[发明专利]基于模糊故障Petri网的动力系统故障处理方法

摘要

本发明公开了一种基于模糊故障Petri网的动力系统故障处理方法，方法包括以下步骤：基于动力系统的故障类型建立部件和系统故障的关联关系，建立模糊故障Petri网和建模规则，所述模糊故障Petri网按照变迁使能规则和发生规则不断改变系统的状态，描述系统的动态特性，基于正向推理算法得到故障事件置信度、变迁点火和事件故障的推理过程，以获得基本事件置信度及变迁点火序列及故障传播路径；基于反向推理算法得到故障的搜索路径，以获得故障的快速诊断策略；基于正反向推理诊断算法以实现系统级故障的处理。

主权项

1.一种基于模糊故障Petri网的动力系统故障处理方法，所述方法包括以下步骤：第一步骤(S100)中，基于动力系统的故障类型建立部件和故障的关联关系，第二步骤(S200)中，建立模糊故障Petri网和建模规则，所述模糊故障Petri网按照变迁使能规则和发生规则不断改变系统的状态描述动力系统的动态特性，其中，模糊故障Petri网定义为12元组(P，T，I，O，K，T_t，M，w，f，α，λ，U_μ)，其中：P＝{P₁，p₂，…，p_m}为非空有限库所集合，表示系统故障事件的集合，T＝{t₁，t₂，…t_n}为非空的有限变迁集合，表示被模拟系统的状态变化或者行为动作，反映系统内部故障传播演化，I：P×T为输入矩阵，表示从p_i→t_j间存在的有向弧，即变迁t_j的输入弧，而p_i为变迁t_j的输入库所，i＝1，2，…，m；j＝1，2，…，n；O：T×P为输出矩阵，表示从t_j→p_i间存在的有向弧，即变迁t_j的输出弧，而p_i为变迁t_j的输出库所，i＝1，2，…，m；j＝1，2，…，n；K：P→[0，1]为故障Petri网的容量函；T_t：已触发过的变迁向量，该向量初始值为T⁰_t＝(0，0，…，0)^T，用于标识故障的传播路径，防止变迁的反复发生，即同一故障发生后，该元素被置1，表示在没被修复之前不会再次发生；M＝(m₁，m₂，…，m_m)^T为库所标识分布向量，m_i标识其对应库所p_i的状态，m₀是库所初始向量标识，表示被模拟系统的初始状态；w＝(w₁，w₂，…，w_n)^T是库所故障事件权值向量，反映输入库所p_k对变迁t的影响程度，其中p_k∈I且f＝(f₁，f₂，…，f_m)^T是库所故障事件的模糊概率阈值向量，当故障事件置信度α_i＞f_i，认为故障事件为真，否则为假；α＝(α₁，α₂，…，α_m)^T为故障事件置信度向量，包括α_default，α_IN和α_OUT，α_default为默认故障事件置信度向量，根据故障统计获取，包含所有库所；α_IN为输入故障事件置信度向量，根据传感器监测数据进行部件故障诊断后获取，元素为初始库所；α_OUT为输出故障事件置信度向量，根据正向推理算法获取，元素为除去初始库所外所有库所；λ＝(λ₁，λ₂，…，λ_n)^T表示低层故障引起高层故障的置信度阈值；U_μ＝diag(μ₁，μ₂，…，μ_n)，表示变迁可信度矩阵，μ_j表示变迁t_j的可信度，μ_j∈[0，1]，j＝1，2，…，n，定义向量N_μ＝(μ₁，μ₂，…，μ_n)^T表示变迁可信度向量；第三步骤(S300)中，基于正向推理算法得到故障事件置信度、变迁点火和事件故障的推理过程，以获得基本事件置信度及变迁点火序列及故障传播路径；基于反向推理算法得到故障的搜索路径，以获得故障的快速诊断策略；基于正反向推理诊断算法以实现系统级故障的诊断。