逻辑的方法

逻辑的方法（精选12篇）

逻辑的方法 篇1

在《数字电路》的课程教学中, 组合逻辑电路的设计是《数字电路》的重要内容, 在实际应用的过程中我们发现采用组合逻辑的设计思路, 会使得线路更加的简单, 电流也更加稳定, 因此会有非常广阔的市场价值。

1 小规模组合电路的设计方法

对于小规模的组合电路的设计方法主要包括4个步骤, 实际问题向逻辑真值表转化, 然后再向最简函数式转化, 通过函数式来画出逻辑电路图。该种设计思路非常的清晰, 但是如果逻辑变量增加, 那么在列真值表时也会非常的麻烦, 如果逻辑变量函数值超过5个, 那么真值表的取值组合将会超过32项, 因此最终如果想要获得函数式将会非常困难, 面对这种情况我们只需少输入几个逻辑变量进行简化设计。

问题:设计一个8位二进制代码奇偶校验电路, 如果8个代码包含有偶数个1时, 则输出即为1, 如果代码中包含有奇数个1时, 其输出为0。

我们将8个输入变量的8位二进制代码a0、a1、a2、a3;b0、b 1、b 2、b 3分成两组, 这样便可以得到两个4位的二进制代码, 同样符合问题中的条件。分别使用G1和G2分别代表两组代码的输出情况。若G1G2为0011两种组合时, (00表示代码中包含有奇数个1, 11表示代码中包含偶数个1) G输出为1且G1G2为01和10两种组合时, 则G的输出为0, 因此可以得到公式为:

同理如果将8位二进制代码分别分成两组, 使用以上的结论便可以得出公式 (2)

G=g2eg1, G=g4eg3, g2=a3ea2, g1=a1ea0, g4=b3ea2, g3=b1eb0, g3=b1eb0, 最后将其进行综合从而得出公式 (2)

通过该种设计思路省略了列出数百种取值组合的繁杂过程, 这样也有效的避免了在书写函数表达式时所犯的低级错误;从问题中得到可以从其奇数和偶数的性质作为出发点, 将一个庞大的输入洛基变量变成几个较少的逻辑变量进行分析研究, 其设计思路更加的清晰, 步骤也相对比较简单, 无形中化简了整个设计操作过程。

问题:加法器的设计, 要求是输入是两个四位二进制数, 但是输出是两者之和

该加法器的设计时主要利用加法的特性, 即要对位进行相加, 另外在相加的过程中十位数要接纳来自个位数的高进位, 百位数要吸收来自十位数的高进位, 因此可以先设计两个二进制数, 即aibi, 该数字和来自低进位的数字ci-1进行相加, 这样就可以通过逐位相加的范式来设计出4位的二进制加法器。

奇偶极校验器和加法器的设计都是采用如果输入的信号数量较多, 那么可以不用先列出真值表, 将设计分析分角度进行转换, 转换成具体问题的逻辑关系, 将内部之间的联系进行考察, 或者通过分组或者通过分位的方式来进行巧妙的设计, 最终完成组合逻辑电路的设计。

2“三开一灯”逻辑设计

设计一个能够使用三只开关对一个灯进行控制的逻辑电路, 其设计要求是必须让每一个开关均能够实现对该灯的开关操作。

在设计的时可以假设三个开关的代号分别是a、b、c, 如果开关处于闭合状态那么为1;如果开关处于断开的状态, 那么即为0;灯的代号为d, 在高电平点亮的情况下然后列出真值表, 详见表1所示。

设计方案1:使用与非门来设计“三开一灯”的逻辑电路

通过对表1中的真值进行分析, 能够书写出一个逻辑表达式, 并将该表达式转换成“与非-与非”的表达式, 详见 (3) 。

根据公式 (3) 画出与之对应的逻辑表达式画出相应的电路图, 通过对电路图的分析该电路所需要的型号为74LS00的引脚图一片, 型号为74LS20的引脚图三片。

设计方案2:使用3-8译码器实现“三开一灯”的逻辑电路

3-8译码器是最小项译码器, 该译码器的输出端和输入端之间存在一定的逻辑关系, 所以在使用该类型的译码器时, 主要将其输出端的进行与非运算, 那么就能够实现逻辑功能转化成公式即:

通过公式 (4) 中的表达式便能够画出与之相应的仿真实验图, 其中输入端的数据都是按照真值表中灯的状态进行提前设置好。

方案设计3:使用8路数据选择器实现“三开一灯”逻辑电路

所谓的8路数据选择器即多路开关, 我们将多路开关其输入端按照其具体的功能需求进行设置, 那么分别设置成1/0, 那么开关中输入的灯的状态也就是其所规定的相应的状态。分别将数据选择器中的数据输入均按照真值表中的灯的状态情况提前设置完毕, 继而画出与之对应的电路图。

3 结束语

在组合逻辑电路设计过程中, 方法的选择非常的重要, 每一个电路均会有一个最为合理的设计方案, 所以需要进行多家揣摩, 对于输入的变量较小的组合逻辑电路可以先不用列出真值表, 而是要对内在的联系进行全面的分析, 从而找出设计的突破口;对于输入变量较少的电路, 则可以通过列真值表, 快速的推导出相应的函数式, 然后通过函数式来画出电路图, 完成设计。

参考文献

[1]刘秀珍.“组合逻辑电路的设计方法”教学说课设计[J].卫生职业教育, 2005 (12) .

[2]吴建生.“三开一灯”组合逻辑电路的多种设计方法[J].新课程学习·中旬, 2014 (01) .

[3]张凤霞.拓展组合逻辑电路的设计方法[J].天中学刊, 2001 (02) .

[4]王哈力, 单薏, 王希凤.组合逻辑电路的小世界网络模型[J].电机与控制学报, 2006 (04) .

逻辑的方法 篇2

“逻辑锁”的上锁原理：计算机在引导DOS系统时将会搜索所有逻辑盘的顺序，当DOS被引导时，首先要去找主引导扇区的分区表信息，然后查找各扩展分区的逻辑盘。“逻辑锁”修改了正常的主引导分区记录，将扩展分区的第一个逻辑盘指向自己，使得DOS在启动时查找到第一个逻辑盘后，查找下个逻辑盘总是找到自己，这样一来就形成了死循环。

给“逻辑锁”解锁比较容易的方法是“热拔插”硬盘电源：在系统启动时，先不给被锁的硬盘加电，启动完成后再给硬盘“热插”上电源线，这样系统就可以正常控制硬盘了。不过这种方法非常危险，容易损坏硬盘。为了降低危险程度，这里介绍几种比较简单和安全的方法，来解决“逻辑锁”故障。

(1)准备一张启动软盘，在其他运行正常的计算机上使用二进制编辑工具(如UltraEdit)修改软盘上的IO.SYS文件，

在修改前，要先取消该文件的隐藏、只读、系统等属性，具体方法是在这个文件里面搜索第一个55AA字符串，将它修改为任何其他数值即可。用这张修改过的系统软盘就可以顺利地带着被锁的硬盘启动了。不过由于此时该硬盘正常的分区表已经被破坏，无法用Fdisk来删除和修改分区，但可以用Diskman等软件恢复或重建分区。

(2)可以使用工具软件DM(DiskManager)。因为DM是不依赖于主板BIOS来识别硬盘的硬盘工具，就算在主板BIOS中将硬盘设为None，DM也可识别硬盘并进行分区和格式化等操作，所以也可以利用DM软件为硬盘解锁。

加强学生逻辑思维能力培养的方法 篇3

一、通过观察比较培养学生逻辑思维能力

观察与比较是发展学生逻辑思维能力非常有效、重要的方法，通过学生的观察与比较，使得学生能够发现新知识、新规律。如在教学质数与合数的概念时，让学生写出一些自然数或自然数列：1、2、3、4、5、6、7、8、9、……，并写出它们的所有因数。儿童感知对象间的差异比感知对象间的相同点更容易，让学生认真观察比较，得出各组自然数的因数个数不同，然后再让他们指出同组的自然数因数个数相同之处。这样学生较容易掌握、理解、记忆。自然数分为三类：质数、合数、既不是质数也不是合数的数。

通过观察比较，学生较容易找出事物的本质属性及区别、联系，使他们形成正确的概念，这样既发展了学生的观察比较能力，也加强了学生逻辑思维能力的培养。

二、借助教具、示意图、多媒体让学生学会分析判断

成年人在全面认识事物时，都要对事物不断进行分析与综合，从而得出正确的判定与推理，当分析与综合遇到困难时常常借助具体的事物为支柱。同样，学生在判定与推理遇到困难时，也应当借助直观形象的教具或示意图，甚至动画演示。如要教学这样的一道数学题：一个长方体的长、宽、高分别是6厘米、5厘米、4厘米，把它切成一个最大的正方体，这个正方体的体积比原来的长方体的体积少多少？学生的空间想象能力较差时，解这道题很容易发生错误。教师可以画出示意图、或制成动画，帮助学生分析、判断，提高他们的逻辑思维能力。引导学生认真分析与综合：怎样切才能切成最大的正方体？为何要这样切？棱长为何不能是5厘米或6厘米？通过直观示意图或动画，学生较易判断出正方体的棱长为4厘米才是最合适的。如果棱长大于4厘米了，一面或几面不够切;如果棱长小于4厘米，各个面都有多。学生有了对具体事物进行分析与综合的能力，才能在头脑中进行抽象的逻辑思维活动，从而形成正确的判断。

又如在教学圆柱体体积公式的推导时，教师利用圆柱体的直观教具或动画，把它拼成一个近似的长方体，让学生认真观察分析：物体的形状改变了，但物体所占空间的大小没有改变，让学生在观察分析的基础上得出圆柱体的体积等于长方体的体积，再让学生观察分析长方体的底面积与圆柱的底面积有什么联系、与高又有什么联系？

三、培养学生抽象与概括的能力

抽象是把事物的一般原理或本质属性抽取出来加以考虑，概括则是在抽象的基础上，把多种事物的一般属性或本质属性联合起来加以考察。在数学教学中，培养学生初步的抽象概括能力，逐步地从具体的形象思维向抽象逻辑思维过渡。如在教学加法的交换律时：2+3=5， 3+2=5， 53+23=76，

23+53=76，……

通过具体的例子引导学生从加数的位置变化到和的变化规律，在观察分析的基础上进行抽象概括，从而得到加法的交换律。在课堂教学中，经常有意识地培养学生的抽象概括能力，有助于提高学生的逻辑思维。

四、课堂教学中渗透简单的“三段论”推理形式

“三段论”是最简单的推理形式：因为……（大前提），又因为……（小前提），所以……（结论）。如果在数学课中，渗透这种推理形式，那便能使学生懂得怎样运用所学知识解决问题。如在教学面积公式时：一个平行四边形的底是12厘米，高是3厘米，它的面积是多少？教师可以板书成：因为所有的平行四边形的面积=底×高，这个平行四边形的底是12厘米，高是3厘米，所以这个平行四边形的面积=12×3。在数学知识的运用中，经常强调这种推理形式，使学生判断推理的能力得到发展与巩固，这也就加强了学生逻辑思维能力的培养。

