Automatische constructie van hiërarchische modellen voor model-gebaseerde diagnose

Een van de belangrijkste problemen bij model-gebaseerde diagnose is het vinden van het meest bruikbare model of verzameling van modellen van het systeem onder diagnose. Vaak is er alleen een model met de fysieke componenten en de verbindingen daartussen beschikbaar. Bij grotere systemen kunnen de huidige diagnostische algoritmen niet goed omgaan met dergelijke gedetailleerde modellen. Een oplossing hiervoor is het gebruik van een hiërarchisch model. Hiermee kunnen we eerst een oplossing bepalen met behulp van een abstract model en deze oplossing vervolgens gebruiken om het diagnostisch proces in het meer gedetailleerde model te sturen. Het grote probleem bij deze aanpak is echter het verkrijgen van het hiërarchische model. In dit artikel laten we een generiek diagnostisch algoritme zien en tonen aan de hand daarvan aan dat het gebruik van bepaalde klassen van hiërarchische modellen computationele voordelen biedt. We presenteren lineaire tijd algoritmen waarmee we deze hiërarchische modellen automatisch kunnen genereren. Hiervoor maken we gebruik van informatie over kosten van meetpunten en inverteerbaarheid van componenten.