专利名称：一种利用模型转换进行故障诊断的方法
技术领域：
本发明属于故障诊断分析技术领域，涉及一种故障诊断模型间的转换方法，尤其 是应用故障诊断模型间的转换进行故障诊断的方法。
背景技术：
不确定性问题是设备故障诊断需要解决的关键技术之一，尤其是大型复杂的设 备，其构件之间与构件内部都存在很多错综复杂、关系耦合的相互关系，不确定因素及不确 定信息充斥其间，其故障可能是多故障、关联故障等复杂形式。贝叶斯网络能集成使用定性 信息与定量信息，可以充分利用验前信息和试验信息，可以在不完备数据集情况下实现对 系统故障完整的概率描述。此外，贝叶斯网络具有描述事件多态性和故障逻辑关系非确定 性的能力，非常适合于描述复杂系统的故障与征兆之间的多对多的关系和不确定性关系， 因而成为故障诊断领域研究的热点。贝叶斯网络要在故障诊断领域获得广泛应用，首先要解决其建造问题。目前，建造 贝叶斯网络有两种途径一是由领域专家确定；二是从数据集中抽取，即贝叶斯网络结构 学习。从数据集中确定网络拓扑结构，建造网络是一个NP难题。因此，贝叶斯网络的建造， 是其在故障诊断领域中应用的“瓶颈”。由文献《贝叶斯网络理论及其在设备故障诊断中的 应用》(李俭川等，《中国机械工程》2003年第14卷第10期)，贝叶斯网络应用于故障诊断， 当故障征兆出现时，网络根据节点之间的因果关系(条件相关)和概率值可以推理得出各 种故障原因发生的概率，从而得到诊断理论。
发明内容
本发明为了克服现有用于故障诊断领域中的贝叶斯网络的建造困难的问题，扩大 贝叶斯网络在故障诊断领域中的使用，提出一种利用模型转换进行故障诊断的方法，该方 法可以在保证数据完备的同时，利用自定义的数据结构，将故障模式影响分析模型(FMEA 模型)、故障树分析模型(FTA模型)转换为贝叶斯网络模型，并利用转化后的贝叶斯网络模 型进行故障诊断。所述的故障模式影响分析模型自定义数据结构包括故障模式影响分析表和故障 模式影响分析项，每个故障模式影响分析表包含数条故障模式影响分析项，每条故障模式 影响分析项由编号、故障原因、故障模式、故障影响、故障原因发生的故障概率信息组成。故 障模式影响分析项的编号与故障模式影响分析表中的编号对应。所述的故障树分析模型的自定义数据结构包括故障树、故障结点和事件，每个故 障树包含一个顶结点，其类型为故障结点类型；每个故障结点中包含一个事件。每个故障结 点中有结点类型、结点编号、子结点数目、该故障结点的父结点列表、子结点列表、右结点、 左结点、事件信息，故障结点的类型包括基本事件、中间事件、开关事件、逻辑与门、逻辑或 门、逻辑异或门、逻辑顺序与门、逻辑禁门，事件信息包含事件类型、事件概率、事件编号与 事件说明信息。
贝叶斯网络模型自定义数据结构包括贝叶斯网络和贝叶斯网络结点，其中贝叶斯网络数据结构包含结点的编号，每一个贝叶斯网络结点的信息有结点编号、结点名称、结点 状态、结点先验概率、父结点列表、子结点列表、条件概率表、与故障树逻辑门对应的逻辑门 类型，一个贝叶斯网络中包含数个贝叶斯网络结点。使用故障模式影响分析模型进行模型转换，需要从故障模式影响分析模型自定义 数据结构中提取故障原因、故障模式、故障影响三个因素，将这三个因素转换为贝叶斯网络 自定义数据结构，同时，根据故障模式影响分析模型中故障原因结点的故障概率，设定为贝 叶斯网络自定义数据结构中对应的故障原因结点的先验概率。使用故障树模型进行模型转换，将故障树中的基本事件表示成贝叶斯网络中的父 结点，基本事件中的概率表示为对应贝叶斯网络中结点的先验概率，将故障树中的中间事 件整理表达为贝叶斯网络中包含条件概率表的结点，同时根据故障树中事件的关系设定贝 叶斯网络中结点的关系。本发明的优点在于1、扩大贝叶斯网络模型在故障诊断中的使用。在现有的故障诊断模型进行故障诊 断的领域，均可以使用转换后的贝叶斯网络模型，不受单独建立贝叶斯网络复杂性的影响。2、提高故障诊断模型在实际应用中的诊断准确性。通过多种故障诊断模型的分析 及转换，从不同方面对故障进行诊断分析，可以更清楚地认识问题。3、保证模型转换的通用性。通过设定的通用的故障诊断模型，可以实现不同故障 模式影响分析、故障树分析结果与生成的贝叶斯网络的跨工具转换。
