基于SDG模型的故障诊断技术
基于复杂网络理论的符号有向图(SDG)化工故障诊断
CHEMICAL INDUSTRY AND ENGINEERING PROGRESS 2016年第35卷第5期·1344·化 工 进 展基于复杂网络理论的符号有向图（SDG ）化工故障诊断王政1，孙锦程1，王迎春1，姜英1，贾小平2，王芳2（1青岛科技大学化工学院，山东 青岛266042；2青岛科技大学环境与安全工程学院，山东 青岛266042） 摘要：化工过程系统的大型化和复杂性，仅通过常规方式来描述故障机理越来越受到限制。
本文以流程图建模法构建的符号有向图（signed directed graph ，SDG ）故障模型为基础，将化工过程系统抽象为网络拓扑结构，通过对网络模型的统计特征描述，判断网络的复杂性、小世界性和无标度性，进而以复杂网络中心性理论定量计算网络中各个节点的重要性，分析比较各指标来确定网络中的核心节点，并通过Capocci 算法对网络进行社团结构的定量划分，最后以网络中的核心节点确定化工过程中易引起安全事故的关键变量，并用社团划分的结果绘制出化工故障诊断模型的关键路径，确定重点监测部位。
案例应用结果表明：该方法可行，为化工过程系统中故障节点和监测提供了新的解决思路，丰富了化工过程故障诊断和预防控制的相关理论。
关键词：化工流程；SDG ；复杂网络；故障诊断中图分类号：X 92 文献标志码：A 文章编号：1000–6613（2016）05–1344–09 DOI ：10.16085/j.issn.1000-6613.2016.05.013Research on chemical process signed directed graph(SDG) fault diagnosisbased on complex networkWANG Zheng 1，SUN Jincheng 1，WANG Yingchun 1，JIANG Ying 1，JIA Xiaoping 2，WANG Fang 2（1College of Chemical Engineering ，Qingdao University of Science and Technology ，Qingdao 266042，Shandong ，China ；2College of Environment and Safety Engineering ，Qingdao University of Science and Technology ，Qingdao266042，Shandong ，China ）Abstract ：C hemical process systems are large scale and complex. It was limited to describe the fault only through conventional model. This paper based on the SDG （signed directed graph ）fault model which constructed with flow modeling method and made the chemical process system abstract the network topology. We described the network model statistical characteristics and judged the network characteristic of complexity ，small world and scale-free. The centrality theory was used to quantitatively calculate the importance of each node in the network. Then, those indexes compared to determine the core node in the network, as