随着科技进步,社会不断发展,互联网、供电系统、汽车等大型复杂系统与人们的日常生活联系更加紧密。当下这些系统功能更加全面,系统研发的投资更多,系统的使用频率更高,系统规模也不断扩大。这不仅增加了系统的复杂性和系统间的耦合程度,还增加了出现故障的可能性,故障是指系统与其正常或预期行为之间的偏差。无论拥有多么先进的设计,如何改进硬件及软件技术,或者如何系统地训练操作人员,都不能确保故障不会发生。实际上,考虑到系统的各个子系统、组件和进程之间的复杂交互,甚至可以认为系统故障的发生是不可避免的,故障诊断方法应运而生。基于模型诊断是故障诊断方法之一,具有不依赖具体的专家经验,也不面向具体的设备,可复用性好,移植灵活,方便维护,可以判定的故障更全面这些优点,是人工智能领域热门的研究方向。基于模型诊断是使用有限状态自动机等方法,将系统建模为对应逻辑系统,获得系统的预期数据,然后根据观测到的数据得到实际系统数据,与预期数据比较看是否存在差异,若存在差异,则需要判断系统具体出现了哪些故障,导致差异发生。基于模型诊断最早对离散事件系统构建全局诊断器的方法,通过判定诊断器中是否存在故障不确定状态环来确定待诊断系统是否可诊断。在现实生活中,如果系统中发生了故障事件,又在该故障事件后发生了与该故障相应的被禁止事件序列,那么该故障可能危害人们的生命安全和财产安全,为了避免影响安全事件的发生,人们希望能及时有效的提前得到安全事件发生的预警。近年来,Stephane Lafortune等人提出了离散事件系统的安全可诊断性以满足上述需求。为了改进离散事件系统的安全诊断方法,首先,本文介绍了DESs诊断器的构造方法及相关概念,然后给出简化DESs诊断器的算法,以便减少后续安全可诊断性计算的复杂度。然后,在简化DESs诊断器基础上,研究DESs的安全可诊断性判定问题。本文先给出了安全诊断性相关概念及模型,然后给出了构造简化DESs安全诊断器的算法,同时给出了简化DESs安全诊断器的模型、性质、定义及相关证明,并对该算法进行实验。最后,本文对DESs安全可诊断性问题进行延伸,提出了分布式DESs的安全可诊断性判定问题,同时给出相关的性质、定义及证明。最后通过举例说明,使用简化校验器判断分布式DESs安全可诊断性是可行且高效的。