[论文解读] Abductive and Consistency-Based Diagnosis Revisited: a Modeling Perspective

Daniele Theseider Dupré|ArXiv.org|Mar 7, 2000

AI-based Problem Solving and Planning参考文献 16被引用 4

一句话总结

本文從建模的視角重新探討歸納式診斷與一致性診斷，顯示兩種方法在確定性模型中是等價的，但在非確定性模型中，歸納式診斷提供更佳的解釋能力。論文提出使用符號抽象與符號代數來建模系統偏差，進而實現更直觀的故障解釋，同時保持診斷的一致性。

ABSTRACT

Diagnostic reasoning has been characterized logically as consistency-based reasoning or abductive reasoning. Previous analyses in the literature have shown, on the one hand, that choosing the (in general more restrictive) abductive definition may be appropriate or not, depending on the content of the knowledge base [Console&Torasso91], and, on the other hand, that, depending on the choice of the definition the same knowledge should be expressed in different form [Poole94]. Since in Model-Based Diagnosis a major problem is finding the right way of abstracting the behavior of the system to be modeled, this paper discusses the relation between modeling, and in particular abstraction in the model, and the notion of diagnosis.

研究动机与目标

• 釐清診斷推理（歸納式 vs. 一致性基於）與模型抽象之間的關係，於模型基礎診斷中。
• 解決文獻中關於診斷之敘述性與計算性問題的混淆。
• 證明在非確定性模型中，歸納式診斷可提供比一致性基於診斷更佳的解釋。
• 展示如何利用符號抽象與符號代數，在不犧牲預測能力的情況下，支援有效的診斷。

提出的方法

• 使用元件式模型，其中每個元件具有正常與異常行為模式，以邏輯公式或符號方程式表示。
• 引入一般性預測概念，將模式指派連結至特定情境下的可觀察參數值。
• 應用符號偏差建模：定義偏差 Δx(t) = x(t) - x_ref(t)，從約束條件推導符號方程式，如 [ΔA] = [ΔB]。
• 使用符號代數（例如 ⊕, ⊖）表達偏差之間的依賴關係，進而支援不確定性下的推理。
• 引入假設（例如 |a| < |b|）以解決符號運算中的模糊性，並產生解釋性診斷。
• 示範透過假設最小且可解釋的偏差，可將歸納式診斷適應於非確定性模型，以預測觀察結果。

实验结果

研究问题

• RQ1 當系統模型因符號抽象而具有非確定性時，歸納式與一致性基於診斷之間的關係為何？
• RQ2 在模型模糊性存在的情境下，歸納式診斷是否能提供比一致性基於診斷更直觀且有意義的解釋？
• RQ3 建模抽象的選擇——特別是在參數細緻度與符號偏差層面——如何影響適當診斷方法的決定？
• RQ4 如何利用符號代數與符號偏差方程式來建模系統行為並支援診斷推理？
• RQ5 在何種條件下，歸納式與一致性基於診斷是等價的，又在何種情況下會產生分歧？

主要发现

• 對於確定性模型，歸納式與一致性基於診斷在邏輯上等價，診斷結果無實質差異。
• 在因符號抽象而產生的非確定性模型中，一致性基於診斷可能產生多組診斷結果，而歸納式診斷可透過假設最小且合理的偏差，提供更具選擇性與可解釋性的說明。
• 使用符號代數可簡潔表達偏差之間的依賴關係，例如在水箱系統中，∂Δlevel = [Δin] ⊖ [Δout]，可捕捉廣泛的動態行為。
• 歸納式診斷可透過假設補償行為（例如 Δout < Δin）來解釋偏差符號變化的觀察結果，此對應於系統行為的自然解釋。
• 引入如 |a| < |b| 之假設以解決符號運算的模糊性，使歸納式診斷能預測特定結果，進而提升診斷解釋的品質。
• 本論文示範即使在符號模型下，歸納式診斷仍可產生既一致又具語義意義的診斷結果，其解釋清晰度優於一致性基於診斷。