well as the community with the Capocci algorithm for network structure quantitatively. Finally, we used the core node of the network to determine the chemical process key variables that easy to cause safety accidents. The result of the community partition maps out the protected path for the chemical fault model. The key monitoring area was identified. Results showed that the proposed method can find the fault nodes of chemical process system and the place that need to be monitored and controlled ，which can then be used as a support in fault diagnosis and preventive controls.Key words ：chemical process ；signed directed graph ；complex network ；fault diagnosis第一作者及联系人：王政（1968—），男，博士，副教授，硕士生导师。
动态概率sdg模型及复杂化工过程故障诊断方法研究
动态概率sdg模型及复杂化工过程故障诊断方法研究近年来，随着行业的发展和技术的进步，复杂诊断技术得到了广泛的应用，其中动态概率sdg模型及其复杂过程故障诊断方法成为研究热点。
sdg模型是一种可以展示故障情况的模型，它可以在复杂工业过程中，通过对多种变量以及其关系的计算，诊断故障原因，有效改善了维护费用和安全状态。
并且，sdg模型还可以帮助企业发现隐藏的故障或风险，从而使企业更有效地进行管理和控制。
本文将讨论sdg模型及其复杂过程故障诊断方法的理论原理及其应用研究。
首先，介绍sdg模型的构造原理，理解sdg模型如何模拟复杂过程中的故障情况；其次，介绍sdg模型在复杂过程故障诊断方法中的应用，分析故障可能的原因；再次，介绍故障诊断方法的应用案例，及其优缺点，探讨sdg模型的未来应用前景。
sdg模型是一种具有概率特征的模型，它可以基于故障产生的不同概率来表征和诊断故障。
sdg模型是模拟复杂过程的多种变量间的关系，通过构建一组独特的概率分布，来模拟复杂过程中的故障情况，从而实现故障诊断。
首先，过静态拓扑图，把复杂过程中的变量、控制参数、外部输入以及复杂关系等系统参数描述出来，然后利用动力学分析有效地求解复杂系统的动态行为，最后，把模型扩展到动态概率模型，以表征故障情况的发生概率。
sdg模型的应用可以让企业更高效地分析过程中的故障，并采取有效的控制措施，进而降低企业的维护成本和提高安全性。
比如，利用sdg模型可以进行系统控制策略的优化，可以预测系统可能出现的故障，也可以在一定程度上减轻系统的风险。
值得注意的是，sdg模型只能针对单个系统进行故障诊断，对于多系统间的协同工作并不能很好地支持，因此，sdg模型在实际应用中还需要进行改进，以更好地支持复杂系统的诊断工作。
以上，就是有关sdg模型及其复杂过程故障诊断方法的综述。
sdg 模型的应用可以很好地支持复杂过程中的故障诊断，具有很强的实用性，但仍有待进一步发展和改进，而今后，sdg模型应用于复杂过程故障诊断方法的前景也是可期的。
动态概率sdg模型及复杂化工过程故障诊断方法研究
动态概率sdg模型及复杂化工过程故障诊断方法研究近年来，复杂的过程工程技术在工业生产中得到应用，解决了许多复杂的问题。
然而，这种复杂的工程技术也带来了新的问题，比如故障诊断。
故障诊断是指检测和识别过程中发生的故障，并分析故障的原因，对故障原因进行处理，以保证过程的有效可靠性。
