[发明专利]一种基于多阶测试门限判别的故障隔离方法有效
申请号: | 201410158704.1 | 申请日: | 2014-04-18 |
公开(公告)号: | CN103927447B | 公开(公告)日: | 2017-02-15 |
发明(设计)人: | 石君友;乔丽;刘衎 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京永创新实专利事务所11121 | 代理人: | 赵文颖 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 测试 门限 别的 故障 隔离 方法 | ||
技术领域
本发明涉及一种基于多阶测试门限判别的故障隔离方法,属于故障诊断技术领域。
背景技术
故障隔离技术是故障诊断技术中的重要内容,通过故障隔离可以确定产品发生的具体故障模式。目前,在工程中进行故障诊断常采用基于二值逻辑的检测结果进行故障隔离的技术,即首先对产品相关的征兆进行测试,并根据正常范围判据确定征兆数值是否超出正常范围,由此判断是否有故障发生;然后将各征兆是否超出正常范围逻辑化为“1”和“0”,并根据各故障的征兆逻辑化向量不同的原理进行故障隔离。
这种诊断过程仅考虑了征兆是否超出正常范围的两种情况,没有对超出正常范围的程度进行刻画和利用,会导致超出正常范围且超出程度不同的两个故障模式无法区分,出现故障的模糊隔离。
发明内容
本发明的目的是为了解决上述问题,针对二值逻辑故障隔离技术的不足,提出一种基于多阶测试门限判别的故障隔离方法,首先以多阶测试门限判别为原理,建立综合阶数矩阵;然后,对测取到的征兆数值向量进行变换得到匹配阶数向量,并与综合阶数矩阵进行比对,隔离出发生的故障。
一种基于多阶测试门限判别的故障隔离方法,具体包括以下几个步骤:
步骤一:确定产品的监测征兆基线数据
产品的监测征兆基线数据包括监测征兆变量、变量正常范围判据,其三元组模型如下:
MSD=(S,B,Δ) (1)
其中,MSD代表监测征兆基线数据模型;
S代表监测征兆变量集合;S={sj|j=1~n},sj为第j个监测征兆变量值,n为监测征兆变量总数;
B代表监测征兆变量的基准值集合;B={bj|j=1~n},bj为第j个监测征兆变量的基准值,n为监测征兆变量的基准值总数;
Δ代表监测征兆变量的测试门限集合;Δ=(δj|j=1~n),δj为第j个监测征兆变量的测试门限值,n为监测征兆变量的测试门限总数,监测征兆变量的正常范围判据由sj=bj±δj确定;
步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵
故障—征兆原始矩阵是指产品中各故障模式与各监测征兆之间的数值关系矩阵:
其中,MV代表故障—征兆原始矩阵,即故障模式集合F与监测征兆集合S构成的二元数值关系;
F代表产品的故障模式集合;F={fi|i=1~m},fi为产品的第i个故障模式,m为故障模式总数;
vij代表具体的二元关系值,即第i个故障模式发生后,第j个监测征兆测得的变量数值;
步骤三:建立各阶测试门限逻辑矩阵
测试门限逻辑矩阵是指在规定倍数测试门限条件下,产品的故障模式与各监测征兆之间的逻辑关系矩阵,K阶测试门限逻辑矩阵为:
其中,MLK代表K阶测试门限逻辑矩阵;
代表K阶测试门限条件下,第i个故障模式与第j个监测征兆变量之间的二值逻辑关系:
步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵
将步骤三中得到的每一阶测试门限逻辑矩阵进行累加,得到综合阶数矩阵,综合阶数矩阵的累加公式如下:
MI=ML1+ML2+…+MLK (5)
其中,MI代表综合阶数矩阵,
在得到综合阶数矩阵后,对比综合阶数矩阵的各数值,找到最大数值,作为该矩阵的最大阶,记作rmax;
步骤五:根据综合阶数矩阵进行故障隔离
故障隔离的具体步骤如下:
(1)在产品故障后,测取产品的各监测征兆变量数值,形成数值向量V'=[v'1,v'2,…,v'n];
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201410158704.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:指定面积定位测量导航方法及装置
- 下一篇:阿齐沙坦酯的新晶型及其制备方法
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用