断器；s20、根据步骤s10中构建的故障诊断器，对系统故障进行在线故障诊断。

7、进一步的，所述步骤s10具体包括以下步骤：

8、s11、对已有的系统历史运行日志进行预处理，包括日志的采集、清洗、归一化、符号化及标注等，最后得到带标签的系统运行序列集；

9、s12、领域专家提供系统各类故障行为的可能故障模式，比如动作失序、动作死锁、动作互斥、动作饥饿、违反安全性及违反活性等；

10、s13、针对步骤s12中得到的每一类故障行为的可能模式，定制其对应的有限线性时态逻辑公式模板。

11、进一步的，所述步骤s10还包括以下步骤：

12、s14、针对每一类系统故障，以步骤s11中得到的标准系统运行序列集为学习样本，从s13步骤中的fltl公式模板中搜索得到其故障解释。如果专家无法提供故障模式或者从公式模板中无法搜索到与学习样本相符的故障解释，则从所有合法fltl公式中搜索故障解释。

13、进一步的，所述步骤s20还包括以下步骤：

14、s21、对系统的运行进行动态观测，得到系统的实时运行记录；

15、s22、对步骤s21中的系统实时运行记录进行数据清洗和符号化操作，得到无标签的系统实时运行序列；

16、s23、依次检查系统实时运行序列对每一类系统故障的fltl公式的可满足性；收集满足的fltl公式对应的系统故障类型集合，将系统故障诊断标注为该故障类型集。

17、技术效果：

18、1、采用了离线构造故障诊断器和在线故障诊断相结合的计算模式。这种计算模式将诊断系统的大部分计算通过离线模式完成，从而使得在线故障诊断所需的计算量大幅减小，可以保证故障诊断实时性的要求。

19、2、融合领域专家知识，根据领域专家给出的系统故障的可能模式，定制有限线性时态逻辑公式(finite linear temporal logic，简称fltl)模板。仿真实验表明：在系统运行日志数据量较小的场景中，融入专家知识可大幅提高故障诊断的准确性。

20、3、以系统的历史运行日志为样本，将故障诊断问题编码为可满足性问题(satisfiability problem，简称sat)，借助sat求解技术，得到系统的各类故障行为的解释：fltl公式。这些fltl公式一方面可组成在线故障诊断器，另一方面亦提供了系统故障的解释和分析，可为后期的系统故障恢复及系统改进提供决策支持；从而解决了现有的des故障诊断技术难以提供可解释的故障诊断的缺陷。