（计算机软件与理论专业论文）属性petri网建模及其在故障诊断中的应用.pdf

摘要 y 。1 0 3 ，8 3 1 。1 0 3 1 8 3 定性映射( q u a l i t a t i v em a p p i n g ，q m ) 模型是懋维建构和智能模拟的属性论方 法中的的綦本数学模型，它表达的是事物属性量一质特征转化关系，其暂学基础是事 物质量互变规律，其基本内涵是依据特定的属性基准，从事物的一个或多个量特征中 抽取出质特征。在数学上已经证明它可以推导出人工神经元，用它可以解决异或分类 问题，双螺旋问题游人工鲤能问题中的经典难题。 论文在论述了各类定性映射模型的基础上，提出了属性p e t r i 网( a t t r i b u t ep e t r i n e t ，a p n ) 。形式化地定义了a p n 的数学结构，刹用a p n 强形化的工具，形象地 描述了定性映射。在属性p e t r i 网中，变迁的启动规则以及库所标识的计算都有别于 传统的p e m 网，毽此，本文重耨定义了a p n 的变迁点火条l 譬、可达标识集、关联矩 阵和状态方程。a p n 的状态方程反映了库所在不同状态下的标识情况，是对a p n 动 态性质地臻述。在分辑了a p n 的静态帮动态结构之籍，给出了定性诊新推理算法和 慕准调节学习算法。 随着群学技术秘经济建设的发展，机械设备和制造过程的状态监测和酸障诊断 已成为保证系统运行稳定性、可靠性和安全性，以及提高产品质量和生产效率的关键 技术秘重要手段。j | i 羲牲p e t r i 网壹观遮表示了属性量一质特征转化关系，从两可以作 为监测诊断系统的建模分析工具。本文应用a p n 建立船舶主机冷却系统的故障诊断 模型，并巅用v i s u a lc + + 开发工具，实瑰了黻舶主讥冷却系统的故障诊断琢型。 本文研究的意义在于：属性p e t r i 网可以使得属性论方法的研究与应用领域更加 丰富。 关键谣：定性映射，属性p e t r i 阐，艘障诊断，建模分聿斤 a b s t r a c t q u a l i t a t i v em a p p i n g ( q m ) i sab a s i cm a t h e m a t i c a lm o d e lo ft h ea t t r i b u t em e t h o d ， w h i c hr e p r e s e n t st h er e l a t i o n s h i pb e t w e e nt h eq u a n t i t ya n dq u a l i t yb a s e do np h i l o s o p h y r o l eo fi n t e r - c h a n g eb e t w e e nq u a n t i t ya n dq u a l i t y i th a sb e e np r o v e dt ob ea b l et od e d u c e n e u r a ln e t w o r k ，a n di su s e dt os o l v ex o r - c l a s s f i c a t i o np r o b l e mb i s p i r ep r o b l e mt h a ta r e c l a s s i cd i f f i c u l t yp r o b l e m si na r t i f i c i a li n t e l l i g e n c ef i e l d i th a sb e e np u ti n t op r a c t i c a lu s e i nt h ed s so f n u c l e a ra c c i d e n ta n dc o l l e g ee n r o l l m e n ts y s t e m t h i sp a p e rp u tf o r w a r dt h ea t t r i b u t ep e t r in e ti nd i s c u s s i n ge v e r yv a r i e t yq u a l i t a t i v e m a p p i n gm o d e l a p nm a t h e m a t i c ss t r u c t u r ei sd e f m e df o r m a l l ya n dq u a l i t a t i v em a p p i n g m o d e lc a l lb ed e s c r i b e dv i v i d l yb ym a k i n gu s eo ft h et o o lo ft h ea p ng r a p h i c s i nt h e a t t r i b u t ep e t r in e t ，t h es t a r tr u l eo f t r a n s i t i o na n dc a l c u l