图IFMEA模型转换为贝叶斯网络模型流程图；图2FTA模型转换为贝叶斯网络模型流程图；图3FMEA自定义数据结构示意图；图4FTA自定义数据结构示意图；图5贝叶斯网络自定义数据结构示意图。
具体实施例方式下面结合附图和实施例对本发明进一步说明。为了便于本领域普通技术人员理解和实施本发明，下面结合附图对本发明作进一 步详细、深入地描述，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于 限定本发明。图1描述了故障模式影响分析模型(FMEA模型)转化为贝叶斯网络模型的详细过 程，具体步骤为(1)将FMEA数据需要转化为自定义的FMEA数据结构，同时，建立贝叶斯网络(BN) 结点列表，此时不包含结点数据。FMEA数据中，每条数据均包括故障原因、故障模式与故障 影响信息，选取一条FMEA数据作为备选，若包含故障原因概率，则可以当做其先验概率来 使用。(2)将FMEA数据中的故障原因信息，表示为BN结点结构，判断该故障原因BN结点是否在BN结点列表中，如果不在，则执行(3)；如果该BN结点已经存在于列表中，则执行(4)；(3)将故障原因BN结点加入BN结点列表中；(4)将读取的该条FMEA数据中的故障模式信息表示为贝叶斯网络结点结构。(5)将故障原因BN结点设置为故障模式BN结点的父结点。判断该故障模式BN结 点是否在BN结点列表中，如果不在，则转到(6)；如果在，则判断故障原因BN结点，是否在 故障模式BN结点的父结点列表中。如果不在父结点列表中，则执行(7)；若该故障原因BN 结点存在于故障模式BN结点的父结点列表中，则执行(8)；(6)将故障模式BN结点加入BN结点列表中；(7)将该故障原因BN结点加入故障模式BN结点的父结点列表；(8)将该条FMEA数据中的故障影响信息表示为贝叶斯网络结点结构。(9)将已经设置好父结点的故障模式BN结点设置为故障影响BN结点的父结点。 判断该故障影响BN结点是否在BN结点列表中，如果不在，则转到(10)；如果在，则进一步 判断故障模式BN结点，是否在故障影响BN结点的父结点列表中。如果不在父结点列表中， 则执行(11)；若该故障模式BN结点存在于故障影响BN结点的父结点列表中，则执行(12)；(10)将该故障影响BN结点加入BN结点列表；(11)将该故障模式BN结点加入故障影响BN结点父结点列表，执行(12)。(12)判断FMEA数据中是否仍包含数据未读取。当仍包含数据时，则转到步骤(2)， 进行循环操作。如果不包含未读数据，则操作结束。图2为故障树分析模型(FTA)转换为贝叶斯网络模型的详细过程。具体步骤如 下(I)FTA数据转换为自定义的FTA数据结构。同时，建立贝叶斯网络结点的列表，此 时列表中不包含结点数据。(2)读取FTA数据项，如果该FTA数据项为基本事件，则转到(3)进行操作，如果不 是基本事件项，则转到(4)。(3)将该FTA数据项的信息表示为BN结点结构，之后，判断，该BN结点是否在BN 结点列表中，如果不在，则将该BN结点添加到BN结点列表，之后执行⑶。如果在，则转到 (8)；(4)判断该FTA数据项是否为中间结点。如果不是，则转到⑶；如果是中间结点， 则将该FTA项的信息表示为BN结点结构，之后执行(5)；(5)判断该FTA项的子项是否为逻辑门。如果不是，则执行(6)；如果该FTA项的 子项是逻辑门，则执行(7)(6)判断由该FTA项生成的BN结点是否在BN结点列表中，如果不在，则将该BN结 点加入BN结点列表中，然后执行(8)；如果在，则直接执行(8)。(7)将逻辑门的子项添加到由步骤⑷生成的BN结点的子结点列表中，并且根据 逻辑门类型，设定该BN结点的条件概率表，转到(8)。(8)检查FTA数据中是否仍包含未读取的数据。当仍包含数据时，则转到(2)，进 行循环操作。