专利名称：基于逻辑推理和故障辨识的混合故障检测诊断方法
技术领域：
本发明涉及飞机故障检测和诊断领域，特别涉及一种基于逻辑推理和故障辨识的混合故障检测诊断方法。
背景技术：
随着现代飞行器的高集成化、复杂化、综合化及智能化程度的日益增强，系统的故障诊断、维修保障和可靠性越来越受到人们的高度重·视，其中综合的故障检测与诊断技术对于提高飞机安全性能、提高维修保障效率更是具有着重要的作用。现在，故障检测与诊断技术在航空航天、汽车、冶金等领域都有着广泛的应用。常用的故障诊断方法有故障树分析、滤波器方法、多模型方法、专家系统、逻辑推理、神经网络等方法。这些方法中有的是定性的，有的是定量的，有的不需要故障模型，而有的需要建立模型，单独地使用这些方法可能会各有不足，可能无法准确得到故障结果，或者无法推导出底层最根本的故障元器件，给确保飞行安全和维修带来困难。基于故障树的逻辑推理方法是一种比较传统的方法，其中故障树是一种描述事故因果关系的有方向的“树”，它是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故障图表，能较直观地反映故障、元部件、系统及因素、原因之间的相互关系。而逻辑推理则可在故障树的基础上进行，有“自上而下”和“自下而上”的推理方法来寻找故障原因。但是这种推理方法在故障检测和诊断中存在一些问题，以“自上而下”为例，当遇到故障树中的“与”门时，由上一事故节点可推出它的子节点均发生了故障，当遇到故障树中的“或”门时，它的子节点可能都发生故障或者部分发生故障，这时推理方法将无法继续进行，或者依据可靠度继续推理，但由于可靠度是基于经验的，无法保证其正确性。故障辨识是一种需要建立模型的方法，其中多模型方法在飞机的故障检测和诊断中比较常用。多模型方法基于一系列的卡尔曼滤波器，而这些滤波器又是在一系列的故障模型基础上建立，每个模型代表一种故障模式，通过计算各个模型的概率就可以确定系统的故障模式。这种方法也存在它的缺点，它可以确定系统的故障模式，但无法更深入底层去确定故障元器件。例如，采用多模型方法可以检测出飞机的空速信息错误，但是无法确定具体是哪个器件发生了故障，是皮托管或者是交流电机发生故障。因此，不同的故障检测和诊断方法都有自己的不足，无法完美地解决故障检测和诊断问题。
发明内容
本发明的目的旨在至少解决上述的技术缺陷之一。为此，本发明的目的在于提出一种基于逻辑推理和故障辨识的混合故障检测诊断方法，包括如下步骤采集所述待测系统的故障因果关系和历史故障数据，并根据所述待测系统的故障因果关系建立所述待测系统的故障树，以及根据所述历史故障数据计算所述故障树的每个事件节点的可靠性分布；获取所述待测系统的多个潜在故障模式，分别对多个所述潜在故障模式建立对应的故障模型以得到多个潜在故障模型；建立所述故障树与所述待测系统的多个潜在故障模型的关联关系；以及当所述待测系统发生故障时，检测当前故障模式，并根据当前故障模式对应的当前故障模型与所述故障树的关联关系，获得所述当前故障模式的诊断结果。根据本发明实施例的基于逻辑推理和故障辨识的混合故障检测诊断方法，可以准确地检测和诊断出飞机故障，找出故 障发生的具体部件，提高了故障检测诊断的精度和辨识能力，为飞机维修提供了基础。在本发明的一个实施例中，所述根据所述历史故障数据计算所述故障树的每个事件节点的可靠性分布，包括如下步骤对所述故障树的每个事件节点的可靠性进行拟合，并计算所述每个事件节点的故障率。在本发明的一个实施例中，采用韦伯分布对所述每个事件节点进行拟合。在本发明的一个实施例中，所述基于逻辑推理和故障辨识的混合故障检测诊断方法还进一步包括建立所述待测系统的无故障模型。在本发明的一个实施例中，将所述无故障模型和所述多个潜在故障模型组成为马尔科夫链。在本发明的一个实施例中，所述建立所述故障树与所述待测系统的所述多个潜在故障模型的关联关系，包括如下步骤对所述故障树的多个事件节点进行划分以将所述故障树模块化以得到多个故障树模块；建立所述多个故障树模块与多个潜在故障模型的映射关系。在本发明的一个实施例中，所述将所述故障树模块化，包括如下步骤寻找所述故障树与所述每个潜在故障模型的相关事件节点，将所述相关事件节点及所述相关事件节点的子节点划分为与当前潜在故障类型对应的故障树模块；获得分别与所述多个潜在故障模型对应的多个故障树模块；将划分完成后剩余事件节点组成一个故障树模块。在本发明的一个实施例中，所述建立所述多个故障树模块与多个潜在故障模型的映射关系，进一步包括存储所述映射关系。