a t i o no f p l a c em a r k i n ga r ed i f f e r e n t f r o mt r a d i t i o n a lp e t r in e t s t h e r e f o r e ，w er e d e f i n e da p nt r a n s i t i o nf i r e dc o n d i t i o n ， r e a c h a b i l i t ym a r k i n gs e t ，t h ei n c i d e n c em a t r i xa n ds t a t u se q u a t i o n a p ns t a t u se q u a t i o n r e f l e c t e dt h ep l a c em a r k i n gi nd i f f e r e n ts t a t u s w h i c hi st h ed e s c r i p t i o no fa p nd y n a m i c q u a l i t y a f t e ra n a l y z i n ga p n t h es t a t i ca n dt h ed y n a m i cs t r u c t u r e ，t h eq u a l i t yd i a g n o s i s r e a s o na l g o r i t h mi sp u tf o r w a r d a l o n gw i t ht h ed e v e l o p m e n to fs c i e n c et e c h n o l o g ya n dt h ee c o n o m i cc o n s t r u c t i o n ，t h e s t a t u sm o n i t o ra n dt h ef a u l td i a g n o s i so ft h em a c h i n ee q u i p m e n ta n dt h em a n u f a c t u r i n g p r o c e s sh a v eb e c o m et h ek e yt e c h n i q u ea n di m p o r t a n tm e a n st h a tc a ng u a r a n t e es t a b i l i t y , r e l i a b i l i t ya n ds a f e t yo fs y s t e ma n dr a i s et h ep r o d u c tm a s sa n dt h ee f f i c i e n c y t h ea t t r i b u t e p e t r in e td e s c r i b e sv i v i d l yt h ea t t r i b u t eq u a n t i t y - q u a l i t yc h a r a c t e r i s t i cc o n v e r s i o nr e l a t i o n ， s oi tc a nb eam o l da n a l y s i st o o lo fm o n i t o rd i a g n o s i ss y s t e m t h i sp a p e r a p p l i e da p n t o c r e a t et h ef a u l td i a g n o s i sm o d e lo ft h es h i p sh o s tc o o l i n gs y s t e m ，a n dp r o t o t y p es y s t e mi s i m p l e m e n t e db yu s i n gv i s u a lc + + 6 0 t h em e a n i n go ft h er e s e a r c hl i e si n ：p u t t i n gf o r w a r da t t r i b u t ep e t r in e tw i l lm a k et h e r e s e a r c ha n dt h ea p p l i c a t i o nf i e l do f a t t r i b u t em e t h o dm o r ea b u n d a n t k e y w o r d ：q u a l i t a t i v em a p p i n g ，a t t r i b u t ep e t r in e t ，f a u l td i a g n o s i s ，m o d e l i n ga n a l y s i s j i nz h a n g ( c o m p u t e rs o f t w a r ea n dt h e o r y ) d i r e c t e db yp r o f j i a l i f e n g i i 论文独创性声明 本论文是我个人在导师指导下进行的研究工作及取得的研究成果。 