总之，在数学教学中，教师要想方设法加强学生逻辑思维能力的培养，只要教师持之以恒、灵活综合运用上述方法，学生的逻辑思维能力就会有较大提高。这关系到学生的综合素质培养，既会使学生学习数学或其他功课都能得心应手，也会为学生终身学习打下扎实的基础。◆（作者简介：江西省龙南县龙南镇中心小学）

逻辑的方法 篇4

历史课果真是枯燥的吗?看似庞杂的历史知识究竟该如何记忆?对于知识面较窄的广大农村文科生而言, 这的确是一个令人头痛的大问题。那么, 历史知识的记忆是不是有章可循呢?笔者认为, 其中一个极为重要的方法就是努力培养学生的逻辑思维能力, 运用逻辑化思维方法记忆。

什么是逻辑化思维方法记忆?逻辑化思维方法记忆是一种记忆方式, 它着重对所记内容进行逻辑化整理, 通过这种整理, 理清各部分内容之间的因果关联, 使它们构成一个密切联系的整体, 形成一个知识的经纬网。从而避免因记忆内容数量过大、细节过多、缺乏关联而导致杂乱无章, 达到对所记内容的长久牢固记忆的目的。

在此以人教版《世界近现代史》 (上册) 第三章第五节中的一段教材文字为例, 探讨如何利用逻辑化思维方法达到有效快速记忆历史知识的目的。

“随着资产阶级革命和改革的进行, 欧美诸国和日本的资本主义得到进一步发展。同时, 英国等资本主义列强侵略扩张的过程中, 在世界各地建立了一系列殖民地和半殖民地。在此期间, 轮船等先进的交通运输工具使长途运输变得更加方便, 资本主义列强大量向殖民地和半殖民地输出工业品, 掠夺工业原料, 甚至直接输出资本, 在当地建立资本主义企业。这样, 在资本主义侵略下, 殖民地和半殖民地原先落后、封闭落后的经济结构被打破, 成为资本主义世界市场的一个组成部分。19世纪中后期, 资本主义世界市场初步形成”。

一、分析层次

通过分析, 我们不难看出这段文字的落脚点在最后一句话, 即“资本主义世界市场初步形成”, 之前的文字表述则清楚表明和世界市场初步形成有关的其他要素:时间——19世纪中后期;原因——资本主义得到进一步发展和列强侵略扩张;中介力量——轮船等先进的交通运输工具

二、逻辑化整理

在层次内容明晰后, 对各部分内容进行逻辑化整理, 分析其中存在的内部逻辑关联。经过分析组合之后, 我们可以非常清晰地厘清他们之间的内部联系, 再结合以前的教学内容稍作补充与完善, 一个完整的知识框架就产生了, 如图表所示。

通过这副图表, 我们可以清楚地看到, 资本主义世界市场包括相互紧密联系的两大组成部分, 即资本主义列强的国内市场与殖民地、半殖民地市场。前者的形成是资本主义国家内部经济运行的结果, 资本主义制度的建立是前提条件, 该制度的建立主要有革命与改革两种途径, 后者的形成是资本主义列强内部经济力量推动列强外部侵略扩张的经济结果, 两个市场密切联系, 但地位与作用是不同的。这种不同是由列强对商品、原料与资本的控制所决定的, 列强向殖民地、半殖民地输出商品与资本, 是整个市场的主导者, 而殖民地、半殖民地则成为资本输出地与商品销售地, 并为列强的工厂、机器提供市场与原料, 是整个市场的下游链条, 轮船、火车等先进的交通工具和发达的交通网则提供了两个市场的中介力量, 极大加速了整个资本主义市场的形成, 是整个市场得以形成的强大推动力量与物质基础。各部分之间再配以箭头的方向指示与简短的文字如中介、原因等的说明, 最后再结合以前的相关教学内容作以补充——在这里具体体现为资本主义世界市场初步形成的表现, 也就是1857年第一次资本主义世界性经济危机。这样, 一段完整的教材文字在箭头的指示和简短文字的注释配合下, 得到高度的关联性概括, 逻辑性整理也就完成了。

三、文字还原

以上图表只是明确了知识间的内部关联, 为我们的记忆提供了一个极好的知识框架, 但它本身不能作为最终的记忆形式, 因为在答题过程之中, 是不可能将这些简短的文字作为标准答案的, 否则必将导致不必要的失分, 所以第三步要做的就是在知识框架的指导下将原本的文字内容加以还原, 这才是记忆的主要内容。由于这一步主要靠机械性记忆与重复来完成, 这里就不再多讲了。

经过以上三大步骤, 一个完整的高中历史知识逻辑性记忆链条便完成了。由此, 推广到整个第五节的内容, 我们可以从宏观上看到以下的内部联系图景:

同理, 运用以上的方法可以建立起整本教材的完整逻辑框架。当教材内部的逻辑框架建立之后, 一方面可以看到教材编排的各个组成部分诸如政治的、经济的、制度的、思想文化等内容的纵向发展过程。另一方面可以看到各个组成部分之间的有机关联, 它是一个以资本主义经济发展为核心, 以其联动性影响为内容的有机整体。笔者认为, 这种相互关联的逻辑框架的建立将对整个教材的理解产生积极的作用, 是对高中历史知识进行逻辑化思维方法记忆的有效途径。

对庞大的历史知识体系而言, 仅仅依靠逻辑化思维方法的记忆是远远不够的, 它毕竟只是诸多记忆方法中的一种。牢固、准确而持久的历史记忆尚需要各种方法的有效配合才能达到。

孩子逻辑思维训练的方法 篇5

方法一：我们在交代孩子做事的事情，可以列出提纲，一、二、三…交代完毕后让孩子复述一遍，训练孩子理解基本的数字概念。

方法二：当我们带孩子散步的时候，从看到的大自然景观让孩子分类，动物有哪些?从大到小让孩子排列，植物有哪些?从高到矮让孩子排列。应让幼儿了解，大群体包含许多小群体，小群体组合成了大群体。慢慢孩子就有了排列的概念。方法三：掌握一些表示时间的词语，理解其含义，对孩子来说，无疑是必要的，孩子的时间观念一般很模糊，当孩子真正清楚了“在……之前”、“立即”或“马上”及昨天、今天、明天、后天等词语的含义后，孩子也许会更规矩些。

方法四：教会孩子识钟表让孩子对时间的认知还是很重要的。

方法五：从一个柿子由硬到软，了解顺序的概念，有助于孩子今后的阅读，这是训练宝宝逻辑思维的重要途径。这些顺序也可以是从最大到最小、从最硬到最软、从甜到淡等，也可以反过来排列。

一年级以上的孩子

逻辑的方法 篇6

1.分析与综合的方法。所谓分析的方法，就是把研究的对象分解成它的各个组成部分，然后分别研究每一 个组成部分，从而获得对研究对象的本质认识的思维方法。综合的方法是把认识对象的各个部分联系起来加以 研究，从整体上认识它的本质。例如学生认识5， 教师要求学生把5个苹果放在两个盘子里，从而得到四种分法 ：1和4；2和3；3和2；4和1。由此学生认识到5可以分成1和4，也可以分成2和3等。 这就是分析法。反过来， 教师又引导学生在分析的基础上认识：1和4可以组成5，2和3也可以组成5。这就是综合法。在此基础上， 教师 还可以再一次运用分析、综合方法，指导学生认识5还可以分成5个1，从而知道5里面有5个1；反过来，5个1能 组成5。分析、综合法广泛应用于整数的认识、分数、小数、四则混合运算、复合应用题、组合图形的计算等教 学中。

2.比较与分类的方法。比较是用以确定研究对象和现象的共同点和不同点的方法。有比较才有鉴别，它是 人们思维的基础。分类是整理加工科学事实的基本方法。比较与分类贯穿于整个小学数学教学的全过程之中。 比如学生开始学习数学，他就会比较长短，比较大小，进而学会比较多少。然后就会把同样大小的放在一起， 相同形状的归为一类。或者把相同属性的数学归并在一起（整数、小数、分数）。前者反映的是比较方法，后 者例举的是分类方法。分类常常是通过比较得到的。比较和分类方法是小学数学教学中经常用到的最基本的思 维方法。

3.抽象与概括的方法。抽象就是从许多客观事物中舍弃个别的、非本质的属性，抽出共同的、本质的属性 的思维方法，概括就是把同类事物的共同本质属性综合起来成为一个整体。例如，10以内加法题一共有45道， 学生初学时都是靠记住数的组成进行计算的。但是如果教师帮助学生逐步抽象概括出如下的规律，学生的计算 就灵活多了：①一个数加上1，其结果就是这个数的后继数。②应用加法的交换性质。 ③一个数加上2，共13道 题，可运用规律①推得。④5+5=10。掌握了这些规律，学生就可以减轻记忆负担，其认识水平也可以大大提 高。又如，在计算得数是11的加法时，学生通过摆小棒计算出2+9、3+8、7+4、6+5等几道题之后，从中抽 象出“凑十法”：看大数，拆小数，先凑十，再加几。这样，在学习后面的所有20以内进位加法时就可以直接 运用“凑十法”进行计算了。事实表明，学生一旦掌握了抽象与概括的学习方法，机械记忆就将被意义理解所 代替，认知能力和思维能力就会产生新的飞跃。

4.归纳与演绎的方法。这是经常运用的两种推理方法。归纳推理是由个别的或特殊的知识类推到一般的规 律性知识。小学数学中的运算定律、性质及法则，很多是用归纳推理概括出来的。如加法的交换律是通过枚举 整数中的几个“两个加数交换位置相加和不变”的例子推导概括出来的。这样的推理在小学一年级就可以经常 开展训练。如让学生演算下面各题后发现一种规律：7-7=□，6-6=□，5-5=□……9-8=□，8-7=□ ……2-1=□。经常进行这样的训练，有利于培养学生有序、有理、有据的思维。

演绎推理是由一般推到特殊的思维方法。例如一年级学生“算加法想减法”，实际上是以加减互逆关系作 为大前提，从而推算出减法式题的计算结果。又如，由“0不能做除数”为大前提，根据分数、 比与除法的关 系，推理出分母和比的后项不能为0。事实上， 人们认识事物一般都经历两个过程：一个是由特殊到一般，一 个是由一般到特殊。因此，归纳与演绎法是人们认识事物的重要方法。

值得一提的是，由于归纳推理的判断是一些个别的、特殊的判断，因而它的结论与前提之间的联系并不具 有逻辑的必然性。例如，虽然有0÷2=0，0÷3=0，0÷100=0，……但并不能因此推出“0除以任何数都等于 0”。所以，人们在得到一般规律性知识以后， 还要用某个规律性知识推到某个个别的特殊的知识。一般说来 ，如果一般规律性知识是真的，那么，所推得的个别或特殊的知识也是真的。