在本发明的一个实施例中，所述根据当前故障模式对应的当前故障模型与所述故障树的关联关系，获得所述当前故障模式的诊断结果，包括如下步骤根据所述待测系统的多个潜在故障模型采用多模型故障辨识算法得到当前故障模式模型；从所述故障树的顶事件节点出发进行自上而下的推理得到故障路径，在遇到所述关联事件节点时，根据所述故障树与所述待测系统的多个潜在故障模型的关联关系，实时更新所述当前故障模式对应的所述关联事件节点的故障率；在基于多模型的故障辨识方法中，当得到所述待测系统的所述当前故障模式但无法确定底层的故障部件时，通过当前故障模型与所述故障树的关联事件节点交互故障信息以得到故障诊断信息。在本发明的一个实施例中，在基于多模型的故障辨识方法中，当得到所述待测系统的所述当前故障模式但无法确定底层的故障部件时，通过当前故障模型与所述故障树的关联事件节点交互故障信息以得到故障诊断信息，包括获取当前故障模型与所述故障树的关联事件节点，根据关联关系转换到故障树的对应节点，从所述对应节点开始进行逻辑推理确定发生所述当前故障模式的故障部件。本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中图I为本发明实施例的基于逻辑推理和故障辨识的混合故障检测诊断方法的流程图；图2为本发明实施例的对通用航空座舱仪表系统进行故障树建模的示意图；图3为本发明实施例的空速信息缺失的故障树建模的示意图；图4为本发明实施例的控制系统的故障树与基于多模型的故障检测诊断模块的·图5为本发明实施例的逻辑推理结合多模型的辨识方法的故障诊断过程的流程图；以及图6为本发明的一个实施例的发现空速信息故障时，采用本发明提供的基于逻辑推理和故障辨识的混合故障检测诊断方法的诊断过程示意图。
具体实施例方式下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施例和/或设置之间的关系。此夕卜，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。另外，以下描述的第一特征在第二特征之“上”的结构可以包括第一和第二特征形成为直接接触的实施例，也可以包括另外的特征形成在第一和第二特征之间的实施例，这样第一和第二特征可能不是直接接触。在本发明的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。参照下面的描述和附图，将清楚本发明的实施例的这些和其他方面。在这些描述和附图中，具体公开了本发明的实施例中的一些特定实施方式，来表示实施本发明的实施例的原理的一些方式，但是应当理解，本发明的实施例的范围不受此限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。如图I所示，本发明的实施例的基于逻辑推理和故障辨识的混合故障检测诊断方法，包括如下步骤SlOl :采集待测系统的故障因果关系和历史故障数据，并根据待测系统的故障因果关系建立待测系统的故障树，以及根据历史故障数据计算故障树的每个事件节点的可靠性分布。SlOll :采集待测系统的故障因果关系和历史故障数据。S1012 :根据待测系统的故障因果关系，建立故障树模型。在本发明的实施例的描述过程中，待测系统以通用航空座舱仪表系统为例。如图2所示，对通用航空座舱仪表系统进行故障树建模，可将该系统的故障分为6大类，包括空速信息缺失、姿态信息缺失、顾问信息缺失、高度信息缺失、导航信息缺失、通讯信息缺失，则建立第一层次与第二层次的故障树,其中A、B、C、D、E、F表不扩展的子故障树。以空速信息缺失为例，其故障树可建模为如图3所示。S1013 :根据历史故障数据估计得到可靠性分布参数，采用韦伯(Weibull)分布来拟合各个故障事件节点的可靠性，并计算各个故障事件节点的故障率。根据历史故障数据，估计得到可靠性分布参数，基于韦伯分布的可靠度函数为
权利要求
1.一种基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，包括如下步骤 采集所述待测系统的故障因果关系和历史故障数据，并根据所述待测系统的故障因果关系建立所述待测系统的故障树，以及根据所述历史故障数据计算所述故障树的每个事件节点的可靠性分布； 获取所述待测系统的多个潜在故障模式，分别对多个所述潜在故障模式建立对应的故障模型以得到多个潜在故障模型； 建立所述故障树与所述待测系统的多个潜在故障模型的关联关系；以及当所述待测系统发生故障时，检测当前故障模式，并根据当前故障模式对应的当前故障模型与所述故障树的关联关系，获得所述当前故障模式的诊断结果。