因此，如何准确快速地进行故障诊断成为当前研究的重点。
为了解决复杂过程故障诊断问题，研究人员逐渐采用动态概率sdg模型来模拟复杂过程故障诊断。
动态概率sdg模型是一种基于概率网络技术的动态诊断模型，可以对复杂过程中可能发生的故障进行有效的模拟和诊断。
该模型可以通过建立不同故障情况的状态概率网络模型，然后进行模拟计算，实现对复杂过程中的可能故障情况的准确诊断。
此外，研究人员还研究了基于动态概率sdg模型的复杂过程故障诊断方法。
在实践中，他们首先建立复杂过程的状态概率网络模型，然后进行状态概率网络模型的分析，最后利用复杂过程的状态概率网络模型计算出该复杂过程中可能出现的故障组合。
据此，进行故障诊断，检测出该复杂过程中可能出现的故障组合，并根据分析结果进行故障处理，进而解决复杂过程故障诊断问题。
动态概率sdg模型及复杂过程故障诊断方法都是复杂过程故障诊断领域内最先进最有效的方法。
然而，目前还存在一些问题，例如，缺乏一个有效的状态概率网络模型建模方法，以及有效的故障诊断方法和实现方法，以充分发挥其功效。
因此，对于动态概率sdg模型及复杂化工过程故障诊断方法研究，应该进一步深入探讨，制定一些新的模型和方法，以实现有效的复杂过程故障诊断。
本研究将利用数据挖掘技术，对复杂过程故障数据进行分析，进而建立有效的复杂过程故障诊断模型。
同时将采用机器学习方法，利用现有的复杂过程故障数据，建立一个有效的故障诊断系统，以更有效地识别和处理复杂过程中可能出现的故障。
值得一提的是，动态概率sdg模型及复杂过程故障诊断方法也可以用于提高复杂过程的可靠性，使过程工艺更加有效。
基于SDG模型的故障诊断技术
是否偏离正常状态的上下限的界限值 ， 它 的选 择对 诊断分辨率 反向推理是在 Ｓ Ｄ Ｇ 已知的瞬态样本中进行。
的高低有着直接的影 响。
５ Ｓ ＤＧ故 障诊 断方法
实际系统 中， 多个故障同时发 生的可能性远 远小于单故障
模型的建模方法， 推理机制以及利用Ｓ Ｄ Ｇ 模型进行故障诊断的步骤 。 详细阐述了 ｓ Ｄ Ｇ 故障诊断技术的发展过程和各 阶段的进展 。 最后， 分析
了ｓ Ｄ Ｇ 故 障诊 断的优缺 点 及其 改进 方法 关键词 ： 自 动控 制技 术 ； 故 障诊 断； 符 号有向图 ．
把方程 中的 “ ＝ ” 号改为向左箭头 “ 一” ， 从 现代 工 业 生产 的机 械设备 正朝着 大型 化、复 杂化 、 高速 影响还是减量影 响； 根据影 响方程 组直接 可以得 化、系统化 、自动化 和大功 率方 向发展 ， 生产系统 本身的规模 而将代 数方 程转化 为影响 方程 ，
界， ”表示变量 等于或小于阈值下界，“ ０ ” 表示变 量处于正 取分 级或分布 式推理 的策 略。 Ｓ Ｄ Ｇ 的推 理机制主要有正 向推理
常工况 。 其 中， 阈值 是经过合理 选择后得 到的判断各节点变 量 和反向推理两种。 正 向推理 的前提是Ｓ Ｄ Ｇ ￣ ） ｒ 有 节点的状态未 知，
技术应用 ・
基于Ｓ ＤＧ模型 的故障诊 断技术
梁美丽（ 山 西轻工 职业技 术学院， 山 西 太原 ０ ３ ０ ０ １ ￣
摘 要 ： 本 文介 绍 了 基于符 号有向 图 （ Ｓ ｉ ｇ ｎ ｅ ｄ Ｄ ｉ ｒ ｅ ｃ ｔ ｅ ｄ Ｇ ｒ ａ ｐ ｈ ） 模 型 的故 障诊 断技 术 的原理 ， ￣＠ Ｓ Ｄ Ｇ 模型 中节点和支路 的物理 意义 ， Ｓ Ｄ Ｇ
基于SDG模型的故障诊断专家系统
基于SDG模型的故障诊断专家系统
刘长龙;马昕;张贝克
【期刊名称】《计算机工程》
【年(卷),期】2009(035)019
【摘要】针对现代流程工业的特点,利用符号有向图模型(SDG)对化工生产工艺流程进行建模,运用SDG的推理能力,将其因果图转化为产生式规则,获得对整个生产流程的规则描述.根据SDG模型推理结果的特点提出一种可行的故障诊断专家系统设计方案,将得到的规则存入专家系统知识库,进行基于征兆的前向推理故障诊断.应用结果表明该种方法的有效性与可行性.