论文中除了特别加以标注和致谢的地方外，不包含其他人或其他机构已 经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均 已在论文中作了明确的声明并表示了谢意。 作者签名： 1 冶彩名 日期：a 衫夕 论文使用授权声明 本人同意上海海事大学有关保留、使用学位论文的规定，即：学校 有权保留送交论文复印件，允许论文被查阅和借阅；学校可以上网公布 论文的全部或部分内容，也可以采用影印、缩印或者其他复印手段保留 论文。保密的论文在解密后遵守此规定。 作者虢声铆 导师签名：三鸳钆 日期：d 叩多夕 属性p e t r i 网建模及其在故障诊断中的应用 第一章引言 定性映射模型( o u a li t a t i v em a p p i n g ，q m ) 是思维建构的属性论方法中的一个 数学模型，它表达的是事物属性量一质特征转化关系，其哲学基础是事物质量互变规 律，其基本内涵是依据特定的属性基准，从事物的一个或多个量特征中抽取出质特征。 在数学上已经证明它与人工神经元是等价的，用它可以解决异或分类问题，双螺旋问 题等人工智能问题中的经典难题，它在核事故决策支持系统和高考招生系统中已经得 到实际的应用。 随着信息技术的不断发展，计算机诊断系统在许多领域得到广泛应用。而许多系 统状态的诊断所依赖的是大量的原始检测数据，例如医生通过各种化验单的数据来诊 断人的健康状态，机械设备通过监测数据进行故障诊断分析等。这种基于属性量值来 判断其属性的质特征的诊断问题正是q m 模型所描述的。 p e t r i 网是一种形式化系统模型。它具有很强的模拟能力和严格的数学定义，同 时又具有图形化表示的直观易懂的优点，适合于描述异步并发现象和对并行或并发系 统进行分析，因此在计算机的各个领域，例如软件工程、操作系统、并行编译等特别 是人工智能领域得到了越来越广泛的应用。近年来，随着人工智能技术的发展，人们 对传统的p e t r i 网模型进行了扩充，提出了基于动态模糊逻辑p e t r i 网的知识表示模型 和基于面向对象技术的p e t r i 网模型。，使得对p e t r i 网的研究得到了进一步的发 展。 本文利用p e t r i 网图形化表示直观易懂的特点，以q m 模型为基础，提出属性p e t r i 网，并给出诊断推理算法。该模型可用于基于检测数据的各类诊断系统。 1 1p e t d 网简介 p e t r i 网的概念最早是在1 9 6 2 年德国数学家c a r la d a mp e t r i 的博士论文中提出来 的。最初，p e t r i 网模型的推出是为了刻画计算机系统异步成份之间通讯时间的因果 关系。过去几十年中，研究人员对传统p e t r i 网进行了大量的研究，极大地扩充了p e t r i 网理论，其中最有影响的是从有色( c o l o r ) 、时间( t i m e ) 、层次( h i e r a r c h y ) 三个方面 进行扩展“1 。通过这些研究工作，逐渐形成了高级p e t r i 网( h i g hl e v e lp e t r i n e t s h l p n ) 理论。h l p n 可以综合考虑系统中数据和时间约束等因素，方便了对复杂系统的 属性p e t r i 稠建模及其在故障诊断中的应用 建模。随着描述复杂性和实际系统性态的增加，研究者还摄出了谓词变迁网、模糊 p e t r i 网和随机p e t r i 网等理论。其中谓词p e t r i 网系统通过引入谓词和重弧的归并来 简化p e t r i 网的表示，模糊p e t r i 网将模糊数学引入p e t r i 网，丽随机p e t r i 网涵盏了概 率铸惑。这些褰级p e t r i 嚣系统提裹了系绫黥撞蒙牲，蕹宽了p e t r i 网瓣应爱领域。 p e t r i 网不仅暴露充分的模撤力苇鞋事富的分丰斤方法，还便于使用，这也是p e t r i 网应用越来越多的原因。使用p e t r i 网作为个系统的模型，然后对p e t r i 网进行分析， 以揭示被模拟系统在结构和动态行为方谢的重要信息，这些信息可以用来对被模拟系 统进行估计和提出改进系统的建议。p e t r i 嘲的意义在于它巧：仅与t u r i n g 机等价，蔚 量又具有壹躜兹爱影浚遮能力器真著笈潺义，瑟以残为离散豢传动态系统建模秘分辑 的霄力工具，并成功应爝于许多研究领域，如性能评价、通信协议、柔往制遗系统、 故障诊断系统、管理信息系统、人工智熊系统等。 p e t r i 网以研究模型系统的组织结构和动态行为为目标，它着眼于系统中可能发 生的各种状态变化以及变化之间的关系。3 ，p e t r i 网易于表示系统变化的条件及变化 笈，毛嚣静系绞获态，懿不荔予表示系统中数据藿兹运算。在大瀵、复杂系统豹摸燮中， p e t r i 网应用的主要阑难是模型状态空问黥复杂性问题，它将随着实际系统斡蕊模增 大而呈指数性增长。