CN106875015B - 一种飞机故障诊断方法及*** - Google Patents

一种飞机故障诊断方法及*** Download PDF

Info

Publication number
CN106875015B
CN106875015B CN201510925051.XA CN201510925051A CN106875015B CN 106875015 B CN106875015 B CN 106875015B CN 201510925051 A CN201510925051 A CN 201510925051A CN 106875015 B CN106875015 B CN 106875015B
Authority
CN
China
Prior art keywords
case
fault tree
reparation
phenomenon
fault
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510925051.XA
Other languages
English (en)
Other versions
CN106875015A (zh
Inventor
孙勇
解海涛
万宇
胡晓
赵华新
林健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AVIC Chengdu Aircraft Design and Research Institute
Original Assignee
AVIC Chengdu Aircraft Design and Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by AVIC Chengdu Aircraft Design and Research Institute filed Critical AVIC Chengdu Aircraft Design and Research Institute
Priority to CN201510925051.XA priority Critical patent/CN106875015B/zh
Publication of CN106875015A publication Critical patent/CN106875015A/zh
Application granted granted Critical
Publication of CN106875015B publication Critical patent/CN106875015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems
    • G06N5/047—Pattern matching networks; Rete networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明属于故障诊断领域，具体涉及一种飞机故障诊断方法及一种故障诊断***。本发明提供一种飞机故障诊断方法及一种故障诊断***，能够克服飞机故障定位困难，诊断经验不容易积累以及修改决策树比较麻烦的问题，可以提高飞机故障诊断的效率。

