通过这段时间看论文，对模型诊断有了一些比较浅显的理解：
模型诊断的提出，是为了更好的诊断系统故障，解决问题。通过对系统建模，观测系统实际行为和模型的预期行为进行比较，根据他们之间的差异，判断系统故障发生的原因，从而解决故障。模型诊断一般分为几个步骤：系统建模、冲突识别、候选产生及诊断鉴别。首先对系统进行建模，一般是通过有限自动机对系统进行建模，定义相应的事件集合，状态集合，转换集合等，再然后通过实际观测和预期观测的冲突，得到可能的冲突集合（故障部件的集合簇），再次根据可能的冲突集合簇，求得最小的冲突候选集合（这里用到了对集合簇求最小碰撞集合的方法），最后在最小的碰撞集合中，找故障发生的真正原因，可能需要添加新的观测来进行诊断鉴别，去掉不符合的故障集合，从而得到真正的故障部件。
现在自己所看的论文中，有的是对模型诊断中一些算法的改进，比如对求集合簇的碰撞集合的算法。还有对系统可诊断性的方法的研究，还有对分布式系统诊断的问题，增量诊断的问题。大多是根据前人的研究成果，对其进行相应的改进或者提出自己的一种方法。我很想写下自己的论文，有自己的想法，有自己的创新点，但是我也知道要想到这个境界，自己现在看的论文还是很少，有些前人方法自己都还不知道就更不要说进行创新了。所以自己的当下任务是多阅读论文了解前人的研究成果，自己多进行比较，多思考，争取有自己的想法。