A Fault Diagnosis Method for Discrete-Event Systems Based on the Fuzzy Finite State Automaton Model

Capa

Citar

Texto integral

Resumo

This paper considers the problem of fault diagnosis in critical-purpose discrete-event systems described by the fuzzy finite state automaton (FSA) model. A solution method involving the mathematical apparatus of fuzzy logic is proposed. Fuzzy logic operations are described, and the concept of the determinizer of a fuzzy FSA is introduced. A diagnosis scheme that forms a structured residual vector is given. This scheme contains several channels (according to the number of possible faults in the system). Each channel is based on an observer, i.e., a determinizer of a special fuzzy FSA that simultaneously considers the possibility of both correct and incorrect transitions of the automaton (the normal operation of the system and the occurrence of a system fault, respectively). Another part of the channel is the decision block. Some ways to design the observer and the decision block are proposed. The features of the solution method are illustrated on the example of error monitoring for human operators in IT systems.

Sobre autores

A. Shumsky

Far Eastern Federal University

Autor responsável pela correspondência
Email: a.e.shumsky@yandex.com
Vladivostok, Russia

A. Zhirabok

Far Eastern Federal University

Email: zhirabok@mail.ru
Vladivostok, Russia

Bibliografia

  1. Wonham, W.M., Kai C., Rudle, K. Supervisory Control of Discrete-Event Systems: A Brief History 1980-2015 // Proc. of 20th IFAC Congress. – Toulouse, France, 2017. – P. 1827–1833.
  2. Sampath, M., Sengupta, R., Lafortune., S., et al. Failure Diagnosis Using Discrete-Event Models // IEEE Transactions on Control Systems Technology. – 1996. – Vol. 4, no. 2. – P. 105–124.
  3. Zaytoon, J., Lafortune, S. Overview of Fault Diagnosis Methods for Discrete Event Systems // Annual Reviews in Control. – 2013. – Vol. 37, no. 2. – P. 308–320.
  4. Cassandras, Ch., Lafortune, S. Introduction to Discrete Event Systems. Second edition. – New York: Springer Science+Business Media, LLC, 2008. – 770 p.
  5. Жирабок А. Н., Калинина Н. А., Шумский А. Е. Метод мониторинга поведения человека-оператора в человеко-машинных системах // Известия РАН. Теория и системы управления. – 2018. – № 3. – С. 98–107. [Zhirabok, A.N., Kalinina, N.A., Shumskii, A.E. Technique of Monitoring a Human Operator’s Behavior in Man-Machine Systems // Journal of Computer and Systems Sciences International. – 2018. – Vol. 57, no. 3. – P. 443–452.]
  6. Жирабок А. Н., Калинина Н. А., Шумский А. Е. Метод функционального диагностирования недетерминированных конечных автоматов // Известия РАН. Теория и системы управления. – 2020. – № 4. – С. 62–72. [Zhirabok, A.N., Kalinina, N.A., Shumskii, A.E. Method for the Functional Diagnosis of Nondeterministic Finite State Machines //Journal of Computer and Systems Sciences International. – 2020. – Vol. 59, no. 4. – P. 565–574.]
  7. Hartmanis, J., Stearns, R. The Algebraic Structure Theory of Sequential Machines. – New York: Prentice-Hall Inc., 1966. – 211 p.
  8. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. – М: Мир, 1976. – 165 с. [Zadeh, L.A., Fu, K.S., Tanaka, K., and Shimura, M. Fuzzy Sets and Their Applications to Cognitive and Decision Processes. – New York: Academic Press, 1975.]
  9. Wee, W.G., Fu, K.S. A Formulation of Fuzzy Automata and Its Applications as a Model of Learning Systems // IEEE Trans. Syst. Science and Cybernetics. – 1969. – Vol. 5, no. 3. – P. 215–223.
  10. Ульзутуев И.Е., Максимов А.А. О свойствах решёток подавтоматов нечётких полуавтоматов и их детерминизаторов // Вестник СГТУ. – 2015. – № 2 (79). – С. 117–126. [Ulzutuev, I.E., Maximov, A.A. The Properties of Subautomata Lattices of Fuzzy Semiautomata and Their Determinizators // Vestnik of Saratov State Technical University. – 2015. – No. 2 (79). – P. 117–126. (In Russian)]
  11. Воеводин В.В., Кузнецов Ю.А. Матрицы и вычисления. – М.: Наука, 1984. – 320 с. [Voevodin, V.V., Kuznetsov, U.A. Matrices and computations. – Moscow: Nauka, 1984. – 320 p. (In Russian)]
  12. Грузликов А.М., Колесов Н.В. Дискретно-событийная диагностическая модель распределенной вычислительной системы. Независимые цепи // Автоматика и телемеханика. – 2016. – № 10. – С. 139–154. [Gruzlikov, A.M., Kolesov, N.V. Discrete-Event Diagnostic Model for a Distributed Computational System. Independent Chains // Automation and Remote Control. – 2017. – Vol. 77, no. 10. – P. 1805–1817.]
  13. Tuxi, T.M., Carvalho, L.K., Nunes, E.V.L., Cunha, A.E. Diagnosability Verification Using LTL Model Checking // Discrete Event Dynamic Systems. – 2022 – Vol. 32, no. 3. – P. 399–433.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».