2.如权利要求I所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，所述根据所述历史故障数据计算所述故障树的每个事件节点的可靠性分布，包括如下步骤 对所述故障树的每个事件节点的可靠性进行拟合，并计算所述每个事件节点的故障率。
3.如权利要求2所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，采用韦伯分布对所述每个事件节点进行拟合。
4.如权利要求I所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，还包括如下步骤 建立所述待测系统的无故障模型。
5.如权利要求4所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，将所述无故障模型和所述多个潜在故障模型组成为马尔科夫链。
6.如权利要求I所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，所述建立所述故障树与所述待测系统的所述多个潜在故障模型的关联关系，包括如下步骤 对所述故障树的多个事件节点进行划分以将所述故障树模块化以得到多个故障树模块； 建立所述多个故障树模块与多个潜在故障模型的映射关系。
7.如权利要求6所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，所述将所述故障树模块化，包括如下步骤 寻找所述故障树与所述每个潜在故障模型的相关事件节点，将所述相关事件节点及所述相关事件节点的子节点划分为与当前潜在故障类型对应的故障树模块； 获得分别与所述多个潜在故障模型对应的多个故障树模块； 将划分完成后剩余事件节点组成一个故障树模块。
8.如权利要求7所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，所述建立所述多个故障树模块与多个潜在故障模型的映射关系，进一步包括如下步骤存储所述映射关系。
9.如权利要求I所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，所述根据当前故障模式对应的当前故障模型与所述故障树的关联关系，获得所述当前故障模式的诊断结果，包括如下步骤 根据所述待测系统的多个潜在故障模型采用多模型故障辨识算法得到当前故障模式模型； 从所述故障树的顶事件节点出发进行自上而下的推理得到故障路径，在遇到所述关联事件节点时，根据所述故障树与所述待测系统的多个潜在故障模型的关联关系，实时更新所述当前故障模式对应的所述关联事件节点的故障率； 在基于多模型的故障辨识方法中，当得到所述待测系统的所述当前故障模式但无法确定底层的故障部件时，通过当前故障模型与所述故障树的关联事件节点交互故障信息以得到故障诊断信息。
10.如权利要求9所述的基于逻辑推理和故障辨识的混合故障检测诊断方法，其特征在于，在基于多模型的故障辨识方法中，当得到所述待测系统的所述当前故障模式但无法确定底层的故障部件时，通过当前故障模型与所述故障树的关联事件节点交互故障信息以得到故障诊断信息，包括 获取当前故障模型与所述故障树的关联事件节点，根据关联关系转换到故障树的对应节点，从所述对应节点开始进行逻辑推理确定发生所述当前故障模式的故障部件。
全文摘要
本发明提出一种基于逻辑推理和故障辨识的混合故障检测诊断方法，包括采集待测系统的故障因果关系和历史故障数据，并建立待测系统的故障树，计算故障树的每个事件节点的可靠性分布；获取待测系统的多个潜在故障模式，分别对多个潜在故障模式建立对应的故障模型以得到多个潜在故障模型；建立故障树与待测系统的多个潜在故障模式模型的关联关系；当待测系统发生故障时，检测当前故障模式，并根据当前故障模式对应的当前故障模型与故障树的关联关系，获得当前故障模式的诊断结果。本发明可以准确地检测和诊断出飞机故障，找出故障发生的具体部件，提高故障检测诊断的精度和辨识能力，为飞机维修提供了基础。
文档编号G06K9/62GK102722722SQ201210167778
公开日2012年10月10日 申请日期2012年5月25日 优先权日2012年5月25日
发明者慕春棣, 李清, 柳志娟, 程农 申请人:清华大学