Description

一种飞机故障诊断方法及***
技术领域
本发明属于故障诊断领域，具体涉及一种飞机故障诊断方法及一种故障诊断***。
背景技术
飞机面对的使用环境既复杂又恶劣，因而出故障是免不了的。由于任务的特点对维护保障人员的排故要求往往是非常迫切。飞机装备的完好率、出勤架次率一直是用户关注的重要问题。
目前机务人员往往使用文档化的故障隔离程序或通过他们自己在所涉及的飞机***方面的知识执行故障诊断活动。更好的做法是依赖飞机自身的BIT功能，针对故障现象、人工调集故障代码，再查询已有的技术指导手册甚至要求专家来现场指导排故工作的完成。而当遇到较为复杂或以往未发生过的故障时却无从下手，从而耽误了宝贵的战斗训练时间，影响任务的完成。
同时由于飞机维修保障人员流动性大的特点，维修经验难以积累的问题日益凸显，却无有效办法解决，造成用户装备飞机若干年后仍然存在对飞机各个***工作原理了解不深，故障排除困难的局面。
当前越来越多的领域引入了故障诊断***，由于其具有表达直观、形式统一、模块性强以及推理简单等优点，已成为解决复杂***故障诊断的有效途径。但往往未提供把经验结合到这种决策中或者有效地根据此经验修改决策树本身的机制。
发明内容
本发明的目的：
本发明提供一种飞机故障诊断方法及一种故障诊断***，能够克服飞机故障定位困难，诊断经验不容易积累以及修改决策树比较麻烦的问题，可以提高飞机故障诊断的效率。
本发明的技术方案：
本发明提供的一种飞机故障诊断方法，包括：
捕捉与飞机故障模式相一致的故障现象集；
根据该现象集的描述，识别诊断知识存储单元中的案例，输出与所述现象集相一致的案例集合；
确认符合条件的案例集合，若不止一个案例时，对案例修复的历史数据的似然性高低进行排序；
依据动态故障树生成原则，生成一个或多个动态故障树；
根据动态故障树的提示完成相应的测试，排除不符合测试结果的案例，直至案例唯一，报告案例及修复；
验证所报告的修复对故障排除的准确度，接收故障排除结果，并根据结果执行修复似然性的调整。
所述案例集合中的每一个案例均由一个或多个现象、一个或多个测试以及唯一的修复所组成；一个案例为动态故障树的一条分支。
所述捕捉与飞机故障模式相一致的故障现象集，该方法进一步包括：捕捉的现象集可以为一个现象也可以为多个现象，既可以是完整的句子也可以是关键字信息；
所述识别诊断知识存储单元中的案例，该方法进一步包括：采用模糊匹配方法来识别诊断知识存储单元中的案例；
所述对案例进行排序，该方法还包括：排序的方法为根据案例所包含修复的似然性大小排序；似然性计算公式为：
其中，X为修复的似然性，Cx为修复的同现次数，为同现次数之和，x、i、z为大于等于1的正整数。
所述的动态故障树形态为带判定功能的二叉树，在测试过程中将自动删除不符合测试结果的分支，直至修复唯一；
所述的动态故障树生成方法包括以下步骤：
步骤一，从被识别的案例集合中取第一个案例作为待处理案例；
步骤二，遍历案例集合，找到可以与待处理案例合并的故障树。若无，则直接将该案例创建为一棵新的故障树并加入动态故障树集合。跳转到第四步；
步骤三，将当前故障案例并到故障树中生成新的故障树分支；
步骤四，完成待处理案例后，将其从案例集合中删除并跳到步骤一，继续对剩余的故障案例进行合并处理。直至完成。
本发明提供的一种故障诊断***，包括：人机接口单元、基本故障存储单元、诊断知识存储单元、存储区一、存储区二、故障诊断单元以及动态故障树。
所述人机接口单元用于输出所述故障诊断单元所确定的基本故障信息、诊断知识存储单元所确定的诊断案例以及所确定的故障诊断单元所包含的动态故障树信息。
所述基本故障存储单元用于存储各案例的历史故障情况以及通过计算得出的似然性信息。
所述诊断知识存储单元用于存储各案例的完整信息，包括案例所包含的现象、测试以及修复。
所述存储区一是诊断知识存储单元的组成部分，用于存储置信度更高的案例；
所述存储区二是诊断知识存储单元的组成部分，用于存储置信度较低的案例；
所述存储区一具有较高的案例修订权限；所述存储区二具有开放式的案例修订权限。
所述故障诊断单元用于确定与捕捉的故障现象相一致的案例集合以及对案例集合的排序，并确定所述的动态故障树的数量；
所述动态故障树是由最少一个的案例所组成，其形态依赖于所述诊断知识存储单元中的诊断规则，当诊断规则发生变化时，动态故障树形态将进行自适应的调整。
附图说明
下面将通过参照附图详细描述本发明的事例性实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1为本发明实施例中故障诊断方法的示例性流程图；
图2为本发明实施例中生成动态故障树的过程示意图；
图3为本发明实施例中故障诊断方法的详细流程图；
图4为本发明实施例中故障诊断***的结构图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，下面参照附图并举实施例，对本发明进一步详细说明。
图1为本发明实施例中故障诊断方法的示例性流程图。如图1所示，本实施例中的故障诊断方法包括以下步骤：
步骤101，捕捉与飞机故障模式相一致的故障现象集。
本步骤中，捕捉故障现象集的过程为：根据飞机设计的特点，可将现象分类，以保障现象描述的准确度和标准性。
步骤102，根据该现象集的描述，识别诊断知识存储单元中的案例，输出与所述现象集相一致的案例集合。
本步骤中所述案例均由一个或多个现象、一个或多个测试以及唯一的修复所组成。定义诊断知识存储单元403中的存储对象：
现象集为P，P＝{P1,P2,P3,…,Pn}；
测试集为T，T＝{T1,T2,T3,…,Ta}；
修复集为R，R＝{R1,R2,R3,…,Rb}。
集合Y＝{Pa，Tb，Rc}可描述为一个案例。
若：所捕捉的现象X＝{p1,p2}，且通过诊断知识存储单元403识别的结果为P＝{p1,p2}，则用户判断P对应的修复Y是否唯一，若Y唯一，则报告；
若识别结果所包含的案例不唯一，包含以下几种情况：
a.若识别结果为Pi，包括X＝Pi且(i≠j)则提示进一步判断最符合的选项，如：输入X＝{p1,p2}，搜索结果中包含Pi＝{p1,p2}，Pj＝{p1,p2,p3}，则提示确认故障现象{p3}是否为真，若为真，则排除Pi，若为假，则排除Pj。
b.若搜索结果为Pi，且Pi唯一，如输入X＝{p1,p2}，搜索结果为P1＝{x1,x2,x3}，则提示是否需确认故障现象{x3}；
c.若搜索结果为Pi，且Pi不唯一，如输入X＝{p1,p2}，搜索结果中包含P1＝{x1,x2,x3}，P2＝{x1,x2,x3,x4}，则提示是否确认{x3,x4}，若确认{x4}为真，则排除P1。
步骤103确认符合条件的案例集合，若不止一个案例时，对案例修复的历史数据的似然性高低进行排序。
本步骤中修复排序的原则是依据基本故障存储单元402中该修复似然性大小排序；似然性计算公式为：
其中，X为修复的似然性，Cx为修复的同现次数，为同现次数之和，x、i、z为大于等于1的正整数。
步骤104，依据动态故障树生成原则，生成一个或多个动态故障树。
动态故障树均有一个或多个案例组成，形态上为带判定功能的二叉树。树的具体结构取决于组成树的案例的情况。而案例的修正是比较容易的。可通过对判定规则的修正，来调整案例的结构。
步骤105，根据动态故障树的提示完成相应的测试，排除不符合测试结果的案例，直至案例唯一，报告案例及修复。
步骤106，验证所报告的修复对故障排除的准确度，接收故障排除结果，并根据结果执行修复似然性的调整。
故障诊断人员通过对所报告的修复的验证，来确定该修复的正确性。若成功排除了故障，则该修复所对应的案例将在未来的排序中得到加强。若未能成功排除故障，则报告此次诊断的过程，以便对相关案例进行修复。
对成功排除故障的情况，将故障诊断过程及结论存储入基本故障存储单元402，并自动对修复的似然性作出修正。
至此，本流程结束。
下面，再对本发明实施例中的故障诊断***进行详细说明。
图3为本发明实施例中故障诊断***的结构图。如图3所示，本实施例中的故障诊断***包括：人机接口单元401、基本故障存储单元402、诊断知识存储单元403、存储区一404、存储区二405、故障诊断单元406和动态故障树407。
所述人机接口单元401用于输出所述故障诊断单元406所确定的基本故障信息、诊断知识存储单元403所确定的诊断案例以及所确定的故障诊断单元406所包含的动态故障树信息。
所述基本故障存储单元402用于存储各案例的历史故障情况以及自动计算得出的似然性信息。
所述诊断知识存储单元403用于存储各案例的完整信息，包括案例所包含的现象、测试以及修复。
所述存储区一404是诊断知识存储单元的组成部分，用于存储置信度更高的案例；
所述存储区二405是诊断知识存储单元的组成部分，用于存储置信度较低的案例；
所述存储区一具有较高的案例修订权限；所述存储区二具有开放式的案例修订权限。
所述故障诊断单元用于确定与捕捉的故障现象相一致的案例集合以及对案例集合的排序，并确定所述的动态故障树的数量；
所述动态故障树是由最少一个的案例所组成，其形态依赖于所述诊断知识存储单元中的诊断规则，当诊断规则发生变化时，动态故障树形态将进行自适应的调整。

