基于改进bpso的最小碰集搜索方法应用研究

《基于改进bpso的最小碰集搜索方法应用研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于改进BPSO的最小碰集搜索方法应用研究　　1引言　　基于模型诊断作为故障诊断技术的分支之一，又被称为基于“深知识”的诊断方法，它通过建立诊断对象的定性抽象模型，发挥定性分析、推理方法简单易行的优势，总结出抽象建模的基本规则，既解决了知识获取瓶颈与知识库维护困难问题，又能有效提高诊断的精确性，特别是针对具备层次性、耦合性、冗余度等特点的航空航天类电子产品，具有较高的应用价值[1]。　　基于MBD的基本思想，诊断过程可分为系统建模、冲突识别与诊断生成。其中，诊断生成环节的基本任务就是完成最小碰集搜索，如何尽可能提高最小碰集搜索效率也成为了MBD技术领域的研究热点。目前，可以将最小碰集

2、搜索算法分为三类，分别是树形搜索算法、布尔代数搜索算法，以及以遗传算法为代表的一系列人工智能方法。其中，HS-TREE、HST-TREE、BHS-TREE[2]等树形搜索算法需要建立树或者图，可能因为剪枝问题而丢失正确解，算法编程实现繁琐且计算效率差；布尔代数方法[3]在计算碰集时不需建树，不会因剪枝而丢失正确解，但需要预先存储所有碰集，通过化简得出最小碰集，在一定程度上限制了计算效率；遗传算法[4]的空间复杂性对冲突集的规模不敏感，适用于求解冲突集规模较大的情况，但只能较快计算出部分碰集，不能保证所有输出结果均为最小碰集。　　鉴于此，本文设计采用离散二进制粒子群算法BPSO，将最小

3、碰集的搜索问题转化为用0、1表示的二值空间的搜索问题，并通过对算法进行适当改进，提高原有最小碰集的搜索效率。　　基于模型诊断MBD的基本原理　　MBD的基本思想[5]是利用产品系统内部结构或行为知识完成诊断，是一套面向冲突的故障诊断推理方法，这里的冲突指的是在被诊断系统所有组成元件均正常工作的假设前提下，系统观测值与预期值之间存在差异的现象。下面，首先给出MBD方法中的几个基本概念。　　定义1：待诊断系统：MBD的分析对象，采用一阶谓词逻辑语句将其抽象描述成一个三元组的形式。其中，SD是系统描述，用一阶谓词逻辑公式集合描述系统的正常结构和行为；OBS为系统观测集，由一阶谓词公式的有限

4、集来表达；COMP表示一阶谓词逻辑的函数符号或常量集，为组成系统的元件集合，是一个有限集合。　　定义2：合取范式：给定两个元件集合Cp与Cn，定义两者的合取范式为D，表达式如下为。其中，一元谓词ab表示元件c故障，?﹁????ab表示元件c正常。　　定义3：诊断解：待诊断系统中存在一个最小集合，当该最小集合Δ中所有元件均故障，而其余元件均正常时，推导出的预期结果与实际观测结果相一致时，Δ的合取范式D就是该系统的一个诊断解。　　定义4：冲突集：即待诊断系统的一个元件集，它满足一阶谓词逻辑关系式。具体来说，冲突集就是待诊断系统的一个特定元件集合，若其中所有元件均假设正常时，由系统模型推理

5、得到的预期结果与系统实际观测结果出现不一致，即说明冲突集中至少有一个元件是故障的。　　定义5：最小冲突集：当且仅当某一冲突集的任何一个非空真子集都不是冲突集时，该冲突集是最小冲突集。　　定义6：碰集：给定一个集合簇，若一个集合与这个集合簇中的全部集合的交集均不为空集，则称该集合为此集合簇的碰集。用符号表示方法如下所示。设C是一个集合簇，C的碰集是一个集合H，H需要满足两个条件：，其中；，则。　　定义7：最小碰集：当一个碰集的任意一个非空真子集均不是碰集时，则称它为最小碰集。　　在上述基本概念定义的基础上，REiter最早提出了基于模型诊断的基本流程框架，即将诊断过程分为系统建模、冲突

6、集识别、碰集搜索三个环节，这也是后续基于模型诊断领域研究的基础。本论文在前序研究中将这一基本流程细化如图1所示，在此重点针对其中的最小碰集识别过程进行论述。　　基于改进BPSO的最小碰集搜索方法　　基本思路　　对于某一电路系统来说，最小冲突集是由系统中若干元器件组成的，其中至少有一个是故障的，才能够解释电路系统通过模型推理得到的预期结果和实际观测结果之间存在差异。本文引入BPSO算法求解最小碰集的基本思想，就是将冲突识别环节已求得的最小冲突集映射成用0、1表示的N纬二值集合，N代表元器件的规模，最小碰集的搜索问题就转化为0、1表示的二值空间搜索问题。　　具体来说，本文提出的最小碰集求

7、解问题与BPSO算法之间的对应转换关系见表1。　　电路系统的所有组成元器件都存在正常与故障两种状态，对应到最小冲突集映射成的N维二值集合中，每一维的值代表该维对应元器件的状态，即0表示正常，1表示故障；　　BPSO算法关键变量之一为粒子位置，该向量每一维的值都被限制为0或1，即表示N维二值集合中每联盟一维对应的元器件状态是正常或故障；　　BPSO算法的另一关键变量是粒子速度，它表示位置状态改变的可能性，即粒子位置接近于1的概率，取值限定在[0，1]之间；