【总页数】4页(P233-235,253)
【作者】刘长龙;马昕;张贝克
【作者单位】北京化工大学计算机模拟与系统安全工程研究中心,北京,100029;北京化工大学计算机模拟与系统安全工程研究中心,北京,100029;北京化工大学计算机模拟与系统安全工程研究中心,北京,100029
【正文语种】中文
【中图分类】TP182
【相关文献】
1.基于SDG模型的故障诊断技术 [J], 梁美丽
2.基于模糊分层SDG模型的故障推理方法 [J], 杨恒占;张可;钱富才
3.基于符号模型检测的SDG模型可诊断性验证 [J], 宁宁;张骏;高向阳;薛静
4.基于对象模型的数字电路故障诊断专家系统：数字电路框架模型 [J], 吴翰声;张端仪
5.基于SDG模型的AMT重型越野车离合器接合过程故障诊断 [J], 刘海鸥;孟冬梅;苗成生;席军强;彭建鑫
因版权原因，仅展示原文概要，查看原文内容请购买。
基于SDG深层知识模型的电站热力系统故障诊断方法
基于SDG深层知识模型的电站热力系统故障诊断方法曹文亮;王兵树;马永光;马良玉【期刊名称】《华北电力大学学报(自然科学版)》【年(卷),期】2005(032)005【摘要】鉴于符号有向图(Signed Directed Graph,SDG)深层知识模型的推理方法是一种完备的揭示系统故障的有效方法,提出将基于SDG的方法应用于电站热力系统的故障诊断中.应用该方法首先建立了除氧器系统的SDG模型,然后根据各个故障根源得出系统的子SDG模型,最后根据这些子图导出除氧器的故障诊断规则库.诊断时,通过将系统变量的定量值转换为定性值,将实际故障工况与所建立的故障规则进行比较,得到故障源的定性诊断结果.案例研究表明,该方法具有较好的解释性和诊断的快速性,且能有效解决仿真培训过程中误操作自诊断问题.【总页数】5页(P79-83)【作者】曹文亮;王兵树;马永光;马良玉【作者单位】华北电力大学,控制科学与工程学院,河北,保定,071003;华北电力大学,控制科学与工程学院,河北,保定,071003;华北电力大学,控制科学与工程学院,河北,保定,071003;华北电力大学,控制科学与工程学院,河北,保定,071003【正文语种】中文【中图分类】TP206.3【相关文献】1.基于SDG-QTA的一回路冷却剂系统故障诊断方法研究 [J], 杨光;钟小军2.基于特性曲线的电站热力系统故障诊断方法 [J], 胥建群;孙友源;杨涛;周克毅;石永锋;司徒有功3.一种基于Petri网和SDG的车门系统故障诊断方法 [J], 刘二林;彭玮;陈丽涵4.基于改进SDG的电站热力系统故障诊断方法研究 [J], 曹文亮;王兵树;马良玉;张冀;高建强5.基于符号定向图(SDG)深层知识模型的定性仿真 [J], 吴重光;夏涛;张贝克因版权原因，仅展示原文概要，查看原文内容请购买。
sdg方法
SDG方法阐述与分析
SDG（signed directed graph）方法即符号有向图方法是基于模型的定性方法，描述过程系统的物理关系，建立个设备变量、过程变量之间的定性关系，模型易于修改更新用于化工过程故障预警、诊断方面。
1、基于SDG方法的故障诊断
其采用带符号的有向图来描述复杂系统，通过SDG图上的已知信息搜寻产生下游节点发生扰动的可能故障源。
上图为3节点因果图反应SDG基本原理ABC三个系统可测变量的节点通过支路连接有向支路代表节点之间的关系，实线表示初始对于结果有正影响虚线为减量关系。
通过对相容通路的向下推理可以判断出下游节点的变化趋势，对潜在故障点进行预测，同理反向推理可以预测出故障源