Claims (1)

1.一种飞机故障诊断方法，包括：
捕捉与飞机故障模式相一致的故障现象集；
根据该现象集的描述，识别诊断知识存储单元中的案例，输出与所述现象集相一致的案例集合；
确认符合条件的案例集合，若不止一个案例时，对案例修复的历史数据的似然性高低进行排序；
依据动态故障树生成方法，生成一个或多个动态故障树；
根据动态故障树的提示完成相应的测试，排除不符合测试结果的案例，直至案例唯一，报告案例及修复；
验证所报告的修复对故障排除的准确度，接收故障排除结果，并根据结果执行修复似然性的调整；
所述案例集合中的每一个案例均由一个或多个现象、一个或多个测试以及唯一的修复所组成；一个案例为动态故障树的一条分支；
所述捕捉与飞机故障模式相一致的故障现象集，该方法进一步包括：捕捉的现象集可以为一个现象也可以为多个现象，既可以是完整的句子也可以是关键字信息；
所述识别诊断知识存储单元中的案例，该方法进一步包括：采用模糊匹配方法来识别诊断知识存储单元中的案例；
对案例进行排序，该方法还包括：排序的方法为根据案例所包含修复的似然性大小排序；似然性计算公式为：
其中，X为修复的似然性，Cx为修复的同现次数，为同现次数之和，x、i、z为大于等于1的正整数；
所述的动态故障树形态为带判定功能的二叉树，在测试过程中将自动删除不符合测试结果的分支，直至修复唯一；
所述的动态故障树生成方法包括以下步骤：
步骤一，从被识别的案例集合中取第一个案例作为待处理案例；
步骤二，遍历动态故障树集合，找到可以与待处理案例合并的故障树；若无，则直接将该案例创建为一棵新的故障树并加入动态故障树集合；跳转到第四步；
步骤三，将当前故障案例并到故障树中生成新的故障树分支；
步骤四，完成待处理案例后，将其从案例集合中删除并跳到步骤一，继续对剩余的故障案例进行合并处理；直至完成。
CN201510925051.XA 2015-12-11 2015-12-11 一种飞机故障诊断方法及*** Active CN106875015B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510925051.XA CN106875015B (zh) 2015-12-11 2015-12-11 一种飞机故障诊断方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510925051.XA CN106875015B (zh) 2015-12-11 2015-12-11 一种飞机故障诊断方法及***