因此，对p e t r i 网模激进行归纳分析就成为p e t r i 网的主题之。 l 归纳分析技术主要包括化简和分解两种慰想。化简是将一个复杂的p e t r i 网简化成一 个比较简单的p e t r i 网，同时保持一些憾腹不变的动态变化过程，这个过程减少了可 遮谈态空鬻，逶过较麓肇懿分撰驻够理磐琢丽提供懿充分镶爨。嚣分簿戆器怒藏爨褥 个复杂的网系统分解成若干个较为筒肇的网系统，荠保持系统的性质不变，这样， 邋过分析简单的网系统就可以了解复杂的网系统。 p e t r i 网作为掐述复杂系统的建模工具，具有以下特点”1 ： ( 1 ) 能够在不涉及系统实现所依赖钓物理和化学原理的揍础上，从组织结构、控 潮秽管理羲受度禳羧系统； ( 2 ) 能够精确避描述系统中事传( 变迁) 之间的依赖( 顺序) 关系和不依赖( 并发) 关 系。这是事件之间窖观存在的、不依赖于观察的关系，是不能用事件“发生时间”这 一与观察者有关的传统概念正确刻画的。因而，适合描述异步并发系统和分布式系统； ( 3 ) 适合于描述以肖魏媸静流动为行为特征豹系统，包援能量滚、魏漉和信惑流 ( 数撵及控潮滚) 。羚t r i 藏瑾论燕蘧迭与信惑转换耪癌怠传瀵蠢关豹褒象疆供了檄念 上和理论上的基础； ( 4 ) 用统一的语爵( 网) 描述系统结构和系统行为，具有可执行性； 2 属性p e t r i 网建模及其在故障诊断中的应用 ( 5 ) p e t r i 网是一种图示语言，既便于人们描述系统，也便于人们理解； ( 6 ) p e t r i 网系统具有与应用环境无关的动态行为，是可以独立研究的对象。可 以按指定的方式分析和验证系统性质或做出正确性证明； ( 7 ) p e t r i 网系统可以在不同的应用领域得到不同的解释，从而起着沟通不同领 域桥梁的作用。网论为所有的应用领域提供了共同的理论基础； ( 8 ) 与顺序模型不同，p e t r i 网系统适合于描述异步并发系统，为解决下列问题提 供了新的途径： 第一，属于不同子系统事件之间的并发问题； 第二，局部目标和全局目标之问的冲突问题； 第三，资源有限带来的限制问题； 第四，不同机器和不同用户之间不同类型的接口问题。 1 2 故障诊断系统 1 2 1 故障诊断技术简介 现代生产的发展和科学技术的进步，使得设备的自动化水平日益提高，系统的规 模也日益扩大，其功能和复杂性也在迅速增加，然而设备中出现的某些微小故障若不 能及时检测并排除，就有可能造成整个设备乃至于整个生产线失效、瘫痪甚至巨大的 灾难性后果。因此，人们迫切希望提高系统的可靠性和安全性，并为此采取了一系列 措施，包括提高元器件的可靠性，进行系统的高可靠性设计以及进行控制系统的容错 设计等。即便如此，系统最终还是难免发生故障。因此，如何提高设备的安全性、可 靠性，预防设备故障的发生和发展就成为一个急需解决的问题。故障诊断技术正是在 这种背景下应运而生，并在近几十年得到迅猛的发展，己取得了许多应用成果。 所谓故障诊断技术“3 ，是指在机器设备运行或基本不拆卸的情况下，掌握机器设 备的状态，早期发现故障，判别故障的部位和原因，并预测故障的发展趋势。故障诊 断技术是一门综合性技术，其研究涉及到多门学科，如现代控制理论、可靠性理论、 数理统计、模糊集理论、信息处理、模式识别、人工智能等。故障诊断的任务，由低 级到高级，可分为以下几个方面的内容。1 ： ( 1 )故障建模：按照先验信息和输入输出关系，建立系统故障的模型，作为 故障诊断的依据。 ( 2 )故障检测：判断被诊断系统是否发生了故障以及检测出故障发生的时 属睦p e t r i 嬲建模及其在故障诊断中的应用 刻。 ( 3 )故障分藤：在检 夔| | 出数障蜃，给出鼓障源静位鬟穗类型。 ( 4 )故障辨识：在分离出故障后，确定故障的大小及其时交特性。 ( 5 )故障的评价与决策：判断故障的严煎程度及其对诊断对象的影响和发展 趋势，钵对不同的工况采取不同的媾施。 遴常在其体磷究敬濠诊断方法时主要磷究敞障捡溺、黢簿分离和蔽簿辨识。 故障诊断技术发展至今，己经提出了许多方法。综合目前的文献及应用技术”1 ， 故障诊断方法可以分为： ( 1 ) 鏊予售号凳疆豹方法：鼹溺蓥予信号疑毽静方法，邋鬻是裂霉甓号搂登，热 相关醋数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、 幅值、频率等特征，从而检测出故障。其主要方法包括信号模态估计法、信息融合法、 枣波变羧方法等。当哥以褥羁毅诊叛对象装竣入簸蠢信号，穗是缀难建立诊蘸对象懿 解析模粼时，可采用旗于信号处趣的方法。其中，小波变换怒近年发展起来的一种很 有前途的方法，它无需对象的数学模型，且对输入信号的要求低，计算量不大，可以 进行在线实对故障检测，其寄灵敏度裹，克服嗓声能力强等特点。由于鏊予信号处理 的方法不需要对象酌精确数学模懋，困j 毙广泛羽予流程工她的故簿诊断。但是，避开 对象数学模型既是这撩方法的优点，然而没有利用系统内部的深层知识，因而也是它 的缺点。 ( 2 ) 基于解辑模型静方法：耩谓鏊予瓣辑搂囊的敲漳诊凝，就是透过褥被诊颧对 象的可测信息和由横型表达的系统先验信息进行比较，从而产生残差，并对残差进行 分析和处理而实现故障诊断的技术，它可分为状态估计法、等价空间法和参数估计法 等。当褥以晓较建确逡建立渗錾瓣象夔数学摸整瓣，霹良骜逸萋予簿疆攘鼙豹方法。 但在实际情况中，通常难以获得诊断对象的精确数学模型，使基于解析模裂诊断方法 的使用范围和效果就受到很大限制。所以目前然于解释模型方法的研究，主要集中在 提意捡测系统对于慈模误差、撬动、系统噪声秘测量噪声等来翘竣入的警臻瞧及系绞 对于翠期故障的灵敏牲方面。 ( 3 ) 基于知识的方法：人工智能与诊断技术的结合，导数了一门新必学科即基于 知识的渗甑推理方法的诞生和发鼹。所谓基于知识的方法怒$ 器利用浅知识绒深知识进 行诊繇维理，主要鬣括专家系统故障诊断方法、模糊敌漳诊断方法、故簿褥敬漳诊凝 方法、神经网络故障诊断方法和数掘融合故障诊断方法等。与基于信号处理的方法类 似，基于知识的方法也不需要系统的定量数学模型，但它克服了前者的缺点，引入对 属性p e t r i 网建模及其在故障诊断中的虑崩 象的许多信息，具有入炎的智能特性，成为一类最有前途的方法。 应用故障诊断技术，能够及时准确地对各种异常状态作出诊断，提高设备运行的 可靠憔、安全性和有效性，把故障损失降低到最低水平。同时，通过检测监视、故障 分辑、瞧麓评徐等，可以为设蛋结构修改、德纯设计等提供参考数据和信息。勇辨， 瘦麓敬簿诊叛技术能够蘩麓设备维穆入员及早发现舅鬻，查鬟蔽漳蒙圜，颈漂密教簿 影确，进行事前维修。这样可以防止突发性大事故，克服定期维修造成的过剩维修贼 不足维修的弊病，减少维修费用和提高设备利用率，也可以充分发挥设备潜力，延长 设备的服役期限和使用辩命，降低设备全淹命费用。总之，设备故障诊断技术既可以 保谖设备安全可靠地运行，又可以为企业获褥巨大酌经济效益霸社会效蕊。因此，不 瑟发袋赦障诊载技术，磷究帮开发各耱赫戆飧确有效豹敲隆诊瑟方法，在现代工渡生 产中鼠有十分重要的意义 1 2 2 然于p e t r i 网模型的故障诊断方法 邋零寒，冒雨乡 诲多学者对建p e t r i 爨潦表示躲谈遗嚣了广泛憝硬究，特裂楚爨 有辫果关系的知识。秘翁已有各种采霜扩充的p e t r i 网对基于规则的系统避行知识的 表示“”和校验“”蚓的方法。p e t r i 网之所以能够用于知识表示和推理，是因为它具裔 并发、不确定和异步等特性，能够很好地描述这些模型，并且泫肖比较完善的理论和 数学方法，能够将知识袭示和推理阕题转换成p e l r i 网模型，并髑现有的p e t r i 网分狐 方渡赣霹鞋有效逮建毽絮识表示窝箍理溺遐。许多疆究残莱袭绢“”“，p e t r i 鞠粪鬻 适合予诊断中的知谈表示，这是因为p e t r i 阕适合于描述系统状态和行为的改变，丽 各种诊断系统是以设备状态和行为变化为特征的，故障产生和传播是一个动态过程， p e t r i 网可以很好地表示系统状念和行为的变化关系，准确地描述系统的产生和传播 特髋。用p e t r i 网表示知识，既能表示诊断对象的结梅组织关系，也能反映诊断过程 “。嚣藏褥p e t r i 潮矮予诊瑟系统建攘分褥，特鬟是敖薄诊赣系绞有羞广泛戆磅究与 应用。 概括地讲，用于故障诊断的p e t r i 网方法可以分为基于知识的故障诊断方法和溅 于对象模型的故障诊断方法两大类。前者侧煎予知识的建模，与故障树、专家系统昝 方法紧密联系。后则侧熬予系统鲍行为分糖，氆助一些高级p e l r i 网，如随极p e t r i 鬻、露色p e t r i 网等，建立对象行为翡p e t r i 瓣模墅，努袄模墼埝滋与实际辘鑫豹差麓， 结合网络属性来定位故障。 文献e 1 6 以故障树方法为基础，将故障树模型改建在条件和事件概念的基础上， 麟性p e t r i 网建模及其在故障诊断中的应用 应罔p e t r i 网对系统逻辑关系进行建模，形成关于故障树的p e t r _ i 网模型。利用p e t r i 网的可达性和状态方程，将故障树搜索问题转化为矩阵的计算问蹶，解决了故障树搜 索过程中存在的速度和效率问题，具有搜索逋度快和并行计算能力等优点。 文献e 1 7 】为了解决敬障诊断中的冲突消躺阏题，将故障概率信息帮管理信息引入 模凝p e t r i 弼，提鑫酸障渗鞭综合信怠璃穰鬣。该模鍪瑷强了阚熬表达麓力，势弓| 入 概率信息用于解决变迁船渤的冲突消解闯题，增强了入机交互爵勺针对性，有效地提商 了诊断系统的推理效率，加快了推理速度，与专家解决问题的思路相吻合。 文献 2 5 3 结合故障诊断问题的特点，在蕊于p e t r i 网基本原理的前提下，对p e t r i 嬲京故障诊断领域的应用闯题进行了进一步的磺究，建立了故簿传播、故障诊叛嘲横 鲎，辩不确定遥辑关系豹p e t r i 丽模羹遗嚣了磷究，螽震了爨稳掇透麓力，黯故障渗 断问题的建模有着重要的作用。 文献e 1 9 为了能够解决故障现象的模糊性，将模糊理论应用于故障树的p e t r i 网 表示，建立了适合诊断问题的模糊p e t r i 网理论体系。