2、时序过程片段提取
时序过程片段提取是定性趋势分析方法（qualitative trend analysis，QTA）的主要步骤之一。
这是一种基于历史数据的时间推理个形状分析方法，常用于慢过程的诊断和控制。
时序过程片段提取分为两个步骤
1.实时趋势提取：首先强实时数据在线分割成线性片段，讲数据表示为连续区间的形式。
2.判断在线线性片段所属的时序线性片段
过程趋势的最简单时序过程片段为以下七种之一
3、基于时序过程片段分析的SDG
将QTA的前期数据处理直接嵌入到SDG模型节点中，查看是否有节点当前时刻值超过安全阈值
叶一益1905120229
张毅1905120231
杨杨1905120228
李福霖1905120217
张羽翚1905120232。
基于SDG-QTA的核动力装置故障诊断技术研究
摘 要 ：通 过 对 核 动 力 装 置 进 行 在 线 状 态 监 测 与故 障 诊 断 研 究 ，帮助 操作 人 员 及 时 了 解 核 动 力 装 置 的 运 行
状 态 和事 故 进 程 ，有 助 于 操 作 人 员 进 行 正确 操 作 ，防止 事 故 进 一 步 恶 化 。符 号 有 向 图 （ＳＤＧ）能 很 好 地 展
Ｗ Ｕ Ｇｕｏ—ｈｕａ ，ＬＩＵ Ｙｏｎｇ—ｋｕｏ 一 ，ＸＩＥ Ｃｈｕｎ—ｌｉ。，ＰＥＮＧ Ｍｉｎ—ｊ ｕｎ ，ＤＵＡＮ Ｚｈｉ—ｙｏｎｇ
（１．Ｆｕｎｄａｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ｏｎ Ｎｕｃｌｅａｒ Ｓａｆｅｔｙ ａｎｄ Ｓｉｍｕｌａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｌａｂｏｒａｔｏｒｙ，
示 出复 杂 系统 变量 之 间 的关 系 ，同 时具 有 建 立 模 型 简 单 、推 理 灵 活 等 优 点 。本 文 采 用 ＳＤＧ 对 核 动 力 装
置 进 行 故 障诊 断研 究 。 首先 ，将 定 性 趋 势 分 析 （ＱＴＡ）和 阈值 法 结合 对 核 动 力 装 置 进 行 状 态 监 测 。 然 后 ，
中 图分 类 号 ：ＴＬ３６４
文 献标 志 码 ：Ａ
文 章 编 号 ：１０００—６９３１（２Ｏ１６）０８—１４６７－０７
ｄｏｉ：１０．７５３８／ｙｚｋ．２Ｏ１６．５０．０８．１４６７
Ｒ ｅｓｅａｒｃｈ ｏｎ Ｆａｕｌｔ Ｄ ｉａｇｎｏｓｉｓ
Ｂａｓｅｄ ｏｎ ＳＤＧ—ＱＴＡ ｉｎ Ｎｕｃｌｅａｒ Ｐｏｗｅｒ Ｐｌａｎｔ
Ａｂｓｔｒａｃｔ： Ｒｅｓｅａｒｃｈ ｏｎ ｏｎｌｉｎｅ ｐｒｏｃｅｓｓ ｍ ｏｎｉｔｏｒｉｎｇ ａｎｄ ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ （ＦＤ ） ｉｎ ｎｕｃｌｅａｒ ｐｏｗｅｒ ｐｌａｎｔｓ（ＮＰＰｓ） ｈｅｌｐｓ ｏｐｅｒａｔｏｒ ｔｉｍ ｅｌｙ ｋｎｏｗ ｔｈｅ ｓｔａｔｅ ｏｆ ｓｙｓｔｅｍ ａｎｄ ｄｏ ａｃｃｕｒａｔｅ ｏｐｅｒａｔｉｏｎ ｉｎ ｃａｓｅ ｏｆ ａｃｃｉｄｅｎｔ ｄｅｔｅｒｉｏｒａｔｉｏｎ． Ｔｈｅ ｓｉｇｎｅｄ ｄｉｒｅｃｔｅｄ ｇｒａｐｈ （ＳＤＧ ）ｃａｎ ｓｈｏｗ ｔｈｅ ｃｏｍ ｐｌｅｘ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｐａｒａｍ ｅｔｅｒｓ ａｎｄ ｈａｓ ａｄｖａｎｔａｇｅｓ ｏｆ ｅｓｔａｂｌｉｓｈｉｎｇ ｍｏｄｅｌ ｃｏｎｖｅｎｉｅｎｔｌｙ，ｆｌｅｘｉｂｌｅ ｉｎｆｅｒｅｎｃｅ ａｎｄ ＳＯ ｏｎ． Ｓｏ ｔｈｅ ＳＤＧ ｗ ａｓ ａｄｏｐｔｅｄ ｆｏｒ ＦＤ ｉｎ ｔｈｅ ｐａｐｅｒ． Ｆｉｒｓｔｌｙ，ｔｈｅ ｃｏｍｂｉｎａｔｉｏｎ ｏｆ ｑｕａｌｉｔａｔｉｖｅ ｔｒｅｎｄ ａｎａｌｙｓｉｓ （ＱＴＡ） ａｎｄ ｔｈｒｅｓｈｏｌｄ ｗａｓ ａｐｐｌｉｅｄ ｔｏ ｐｒｏｃｅｓｓ ｍｏｎｉｔｏｒｉｎｇ． Ｓｅｃｏｎｄｌｙ，ｔｈｅ ＳＤＧ ｗａｓ ｕｔｉｌｉｚｅｄ ｆｏｒ ＦＤ ａｎｄ ｒｅｖｅａｌｅｄ ｔｈｅ ｆａｕｌｔ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于SDG模型的故障诊断技术
作者：梁美丽
来源：《无线互联科技》2013年第11期
摘要：本文介绍了基于符号有向图（Signed Directed Graph）模型的故障诊断技术的原理，包括SDG模型中节点和支路的物理意义，SDG模型的建模方法，推理机制以及利用SDG 模型进行故障诊断的步骤。
详细阐述了SDG故障诊断技术的发展过程和各阶段的进展。
最后，分析了SDG故障诊断的优缺点及其改进方法。
关键词：自动控制技术；故障诊断；符号有向图
现代工业生产的机械设备正朝着大型化、复杂化、高速化、系统化、自动化和大功率方向发展，生产系统本身的规模越来越大，性能指标越来越高，机械结构也日趋复杂，对设备运行的安全性和可靠性提出了越来越高的要求，故障诊断技术也显得日趋重要，它是大型装备或复杂工业系统安全、可靠、稳定运行的技术保障。
故障诊断技术已从早期的个体专家依靠感官获取设备的状态信息，并凭借经验做出直接判断，发展到采用人工智能方法和理论的智能化故障诊断技术和系统。
近年来，美国普渡大学的Venkatasubramanian，V.教授更为准确地将故障诊断方法分为三类：①基于定量模型的方法；②基于定性模型的方法；③基于历史数据的方法。
现有的故障检测和诊断方法中，图论方法是非常具有实用价值的一种。
其中符号有向图的方法取得了很大进展。
符号有向图（Signed Directed Graph，SDG）模型是从DG模型（包括故障传播图、认知图和过程图等）发展而来的，它是对过程及其设备的一种图式抽象，其节点和有向边都有比较明确的物理意义。
故障诊断主要是故障的检测、分离和处理，而基于SDG模型的故障诊断能够利用SDG模型节点和有向边的表示能力快速地检测和有效地定位，成为基于定性模型的故障诊断方法的重要一支。
1 SDG模型
SDG模型中的节点可以表示过程系统中的物理变量，如流量、液位、温度、压力等；操作变量，如阀门、开关等以及相关的仪表，如控制器、变送器等；此外，还可以表示一种事件，如管道泄露、电源中断等等。
三级SDG模型的节点在某时刻的状态由符号“+”、“0”和“-”表示，“+”表示变量大于或等于阈值上界，“-”表示变量等于或小于阈值下界，“0”表示变量处于正常工况。
其中，阈值是经过合理选择后得到的判断各节点变量是否偏离正常状态的上下限的界限值，它的选择对诊断分辨率的高低有着直接的影响。
2 相容通路
SDG中所有节点在相同时刻状态观测值的集合称为一个瞬时样本。
对于一个瞬时样本，在SDG中可以搜索到已经发生偏离的节点及支路传播路径。
这种方向一致且已经产生影响的若干支路形成的通路称为相容通路。
相容通路是故障信息传播的路径[1]。
3 SDG模型的建立
建立SDG模型主要有两种方法：数学模型推导法和经验法，或将二者结合使用。