浅议医学科研中的逻辑方法 篇7

1 逻辑方法在医学科研中的作用

多项性及多层次的逻辑方法, 在医学科学的发现及医学理论体系的构建中发挥着重要的作用。

1.1 创新

在医学科研中, 不管是创新性医学科研立项, 还是已取得的重大医学成果, 最开始都是建立在一个个医学假说的基础上, 没有医学假说就不可能产生创新性成果。它是医学发展的重要环节和思维形式的综合运用。例如, 2005年诺贝尔生理学和医学奖获得者——澳大利亚科学家罗宾·沃伦和巴里·马歇尔研究的“幽门螺旋杆菌”, 就是沃伦在1979年提出的胃黏膜中存在着一种细菌与慢性胃炎等疾病可能有着密切的关系的猜想后, 2人经历了20多年的反复推演和验证终于证实了幽门螺旋杆菌是导致人类患胃炎、胃溃疡和十二指溃疡的致病菌。从而树立了胃病研究历史上的里程碑。医学历史上的任何一门医学的创新过程, 其实就是医学理论体系的形成过程, 整个过程都是通过假说的验证来完成的。

1.2 准确论证思想

任何医学科学理论, 都是以严密的逻辑形式表达和陈述的, 而不是原理和事实的简单堆砌和混合。医学科研工作者运用一定的逻辑手段, 对某个领域传统所积累的理论知识进行检验和组建, 使之成为逻辑严密的有内在连贯性的科学理论系统, 就构成某一医学领域的理论体系。例如生理学、病理学、病因学等一系列理论思想, 无一不是以严密的逻辑形式来表达和论证的, 使之成为逻辑严密的医学科学系统。

1.3 驳斥谬误和揭露诡辩的作用

任何医学科学研究者, 在科学研究过程中都随时会遇见谬误。而有些谬误是出自医学上的权威, 为了坚持和捍卫真理, 就要运用逻辑工具同形形色色的谬误与诡辩作斗争, 要揭露、批评和驳斥错误观点。例如盖仑的血液运动“潮汐说”, 维萨里对盖仑的的质疑;塞尔维特发现肺循环;哈维提出血液循环理论;马尔皮基发现毛细血管等对血液循环理论都是在经历了一个一个医学家运用逻辑工具进行一系列的批判思维来最终完善的。

2 医学科学研究中逻辑方法的基本特征

2.1 思维具有概括性

思维的概括性表现在, 科学者通过思维可以从许多个别事物的各种各样的属性中概括出事物的本质属性。例如:艾滋病患者有许多属性, 如身高、相貌、体重、年龄等, 但这些都不是患者的本质属性, 患者的本质属性是危害生命、广泛传播, 应该从根本上医治、加强预防、控制病源的漫延。这一本质属性, 就是人们通过思维, 从许多艾滋病患者的各种属性中概括出来的。

2.2 思维过程的严密性

思维结论的科学与准确并不是逻辑思维的唯一价值取向, 它更关注推导过程的有效性和严密性。比如, 有位发烧病人到内科就诊, 接诊医生根据其发烧、头痛、干咳等症状, 诊断为感冒, 并进行治疗, 经过两天的治疗患者病情未见好转, 且病情加重, 出现了呼吸困难症状, 这才发现是误诊。原来, 病人患的是禽流感, 因为感冒症状与禽流感 (H5N1) 相似, 致使内科医生做出误诊。这位医生为何做出错误的诊断, 是因为他作了如下推理“如果病人患的是感冒, 那么他会出现发烧、头痛、干咳等症状;现在病人出现上述症状, 所以, 病人患的是感冒”[2]。这个推理从逻辑形式来分析属于充分条件假设命题推理过程, 但这一论证过程不符合有效推理形式, 是无效推理, 正是由于推导过程不严密, 违反了逻辑规则, 犯有逻辑错误, 所以, 虽然结论是正确的, 但该证明依然是无效的。

2.3 思维结论的科学性

逻辑思维是将各种前提条件集中起来, 以形成科学结论, 所以, 逻辑思维的结论, 是有事实依据和科学理论依据的, 是正确、科学的。例如:对鲨鱼的研究, 鲨鱼有极强的免疫力, 它们从不生病, 也不会得癌症。医学科学家们对此进行了研究, 他们从鲨鱼中撮出一种物质, 制成药丸, 用来治疗患有肿瘤的一组野兔;同时, 以患有肿瘤的另一组野兔为对照物, 只喂给其他营养品。3星期后, 肿瘤的生长受到了抑制;而那些对照组的野兔, 其肿瘤周围的血管明显增多, 肿瘤的生长没有受到抑制。由此得出结论鲨鱼鳍的提取物质有明显的抗癌作用。这个结论是无懈可击的, 是千真万确的。

3 医学科研的逻辑方法

逻辑方法是达到医学科研思维的途径、手段。医学科研中的逻辑方法, 也就是医学科研思维的基本规律和思维形式。

3.1 医学科研的思维规律

医学科研的思维规律是医学科研工作者在医学科研过程中, 尤其是在科研成果完成时, 要运用概念, 作出判断, 进行推理和论证, 它是在运用思维形式进行思维时必须遵守的最起码的准则, 它包括同一律、不矛盾律、排中律和充足理由律。

同一律。在同一思维进程中, 每一种思维必须与其自身保持同一。仅就概念而言, 同一律要求在同一思维过程中, 任何一个概念的内涵和外延必须具有确定性, 不能随意变换。否则就会出现混乱。例如“病”这一概念, 在同一思维中, 如果它反映的是生理上的疾病, 那么就应当始终反映生理上疾病, 不能中途变换成反映一种思想上的“病”的另外一种概念。

不矛盾律。在同一思维过程中, 两个互相否定的思维不能同真, 必有一假。仅就判断而言, 不矛盾律要求在同一思维过程中, 作出的判断不能既肯定某事物具有某种属性, 又否定某事物具有这种属性。例如对同一患者, 既断定“是食物中毒”又同时断定“不是食物中毒”, 这两个判断是不能同真的, 其中必有一假。不矛盾律要求医学科研中要保持思维具有一贯性和不矛盾性。

排中律。在同一思维过程中, 两个互相否定的思想不能同假, 必有一真, 对互相否定的思想要作出明确的断定, 即确认其中之一为真, 不能确认全都为假, 也不能含糊其辞不作断定, 也就是要求思想具有明确性。例如“张三患了艾滋病”和“张三没患艾滋病”是两个具有矛盾关系的判断, 它们不能同假, 其中必有一真, 因此对二者不能同时否定, 也不能不置可否。

充足理由律。在同一思维过程中, 一个思维被断定为真, 必须有充足的理由。例如“某患者, 感到上腹和脐周围连续胀痛并伴有恶心、低热, 来医院就诊, 医生只听其主诉, 未作其它检查, 并据问诊, 开了治疗胃疼的药。次日患者症状加重, 腹痛转至右下腹, 呈持续性, 渐有阵发性疼痛并呕吐, 又来复诊, 医生继续给他开服胃药, 并注射止痛药, 但病情继续加重。后转院确诊为化脓性阑尾炎穿孔并发弥漫性腹膜炎, 随即手术治疗, 转危为安”[3]。此医生仅仅根据病人主诉就做出处理, 从逻辑上说就是违反充足理由律, 没有做充分的分析和检测, 就做出诊断, 从而造成误诊或漏诊。

医学科研思维中既要遵守思维的确定性、一贯性、明确性, 又要保证思维的论证性。如果违反这些逻辑基本规律, 思维就会出现混乱, 无法正确地认识科研对象和准确地表达思想。

3.2 医学科研思维形式

医学科研中是以概念、判断、推理作为思维的基本形式, 所以科研过程一定要注意概念的清晰性、判断的准确性, 更为重要的是要做到推理的有效性、严密性。因为它是验证和组建科研成果成功的关键所在, 必须准确运用逻辑方法这门工具。逻辑方法很多, 但科研运用最多、最广的要属演绎推理、归纳推理、类比推理、回溯推理了。这几种推理方法经常交替使用, 或者是套用。

演绎推理。演绎推理是由普通性的前提推出特殊性结论的推理。演绎推理有三段论、假言推理和选言推理等形式。例如:“如果是心脏病, 那么就会出现肺门血管增粗, 肺纹理和肺血增多、肺动脉段突出, 该患者经体检发现肺门血管增粗, 肺纹理增多, 左心缘第二弓突出, 为肺血增多、肺动脉段突出的表现。所以是心脏病”。此诊断就是运用了假言推理。

在医学科研中, 演绎推理的应用非常之广。众所周知《内经》的六经辨证是根据三阴三阳的自然哲学概念推衍外感病的发病与转变特点, 脱离人体发病的具体情况, 就是运用演绎推理得出的, 这一理论的形成具有广泛的指导意义, 被后世医家奉为经典。

归纳推理。所谓归纳推理就是从个别性知识推出一般性结论的推理。归纳推理有完全归纳推理、不完全归纳推理;概率、统计推理;探求因果联系推理。例如1895年, 英国医生罗斯为寻找传播疟原虫的媒介物, 来到疟疾猖獗的印度。它调查了几个最严重的地区, 就是蚊子特别多。他认为蚊子是媒介物, 经过反复试验, 最终证实了自己的推论。此研究用的就是求同法。

归纳法在医学科研中, 每一步研究都离不开的一种方法。如《伤寒论》六经辨证模式的提出, 就是运用归纳推理的逻辑方法, 通过考察各种伤寒类疾病的发病和转变、转归而作出的一般规律的结论。同样被后世医家奉为经典。

类比推理。类比推理是根据两个或两类对象有部分属性相同, 从而推出它们的其他属性也相同的推理。例如医学科研者习惯在大猩猩上做医学实验, 如果在大猩猩身上取得成功的实验, 然后就要在人体上做实验。理由就是猩猩具有和人一样的属性。类比推理是医学科研工作者发现和发明的重要工具, 也是论证思想的重要工具。

回溯推理。回溯推理是由关于某个已知事实的判断推出可导致该判断成立的理由的推理。例如“如果患者是患了重感冒, 那么他就会发烧, 所以, 发烧的患者可能患了重感冒”[4]。这个可能的诊断就是运用回溯推理作出的。回溯推理在假说的形成和验证中具有重要作用。

逻辑方法是从具体科学研究中总结和提炼出来的一系列思维方法。在医学科学研究活动中, 虽然各门科学所研究的内容不同, 但都是由概念、判断、推理组成的知识体系, 每一个科学家尽管所从事的具体科学研究对象各异, 都在自觉或不自觉地运用分析、综合、演绎、归纳、证明与反驳等逻辑方法。在科学研究中正确运用逻辑方法, 可从已知的科学理论和科学事实, 经过一系列的思维过程, 发现新的科学理论。科学发现可以始于逻辑方法, 也可以始于非逻辑方法, 但科学发现的最后完成, 则依赖于逻辑方法。学习、掌握逻辑方法, 可以帮助我们正确地进行思维和准确地表达思想, 帮助理解医学深邃的奥义, 进行医学理论体系的整理研究, 并养成缜密严谨的科研思维方法。

参考文献

[1]列宁.哲学笔记[M].北京:人民出版社, 1974:216.