在故障树的模糊p e t r i 网模型中， 痒鼹中的标记代表款是一个不确定信息，每一个变迁都被斌予可僖度，在英动态运行 过穰中，变迁静点太弱黪掰标记的交纯与标记豹值移交迁黥胃傣发有关，裁焉这耱攘 型，能够很好地描述故障现象的性质及故障空间的关联。 文献 2 0 将模糊p e t r i 网进一步地扩展为模糊行为p e t r i 网，并将它用于f m s 实例 中。模糊行为p e t r i 网与般模糊p e t r i 网的主要区别在于：它的变迁具有优先级，在 多燮_ l 乏圈对使能或发生孥突露，霹优先激发或襄动霞先级离懿变迁。模凝行为p e t r i 弼麓来攒透送毒亍多菽辕诊灏时，可饶先诊辑帮处理严重程度蠢靛菠障，姨丽提赢了藏 障诊断的推理效率，使推理过程与人的思维过程更加符合。 文献 2 2 描述了一种智能的面向事件的诊断方法和诊断系统框架，该文利用有甑 p e t r i 网模型的部分可达鞠分析了不同故障模型的工业流程系统的动态行为。 文献 2 3 中提出了一手孛兵有模壤色鹣p e t r i 阚模鍪，该模澄怒予惩决敌障诊龌中 难以获褥精确或完全倍感的润题，并能够充分剩翔操佟者或开发入员所提供的掰育落 息，从而使故障的诊断过程更加有效。模糊能用于分类信息和处理规则，以便能够辨 别敞障类型及发现故障的位置。 憨之，为进行故障诊断的建模需求，研究者对基本p e t r i 网模烈加以改进或扩充， 丰黧了p e t r i 鼹数瑾论，谯接广了p e t r i 鼹熬应怒 6 属性p e l r i 网建模及其在敞障诊断中的应用 1 3 属性论方法的研究与应用 愿维建构和智能模拟的属性论方法是研究一种既能描述事物通过其属性表现自 身变佬瓣律茛方法，还熊瘸予模毅太脑鳃读攀镑属性变化、认识搴物秘世赛，并餐熬 遗缝联各静事务酶方法。 1 3 1 属性论的研究现状 属性论方法经过近二十年的研究，逐步形成其理论体系，其中定性映射模型楚鼹 淫谂方法豹基礁。定经浚菇摸墅是然誓学上搴魏酶屡一量互交蕊簿基发，菝摆事鐾懿 质、徽、度之闯的关系，以感觉特征抽取为依托雨建立静脑懋绦数学模型。认为感 觉特征抽取是人脑将外部信息转化为脑内信息，并形成感觉和意识的第一步，其本斌 是将感受器细胞敏感的属性量特征，转化为皮层细胞能感觉和意识到的属性质特 ：i ：e ， 最终感觉特征抽取其中的属性量一质转化搽作和转化程度羲髯抽象为一个定性映射 稳定靛转亿程疫交数。 文献 2 7 2 8 已证明藜予事物属性量质特征转化的最简单性质的定性判断撩 作，w 归结为一个以定性撼准为参量的定性映射，平凡的或最简单的人工神经元可餐 作魁意性基准的一个边界，定性基准随环境、条件、时间和决策者不同发生的伸缩变 换，不仅可诱导出一个横糊集，丽且，多维 元) 基准伸缩变换熬合的内积线性变换， 还哥诱霉密一个一般獒，藏逶豢熬天工耱经元。发过来，努象莱天王襻经元缝觚空瓣 划分出一个封闭的邻域，则以该邻域为定性撼准的定性映射，与该人工神经元组构成 的网络等价。q m 模型能成功解决人工智能领域中的两大难题，x o r 问题和双螺旋问题， 并在分类问题、决策支持芹口模式识别等诸多领域得到应用。”。人工神经元已被证明 是定性映射静一个特例”8 “。 觚磅究翻模型誊手，藩牲谂为愚维建鞠与智疑摸攒提供一系列摸鍪、结橡黧舞 法，其主要成果有o ”3 ： ( 1 ) 定性映射模型不仅能为连接识别和符号判断提供一个统一的数学框架，遥能 为人工神经元的特征抽取( 和识别) 功能，提供一种基于认知哲举一数学方面的理论解 释。 ( 2 ) 定洼转纯程度爨数不仅藐为基准和爨合豹模凝纯疆供一秘生成税索乳运麓麴 画特征抽取( 和识别) 中的模糊性。 ( 3 ) 基于模式向艇结构转化( 映射) ，可为模式识别提供一个定性映射模型。 7 属一性p e t r i 网建模及其在故障诊断中的应用 ( 4 ) 基于向量模式结构转化，能为形象生成或“涌现”提供一个定集映射模 型。 ( 5 ) 属性重心坐标系能为属性间的推理，提供一个基于重心计算的代数结构模型。 ( 6 ) 能为( 多元) 关系和( 多元) 系统的生成或“涌现”，提供一个基于多元属性坐标 系的笛卡儿乘积范畴表示模型。 ( 7 ) 基于决策者心理评判标准变化过程的经验性评估和决策，提供一个结合了定 性映射和属性坐标学习和分析的数学表示模型。 此外，属性论方法还能为自动机、遗传算法、动力系统等模型和算法，提供一个 统一的数学框架。所以，属性论方法有可能是一条能使思维科学和人工智能走上科学 轨道的途径。 1 3 2q m 模裂的应用 文献 3 2 以若干片树叶为学习样本进行了基于模式向量转化( p 和定性映射的 模式识别，和基于逆转换映射节。1 ( ) = p 。邓p ( 咒。p ) 的记忆模式生成实验，生成的( 形 象) 模式既与学习样本相似，又与原样本不同，具有朦朦胧胧、似断非断等类人类记 忆模式的特征，其轮廓可由转化程度函数”调节的情况表明，它可看作是一个模糊t 1 一 截集。