[发明专利]一种基于异常关联图的异常原因诊断方法

权利要求书

1.一种基于异常关联图的异常原因诊断方法，其特征在于，所述异常关联图的建立过程如下：利用系统的性能指标数据，使用基于图论的方法建模系统的正常状态，并在系统实时运行过程中，根据上层异常预测组件给出的异常信息，建立系统的异常关联图；

所述方法包括：

步骤S1：在线收集系统中所有组件的性能指标数据，

步骤S2：选择一个未预诊断组件，判断是否存在与该组件存在关联关系的组件，若为是，则执行步骤S3，反之，则执行步骤S4，

步骤S3：将这两个组件的性能指标输入异常预测模块，并接收异常预测模块返回的预诊断结果，若为存在故障，则在异常关联图中连接这两个组件对应的节点，并执行步骤S5，

步骤S4：将该组件的性能指标输入异常预测模块，并接收异常预测模块返回的预诊断结果，若为存在故障，则在异常关联图中连接该组件和一虚拟节点，并执行步骤S5，

步骤S5：判断是否存在未预诊断组件，若为是，则返回步骤S2，反之，则执行步骤S6，

步骤S6：基于异常关联图诊断得到异常原因；

所述步骤S3具体包括：

步骤S31：根据两个组件之间的自回归模型计算出Y的预测序列与其真实值的残差序列[r_t-L-1,r_t-L-2,…,r_t]，

步骤S32：将该残差序列送入上层异常预测模块中，

步骤S33：接收异常预测模块返回的一个异常概率p_t，

步骤S34：判断该异常概率是否超过设定阈值，若为是，则在异常关联图中连接这两个组件对应的节点，并执行S5；

所述步骤S4具体包括：

步骤S41：将该组件的性能指标输入异常预测模块，

步骤S42：接收异常预测模块返回的一个异常概率p_t，

步骤S43：判断该异常概率是否超过设定阈值，若为是，则在异常关联图中连接这两个组件对应的节点，并执行步骤S5；

所述步骤S6具体包括：

步骤S61：将生成的异常关联图转换为向量，

步骤S62：对所有异常图的向量进行聚类，并定义聚类后每一簇的异常原因，

步骤S63：输出所在簇的异常原因作为诊断结果；

所述步骤S61具体为：将异常关联图的每个节点的度依次罗列得到该异常关联图的向量。

2.根据权利要求1所述的一种基于异常关联图的异常原因诊断方法，其特征在于，所述步骤S2具体包括：

步骤S21：选择一个未预诊断组件；

步骤S22：判断在系统正常运行时的图模型中是否存在与该组件对应节点存在关联关系的节点，若为是则执行步骤S3，反之则执行步骤S4。

3.根据权利要求1所述的一种基于异常关联图的异常原因诊断方法，其特征在于，所述系统正常运行时的图模型的生成过程包括：

步骤A1：收集各个系统组件的历史性能指标数据，并两两组合成二元组；

步骤A2：针对每一个二元组生成一个自回归模型；

步骤A3：选择一个未评估的自回归模型，并计算其R均方值；

步骤A4：判断R均方值是否大于预设的均方值上限，若为是，则在系统正常运行时的图模型中连接这两个组件对应的节点以表征这两个组件存在关联，并执行步骤A5；

步骤A5：判断是否存在未评估的自回归模型，若为是，则返回步骤A3。

4.根据权利要求3所述的一种基于异常关联图的异常原因诊断方法，其特征在于，所述自回归模型的生成过程具体包括：

步骤A21：输入两个组件x、y的历史正常性能指标[x_t-k,x_t-k-1,…,x_t-k-m]与[y_t,y_t-1,…,y_t-n]，并确定自回归模型系数：

y_t+a₁y_t-1+…+a_ny_t-n＝b₀x_t-k+b₁x_t-k-1+…+b_mx_t-k-m

其中：n，m，k为预设的自回归模型的参数，a₁,…,a_n与b₁,…,b_m为自回归模型系数，y_t为t时刻y组件的性能指标，x_t为t时刻x组件的性能指标；

步骤A22：确定自回归模型：

θ＝[a₁,…,a_n,b₁,…,b_m]

其中：θ为要评估的自回归模型。