结合问题特征的分组式诊断方法

zxshunine

摘要:模型诊断方法是人工智能领域重要的系统故障自动检测方法,被广泛应用于软件故障检测和硬件诊断.近年来由于电路规模和复杂度不断增大,其诊断难度也不断增大.本文通过对电路模型特征的研究，结合LLBRS-tree(Last-Level Based on Reverse Search-tree )诊断算法提出分组式诊断方法CD,首先结合电路特征确定组件的故障相关性并对电路组件进行分组，可缩减电路中需检测的规模；其次，利用分组后电路并结合非诊断征确定理和SAT求解特征定位部分非诊断解，从而避免该部分的一致性检测来加速求解.本文算法可应用于电子电路故障诊断领域，并且实验结果表明该算法与LLBRS-tree算法相比求解效率平均提高了1.5倍,最多提高了3倍.

7 D: l; F: N: L/ n" {% U  M, U关键词:基于模型的诊断;问题特征;分组;SAT求解器;集合枚举树
" \+ I; E5 R4 ]% m; A; z# O+ i7 a8 W
1 V- p; T! g) g$ ~. g* E       基于模型诊断(Model-Based Diagnosis , MBD)是为克服传统基于规则诊断方法的严重缺陷而兴起的智能推理诊断方法,被一些人工智能专家誉为诊断方法和理论上的革命.MBD方法主要包括基于冲突诊断方法和直接求解诊断方法,主要应用在软件故障检测和硬件诊断等,如溯因推理、智能规划、软件调试,通讯网络、大型软件验证、航天飞机安全性的动态诊断,电子电路故障的静态诊断.本文主要涉及的是关于电子电路的故障诊断问题.
* B) r, w$ S. }/ C" I, L

游客，如果您要查看本帖隐藏内容请回复

0 w% f, A' P/ ~$ c( v
5 ?% B; t+ r! Z* L1 z% O

& f$ o! V7 `& Y" m; f9 X5 h* G; _
, _5 t" V; P$ w7 H  ?4 E8 S/ r
# d" o/ N  s  D" _
* _3 r5 S1 a/ l# n/ `9 C

modengxian111

模型诊断方法是人工智能领域重要的系统故障自动检测方法