对3 2 0 x 4 ( 不同印刷字体) = 1 2 8 0 汉字进行了训练和识别，结果对训练过的样 本，其识别率可达1 0 0 ；加入隶书字体后，共1 6 0 0 个字识别率为9 3 。1 4 5 个手写 汉字能识别1 2 8 个，识别率为8 6 。对一行六至十个汉字的识别率为1 0 0 。 文献 3 3 对6 家上市公司股票2 0 0 4 年1 月2 日的收盘价进行了预测。首先截取 0 3 年最后2 0 天的收盘价构成一个2 0 维的向量( 曲线) ，从0 3 年的股票曲线中找出 与该段曲线最相似的若干段曲线，并利用移动平均( k a v ) 、心理线( p s y ) 和能量潮( o b v ) 三个属性指标进行预测，结果表明，最好的与实际价收盘价正好相等，最差的仅相差 4 分钱。 文献 3 4 对h e l l 0 ，h o wa r ey o u ? t h a n ky o u ，i 1 1 1f i n e ，t o o 等3 3 条语句进 行了训练和识别，实验结果为：训练样本( 1 4 条) 的识别率为1 0 0 ，加入非训练样 本后识别率为6 7 。”。( 本方法申请的专利被受理，申请号为：2 0 0 4 1 0 0 6 7 0 8 4 7 ) 。 文献 3 5 对2 0 多人2 9 0 多个指纹样本( 包括十多个有意弄残的指纹) 进行识别， 识别率为9 3 。( 本方法已申请的专利被受理，申请号为：0 3 1 4 1 7 1 9 1 ) 。 文献 3 6 提出了t s p 问题的定性映射算法，以中国1 4 4 个城市为例，所得最好结 果为3 0 3 5 9 公里，与目前公布结果( 3 0 3 4 9 公里) 差1 0 公里。 属性p e t r i 网建模及其在故障诊断中的应用 文献 3 7 利用整合属性的定性映射算法给出了一个攻击检测算法，对1 1 种不同 类型的攻击进行了实际检测。 1 4 本文研究内容 综上所述，传统p e t r i 网描述的系统有一个共同的特征：系统的动态行为表现为资 源的流动，包括物资资源和信息资源。变迁的点火将消耗变迁输入库所中的资源，并 在变迁输出库所中产生新的资源。如果网中的资源被某个变迁占用，就不能再被其他 的变迁使用。也就是说网中的资源是不可重用、不可覆盖的，这表现为冲突、冲撞、 死锁等现象。而在知识推理的各类诊断系统中，存在着一因多果现象，即一个前提状 态可能导致多个诊断现象的出现，知识推理能够沿着多条路径同时进行传播，并不存 在冲突问题。另外，在传统p e t r i 网中，变迁的点火将消耗输入库所中的t o k e n ，如果 按照这种方式描述诊断问题，表示故障事件的发生或某一知识的使用将导致故障征兆 或知识的消失，这显然不符合诊断问题或知识推理的事实。因此，传统p e t r i 网的动 态特性难以描述以上故障特性，所以人们对传统p e t r i 网进行适当改造而使它能够描 述基于知识推理的诊断系统，有代表性的是模糊p e t r i 网和故障p e t r i 网。 但是模糊p e t r i 网和故障p e t r i 网中的库所表示的是规则是否成立或故障是否发 生，因此库所的t o k e n 表示逻辑值真( 1 ) 或假( o ) 。而在基于q m 模型的知识推理 中描述的是通过属性的量值来推断属性的质特征是否成立，也就是说库所不仅能表示 逻辑值真( 1 ) 或假( o ) ，而且还能表示属性的量值，一般为实数。这说明模糊p e t r i 网和故障p e t r i 网不能完全刻画q m 模型中的知识推理。 本论文以q m 模型为基础，利用p e t r i 网同步、并发的能力，给出了基于定性映 射模型的属性p e t r i 网描述，并讨论了网的执行、可达性及其推理算法，网模型相对 简单且易于扩充对不同知识的表示方法，能在基于定性判断的诊断系统中能得到较好 地应用。 9 属性p e 廿i 网建模及其在故障诊断中的应用 第二章定性映射基本理论 本章介绍属性论方法中的基本模型一定性映射模型，内容参考文献 2 6 4 3 加以整 理，是冯嘉礼老师主持的国家自然科学基金项目( 编号：6 0 0 7 5 0 1 5 ) 和上海科技发展基 金项目( 编号：0 1 g 0 4 ) 的研究成果。 判断是对对象有所判断的思维形式。对象无不具有一定的属性，判断对对象有所 断定，就是肯定或者否定对象具有或不具有某种属性。也就是说，我们所说的判断是 指定性判断。表达判断真假的语句可看作是一个具有真假值的命题。换句话说，判断 等同于逻辑中的命题。 由于识别具有不稳定性、模糊性、随机性等各种不确定性，因此，无论将识别解 释为模式的”分类”或心理学的”再认”，都很难在精确逻辑中找到其位置。 然而，判断和识别是人脑最基本的两种思维或认知操作，它们不仅有着十分紧密 的内在联系，在某些场合甚至无法将它们完全区分。事实上，对于一个并非模棱两可 的模式，其识别就是一个判断。 为弄清判断与识别之间相互联系、相互区别和相互转化的关系，属性论方法对两 操作规则的核心机制，即判断基准与识别方法和准则，以及它们之间的联系、区别和 转化关系进行了研究，结果表明： 定性映射表达了事物属性量一质特征转化关系，其哲学基础是事物质量互变规律。 