基于社团结构的复杂系统故障定位方法研究

论文摘要

随着现实世界的网络化,复杂系统的规模在不断扩大,一旦系统出现故障,将降低效率或失去预定功能,甚至引发灾难性事故。因此,在故障发生时,及时进行故障诊断是相当重要的。故障诊断技术是查找故障原因的关键手段,故障定位是故障诊断的核心内容,能根据故障表现,确定发生故障的大致部位,对实现复杂系统的高效维修有着至关重要的指引作用。当前,复杂系统越来越庞杂的结构导致故障传播频繁发生,给故障源的准确定位带来了困难。实现故障定位的前提是建立基于系统特点、体现故障发生、传播和放大特性的模型。传统的故障定位方法针对故障类型和表现的因果关系进行粗糙建模,忽略了复杂系统所表现出来的复杂网络动力学特性,尤其是社团结构对故障传播的影响,进而造成定位结果不够理想。本文从社团结构的角度出发,提出一种全新的复杂系统故障定位方法。首先,为了得到合理的社团结构,本文基于复杂网络拓扑理论,提出一种新的社团划分算法Mf-Net以适应不同结构网络的划分需求,解决传统划分算法对节点关系强度的度量方法单一、划分效率不高的问题。Mf-Net算法采用多属性融合的策略,从不同角度选择了三个属性来度量节点关系强度,引入模块度以客观地确定各属性的加权值,从而提高划分准确性,并采用动态算子、免疫检测因子和反向学习机制改进免疫网络的搜索精度和速度,实现社团的快速划分。其次,依据Mf-Net算法对复杂系统抽象出的复杂网络进行划分,得到较为合理的社团结构,在此基础上分析网络中各节点的故障传播能力,建立具有动态性和时间性的线性阈值故障传播模型,把节点的故障发生率作为故障源定位的主要参考依据,并结合深度优先遍历和回溯技术划分故障区域,预测故障传播路径,确定故障源。最后,选用实验数据集和评价标准验证上述方法的合理性和准确性。首先通过三个真实数据集进行Mf-Net算法的实验验证,并将实验结果与GN、FN、LPA以及基于节点依赖度的算法作对比,结果表明,Mf-Net方法具有较高的划分准确率和良好的性能。然后在两个复杂系统数据集上进行定位方法实验,并将实验结果与其它算法对比,验证了基于社团结构的定位方法的及时性和准确性。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景和意义
•   1.2 研究现状
•   1.3 目前研究主要存在的问题
•   1.4 研究内容和组织结构
•   1.5 论文整体框架
• 第二章 研究理论基础
•   2.1 复杂网络基本理论
•     2.1.1 网络表示
•     2.1.2 网络特征
•   2.2 社团结构及划分算法概述
•     2.2.1 社团结构
•     2.2.2 模块度
•     2.2.3 划分算法
•   2.3 故障传播模型
•   2.4 本章小结
• 第三章 基于多属性融合和改进免疫网络的社团划分算法
•   3.1 问题描述
•   3.2 算法介绍
•     3.2.1 多属性融合策略
•     3.2.2 免疫网络
•     3.2.3 Mf-Net算法设计及实现
•   3.3 本章小结
• 第四章 基于社团结构的故障定位方法
•   4.1 问题描述
•   4.2 算法介绍
•     4.2.1 线性阈值模型
•     4.2.2 基于社团结构的故障传播机理分析
•     4.2.3 故障传播模型构建
•     4.2.4 故障定位流程
•   4.3 本章小结
• 第五章 实验设计与结果分析
•   5.1 社团划分算法MF-NET验证
•     5.1.1 实验环境及数据集
•     5.1.2 评价指标
•     5.1.3 实验过程与结果
•     5.1.4 与其他算法对比分析
•   5.2 故障定位方法验证
•     5.2.1 实验环境及数据集
•     5.2.2 评价指标
•     5.2.3 实验过程与结果
•     5.2.4 与其它算法对比分析
•   5.3 本章小结
• 第六章 总结与展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文

文章来源

类型: 硕士论文

作者: 乔虹

导师: 田玉玲,马建芬

关键词: 复杂系统,社团结构,多属性融合,故障传播,故障定位

来源: 太原理工大学

年度: 2019

分类: 基础科学

专业: 非线性科学与系统科学

单位: 太原理工大学

分类号: N941.4

总页数: 80

文件大小: 4053K

下载量: 87