[2]梁慧敏, 张永利, 赵玥.医学问题解决法的逻辑教学[J].中国高等医学教育, 2007 (2) :6.

[3]黄永柏, 岳长红.形式逻辑[M].黑龙江:黑龙江科学技术出版社, 2003:269.

解开硬盘逻辑死锁的一种方法 篇8

不知道你是否曾碰到过从软盘和硬盘都启动不了计算机的情形?一般计算机的硬盘分区表被病毒感染后,若不能启动机器,通常从软盘可以启动。但在严重的情形下,不但从硬盘不能启动机器,就是从软盘也不能启动。有的恶毒的病毒就能使硬盘被锁死。本来硬盘被锁住时,可以采用3.0以下的DOS版本启动机器,机器启动后虽然也不认硬盘,但其不认的原因在于其管理不了现在的大硬盘,依次可以用Debug修改硬盘分区表,修改后可以启动。但在已进入WINDOWS的年代,3.0以下的DOS实难找到,即使找到,你的机器上恐怕也应没有5寸软驱而不能使用。因此最好的办法是编制一个程序解决这个问题。作者通过尝试和思考,找到了一种比较实用的方法。

1 硬盘锁住的原理

硬盘锁住通常是对硬盘的分区表做手脚,因此首先应该了解硬盘的分区表。硬盘分区表位于0柱面0磁头1区,这个扇区的前面200多个字节是主引导程序,后面从01BEH开始的64个字节是分区表。分区表共64字节,分为4栏,每栏16字节,用来描述一个分区。如果是用DOS的FEISK程序分区后,最多只用两栏,第一栏描述基本的DOS分区,第二栏描述扩展的DOS分区。

分区表的最后两个字节是分区表的有效标志,如果将其改变,将不能从硬盘启动,这是一种简单的锁住硬盘的方法。解决的办法是从软盘启动,启动后硬盘仍然可以使用。用Debug或NORATN中的DISKEDIT软件将硬盘该分区表中的参数全部变为0,则启动时由于找不到分区参数,从硬盘是没法启动,从软盘启动后也不认硬盘,如果你敲入盘符C并回车,将出现提示INVALIDDRIVER SPECIFICATION。但所幸的是,毕竟可以启动机器,不认硬盘没关系,在A盘上用DOS的DEBUG仍然可以读出硬盘0柱面0磁头1扇区的内容,修改后再写入0柱面0磁头1扇区,重新启动机器就又没问题了。如果将分区表参数随意改为其它参数,则有可能不能用可以安装DOS的DOS系统盘启动,按F3退出后将出现内存分配错误,不能装载DOS的命令解释器COMMAND的提示,系统就死机了,笔者就曾碰到过这种情况,但用一张格式化成系统盘的软盘则可以顺利启动,只要有DEBUG,你仍然可以将分区表参数修改回去。可怕的事情是,如果你不幸将分区表参数改成一个循环链,即C盘的下一个分区指向D驱,D驱的下一个分区又指向C区,这样循环下去,DOS启动或WIN95启动是由于无休止的读取逻辑驱动器,就只有死机的份了。这是只要有硬盘存在,不管你用软盘还是硬盘都没法启动机器了,由于不能启动是由于硬盘造成的,即使你将硬盘下到其它计算机上,也没法使用,这样硬盘就彻底的被锁死了,笔者遭遇就是此情形。

一个完整的硬盘锁死程序,不过是重新改写0柱面0磁头1扇区的引导程序,并将分区表破坏或故意制造一个循环分区表,而将真正的硬盘分区表参数和引导程序放在其它隐藏扇区并保护起来,如果启动时口令不对,则不能启动机器,口令对了则顺利启动。这种硬盘锁死程序,情形好的还可以用软盘启动;情形严重的就是连软盘也不能启动,硬盘真被锁住。

2 解开盘锁的程序法

如果硬盘被锁死,是否真的就无法解开呢?当然不是。看看问题的结症所在,根源在于DOS中的IO.SYS文件,它包含LOADER、IO1、IO2、IO3四个模块,其中IO1中包含有一个很关键的程序SysInt-I,它在启动中很固执,非要去读分区表,而且不把分区表读完誓不罢休。如果碰上分区表是循环的,它就只有死机了。这是DOS的脆弱性和不完备性。其实这也不能怪DOS,因为DOS为了获得硬盘使用权,就必需读分区表参数,而且DOS还约定驱动器号不能超过26,只不过没有考虑到此循环分区表的情形。明白了病因在于DOS,问题就好办了。看看计算机的启动过程,上电首先进行的多项硬件自测跟我们没有关系,我们关心的只是它最开始和磁盘打交道时是干什么。如果选择从硬盘启动,则计算机和磁盘最开始打交道是将硬盘0柱面1扇区的内容读入内存0000:7C00处并跳到0000:7C00处执行;如果选择从软盘启动,则计算机和磁盘最开始打交道的是将A盘0道0磁头1扇区的内容读入内存0000:7C00出并跳到0000:7C00处执行,在执行过程中,计算机并不检查该扇区的内容是什么,只机械地执行读命令,这使得许多系统型病毒得以生存。如果我们用DOS格式化一张可以启动机器的系统软盘,将该软盘的0磁道0磁头1扇区的内容移到后面的空白扇区中,而重新写一段程序到该软盘的0磁道0磁头1扇区,这样用软盘启动时首先执行的是我们所写的程序了。在这段程序中,具备这样一些功能:在DOS启动前抢先拦截INT 13H,驻留高端内存并监视INT 13H,判断是否读硬盘,如果是读硬盘就直接返回,这样就禁止了读硬盘,也就避免了DOS读硬盘循环分区表造成的死机;同时拦截对软盘的读取,如果软盘的0磁道0磁头1扇区,就改成真正有引导程序和磁盘参数表的扇区,免得DOS在启动中找不到软盘的磁盘参数表而死机。完成这些任务的同时,还要读取软盘真正的引导程序并把控制权交给它。当然,这样启动的机器是不认硬盘的,但没有关系。你可在机器启动后,用DEBUG调出驻留高端内存的新INT 13H程序,将其改为只有一条直接执行旧INT 13H的语句,这样在DEBUG下可以用INT 13H读取硬盘0柱面0磁头1扇区的内容,如果你有备份,将分区表参数恢复后再写入0柱面0磁头1扇区,重新启动计算机就可以了。如果实在没有备份,去掉分区表中的循环链,用正常DOS启动盘重启机器后至少也可以重新对硬盘分区,不至于硬盘被锁住打不开了。

为保证万无一失,最好将软盘这两个扇区的内容重新读出来看一看,保证写成功了。做好了这一切,保险的还是进行一次测试,即用该软盘启动一次机器,看能否成功,若成功启动,你就可以用循环分区表法锁住硬盘,看从正常DOS下能否启动,然后再用此软盘启动计算机试试,看看功效如何。

从该软盘启动后,不认硬盘,并且在高端内存驻留了新INT13H程序,该段程序实际上是Key.com中从16D到187部分。由于有此段程序存在,在DEBUG下也无法读硬盘,也就没法恢复硬盘分区表,因此机器启动后首先应修改这段程序。在在机器基本内存通常都为640K,这样这段程序就位于内存中9FC0:0000处,在DEBUG下,用U9FC0:0显示这段程序,可以看到位于9FC0:001A处是一条跳转指令,该跳转指令即转去执行最原始的INT 13H。由于BIOS版本不一样,跳转指令指向的位置可能不一样,如笔者机器上是一条JMP F000:A5D4语句。这时DEBUG下编写这样一语句:A9FC0:0 JMP F000:A5D4。这样,对硬盘的禁写与禁读都不在起作用了,在DEBUG下用INT 13H的2号子功能可以读出硬盘区分表,修改恢复后再用3号子功能将数据写回分区表。退出DEBUG,重新用正常DOS启动计算机,就可以了。

附带提一下,在正常DOS下,该软盘由于没有BOOT区,也就没有磁盘参数表,从而不能使用,用DIR A:命令会出现GENERALFAILURE READING DREVE A提示。不要理睬它,这不影响它作特殊启动盘。

3 建议

为更好的保护你的硬盘,建议你最好将你的硬盘分区表备份起来。备份有两种方式,一种是以文件形式将硬盘每个逻辑盘的分区信息储存起来,另一种是将分区信息备份在硬盘隐藏扇区里。比如可以将0柱面0磁头1扇区备份在0柱面0磁头3扇区,将D盘开始柱面号0磁头1扇区备份在该柱面0磁头3扇区,其它逻辑盘也如此。这种方法简单、方便,也很可靠。用NORTAN中的DISKEDI很容易操作和实现。有了备份分区表信息,就不怕破坏分区表的病毒了,即使有人真锁住了你的键盘,你也可以轻而易举的解开了。

摘要：大家都碰到过硬盘逻辑死锁的事情,这种事通常会让人没有什么好的办法,下面我就为大家介绍一种比较使用的解锁方法。

基于逻辑回归的口语理解方法研究 篇9

口语理解( Spoken Language Understanding,SLU) 是口语对话系统( Spoken Dialog System) 的重要组成部分,其主要功能是分析用户输入语句,提取语义信息,获得语义表示[1]。目前的口语理解研究都是面向特定领域的(Domain-Specific)。口语理解的方法主要可以分为两大类:基于规则的方法以及数据驱动的方法。基于规则的方法使用人工编写的规则,通过文法分析来进行口语理解;数据驱动的方法则使用数据集建立统计模型。虽然基于规则的方法不需要大量标注的语料库,但由于语音识别结果并不完全准确,所以在实际应用中,其鲁棒性较差。数据驱动的方法则克服了基于规则的方法的这些缺点,其又可细分为生成式方法( Generative Approach) 和鉴别式方法( Discriminative Approach) 。生成式方法对输入语句u和其语义表示c建立联合概率模型P( u,c),根据贝叶斯法则计算后验概率。生成式模型往往假设语义序列为马尔科夫链,语义表示为隐藏状态,语句为观测值,这种方式不利于对语义序列进行长距离建模。 判别式方法直接对后验概率P( c | u) 建模,其语义分析结果通常优于生产式方法[2]。然而,以条件随机场为代表的判别式方法,需要对语料库增加额外的语义序列标注,这大大增加了语料库标注的工作量和难度。为了避免额外标注所增加的负担,近期的一些文献[3 - 4]提出了语义元组分类器模型( Semantic Tuple Classifier,STC),其是一种通过递归调用支持向量机分类器来建立语义树的口语理解方法。

本文提出一种基于逻辑回归的口语理解方法。首先,通过提取输入语句的N-Gram特征,建立所有可能的语义要素的二类逻辑回归模型。然后,根据应用领域的语义限制,利用语义要素的互斥性和独立性,建立联合后验概率模型。本方法与STC模型的区别在于,采用逻辑回归模型速度更快,参数直观易调,搜索空间更小,解码更迅速;此外还引入了应用领域语义限制,解码性能有所提升。