如果不包含未读数据，则结束操作。图3所示的是自定义的FMEA数据结构，包括故障模式影响分析项MOl和故障模式影响分析表M02。一个故障模式影响分析表M02包含数条故障模式影响分析项M01，故障模式影响分析项MOl包括编号、故障原因、故障模式、故障影响及故障概率，故障模式影响分 析表M02包括编号。故障模式影响分析项MOl与故障模式影响分析表M02中的编号相对应。图4所示的是故障树分析模型的自定义数据结构示意图，该自定义数据结构包括故障树M03、故障结点M04和事件M05。故障树M03包含一个顶结点，其类型为故障结点类 型。故障结点M04表示故障树M03中顶结点的结构，包括结点类型、编号、子结点数目、该故 障结点的父结点列表(故障结点类型)，子结点列表(故障结点类型)，右结点(故障结点 类型)、左结点(故障结点类型)、事件信息(事件类型)。所述的结点类型包括基本事件、 逻辑或门、逻辑异或门、中间事件、开关事件、逻辑顺序与门、逻辑禁门、逻辑与门。事件M05中包含类型，概率、编号和说明。图5所示的是自定义的贝叶斯网络数据结构，该结构包括贝叶斯网络M07和贝叶 斯网络结点M06。所述的贝叶斯网络结点M06包括名称、状态、先验概率、父结点列表(贝叶 斯网络结点类型)、子结点列表(贝叶斯网络结点类型)、条件概率表，与故障树逻辑门对应 的逻辑门类型及结点编号。所述的贝叶斯网络M07的网络数据结构，包括贝叶斯网络结点 编号，该结点编号与贝叶斯结点M06中的结点编号相对应。每个贝叶斯网络M07包含若干 个贝叶斯网络结点M06。
权利要求
一种利用模型转换进行故障诊断的方法，其特征在于将故障模式影响分析模型、故障树分析模型与贝叶斯网络模型均自定义数据结构，将故障模式影响分析模型与故障树分析模型分别转换生成相对应的贝叶斯网络模型，利用贝叶斯网络模型进行故障诊断。
2.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是所述的故障 模式影响分析模型自定义数据结构包括故障模式影响分析表和故障模式影响分析项，一个 故障模式影响分析表包含数条故障模式影响分析项，每条故障模式影响分析项由编号、故 障原因，故障模式、故障影响，故障原因发生的故障概率信息组成；故障模式影响分析项的 编号与故障模式影响分析表中的编号对应。
3.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是所述的故障 树分析模型自定义数据结构包括故障树、故障结点和事件，所述的故障树的数据结构包含 一个顶结点，该顶结点为故障结点类型，故障结点包括结点类型、结点编号、子结点数目、该 故障结点的父结点列表、子结点列表、右结点、左结点、事件信息；所述的结点类型包括基本 事件、中间事件、开关事件、逻辑与门、逻辑或门、逻辑异或门、逻辑顺序与门、逻辑禁门；所 述的事件信息包含事件类型、事件概率、事件编号与事件说明信息。
4.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是贝叶斯网络 模型自定义数据结构包括贝叶斯网络和贝叶斯网络结点，其中贝叶斯网络数据结构包含结 点的编号，每一个贝叶斯网络结点的信息有结点编号、结点名称、状态、先验概率、父结点列 表、子结点列表、条件概率表、与故障树逻辑门对应的逻辑门类型，一个贝叶斯网络中包含 数个贝叶斯网络结点。