基于事物属性量一质特征转化关系的简单性质判断可归结为一个定性映射( x ，c 。) ， ( 判断元素x 是否属于集合s 的) 特征函数、单( 或多) 指标性质判断和单( 或多) 特征向 量判断( 或检索) ，又可分别归结为以一般集合s 、区间( a 。6 。) 、区间向量、区间矩 阵、向量和矩阵为定性基准c 。的定性映射。 2 1 最简性质判断的定。陛映射模型t ( x ，【伐，d 】) 性质( 真值) 判断包括简单性质和复杂性质判断，本文所讨论的只是诸如：医生 凭体温诊断患者是否发烧；教师凭成绩判断学生是否优秀；工程师根据若干参数检测 机器运行是否正常等，这样一类判断者z 根据对象0 具有某属性的一个量特征值( 向 量) x ，和被判断性质p 。( o ) 的定性基准或区间 。，p 。 ，若x 恰落在 。，p ， 中，则判 断对象o 具有性质p ( o ) ，反之，则判o 不具有p ( 0 ) 。显然，这类判断的操作规则可 属性p e t r i 网建模及其在故障诊断中的应用 表达为下述定性映射的形式。 定义2 1 ：设a ( 0 ) 是对象0 的某个属性，x x r ，为a ( o ) 的某个量特征值，p ，( 0 ) p 是属性a ( 0 ) 的某个质特征或性质，1 1 = c c ，d i 值，p ， 是性质p ，( 0 ) 的定性基准) ，t ： x r 一 0 ，1 ) p 是从x r 到 0 ，1 ) x p 的映射，如果对任意肖x ，存在性质p 。( o ) c p 及其 定性基准 ，b 。 r 使得： t ( 五 仪，p ， ) = x a 。，p 。 = t 。( 丑。) p 。( 0 ) ( 2 - 1 1 ) 其中，“x ，。) = ：譬：么 为性质n ( 。) 的真值，“亏”表示- x i 是否在 a t ，p i 中? ”并称映射( 2 一卜1 ) 是以性质p ，( 0 ) 的定性基准 仪，b 。 ，对事物属性a ( 0 ) 的量 特征x 进行的定性判断或映射。 例2 1 设x ( j o h n ) 为j o h n 的血糖，因血糖正常的( 定性) 基准是【3 9 m m l 1 ，6 1 m m 1 ， 故医生诊断血糖x ( j o h n ) 是否正常的操作可表达为： ，、，f n o r m a l x ，j o h n ) x ( j o h n ) e 1 39 6 1 1 1 ( 2 一卜2 ) 7 ( x ( 1 0 “呻，【3 9 一- ，61 “ = 。( 而移9 一m 61 m m 一】2 1 舶一0 二x ，山啪j ( 妇【3 ；= ，6 ；二、 若用t 。( 置d ) 表示带有量x 的对象0 具有性质p 。( 0 ) ( 即其真值) ，则( 2 一卜1 ) 可 简记为： t ( 丑 旺。，b ； ) = t ；( 蜀0 ) ( 2 - l 一3 ) 特别地，若用p 。( 曲代替p ；( 0 ) 不会产生误解或混淆，则可用t 。( 为代替t 。( 鼻d ) ， 于是有 t ( 丑 c t , ，b 。 ) = k ( 为( 或k ( 司) ( 2 - 卜4 ) 由定义2 1 或定性映射( 2 1 1 ) ，可得到下述等价的命题2 1 。 命题2 1 ：设嗡，p i 】是p i ( o ) 的定性基准，则带有量特征x 的对象0 具有性质p i ( o ) ， 当且仅当，x i e f f i ，1 3 i 】，或： x i d i ，即：“x e c t i ，p ，】p ，( o ) ”；或“x = ( 1 t ) a i “p i ，t 0 ，1 p i ( o ) ”。 故又称推理或规则“x e o q ，1 3 i 】铮p i ( o ) ”为定性判断或定性映射( 2 一l - 1 ) 诱导的 推理( 断) 。 考虑到 n 。，p i 是以x = i 。= ( p 。+ a 。) 2 为球心，6 ，= ( p 。d ) 2 为半径的拓扑邻域 n ( 1 。6 ) ，而且，x p t 甘l x 一 ，l 叠。：所以，( 2 - 1 1 ) 可改写为： j x d ，层 = n ( 4 ，占，) ix 一 ，i 万， ( 2 1 5 ) i z 口，卢f = n ( 4 ，j ，) jx 一，p 占， 于是，最简判断的定性映射( 2 一1 ) 可改写为t ：x r f 0 ，1 ，使得： t ( 爿，n ( e ，6 。) ) = 互n ( e 。，6 。) = t 。( 力( 2 1 6 ) 属性p e t r i 网建模及其在故障诊断中的应用 或t ( x ，l 。，6 ，) = i r e 。l 6 = t ( 力 ( 2 - 1 7 ) 其中，t ，( 习= j 1 f f1x 一 一阵d 一并分别称( 2 - 1 5 ) 是以邻域n ( e 。，6 ，) 为基准的 i o汐lx f pd 性质p 。( 力的定性映射，( 2 - 1 7 ) 是以 。和6 。为( 定性) 参数的性质p ( 曲的定性映射