1 基于逻辑回归的口语理解方法

1. 1 语义的表示形式

不同的口语对话系统有不同的语义表示形式,但大多数都能抽象为语义框架(Semantic Frame)[5]。语义框架由两部分组成:对话行为(dialog act) 和槽(slot)。对话行为又称为意图(intent),表示语句的会话层意义,一个语义框架只有一个对话行为;槽可以用值(value)填充,槽- 值对(slot - value pair)表示语句中的具体信息,一个语义框架可能有零个、一个或者多个槽。假设语义框架的对话行为为d ,所有槽排列成向量,对应的值向量为,则语义框架可以表示为

本文使用的DSTC2 数据集的应用领域为餐馆查找,语种为英语。表1 列举了DSTC2 数据集中的语义表示的一些例子。第一列为人工转写( transcription) 语句,语句字母均为小写,无标点;第二列为该语句对应的语义框架。表中,ack是acknowledge之意,表示用户理解了系统提供的信息,reqalts是request alternatives的缩写,表示用户需要另外一个选择方案。对话行为可能包含槽- 值对,如inform包含pricerange,area等槽和对应值; 也可能不包含槽- 值对,如ack和reqalts;或者槽被省略,只有值,如request。为了一致性,将request省略的槽设为”slot”,则request(address,phone) 变为request(slot = address,slot = phone)。一个语句(utterance)可能对应一个语义框架或者多个语义框架,如第一二行均分别对应一个语义框架,而第三行语句则对应两个语义框架:ack()和reqalts()。

1. 2 逻辑回归

逻辑回归是一种广义线性模型,不仅可以对样本进行两类别分类,而且可以估计样本的后验概率[6]。本模型为所有可能的槽- 值对都建立对应的逻辑回归模型。设输入语句的特征为u ,对于槽s,其取值为v,则输入语句包含槽- 值对( s,v) 的逻辑回归概率为:

式中,ωT是 ω 的转置,ω 为逻辑回归的模型参数。参数的训练可以有多种方法,这里采用L2 规则化的逻辑回归,即解决如下无约束最优化问题[7]:

式中,L为训练集样本个数,ui为第i个样本的特征,yi为类别,取值 ± 1 ,yi= 1 表示第i个样本包含槽- 值对(s,v) ,yi= - 1 则表示不包含,C > 0 为惩罚参数。本文逻辑回归的参数采用Liblinear工具包[7]进行训练,惩罚参数C可以通过开发集来调节,直到逻辑回归模型在开发集的分类正确率最高,不过实际上一般取C = 1 便可以很接近最优模型。

对于有多个取值的槽s ,增加s = null的逻辑回归模型,PLR(s = null | u) 表示语句不包含槽s的概率。这便于下文进行1. 4. 1 节中的多类分类。

1. 3 联合概率模型介绍

只考虑用户输入语句(utterance)均能用一个语义框架来表示语义的情形。设输入语句特征为u ,某个语义框架F的对话行为为d ,F包含的槽- 值对的集合为 Λ 。文献[4]提出了如下联合概率模型:

其中,P(d | u) 采用一个多类分类器估计,P(s =v | u) 则用二类分类器估计。

此联合概率模型隐性地假设了所有槽- 值对都是相对独立的。这样笼统的假设有很大的局限性。第一,增大了解码的搜索空间,降低了解码的速度。假设所有可能的槽- 值对的个数为N ,如果不引入剪枝,则解码搜索空间为N的阶乘。第二,对无意义的语义表示(如inform(area = east,area = west))也赋予了概率,降低了有意义的语义表示的概率比重,影响解码性能。

针对联合概率估计公式(3) 的局限性,并考虑到DSTC2 数据集中用户的输入语句对应一个或者多个语义框架,即P(d | u) 不能简单地用多类分类器估计得到,本文提出了两种新的联合概率模型。

1. 4 基于合并语义框架及独立性假设的联合概率模型

1. 4. 1 互斥性假设以及独立性假设

在一个语义框架中,有些槽- 值对是互斥的。如槽area不会在inform中出现两次或两次以上,因为例如inform(area = east,area = west) 这样的语义表示,即寻找一家位于城市东部且位于城市西部的餐馆在现实中并不成立。对于在一个语义框架中最多只出现一次的槽,建立该槽的多类分类模型。设槽s的可能取值集合为V ,则输入语句(特征为u )的槽s取值为v的概率为:

式中,PLR(s = v | u) 由公式(1)计算而得。若v为null ,则表示输入语句不包含槽s的相关信息。

为了便于处理,可以认为在一个语义框架中,有些槽与槽之间是相对独立的。如语义表示inform(pricerange = moderate,area = north ),若假设槽pricerange和槽area相对独立,其联合概率则变成边缘概率的乘积,从而简化了模型,降低了计算难度。利用独立性假设时,需要先将语义表示补充完整。如inform至多有四个槽,语义表示inform(pricerange =moderate,area = north ) 的完整形式应该为inform(pricerange = moderate,area = north,name = null,food = null),然后再计算联合概率。

若某语义框架符合独立性假设,其对话行为为d ,将其所有可能槽排列为向量,对应的值向量为。对于该语义框架,其条件概率:

其中,P(si= vi| u) 可以用公式(4) 求得。由于不同的语义框架可能有相同的槽- 值对,为了共用这些信息,以上公式最后部分采用了近似的形式。

1. 4. 2 联合后验概率的计算

若语料库的用户输入语句均用一个语义框架来表示语义。则对于特征为u的输入语句,解码为语义框架的概率为:

其中,可以用公式(5)求得,P(d |u) 为对话行为分布。由于此情况下每个语句对应唯一的对话行为,即满足互斥性假设,所以可以用类似公式(4)的方法来计算P(d | u)。

然而,在有些语料库中,用户的输入语句可能对应一个或者多个语义框架。若语句能分解为多个语义独立的句子,则可以对分开后的句子分别进行解码后再联合在一起。但实际上,由于语音识别的结果带有错误,将输入语句分解成若干个语义上独立的句子难以实现。所以本文采用如下两种方法。

一是将输入语句对应的多个语义框架合并为一个新的语义框架,如将ack()&reqalts()合并为ack_reqalts() 。从而转化为输入语句对应一个语义框架的情形,联合后验概率与公式(6)相同。

二是进行独立性假设,如ack( ) &reqalts( ),假设ack与reqalts是相对独立的,则联合概率可以用边缘概率的乘积来表示。使用独立性假设时,需要将可能的对话行为补充完整。如,其中,Θ 为除ack和reqalts外的其他对话行为的集合。

两种方法各有利弊。方法一计算便捷,但新语义框架的引入会导致数据稀疏;方法二不需要增加或者重新计算底层逻辑回归模型,但搜索空间较大。

1. 5 特征选取

在语音识别的多候选结果(N-best list)中,选取N-Gram特征。具体来讲,设语音识别的N候选结果为asr_hypi,对应概率为pi,i = 1,2,…,N 。首先将概率归一化,即;然后计算语音识别候选asr_hypi的N-Gram特征,N-Gram特征的某个分量值为该N-Gram分量在asr_hypi出现的次数乘以概率pi; 最后将各个语音识别候选相同的N-Gram特征分量的值相加。

2 实验

2. 1 语料库简介

本实验使用的语料库为Dialog State Tracking Challenge 2[8]所提供。DSTC2 语料库不仅适合于对话状态跟踪研究,也适合于口语理解研究。语料库的应用领域为餐馆查询,用户可以指定地理位置、价格范围、口味等条件来查找合适的餐馆,并获得餐馆的电话、地址、邮编等信息。语料库提供了两种语音识别结果,在线(live) 语音识别结果和批量(batch)语音识别结果,本文使用在线语音识别结果作为口语理解的输入。语料库的一些信息如表2 所示,第一行为在线语音识别的字错误率(Word Error Rate,WER),第二行为口语对话数( Dialogues),第三行为用户语句数(Utterances)。在语义表示方面,语料库包含11 种对话行为,225 种槽- 值对。语料库提供了每个语句的基于人工规则的口语理解结果,这是本文的基线系统BASELINE。

2. 2 评价尺度

口语理解的评价尺度主要有F1值(F1score) 和项目交叉熵(Item Cross Entropy,ICE)。为了便于评价,将语义框架拆分为K个元组,即(d,s1,v1),(d,s2,v2),…,(d,sK,vK) ,则语义框架成为了一个集合,其K个元素是这K个元组。设输入语句真实的语义表示为集合Dref,解码后的语义候选( semantic hypothesis) 为Dhypi,Dhypi的概率为pi,i=1,…,M,p1≥p2≥…≥pM。

①F1值(F1score)

F1值是准确率(Precision) 与召回率(Recall) 的调和平均数,可以用来度量最优候选Dhyp1的好坏度。准确率,召回率,则F1值为:

式中,| S | 表示集合S的元素个数,Dref∩ Dhyp1表示集合Dref与Dhyp1的交集。F1值越接近1,表明最优候选越接近真实值。

②项目交叉熵(Item Cross Entropy,ICE)[9]

ICE可以用来度量语义假设分布的好坏度。设T为包含所有可能的元组集合,对于每一个元组t ∈T,所有语义候选包含该元组的概率和为,而真实的语义表示包含该元组的概率为,那么项目交叉熵ICE定义如下[4]:

ICE越接近0,表示语义候选分布越接近真实分布。DSTC2 数据集提供了计算F1值和ICE的工具。

2. 3 实验结果

为了处理用户的输入语句可能对应一个或者多个语义框架的情形,本文在1. 4. 2 节引入了两种方法,将合并为新语义框架的方法记为SLU1,将独立性假设的方法记为SLU2。输入特征采用N-Gram(n =1,2,3)特征。分别在开发集和测试集上进行实验,结果如表3 所示。SLU1、SLU2 性能均比BASELINE有很大提升。SLU1 则比SLU2 相比,在F1值上有所提升,而ICE则有所下降。

文献[10 - 11]均采用语义元组分类器模型在DSTC2 上进行了实验[10]。使用决策树作为分类器,记该方法为STC_DT[11];使用支持向量机作为分类器,记其模型为STC_SVM。由于STC_SVM只在开发集进行了实验,所以这里在开发集上进行SLU1与其他两个方法的比较,结果如表4 所示。可以看出,STC_DT性能与BASELINE相近,STC_SVM的性能则有一定提升,而本文SLU1 方法则比STC_SVM在F1值和ICE上都有明显提升。另外,SLU1 方法每个语句平均解码时间为15ms ~ 20ms,与STC[2]平均200ms解码时间相比,解码时间得到了大幅度下降。

3 结束语

本文提出了一种基于逻辑回归的口语理解方法。该方法能直接以语音识别多候选结果作为输入,降低了语音识别结果不准确带来的负面影响,同时不需要引入语义序列标注,减小了标注工作量。另外,该方法易于训练,能快速解码。在DSTC2 数据集上的实验表明,其解码性能优于基于人工规则的方法和STC方法。本文的特征提取采用的是单一的N-Gram特征,如何增加新的特征,如浅层语义类特征等将是今后的一个研究方向。另外,如何将输入语句正确地划分为语义独立的句子,使模型更精细,也是以后研究的一个主要课题。

摘要：针对语音识别错误导致口语理解系统性能下降的问题,提出一种易于训练且解码快速的鉴别式口语理解方法。首先为每个语义要素建立一个二类逻辑回归模型,随后根据领域中的限制关系建立联合概率模型。在英语公开数据集DSTC2上的实验结果表明,该方法优于人工规则方法和语义元组分类器模型。

关键词：口语对话系统,口语理解,逻辑回归,语义框架

参考文献

[1]De Mori,Frederic Béchet,Hakkani-Tür D,et al.Spoken Language Understanding-Interpreting the Signs Given by a Speech Signal[J].IEEE Signal Processing Magazine,2008,25(3):50-58.

