[发明专利]一种具有自主学习能力的故障诊断方法和系统

说明书

本发明公开一种具有自主学习能力的故障诊断方法和系统，方法包括，采集卫星地面站收发系统的故障信息，基于案例库进行故障特征检索，获得故障信息对应的相关案例；基于相关案例的解决方案，对故障信息进行故障清除处理，根据故障处理结果，更新案例库；如果没有检索到相关案例，则采集卫星地面站收发系统中具有故障信息的设备，对设备进行故障层次标定后进行故障隔离；基于故障隔离结果，确定故障位置，生成故障案例，将故障案例发送给系统管理员并更新案例库；系统包括故障信息采集模块、故障处理模块，故障隔离模块、故障案例生成与更新模块；本发明实现了自主快速进行隔离故障、恢复系统性能，同时也减轻后续专家问题排查的工作量。

技术领域

本发明涉及通信故障诊断领域，具体涉及一种具有自主学习能力的故障诊断方法和系统。

背景技术

随着卫星应用技术的持续发展，卫星地面站的规模日益庞大，功能复杂性大幅提升，同时对卫星地面站可靠性也提出了更高的要求。以卫星地面站收发系统为例，其主要业务是完成信号的生成、扩频调制和功率放大，以及信号接收，变频，解调等任务，必须实现7*24小时稳定运行。依靠人工进行维护和故障分析等传统的运维方法已不能适应复杂通信系统的运维要求，一方面是卫星地面站收发系统设备类型和数量繁多，设备之间紧密耦合，导致故障之间存在传递效应，使故障来源难以分离；另一方面是由于系统的时变性和复杂性，难以预先知晓并获取完备的故障模式，当有未知故障发生时，需要人工干预，导致存在故障处置不及时。

目前故障诊断方法主要有基于数据驱动的推理，基于模型的推理和基于知识的推理。基于数据驱动的诊断推理指根据系统状态数据与故障间对应关系，基于系统状态数据进行处理分析，以获取故障发生位置以及程度等信息，该方法需要每个故障模式下的大量数据，若缺乏训练数据则难以完成故障诊断。基于模型的诊断推理通过利用系统结构和行为等模型，建立模型和系统观测参数之间的解析关系进行诊断推理的方法，该方法要求事先获取较为全面的故障模式，而故障模式的缺乏将导致不能识别未知故障，同时其还存在候选诊断解空间较大的问题。基于知识的诊断推理是指根据对象系统的多种信息，包括专家经验以及大量的故障信息知识等，对系统进行故障诊断和推理，其主要包括基于规则的专家系统，基于故障树的诊断推理，以及基于案例的诊断推理等方法，该方法也要求获取较为全面的故障模式，对于经验之外的未知问题可能出现诊断失败。

因此在保证故障诊断正确性的同时，需要提高诊断系统的自主学习能力，使故障诊断系统对于未知故障具备排查，诊断和处理的能力。

发明内容

本发明的主要目的是克服现有技术的不足，为复杂通信系统提供一种具备自主学习能力的故障诊断系统。

为实现上述目的，本发明提供一种具有自主学习能力的故障诊断方法，包括以下步骤，

采集卫星地面站收发系统的故障信息，基于案例库进行故障特征检索，获得所述故障信息对应的相关案例；

基于所述相关案例的解决方案，对所述故障信息进行故障清除处理，根据故障处理结果，更新所述案例库；

在基于所述案例库进行故障特征检索的过程中，如果没有检索到所述相关案例，则标识所述卫星地面站收发系统中具有所述故障信息的设备，对所述设备进行故障层次标定后进行故障隔离，其中，所述故障隔离用于表示对所述设备进行主备切换或复位：

基于故障隔离结果，遍历所述卫星地面站收发系统，确定故障位置，生成故障案例，将所述故障案例发送给系统管理员并更新所述案例库；

其中，还包括：对所述相关案例进行去冗余处理，并根据案例相似度进行排序；

通过使用复用成功率最高的解决方案来解决当前问题，如果能解决问题，则诊断结束，同时更新所述案例库，修改权重或者故障特征；

如果不能解决问题，则继续采用下一个所述解决方案；