当已知过程系统的稳态代数方程或动态微分方程时，可以根据数学模型直接推导出SDG模型。
由代数方程推导SDG模型的方法是：保留代数方程中的增益系数的正负号，将其增益简化为“1”，即确定自变量对因变量是增量影响还是减量影响；把方程中的“=”号改为向左箭头“←”，从而将代数方程转化为影响方程，根据影响方程组直接可以得到系统的SDG模型。
由常微分方程推导得到的SDG模型是工业故障诊断中常用的模型，它的推导方法为：对系统的高阶微分方程通过一定得变换总可以写成一阶微分方程组的形式，1）将高阶微分方程转化为一阶微分方程组的形式；2）对每一个微分方程的每一个自变量逐一取偏导；3）采用一阶微分方程组的结构，取消一阶微分方程的常系数，替换成偏导的符号；将等号改为“←”，左端微分项改为变量自身，从而得到系统的影响方程组；4）将影响方程组直接转化成SDG模型。
由于实际应用中，系统的定量数学模型难以得到，因此，经验法是SDG模型建立的主要方法。
当系统已经投入运行，建模主要依据现场人员的经验和过程操作的数据；当系统处于设计阶段时，主要依据工艺及过程控制的设计资料以及类似工厂的经验和数据。
可以按如下步骤进行建模：1）经过多位专业技术人员集体讨论，挑选出与故障相关的关键变量作为节点；2）尽量找出导致这些关键节点故障的原因（即节点与支路的组合），分清影响关系，用支路将各节点连接起来，从而建立系统的SDG模型；3）采用经验信息、经过集体讨论，结合现场信息或通过部分动态定量仿真，对SDG模型进行检验、案例实验、修改和化简，直到模型满足设计要求。
在SDG 建模中，节点和支路的确定原则是，在符合客观规律的前提下，应该有利于解释故障的原因及后果。
4 SDG的推理
SDG的推理是完备地且不重复地在SDG模型中搜索所有的相容通路。
对于大规模的系统的SDG模型，为了提高效率应该采取分级或分布式推理的策略。
SDG的推理机制主要有正向推理和反向推理两种。
正向推理的前提是SDG所有节点的状态未知，反向推理是在SDG已知的瞬态样本中进行。
5 SDG故障诊断方法
实际系统中，多个故障同时发生的可能性远远小于单故障的发生概率，因此，一般情况下，我们假设系统故障是由单一的故障源引起。
基于三级SDG模型的单故障诊断的具体诊断步骤如下[2]：1）在一个时间点上获得SDG模型中各个节点的实际测量值；2）将各节点测量值与该节点的设定阈值进行比较，确定该节点的状态值，从而得到该时刻SDG模型的瞬时样本；3）从报警节点出发，SDG模型的节点和支路在已知节点状态的前提下，反向推理搜索可能的根节点；4）依次将搜索到的可能的根节点作为起始点，SDG模型的节点和支路在已知节点状态的前提下，正向推理搜索所有可能的相容通路；5）在所有候选相容通路中逐一进行比较，解释能解释所有报警偏离的相容通路作为可信度高的诊断结论，显示诊断结果并沿着相容
通路解释危险剧情；6）每个一个选定的时间间隔重复以上步骤，以便实时跟踪现场故障情况。
SDG故障诊断方法还存在一定的不足之处，如：用于故障诊断难于早期发现；如果模型不准，将导致诊断失误或结论的不完备性；计算大系统时，费时费力，成本高、实时性不好。
目前，学者们针对这些问题开展了广泛的研究，通过对诊断阈值进行模糊化，引入半定量或定量信息，采用并行计算技术、实施模型分级递阶推理、定性仿真等诸多方法改进SDG故障诊断方法。
[参考文献]
[1]周东华，叶银忠.现代故障诊断与容错控制.清华大学出版社.2000.
[2]吴重光.系统建模与仿真.清华大学出版社.北京.2008.。