[2]Wang Y Y,Acero A.Discriminative models for spoken language understanding[C].Pittsburgh,PA,USA:9th International Conference on Spoken Language Processing,2006:1766-1769.

[3]Mairesse F,Gaai M,Juríek F,et al.Spoken language understanding from unaligned data using discriminative classification models[C].Taipei:2009 IEEE International Conference on Acoustics,Speech and Signal Processing.2009:4749-4752

[4]Matthew Henderson,Milica Gaci,Blaise Thomson,et al.Discriminative spoken language understanding using word confusion networks[C].Miami,FL,USA:2012 IEEE Workshop on Spoken Language Technology,2012:176-181.

[5]Wang Ye-yi,Deng Li,Alex Acero.Spoken Language Understanding[J].IEEE Signal Processing Magazine,2005,22(5):16-31

[6]David A Freedman.Statistical Models:Theory and Practice[M].Cambridge,England:Cambridge University Press,2009:128.

[7]R.-E.Fan,K.-W.Chang,C.-J.Hsieh,et al.LIBLINEAR:A library for large linear classification[J].Journal of Machine Learning Research,2008,9:1871-1874.

[8]Matthew Henderson,Blaise Thomson,Jason Williams.The Second Dialog State Tracking Challenge[C].Philadelphia,PA,USA:15th Annual SIGdial Meeting on Discourse and Dialogue.2014:263-272.

[9]Thomson B,Yu K,Gai M,et al.Evaluating semantic-level confidence scores with multiple hypotheses[C].Brisbane,Australia:9th Annual Conference of the International Speech Communication Association.2008:1153-1156.

[10]Jason D Williams.Web-style ranking and SLU combination for dialog state tracking[C].Philadelphia,PA,USA:15th Annual SIGdial Meeting on Discourse and Dialogue,2014:282-291.

矿体构造的逻辑结构建模方法研究 篇10

为了有效表达建模过程中功能和结构间的内在联系及系统构成中的相对独立性, 我们引入“逻辑结构单元”的概念:概括地讲, 逻辑结构单元是一类具有层次性的、带有属性的逻辑单元, 是建模过程中一定的表现、语义和抽象的结合。具体地说, 逻辑结构单元是模型构成中逻辑上具有相对独立性、表达特定作用、包含一定几何特性的抽象类单元, 可用来构成一定的功能结构。

逻辑结构单元的定义与建模功能是与具有建模意义的组件组合的概念一致。对于逻辑结构单元的抽象是建立在建模分解的基础上的, 只要它们在建模过程中所起的作用和所发生的关系相同, 即可将其归为同一逻辑结构单元。概括起来, 其确定应遵循下列规则:

(1) 功能表示规则——逻辑结构单元具有形式化描述建模构成中特定的功能需求的能力, 包含一定的建模功能语义。这类似于机构原理、电路原理和液压原理等原理设计中的原理元件定义。 (2) 几何描述规则——逻辑结构单元几何上强调的是与实现建模有关的装配信息, 而对其它相关的信息予以忽略;粒度上可以是一个地质构造, 或是地质构造中的某个或某些形状特征, 也可以是一个结构。因而, 逻辑结构单元的几何描述要能表达建模构成中实现部分或特定建模功能的基本几何要素, 包含对实现相同、相近或相似功能的相似几何形状 (数学上几何同态) 的抽象表示, 即具有不涉及几何细节描述的几何样式描述。 (3) 属性定义规则——逻辑结构单元的属性定义是对特定建模定义域内模型组成的全局描述, 主要包括两个方面:建模属性和几何属性。功能属性定义产品构成的特定功能需求特性, 几何属性表达实现功能的关键几何特性及其建模组成层次的全局装配关系。 (4) 过程适应规则——逻辑结构单元具有模型结构的关键几何特性, 可用来确定建模构成的全局装配关系, 进行结构显示和装配操作, 形成基于装配的建模设计多级抽象表达, 适应设计过程不同阶段应用的需要, 既支持抽象的设计功能表示, 自动保持建模功能的不变性, 又允许在建模过程中自顶向下逐步完成零构件的几何细节设计。

2 逻辑结构建模式的形式化表示

根据逻辑结构单元的定义, 我们利用形式语言理论和框架理论对其进行符号化和形式化处理, 定义下述文法符号化和形式化产品的逻辑结构建模表达:GP= (DOM, VI, VA, FOP, P)

主要元素的定义及它们间的关系如下:

DOM是文法属性的定义域的有限集合, 域中的对象称为属性, 定义域DOM定义了建模部件及逻辑结构模型可能具有的各种属性 (包括功能属性和几何属性) 的取值范围。

FOP是定义在文法属性定义域的笛卡尔积上的辅助函数及依附在属性框架及其各函数之上的辅助过程的有限集合。文法的属性计算规则通过操作、调用这些辅助函数及过程计算和获取文法词汇的属性值。辅助函数描述文法的属性值依赖于文法其它属性值的关系, 通过这种关系未知的属性值可以从已知的属性值计算求出。辅助过程描述文法的属性值依赖于文法外部参数的关系, 它用于从文法外部获取有关属性值。文法词汇的属性框架中的任何一个属性变量都至少有一个辅助函数或辅助过程与之相互联系。

3 建模功能的逻辑描述

功能分解是建模中十分重要的步骤, 它是将模型的总功能分解成较为简单且能由结构来实现的分功能或功能元。功能描述必须满足功能分解的要求。功能描述包括两部分:功能语义和功能连接关系。功能语义由“动词+名词+ (修饰词) ”组成, 其中, 动词必须是主动动词, 如“转换”、“传递”、“支持”等可用以表示功能, 而象“提供”、“允许”等不需要任何动作而不能作为动词使用;名词表达功能的作用对象, 必须是“可测量的”, 但不能指定结构;修饰词则是对功能作用的进一步补充说明。这样的描述类似于英语句子中的动宾结构, 但简化了英语句子的语法, 例如不考虑词态、冠词和名词的数等等。总之, 功能的描述需要对应用领域的功能类型进行精心分类, 避免功能词汇所表达的功能间的偶合, 是功能描述能表达一系列建模而不仅仅是某一种类型。

功能连接关系表示功能描述间的层次关系及实现方法 (Why/How) 。“Why”指针表达所包含功能的来源, 即指向高层功能;“How”指针说明所包含功能的实现, 即指向低层功能。这样的连接按照功能分解的要求将高层功能与低层功能连接起来。功能连接关系主要包括:合取关系 (表达功能的可分解性) 、析取关系 (表达功能的可选择性) 、时序关系 (表达功能存在的时间关系) 、因果关系 (表达功能间的相互依赖或组合关系) 、信息关系 (表达功能存在的信息互补性或依赖性) 及更新关系 (表达功能分解中功能的产生、变异、退化或消失等特性) 。功能连接关系的描述用介词短语, 即“介词+动名词”和“介词+名词”结构来实现, 其中, 动名词表示所包含功能的上下层功能的关系, 名词表达相关功能的名称。

据此, 功能的形式化描述可表示为:

式中:FN——功能的名称;FV——表达功能的主要行为;FO——表示功能的作用对象;〈FP, FN〉——介词短语, 表达功能在功能层次中的上下关系。

这样, 在进行面向的计算机辅助设计时, 通过系统中由一整套语法规则组成的句法分析器, 就可对产品装配进行语法分析。

4 矿体结构的抽象表达

一个功能的实现往往只涉及矿体构造的某个或某些特征, 而非与构造整体相关, 也就是说, 一个功能, 可以通过单个构造上的某一特征来实现, 也可通过不同构造间某些特征的相互作用来实现。总的来说, 基本功能的实现往往反映了矿体的主体;支持功能和附加功能则把完成基本功能的各构造连成一个整体, 往往是以矿体的某个或某些特征为基础。为了有效地表达逻辑结构模型中的结构特征, 必须建立一整套特征—功能、构造—功能映射规则, 应先考查具体领域的大量实例, 然后进行归纳、抽象, 以得到具有较强表达能力的各种结构单元特征。

逻辑结构单元的抽象化特征其定义基本上类似于基于特征设计方法中的特征定义, 区别主要在于: (1) 结构单元中的特征主要面向功能实现, 既可是实现某一或部分功能的形状特征, 也可以拓展为由多个形状特征构成并用以完成特定功能的构造; (2) 结构单元特征的几何定义不涉及底层元素, 功能相同且几何同态的结构可归为一类, 抽象层次相对更高; (3) 主要用于表达模型构成全局结构关系, 而忽略细节构造, 从这个角度来说, 结构单元可视为矿体中的组成单元; (4) 模型表示不必基于参数化, 而是为细节设计提供导引。

5 结论

试图将原理设计方法与特征设计技术结合起来, 从理论上提出了逻辑结构模型和逻辑结构造型的定义, 以实现地质建模过程各类不同层次抽象信息模型的统一表达, 保证建模过程中各类模型的表达可行性, 为同质或异质模型间的有效转换和模型变动的一致性控制提供实现机制。它将是新一代支持建模过程CAD系统的核心概念。但本文仅给出了逻辑结构的概念模型, 还有许多问题需要讨论和进一步研究。

摘要：将逻辑结构单元作为地质建模过程中模型各组成要素的抽象, 进而提出了逻辑结构建模的形式化表示方法, 重点探讨了模型功能的形式化描述、模型结构的抽象化表达、逻辑结构模型的组织方式及逻辑结构模型的一般算法等主要技术。所提出的方法为煤田地质建模到软件系统设计提供了基础。

关键词：地质建模,逻辑结构,组织方式

参考文献

[1]Burrough, P.A.&A.U.Frank.Concepts&paradigms in spatial information:are current geographical information systems truly generic-[J].International Journal of Geographical Information Systems, 1995, 9 (2) :101-116.

[2]Peuquet, D.J.It's about time:a conceptual framework for the representation of temporal dy-namics in geographic information systems[J].An-nals of the Association of American Geogra-phers, 1994, 84 (3) :441-461.

[3]Worboys, M.F., Hearnshaw, H.M., &D.J.Maguire.Object-oriented data modelling for spatial databases[J].International Journal of Geographical Information Systems, 1990, 4 (4) :369-383.

逻辑的方法 篇11

关键词：能效逻辑；数据中心；PUE；DCiE

中图分类号：TP308文献标识码：A文章编号：1007-9599 (2011) 05-0000-01

Green Data Center Quantitative Evaluation Method Exploration Based on Energy Efficiency Logic

Miu Chenqi

(Shanghai Data Solution Co.,Ltd.，Shanghai201203,China)

Abstract:The construction of green data center core of the most important goal is to reduce energy consumption.This paper presents a based on energy-efficient logic green data center quantitative assessment methods.First to describe the logical process of using energy efficiency;then proposed how to achieve the quantitative assessment of the two indicators.

Keywords:Energy efficiency logic;Data center;PUE;DCiE

一、数据中心“绿色”发展必然要求

大量的数据证明，数据中心的基础建设绝对不能头痛就先医头、脚痛就先医脚，企业的计算需要有“绿色”的思维，与其日后的回头补课，还不如从现在就开始来拥抱绿色。

20世纪五十年代的时候，绿色运动就已经在西方很多国家兴起了，“绿色”思想逐步在全世界的范围内开始被人们所接受。“绿色”思想出发点就是为了保护我们有限的自然资源，调整人类不良行为，满足自然生态中的良性循环，保证人类在世界上的生存安全。在“绿色”思想推动与影响下，生态世界观也开始变成了人与自然界和谐相处的基本行为准则。

目前，我国数据中心的消耗电力只不过是全部的用电量冰山一角而已，在绿色数据计算上，政府机构、企事业单位和IT行业的供应商都必须避免一叶障目，不见森林。数据中心的能耗数据统计，只占全部能耗的5-6%。中原雅哉认为，就算是把绿色计算数据中心做到极致，也仍然是螺蛳壳里做道场。本着做一家具有责任感的信息数据技术公司的理念，应该将目光看得更远些、事情做得更多些。本人认为在绿色数据中心的计算进程中，IT行业的供应商具有巨大责任使命，只有在心中拥有了大绿色的数据中心计算宏伟蓝图，才能够做的出更好更完美的绿色解决方案和绿色技术，从而来为整个绿色环境事业做出重大的贡献[2]。

二、能效逻辑：节能新路标

最近几年来，数据中心需要怎么样有效的节能，一直是世界各国相关的学术机构和环保部门热议及关注焦点，他们为之做出了坚持不懈的努力。2007年8月，美国环保署就向国会递交了份报告，罗列出由Lawrence Berkeley国家实验室提供的10种最佳节能方案。这些方案有：安装变速装置方案、使用高动力马达方案、采用液体制冷方案、使用高功率水冷系统方案、提高空气流动通道效率方案、提高服务器利用率方案、利用自然冷却方案、照明控制方案、适宜的环境条件方案和提高能量转换效率方案等。

上述这10种方案都是节能的好办法。不过只是列举出节能方案还是不能解决问题，目前相关的机构缺少的是对数据中心节能这些方案进行客观中立的评估，这就使得数据中心的管理人员，无法完全的确定下来这些节能的方法是否有节能的功效，并且没有办法来针对数据中心的相关运营状况及设备情况来制定出一套绝佳的节能方案。

根据上述的情况，艾默生能源就是对信息数据中心能源的使用过程中所有的节能频率进行了量化，并且加以了评估及投资多长时间能得到回报做出定论，并提出了“能效逻辑”全新理念。这个能效逻辑新理念描述了信息数据中心内部级联节能效应，为IT部门的管理人员和信息数据中心提供了节能减排的新路标。

总的来说，绿色数据中心描绘了联合节能效应的模型（瀑布式模型），并指出，数据中心主要设备整体节能对数据中心效应的影响。服务器设备每节约4瓦特电，配电设备则能节约0.16瓦特电，交流电源节约1.24瓦特，直流电源节约0.72瓦特电，散热设备能节约4.28瓦特电，UPS能够节约0.56瓦特电，转换开关设备能节约0.28瓦特电。

三、数据中心定量显示的节能效果

能效逻辑也就是针对所设计的节能方案进行优先的排序之后定性出方法，它并不是定量的标准。实际上“定量是显示数据中心的能效，并且采取了节能方案之后能从数字上看出改进的效果”在相关业界并不普遍。07年第三季度艾默生网络能源对用户组进行调查，其中79%多的IT界权威人士认可了能源的效率提高对数据中心非常重要，可是仅有不到17%的接受采访的公司能拿出减少能源使用的计划书[1]。

艾默生网络能源的能源计划总监Jack Pouchet先生说：“我们的客户经常对我们说，效率是第一位的，但同时又是一个很难度量的概念。艾默生网络能源要做的就是用我们的能效逻辑方法帮助IT及数据中心的管理人员确定工作重心、找到量化起始点[1]。”

一个权威的量化起点就是“数据中心能效逻辑定量评价指标”—DCiE和PUE。DCiE是“Data Center Infrastructure Efficiency”的简称，代表的是数据中心基础设施效率；PUE是“Power Usage Effectiveness”的简称，代表的是能量使用效率。这两种概念都由绿色网格制定的。绿色网格是全球非盈利的组织，由业界权威专家构成，该机构致力于开发不受任何平台所约束的技术标准、处理流程、测量方法及新型技术，研制修订了数据中心能效定量评价的指标，包括艾默生公司。

艾默生网络能源提出的--能效逻辑，还有绿色网格组织制定的“数据中心能效定量评价指标”在不断的发展，为现今广大IT管理层的人员和数据中心提供了减少数据中心能量消耗的新思路，将为全球数据中心能源带来崭新的未来。

结语：在人们对绿色数据中心的概念，绿色数据中心在满足环境保护的同事，又把有限的资源有效利用，人类的人与自然协调以及健康舒适生活的、可持续发展等问题都有了相对系统的认识以后，什么样的数据中心才是绿色数据中心，应该满足哪些“绿色”的要求和标准，即如何建立有效测评绿色数据中心的标尺―绿色数据中心评价体系，是现如今必须要完成的一项工程。

参考文献：

[1]吴健.艾默生网络能源通讯[J].2008,4

[2]曹播.能效逻辑和数据中心定量评价指标[J].智能建筑与城市信息,2008

逻辑的方法 篇12

根据Reiter的理论[2], 基于模型的诊断分两步进行:第一步是与领域相关的冲突识别, 即根据被诊断系统的结构和行为模型以及测量结果求出所有征兆, 利用与领域有关的相应算法来产生对应各征兆的最小冲突集, 并形成最小冲突集组;第二步是与领域无关的候选产生, 即求出第一步所产生的最小冲突集组的所有最小碰集, 这些最小碰集就是系统的所有候选诊断。候选诊断产生后, 还需进行诊断的测试和诊断的鉴别, 最终确定真实的故障。

候选诊断的产生是一个研究热点。利用冲突集求解最小碰集是诊断产生的重要方法, Reiter[2]对诊断进行了完备的描述, 并提出了HS-tree算法;Greiner等人[3]发现HS-tree算法并没有体现出Reiter对诊断描述的完备性, 会发生丢解的现象。针对这一点, 提出了HS-dag算法, 采用直接非循环图求解最小碰集;为了提升HS-dag算法的效率, Wotawa[4]又提出了HST-tree算法;上述算法当面临新测量导出的冲突集时, 必须重新生成树状结构, 时间开销大, Hou[5]的剪枝CS-tree算法则可以有效地解决该问题, 但却存在丢解现象;姜云飞、林笠[6,7]采用二叉树的方法分别提出了对分HS-tree算法和递归HS-tree算法, 这两种算法在实际应用中的空间和时间复杂度都有了很大的简化, 且不会丢解, 在面临新导出的冲突集时, 也能直接添加节点, 完成最小碰集的求解;王巍等人[8]提出了拟Hitting集的概念, 利用集合递推求解法得到最小碰集;傅绍文和董健康[9]进一步细化了基于拟Hitting集的算法;Vinterbo等人[10]提出近似碰集的概念, 给集合分配了权重, 采用遗传算法实现了最小碰集的求解;林笠[11]通过使用遗传算法大大减少了最小碰集求解的时空复杂度;在林笠的工作基础上, 黄杰等人[12]提出了求解最小碰集的遗传模拟退火算法;张楠等人[13]则在标准的遗传算法中引入了精英策略, 提高了算法的搜索效率;在解决算法的空间复杂度方面, 逻辑数组法[14]是一个不错的选择, 因为该方法只需要使用二维数组数据结构;通过引入布尔表达式的概念, 可将求解一个冲突集组的最小碰集问题转化成求解布尔方程的全部解问题, 姜云飞等人[15]利用该思想提出了布尔代数法;赵相福等人[16,17]提出了一种利用与元素相关联的冲突集个数求解碰集的新方法, 并结合带有终止节点的集合枚举树SE-tree形式化地表达了计算过程, 经实验对比, 其效率略优于布尔代数法。此外, 还有学者[18]在给定了冲突集簇的前提下, 利用二叉判定图进行最小碰集的求解, 并根据计算结果认为二叉判定图的方法适合单双故障中计算所有最小碰集。

上述方法中, 冲突识别是候选产生的前提, 由于冲突识别本身是一项比较复杂的工作, 因此学者开始进行最小碰集直接求解方法的研究。包括利用结构信息[19]和故障行为[20]直接求解。本文以组件的逻辑结构关系为基础, 通过分析组件的故障对系统的观测产生的影响, 建立观测与组件故障之间的映射关系, 从而形成诊断规则, 通过规则实现最小诊断的求解。相对于其他方法, 基于组件逻辑结构关系的故障诊断法无需求解冲突集, 诊断规则的建立可以离线进行, 因而当诊断规则建立完备后, 可以实现系统故障在线的快速诊断。

1 预备知识

组件的逻辑结构关系是指组件间的信号输入输出关系。本文假设信号的状态仅由组件决定, 即忽略了组件间传输介质的故障, 那么有:

命题1-1组件正常, 则系统正常;反之不真。

命题1-2系统异常, 则必定存在组件异常;反之不真。

证明命题1-1的“”是显然成立的。组件正常, 且忽略了传输介质的故障, 则对于系统而言, 给定一个输入, 必然有期望的输出, 即系统正常。“”则未必成立, 系统正常表示整个系统的输出为期望输出, 但该系统的正常输出有可能是因为系统组件的故障屏蔽造成的。如由两个反相器组成的串联系统, 当输入为0时, 系统的正常输出应为0;但若两个反相器同时故障, 都丧失了反向功能, 则当输入为0时, 系统的输出仍是0。所以系统正常时, 组件未必正常。同理, 命题1-2也是成立的。

推论当系统为连续系统时, 上述命题的正反均为真。

为了证明上述推论, 其推导过程如下:

定理1-1在连续系统中, 若组件的所有输出都是正常的, 则该组件及该组件所有的输入都是正常的 (证明详见文献[21]) 。

定义1-1起始组件:自身的输入即为系统的输入的组件。

定义1-2终端组件:自身的输出即为系统的输出的组件。

定义1-3传递组件:既不是起始组件, 又不是终端组件的组件。

根据定理1-1和定义1-1、1-2、1-3, 可以证明上述推论。

证明

(1) 系统正常, 则组件正常。

系统正常, 说明系统的输出正常, 因此系统的终端组件的输出正常, 由定理1-1知系统的终端组件及其所有的输入正常, 也就是说与终端组件相连的传递组件的输出正常, 反复应用定理1-1, 可得系统的所有传递组件以及系统的起始组件均正常。

