一种适用于无人飞行器电气系统的故障诊断方法
【技术领域】
[0001] 本发明设及一种故障诊断方法，特别是一种适用于无人飞行器电气系统的故障诊 断方法，属于电气系统设计领域。
【背景技术】
[0002] 新一代无人飞行器完成赋予任务时，不仅要高效率而且要具有更好的安全性，一 种适用于无人飞行器的可快速动态重构电气系统将不会显著增加软硬件资源开销而实现 更安全的飞行，可W根据能力丧失情况和任务功能优选级重新分配剩余资源、执行资源实 现资源的动态配置重构。在系统重构设计方面，国内外关注的重点在飞行器电气系统的冗 余架构、系统备份方式方面，一般通过对故障模式的分析事先设定好故障情况下逻辑重构 的形式，难W满足未知故障状态下系统快速自主重构的需求，也一定程度上降低了电气系 统的容错性、高可靠性。
[0003] 数据挖掘技术的不断发展，为从海量的卫星测控数据中分析提取出有价值的知识 提供了有效的理论和工具支持，并且国内外对数据挖掘技术在卫星故障诊断及预测中的应 用进行了研究，但是此类故障检测方法仅针对常规可预见性故障进行设计，当发生的故障 与预先假设的故障相差较大时，该方法不能得到满意的结果。为最大限度提高飞行任务的 可靠性与安全性，实现未知故障状态下系统快速自主重构的任务需求，需重点解决电气系 统任意故障模式的识别、预测W及定位问题，W及在此基础上实现电气系统的快速重构设 计。
【发明内容】
[0004] 本发明的技术解决问题是：克服现有技术的不足，提供了一种适用于无人飞行器 电气系统的基于数据挖掘技术的动态重构设计方法，利用基于决策表的数据挖掘技术，根 据电气系统硬件、软件故障推断故障原因并实现故障定位，然后结合知识推理算法实现适 用于无人飞行器的自主快速动态重构，极大地提高了电气系统的可靠性与容错能力，有较 好的工程应用价值。
[0005] 本发明的技术解决方案是：一种适用于无人飞行器电气系统的故障诊断方法，其 特征在于步骤如下：
[0006] (1)建立无人飞行器电气系统故障诊断知识库；所述故障诊断知识库包括故障诊 断决策表和故障诊断规则；
[0007] (2)获取无人飞行器电气系统故障症状集合，令该故障症状集合为C1，将故障症 状集合C1存储于中间数据库；
[000引 做利用步骤似中的故障症状集合C1与步骤（1)中故障诊断知识库中的所有故 障诊断规则进行匹配，取出完整包含C1中所有症状的故障诊断规则，设为R1，令R1的全部 故障诊断决策表组成的集合为D1 ;
[0009] (4)将集合D1中对应的故障原因按照W往诊断成功次数进行降序排列，将决策集 合D1中诊断成功次数最多的故障原因dl作为故障诊断预测结果输出，同时输出dl所对应 的故障症状集合中除去C1之外的故障症状集合C2;
[0010] (5)逐项检查无人飞行器电气系统是否存在C2中的各故障症状，若无人飞行器电 气系统存在C2中的各故障症状，则dl为正确的诊断结果，结束故障诊断过程；否则，dl为 错误的诊断结果，进入步骤化）；
[0011](6)从D1中删除dl，即D1 =Dl-dl，重复步骤（4)~步骤化），直至获取正确的诊 断结果化，进入步骤（7);
[0012] (7)输出最终诊断结果化，根据诊断结果化从预先给定的故障模式查找表中捜索 定位故障模式，并且根据故障模式实现无人飞行器的自主快速动态重构。
[0013] 所述步骤（1)中建立无人机飞行器电气系统故障诊断知识库，具体是利用基于粗 糖集属性约简算法的数据挖掘方法获取无人飞行器电气系统故障类型，进而建立无人机飞 行器电气系统故障诊断知识库。
[0014] 所述利用基于粗糖集属性约简算法的数据挖掘方法获取无人飞行器电气系统故 障类型，进而建立无人机飞行器电气系统故障诊断知识库，具体步骤如下：
[0015] (1-1)获取无人飞行器电气系统历史故障样本，建立无人飞行器电气系统历史故 障样本库；
[0016] (1-2)对无人飞行器电气系统历史故障样本库中的样本按故障类型进行划分，得 到按故障类型划分的历史故障样本库，建立按故障类型划分的历史故障样本库集合；
[0017] (1-3)分别对步骤（1-2)中得到的按故障类型划分的历史故障样本库进行数据预 处理，构建每个按故障类型划分的历史故障样本库的故障诊断决策表；
[0018] (1-4)用基于差别矩阵的决策表属性约简算法对步骤（1-3)形成的故障诊断决策 表进行属性约简，删除所有冗余条件属性；具体为：
[001引令故障诊断决策表为S= <U，R，V，f〉，U=<Xi，而，...，X。〉为论域，其中XI，而，...，X。为历史故障样本，n为历史故障样本数，R=PUD为故障诊断决策表的属性 集合，其中P=(aili= 为故障诊断决策表的条件属性集合，曰1为第i个故障属 性，m为故障属性数，D= {山为故障诊断决策表的决策属性集合，令CD(i，j)为差别矩阵中 第i行j列的元素，则差别矩阵为：
[0020]
[0021]其中i，j= 1，. . .，n，ai(x,)为历史故障样本X,在故障属性曰1上的取值；所述V为 历史故障样本库，f为历史故障样本库的子集；
[002引 （l-f5)求出（1-4)差别矩阵中所有取值非空元素CD(iJ)的析取表达式L。，具体 由公式：
[0023]
[0024] 给出；所述非空元素CdQ, j)满足CdQ, j)声0和QQ:
[0025](1-6)将步骤（1-5)中的全部析取表达式Li,罗列出来，并对它们进行整体合取运 算，从而得出合取范式以具体由公式：
[0026]
[0027]给出；
[002引 （1-7)将步骤（1-6)中的合取范式L化成析取表达式，完成决策表的属性约简，进 而获取具备适应性的诊断规则；具体由公式：
[0029]
[0030]给出；
[0031] (1-8)利用步骤（1-7)中获取到的具备适应性的诊断规则更新无人机飞行器电气 系统故障诊断知识库中的初始诊断规则，并删除与初始诊断规则相冲突的具备适应性的诊 断规则，所述初始诊断规则为人工获取的诊断规则。
[0032] 所述步骤（1-2)中的故障类型分为软件故障和硬件故障，所述软件故障包括应用 任务发生的异常故障、应用任务超时故障和应用任务临界故障；所述硬件故障包括电气模 块故障、接口模块故障、电源模块故障和底板总线模块故障。
[0033] 所述步骤（1-3)中的预处理包括故障提取、离散化和删除重复对象。
[0034] 所述无人飞行器电气系统的重构状态包括9种，分别为：S1 :初始工作方式；S2 : 任务重启动方式；S3 :子系统重加载方式；S4 :终止应用方式；S5 :启动备份模块方式；S6 : 降级重构方式；S7 :电源备份切换方式；S8 :总线备份切换方式；S9 :处理模块终结方式。
[003引所述步骤（7)中根据故障模式实现无人飞行器的自主快速动态重构，具体通过查 找故障模式与动态重构对照表的方式实现，所述故障模式与动态重构对照表如表1所示：
[0036]表1
[0037]
[0038]
?〇
[0039] 本发明与现有技术相比的有益效果是：
[0040] (1)本发明利用基于决策表的数据挖掘技术，根据飞行器上电气系统软件故障、硬 件故障推断出飞行器上电气系统的故障模式；从而可W实现自主快速动态重构；
[0041] 似本发明通过对电气系统故障的识别、预测W及定位实现对电气系统的余度管 理，同时结合自适应算法实现电气系统的自学习，通过大量历史数据不断建模，完善故障诊 断列表，最大限度提高了飞行器故障检测率；
[0042] (3)本发明提出的可快速动态重构不是事先预定的逻辑重构，根据外界条件，结合 知识推理算法实现适用于无人飞行器的自主快速动态重构，极大地提高了电气系统的可靠 性与容错能力，有较好的工程应用价值；
[