[发明专利]基于逻辑推理和故障辨识的混合故障检测诊断方法

说明书

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。