(2) 组件异常, 则系统异常。

组件异常, 说明该组件的输出异常, 由定理1-1证明过程知, 对于连续系统不正常输入导致正常输出的概率趋近于0。由此可得, 以故障组件的输出为输入的组件, 其输出必定异常, 反复套用该原理, 可知终端组件的输出必定异常, 即系统的输出异常。

定义1-4组件模型:由于组件的逻辑结构描述的是组件间信号的输入输出, 因此将组件模型描述成如下三元组 (状态、输入、输出) :

其中:component (?) ———组件?的状态

in_?i———组件?的第i个输入

out_?j———组件?的第j个输出

对于起始组件, 由于其输入为系统输入, 在诊断时认为系统的输入一定正常, 因此, 起始组件的模型可简化为组件和输出。另外, 假定组件及输入输出均只存在正常和异常两种状态, 因此, 组件及输入输出的取值为0 (正常) 或1 (异常) 。

定义1-5系统描述:所谓的系统描述是指二元组 (模型、连接) :

其中:CM为组成系统的组件的模型

link表示组件间的连接关系

根据系统描述, 可以构建出系统组件的逻辑结构关系。若从组件的故障出发, 就可推出组件故障与系统输出之间的关系。在实际诊断中, 可利用建立起的关系, 根据系统输出进行故障诊断。系统组件的逻辑结构关系可以直观地用表1的形式。

2 实例验证

Poly-box系统是MBD中较为常见的例子, 本文也以它为例, 验证方法的正确性, 如图2所示。Polybox系统由三个乘法器 (M1, M2, M3) 和两个加法器 (A1, A2) 组成。系统有两个输入, 分别为3和2;两个输出, 分别为10和12。显然, 系统出现了故障, 按照Reiter的方法可得出极小诊断有4个:{M1}、{A1}、{M2、A2}、{M2、M3}。

按照本文的方法, 可用表2的形式描述该系统组件的逻辑结构关系。

表2完全建立了组件故障与系统输出之间的关系。如当且仅当组件A1故障时, 系统的输出为 (1, 0) , 即相应于A1的输出异常、相应于A2的输出正常。根据表2中信息, 可建立如下的诊断规则。

同理, 可得到输出 (0, 1) 和 (1, 1) 的诊断规则。

根据最小诊断的理论, 由上述规则求出最小诊断为:

3 分析讨论

3.1 诊断解的特性分析

(1) 完备性:由于本方法的实质是从故障组件出发, 利用系统的逻辑结构模型推导出组件故障状态下对应的系统可观测点的输出。因此, 当组件故障模式分析完备时, 建立的诊断规则也是完备的, 解的完备性是显然的。

(2) 可采纳性:可采纳性定义, 称诊断系统S是可采纳的, 当且仅当对诊断领域的任意诊断问题Q, 满足:

其中:

absetQ为诊断问题Q的真正故障组件集合;

S (Q) 为诊断问题Q在系统S中的诊断集合。

由可采纳性的定义可知, 若规则建立的完备, 则本文的诊断系统是可采纳的, 否则会产生丢解的情况。

(3) 重用性:由于本文诊断时, 仅考虑系统的观测是否正常, 而与系统输出具体值无关, 因此本文的诊断结果可以重用。即不管系统输出的具体值是多少, 只须判定系统的输出是 (1, 0) 、 (0, 1) 、 (1, 1) 中的哪种即可运用已经建立好的规则得出诊断结果。

3.2 方法的效率分析

该方法仅通过系统组件的逻辑结构关系求得了极小诊断, 与通过极小冲突集求解极小诊断的方法相比, 显得更为直接。系统组件的逻辑结构关系可先离线分析得到, 这样在系统的在线诊断时, 仅需要搜寻离线分析得到的诊断规则而无需推理, 效率较高。实际上, 本文的方法将推理过程在离线过程中进行, 避免了在线诊断时的推理过程, 因此运用本文的方法的关键在于诊断规则库的离线建立, 而达到这一点则要求规则建立者必须十分清楚系统组件的逻辑结构, 利用系统组件的结构性知识进行推理, 并得出所有故障模式下的对应关系, 因此该方法本质上属于MBD中的溯因诊断。

3.3 改进措施

本文的方法虽然是通过离线的方式获得诊断规则, 但是, 当系统的组件数量十分庞大时, 离线建立规则的效率低下就成为了一个不能回避的问题, 为此提出两点改进措施。

(1) 改进1:与等价部件[22]相结合。

根据上述两个定义, 可得如下定理:

定理3-1若C1, C2∈COMPS, 如果C1∈C是一冲突集, C2, C1∽C2, 则C2∈C。

定理3-2若C1, C2∈COMPS, 如果{C1}∪Δ是一诊断, C2, C1∽C2, 则 ({C2}∪Δ) 也一定是诊断。

利用上述两个定理, 在计算诊断时可以只考虑等价部件中的一个部件即可, 这样可以减少计算量。

构造等价部件树的原则。

确定树的根节点, 然后再反向寻找该根节点的等价部件树;任意两个不同的部件树均不相交。满足以下三个条件之一的节点都是根节点。

a) 部件C输出不与其他任意节点的输入相连;

b) 部件C输出值是观测值;

c) 部件C输出与其他部件的输入相连。

以本文的Poly-box系统为例, 用有向图来描述该系统, 如图3所示。

根据等价部件树构建原则, 将Poly-box系统等价部件树结构化为图4。

于是, 原系统的诊断原则构建过程可简化为三个组件组成的系统, 如图4中 (b) 所示。其中, 组件A指代原系统中的组件A1、M1;组件B指代原系统中的组件A2、M3。仍按照本文的方法, 可建立表3。

此时, 得到化简的诊断规则为:

再根据等价部件的相关定义和定理, 将A、B所指代的原系统的组件代入该诊断规则, 就得到了与第2节相同的原系统诊断规则, 但诊断规则的建立效率明显提高。理论上讲, 每减少一个组件, 构建效率就会提高一倍。

(2) 改进2:利用诊断分解[23,24]构建规则。

定义3-3设 (SD, COMPS) 是一个系统, 称有向图G= (P, A) 为该系统的关系图, 如果点集P代表COMPS, 有向边集A表示元件 (点) 间的连接, 则从元件的输出指向与之相关联元件输入的所有有向边组成的集合。

定义3-4设 (SD, COMPS) 是一个系统, G= (P, A) 是该系统关系图。变量O是元件Co的一个输出, 那么, O的相关元件RCOMPSoCOMPS是由Co和到Co在G= (P, A) 中至少有1条有向通路的所有元件一起组成的元件集合。

令vars (RCOMPSo) 是与RCOMPSo中所有元件相关的变量集合, 则:border (RCOMPSo) =vars (RCOMPSo) ∩vars (COMPS-RCOMPSo) 是建立相关元件和相关元件外部联系的所有公共变量集合。

定理3-3给定诊断问题 (SD, COMPS, OBS) , 是公共变量O相关的元件集合。若border (RCOMPSo) 中所有变量例化值在OBS中, 那么, (SD, COMPS, OBS) 是可分解诊断问题。

当公共变量具备了具体的赋值后, 根据上述定理, 就能够把对整个系统的诊断分解成各个子系统的诊断问题, 针对分解出的各子系统, 分别应用本文的方法给出诊断规则, 然后合并即可。

考虑本文的Poly-box系统, 显然, M2是公共变量, 即当M2有了具体的赋值后, Poly-box系统就是一个可分解的系统。直接为M2赋值正常 (0) 、异常 (1) 。此时Poly-box系统分解为三个子系统:子系统1由M1、A1两个组件组成;子系统2由M2单独组成;子系统3由M3、A2组成。以M2=0为例, 按照子系统的划分, 可建立表4和表5。

此时的诊断规则为

此时的诊断规则为

将上述规则合并并化简, 可得M2=0时系统的诊断规则 (记为rule (M2=0) ) :

同理可得M2=1时系统的诊断规则 (记为rule (M2=1) ) :

系统的诊断规则为rule (M2=0) +rule (M2=1) , 结果与第2节诊断规则相同, 但效率优于原方法。

4 与相关工作比较

由于Reiter的方法需要调用定理证明器进行冲突识别, 其复杂性是指数级的, 尽管大多数研究者对该方法进行了改进, 但由于这些改进工作都是在Reiter的诊断逻辑框架下进行的, 改进效率都不能令人满意。本文的方法类似于一种过程化的方法, 从而实现了效率的提升。相类似地, 文献[25]给出了通过诊断图分析的快速诊断算法, 该方法将诊断的计算过程分为两个阶段进行:构造诊断图阶段和诊断计算阶段。构造诊断图阶段从系统输入 (表示系统的初始状态) 出发, 根据系统的元件之间的连接关系, 前向扩展诊断图, 直到能一致地得到系统的观察值集合。诊断计算阶段从系统的观察值出发, 反向搜索诊断图, 以求出能导致系统观察值的系统元件工作模式集合。但是, 该方法的每次诊断求解只产生众多可能的诊断解中的一个, 而且求得的诊断只是包含最小诊断的诊断解, 不一定为最小诊断。而通过本文的方法建立起规则后, 利用规则可直接求得所有最小诊断。另外, 文献[26]给出了基于因果关系求诊断的方法, 该方法根据系统的异常输出反向推理, 利用极小诊断组成原理及相关定理得出极小诊断;而本文的方法则是从元件故障出发, 前向推理, 得出系统输出, 建立规则, 进行诊断。

5 结论

本文提出了一种直接求解最小诊断的方法, 该方法将最小诊断的求解分解为离线建立诊断规则和在线确定诊断的两个过程, 当诊断规则库完备时, 诊断的在线确定仅仅是个搜索的过程, 因此效率较高。同时, 对该方法的诊断解的完备性、可采纳性、重用性进行了说明。从本质上讲, 该方法属于溯因诊断, 因此要求诊断规则的完备, 对于离线建立规则的效率低下问题, 本文也进行了研究, 并提出了两个改进措施, 验证结果表明, 改进措施可以有效地提高诊断规则的建立效率。

由于本文的方法仅仅完成了诊断的产生, 若想进一步进行故障确认, 按照MBD的原理, 还需增加测点, 得到更多的诊断信息, 完成诊断的测试和鉴别。

摘要：提出一种利用组件逻辑结构关系直接求解所有最小诊断的方法。该方法将系统的最小诊断求解分解为离线建立规则和在线确定诊断两个步骤。方法的本质属于溯因诊断。以Poly-box系统为例验证了方法的正确性, 同时对方法的诊断解的完备性、可采纳性、重用性进行了分析说明。针对方法中的规则建立效率低下的问题, 提出了两点改进措施, 并仍以Poly-box系统为例进行了对比验证, 结果表明, 改进的方法提升了诊断规则的建立效率。