5.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是故障模式影 响分析模型转换为贝叶斯网络模型具体为(1)将FMEA数据转化为自定义的FMEA数据结构，同时，建立贝叶斯网络结点的列表，此 时不包含结点数据；FMEA数据中，每条数据均包括故障原因、故障模式与故障影响信息，选 取一条FMEA数据作为备选，若包含故障原因概率，则当做其先验概率来使用；(2)将FMEA数据中的故障原因信息，表示为BN结点结构，判断该故障原因BN结点是否 在BN结点列表中，如果不在，则执行⑶；如果该BN结点已经存在于列表中，则执行⑷；(3)将故障原因BN结点加入BN结点列表中；(4)将读取的FMEA数据中的故障模式信息表示为贝叶斯网络结点结构；(5)将故障原因BN结点设置为故障模式BN结点的父结点；判断该故障模式BN结点是 否在BN结点列表中，如果不在，则转到(6)；如果在，则判断故障原因BN结点，是否在故障 模式BN结点的父结点列表中，如果不在父结点列表中，则执行(7)；若该故障原因BN结点 存在于故障模式BN结点的父结点列表中，则执行(8)；(6)将故障模式BN结点加入BN结点列表中；(7)将该故障原因BN结点加入故障模式BN结点的父结点列表；(8)将FMEA数据中的故障影响信息表示为贝叶斯网络结点结构；(9)将已经设置好父结点的故障模式BN结点设置为故障影响BN结点的父结点，判断该 故障影响BN结点是否在BN结点列表中，如果不在，则转到(10)；如果在，则进一步判断故 障模式BN结点，是否在故障影响BN结点的父结点列表中，如果不在父结点列表中，则执行 (11)；若该故障模式BN结点存在于故障影响BN结点的父结点列表中，则执行(12)；(10)将该故障影响BN结点加入BN结点列表；(11)将该故障模式BN结点加入故障影响BN结点父结点列表，执行(12)；(12)判断FMEA数据中是否仍包含数据未读取；当仍包含数据时，则转到步骤(2)，进行 循环操作；如果不包含未读数据，则操作结束。
6.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是故障树分析 模型转换为贝叶斯网络模型具体过程为(1)FTA数据转换为自定义的FTA数据结构；同时，建立贝叶斯网络结点的列表，此时列 表中不包含结点数据；(2)读取FTA数据项，如果该FTA数据项为基本事件，则转到(3)进行操作，如果不是基 本事件项，则转到(4)；(3)将该FTA数据项的信息表示为BN结点结构，之后，判断，该BN结点是否在BN结点 列表中，如果不在，则将该BN结点添加到BN结点列表，之后执行(8)；如果在，则转到(8)；(4)判断该FTA数据项是否为中间结点；如果不是，则转到⑶；如果是中间结点，则将 该FTA项的信息表示为BN结点结构，之后执行(5)；(5)判断该FTA项的子项是否为逻辑门；如果不是，则执行(6)；如果该FTA项的子项是 逻辑门，则执行(7)；(6)判断由该FTA项生成的BN结点是否在BN结点列表中，如果不在，则将该BN结点加 入BN结点列表中；如果在，则直接执行(8)；(7)将逻辑门的子项添加到由步骤(4)生成的BN结点的子结点列表中，并且根据逻辑 门类型，设定该BN结点的条件概率表，转到⑶；(8)检查FTA数据中是否仍包含未读取的数据；当仍包含数据时，则转到(2)，进行循环 操作；如果不包含未读数据，则结束操作。
7.根据权利要求1所述的利用模型转换进行故障诊断的方法，其特征是利用贝叶斯 网络模型进行故障诊断，当故障征兆出现时，网络根据节点之间的因果关系和概率值推理 得出各种故障原因发生的概率，从而得到诊断理论。
全文摘要
本发明公开了一种利用模型转换进行故障诊断的方法。该方法可以在保证数据完备的同时，利用自定义的数据结构，将故障模式影响分析模型的相关信息，经过处理后转化成相对应的贝叶斯网络模型；将故障树分析模型中故障树的基本事件、逻辑门与中间事件分别转换为贝叶斯网络中的结点，并设置贝叶斯网络中对应的条件概率表。通过转化后的贝叶斯网络模型进行故障诊断。本发明的方法扩大了贝叶斯网络模型在故障诊断中的使用；提高了故障诊断模型在实际应用中的诊断准确性，并保证模型转换的通用性，可以实现不同故障模式影响分析、故障树分析结果与生成的贝叶斯网络的跨工具转换。
文档编号G06F19/00GK101814114SQ201010033959
公开日2010年8月25日 申请日期2010年1月7日 优先权日2010年1月7日
发明者杨顺昆, 郝伯男, 陆民燕 申请人:北京航空航天大学