Publications (2)

Publication Number Publication Date
CN106875015A CN106875015A (zh) 2017-06-20
CN106875015B true CN106875015B (zh) 2019-05-21

Family

ID=59178444

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510925051.XA Active CN106875015B (zh) 2015-12-11 2015-12-11 一种飞机故障诊断方法及***

Country Status (1)

Country Link
CN (1) CN106875015B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922141A (zh) * 2018-05-09 2018-11-30 南京思达捷信息科技有限公司 一种灾害条件下的大数据监测***及其方法
CN114185470A (zh) * 2021-12-17 2022-03-15 江西洪都航空工业集团有限责任公司 一种飞机结构故障处理专家***
CN114595143B (zh) * 2022-02-14 2023-06-06 中国电子科技集团公司第十研究所 航空通信电子***嵌入式测试可信检测验证方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3417496B2 (ja) * 1994-03-29 2003-06-16 富士重工業株式会社 故障診断装置
CN101846992A (zh) * 2010-05-07 2010-09-29 上海理工大学 基于数控机床故障案例的故障树构造方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3417496B2 (ja) * 1994-03-29 2003-06-16 富士重工業株式会社 故障診断装置
CN101846992A (zh) * 2010-05-07 2010-09-29 上海理工大学 基于数控机床故障案例的故障树构造方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于CBR与FTA的飞机故障诊断专家***的研究与设计;李洪宁;《中国优秀硕士学位论文全文数据库信息科技辑》;20130615;第2.2-2.4节和第3.3.3节、图2-1，2-2，3-2
基于故障树与案例相结合的故障诊断方法;董海鹏;《应用科技》;20101130;第37卷(第11期);说明书第[0003]-[0035]段

Also Published As

Publication number Publication date
CN106875015A (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
WO2021179574A1 (zh) 根因定位方法、装置、计算机设备和存储介质
Nguyen et al. Studying the impact of dependency network measures on software quality
CN110645153B (zh) 风力发电机组故障诊断方法、装置和电子设备
CN106875015B (zh) 一种飞机故障诊断方法及***
CN107632590B (zh) 一种基于优先级的底事件排序方法
CN109960690A (zh) 一种大数据集群的运行维护方法及装置
CN107678973A (zh) 一种测试脚本的自动生成方法及***
CN103136103A (zh) 一种面向错误定位需求的测试用例约简方法
CN116771576A (zh) 水电机组故障综合诊断方法
Singh et al. Cross company and within company fault prediction using object oriented metrics
Sapna et al. Prioritization of scenarios based on uml activity diagrams
CN106339553A (zh) 一种空间飞行器的重构飞行控制方法及***
Pal et al. A classification of software defect prediction models
CN117909864A (zh) 一种电力故障预测***及方法
CN117520184A (zh) 一种计算机软件开发用测试***
CN107748720A (zh) 一种检测功能测试案例的业务参数的方法及装置
CN104879295A (zh) 一种基于多层流模型和故障树最小割集的大型复杂***故障诊断方法
CN110221592A (zh) 建筑机电故障诊断方法、装置及***
CN109254898A (zh) 一种软件模块执行顺序监视方法及监视***
CN109889258A (zh) 一种光网络故障校验方法和设备
CN113986900A (zh) 数据质量问题分级处理方法、存储介质及***
Parry et al. IDHEAS–a new approach for human reliability analysis
Siddique et al. Hybrid Framework To Exclude Similar and Faulty Test Cases In Regression Testing
Tuszynski et al. A pilot project on alarm reduction and presentation based on multilevel flow models
Tariq Six Sigma based risk identification and mitigation framework for projects execution

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant