CN107590010A - 一种基于动态故障树的电磁兼容故障诊断分析方法 - Google Patents
一种基于动态故障树的电磁兼容故障诊断分析方法 Download PDFInfo
- Publication number
- CN107590010A CN107590010A CN201710772096.7A CN201710772096A CN107590010A CN 107590010 A CN107590010 A CN 107590010A CN 201710772096 A CN201710772096 A CN 201710772096A CN 107590010 A CN107590010 A CN 107590010A
- Authority
- CN
- China
- Prior art keywords
- equipment
- mrow
- interference
- msub
- event
- 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.)
- Granted
Links
Landscapes
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明涉及一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：至少包括如下步骤：步骤101：分析***的组成及特性；按照工作特性将***内各电子设备分为无线用频设备、一般有线信息设备、驱动执行设备；确定无线用频设备、一般有线信息设备、驱动执行设备的电磁发射特性及电磁敏感特性，为建立动态故障树模型做准备；步骤102：根据步骤101的结果，建立动态故障树模型；步骤103：获取实时故障参数，动态修正模型参数；步骤104：计算最小割集干扰概率并确定故障源头，完成诊断。本发明实现分析模型和测试数据的双向修正，从而能够快速准确地完成现场干扰源定位，解决复杂***电磁兼容现场测试的故障诊断问题。
Description
技术领域
本发明属于***级电磁兼容故障诊断领域，特别是一种基于动态故障树的电磁兼容故障诊断分析方法。
背景技术
随着电子信息技术的发展，电子***中的电子设备数目急剧增加，类型趋于复杂化。电子设备所使用的频段从窄带向宽带发展，同时电子设备上的电子元器件也趋于小型化。这就导致了一方面，电力网络、用电设备及***产生的电磁干扰问题十分突出，设备所处的电磁环境也越来越复杂；一方面设备精密度的提高，对于电磁骚扰却更加敏感。近十年内，由电磁兼容问题而引起的设备故障指数级增加。
对于大型***的现场故障诊断受到电磁兼容问题的复杂性及工程性限制，往往会出现以下问题：
(1)***及平台设备种类繁多；随着电子信息化的不断发展，各个***或平台不再是几个单一设备的固定装载，开始具有更多的组合类型。在实际故障诊断中，无法单纯依靠经验来判断设备可能的故障原因，需要更有指导意义的诊断技术；
(2)干扰耦合途径复杂多变；对故障原因的确定及定位，不能采用基于影响因素分别独立的传统排除方法分析，需要更具有关联性和动态性的分析方法；
(3)测试及诊断时间较为漫长；电磁兼容的特殊性要求在测试过程中被测频带完整及采样频点丰富，从而导致测试时间难以缩减。如完成一次RE102电场辐射发射特性测试至少需要30分钟，若无法快速排查故障源头，则需要对不同设备做多次测试来寻找干扰超标频段，这将会消耗大量时间。
发明内容
本发明的目的是提供一种基于动态故障树的电磁兼容故障诊断分析方法，以便实现分析模型和测试数据的双向修正，从而能够快速准确地完成现场干扰源定位，解决复杂***电磁兼容现场测试的故障诊断问题。
本发明的目的是这样实现的：一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：至少包括如下步骤：
步骤101：分析***的组成及特性；按照工作特性将***内各电子设备分为无线用频设备、一般有线信息设备、驱动执行设备；确定无线用频设备、一般有线信息设备、驱动执行设备的电磁发射特性及电磁敏感特性，为建立动态故障树模型做准备；
步骤102：根据步骤101的结果，建立动态故障树模型；
步骤103：获取实时故障参数，动态修正模型参数；
步骤104：计算最小割集干扰概率并确定故障源头，完成诊断。
所述的步骤102包括：
步骤201：建立基本故障树模型，基于***的设备组成，将故障设备的受扰作为顶事件，其他潜在干扰设备作为二层节点，针对每个潜在干扰设备建立相对独立的设备故障子树；依据顶事件与二层节点的关系，组建基本故障树模型；
所述的设备故障子树指的是，通过分析该潜在设备可能产生的电磁发射对故障设备的所有耦合途径，进而依据电磁兼容三要素原理，将各因素映射为可能导致顶事件发生的底事件，形成故障子树；
所述的依据顶事件与二层节点的关系指的是，分析二层节点中各干扰设备导致顶事件发生的必然关系、并列关系、互斥关系，分别对应二层节点对顶事件综合作用的“或门”、“与门”或“异或门”模型；
步骤202：建立完整的动态故障树模型，对于受扰设备为无线发射设备，且潜在干扰设备包含两个或以上无线发射设备的***，可依据互调干扰判据确定是否存在互调干扰问题；当满足互调干扰判据时，在步骤201建立的基本故障树模型中，添加一个或多个动态故障树的功能相关门，建立完整的动态故障树模型，从而实现对这类引起***动态失效问题的分析；
所述的互调干扰判据，指的是***中的无线发射设备产生的互调频点处于受扰设备的工作频率范围内,其判定步骤如下：
当第一潜在干扰设备工作频率范围为f1∈[f1min,f1max]，第二潜在干扰设备工作频率范围为f2∈[f2min,f2max]，受扰设备工作频率范围为f0∈[f0min,f0max]，考虑二阶以及三阶互调发射量较大，可能产生的互调频点上限频率及下限频率计算如下：
其中，f1min，f1max为第一潜在干扰设备工作频率范围最小值及最大值；f2min，f2max为第二潜在干扰设备工作频率范围最小值及最大值；f0min，f0max为受扰设备工作频率范围最小值及最大值；
若互调点频率范围与受扰设备频率范围满足如下关系：
则说明互调频点可能对受扰设备产生干扰,其中分别为可能产生的互调频点的下限频率及上限频率，f0min，f0max为受扰设备工作频率范围最小值及最大值；
步骤203：确定底事件初始权重及分值；由于***的干扰不是由设备的使用寿命来决定的，无法采用机械可靠性随寿命变化的概率计算公式来进行可靠性评估，故采用层次分析法来确定各影响因素的初始权重；同时利用对***中设备已有测试数据的分析，给出各影响因素的初始指标分值；
所述的层次分析法指的是，采用重要度对比估计的方式将各问题分解成不同的层次和指标，对各指标进行依次比对，利用成对比较获得的重要度数值aij来构造判断矩阵A，从而来计算各因素对事件的影响权重w；
其中不同的层次包含基于统计分析、基于上装设备特性和基于***设备安装布局三部分因素；
统计分析包含统计数据和经验打分两方面；上装设备和***设备安装布置因素则根据设备特性进行分类；
所述的初始指标分值指的是，通过对故障现场中所有潜在干扰设备的初始分析判断，给***中每个影响因素进行打分，分值范围为0～1；分值越接近1，则该因素对受扰设备产生干扰的概率越大；反之分值越接近0，表示该因素对受扰设备产生干扰的概率就越小。
所述的步骤103包括如下步骤：
步骤301：求解最小割集，采用故障树模块化方法，拆解动态故障树模型中的动态子树及静态子树，求解各最小割集；
所述的模块分析方法指的是，根据故障树结构由电磁兼容三要素组成，将动态故障树拆解为若干子模块，即若干相对独立的故障树；对子模块继续划分，直到子模块不能划分为止；
故障树中的模块子树搜索算法如下：
(1)判断每个中间事件下是否含有独立模块；
(a)若含有独立模块则进入该中间事件遍历；
(b)若不含有独立模块且该中间事件本身是独立的，则根据该模块的特性使用对应的方法求解该中间事件，然后将该中间事件替换为基本事件，并将中间事件的故障概率作为替换基本事件的故障概率，并返回上一节点重新进行遍历；
(2)若一个中间事件下的每一个独立模块都已被求解且分别被替换为基本事件，则继续检查中间事件是否为独立模块；
(c)若是，则根据该中间事件现在的模块特性采用合适的方法求解其故障概率，并将以该中间事件为顶事件的子树替换为一个基本事件，直到获得顶事件的故障概率；
步骤302：定量修正干扰类型权重。通过对现场故障设备的类型及现象的判断，动态修正干扰类型的权重；
所述的动态修正干扰类型的权重指的是，当***中潜在干扰设备1处于某种工作状态时，***中受扰设备的工作状态就会受到干扰；当这种干扰出现时，提高该潜在干扰设备1节点下此种干扰类型的权重，降低其它干扰类型的权重；
步骤303：定量修正干扰途径分值,通过对现场测试获得的***频谱信息、设备频谱信息及天线的驻波比、耦合度测试数据分析，动态修正干扰途径的分值；
所述的动态修正干扰途径的分值指的是，将某种干扰途径的现场测试数据与推荐的极限值做比较，若测试得到的数值低于推荐的极限值，则将该干扰途径的分值调整为低于0.5，即由此干扰途径产生故障的概率也就越小；若测试得到的数值高于推荐的极限值，则将该指标做高于0.5的动态化处理，即由此干扰途径产生的故障的概率也就越大。
所述的步骤104包括：
步骤401：根据步骤103中修正后的结果计算得到底事件的故障概率，再由最小割集的定义求解各最小割集的干扰概率，最后通过定位测试，找到干扰源；
所述的底事件故障概率计算公式：
p＝w1C1+w2C2+...+wnCn
其中，w为各指标的权重向量，C为各指标分值；
所述的最小割集的干扰概率计算公式：
P＝p1*p2*p3
其中，p1为干扰类型故障概率，p2为发射媒介故障概率，p3为接收媒介故障概率。
本发明与现有故障诊断方法相比，具有以下优点：
本发明适用于测试***处于复杂的现场测试环境下。将动态故障树理论和现场测试相结合起来并应用到电磁兼容故障诊断中来。从基础理论入手，以电磁兼容三要素进行建树，完善了故障因素的分析方法，且保证了最小割集的合理性和完整性；采用层次分析法给出***各干扰概率计算的初始权重及分值；根据现场故障现象及测试信息，实现故障诊断模型的动态修正，调整各事件的权重及分值，使故障树理论和现场测试技术可以互相弥补，达到互通的目的，从而更加方便、快速、准确的定位电磁兼容干扰源。
附图说明
图1：动态故障树建模诊断流程图；
图2：车载***工作状态示意图；
图3：通用电磁兼容动态故障树建模流程；
图4：基本的电磁兼容故障树模型；
图5：加入功能相关门的电磁兼容动态故障树模型；
图6：实际电磁兼容动态故障树建模及修正流程；
图7：字母简化的动态故障树模型；
图8：转台不同方向工作示意图；
图9：现场测试获得的***频谱图；
图10：加入权重及分值调整的模型。
具体实施方式
如图1所示，一种基于动态故障树的电磁兼容故障诊断分析方法，如车载***电磁兼容现场故障诊断，至少包括如下步骤：
步骤101：分析车载***(如图2)的组成及特性：按照工作特性将***内各电子设备分为无线用频设备、一般有线信息设备、驱动执行设备等类型；对于无线用频设备(如通信电台)，根据标称参数明确工作频率范围、发射功率、接收灵敏度等参数范围；对于一般有线信息设备(如计算机)，根据经验确定设备的电磁发射频率范围，受扰敏感特性；对于驱动执行设备(如转台驱动电机及控制电路)，根据控制方式、驱动功率、工作方式等定性确定不同工作状态下的电磁发射特性；为建立动态故障树模型做准备；
步骤102：根据步骤101的结果，将故障设备受扰作为顶事件，建立动态故障树模型，如图3所示；102包含：
步骤201：基于车载***的设备组成，***中的超短波电台(图3中标识为VHF)、短波电台(图3中标识为HF)、卫星通信属于无线用频设备；计算机、信息采集设备、传真机属于一般有线信息设备；转台属于驱动执行设备；故障设备是超短波电台(图3中标识为VHF)。将故障设备超短波电台受扰作为顶事件，其他潜在干扰设备，如短波电台，卫星通信，计算机等设备作为二层节点。根据电磁兼容三要素原理，建立每个潜在干扰设备的故障子树。因二层节点中各干扰设备可能导致顶事件的发生，将各设备的故障子树以“或门”的逻辑关系组建为基本故障树模型，如图4所示；
步骤202：对于该车载***，存在一台短波电台和两台超短波电台，依据互调干扰判据确定是否存在互调干扰问题。互调干扰判定步骤如下：
该车载***故障设备为超短波电台，故障现象为超短波电台在63.5MHz频点工作异常。第一潜在干扰设备短波电台工作频率f1∈[3,10](MHz),第二潜在干扰设备超短波电台工作频率f2∈[30,300](MHz)，受扰设备3超短波电台工作频率范围f0∈[30,300](MHz)。互调频点范围计算如下：
因即互调点频率范围与受扰设备频率范围交集不为空集，所以可能存在互调干扰问题。
***中电台发射的特征频点如表1所示。在步骤201建立的基本故障树模型中，添加一个动态故障树的功能相关门，从而建立完整的动态故障树模型，如图5所示；
表1电台发射特征频点
步骤203：对于该车载***的动态故障树模型的底事件，采用层次分析法(AHP)来确定各影响因素的初始权重。同时利用对***中设备已有测试数据的分析，给出各影响因素的初始指标分值。其中影响因素包含基于统计分析、基于上装设备特性和基于***设备安装布局三部分。耦合途径总体判断矩阵如下表所示：
表2耦合途径总体判断矩阵
统计分析包含统计数据和经验打分两方面；其它两项根据设备特性进行分类，确定各类层次的权重。车载***中天线的综合数据如表3所示，天线初始指标分值如表4所示：
| 统计数据 | 经验打分 | 天线方向图 | 天线效率 |
| 0.071 | 0.071 | 0.2145 | 0.2145 |
| 驻波比 | 耦合度 | 天线方向图品质 | |
| 0.172 | 0.172 | 0.085 |
表3天线发射综合权重
| 统计数据 | 经验打分 | 天线方向图 | 天线效率 |
| 0.5 | 0.2 | 0.3 | 0.5 |
| 驻波比 | 耦合度 | 天线方向图品质 | |
| 0.5 | 0.5 | 0.1 |
表4某设备天线发射初始打分图表
步骤103：获取实时故障参数，动态修正模型参数；如图6所示，103包括：
步骤301：通过遍历的方法将整个动态故障树进行分解。判断是否为独立子树来确定是否可进行进一步拆解，设定标志参数为Indep_Subtree＝＝0；判断子树类型，设定标志参数为Dyna_tree＝＝0；将我们的动态故障时模型进行如下分析，化简后的模型如图7：
故障树中模块子树搜索算法如下：
(1)顶事件为S，从S开始进行深度遍历，S下有独立子树，故设S的Indep_Subtree值为1；
(2)遍历A1事件，存在独立子树，将A1的Indep_Subtree值置为1；
(a)遍历B1事件，B1下无门事件，为静态独立子树，则直接将Indep_Subtree值置为0，Dyna_tree置为0，以B1为顶点的子树遍历成功；
(b)从右侧开始遍历，B2事件包含独立子树，则将B2的Indep_Subtree值置为1；遍历C1，其下仍包含门事件，将Indep_Subtree值置为1；遍历D1、D2，为不可再分独立子树，Dyna_tree置为0。遍历C2时有：C2的逻辑门与B2的逻辑门均为或门，可进行逻辑简化。将C2合并至B2的逻辑门之下，删除C3节点事件，以B2为顶事件的子树遍历成功，至此A1设备子树全部遍历结束；
(3)A2按照A1步骤进行遍历；
(4)遍历A3子树，A3下为FDEP动态逻辑门，直接将Indep_Subtree值置为0，Dyna_tree置为1，确定为动态子树，遍历全部结束。
步骤302：由于车载***存在转台安装信息采集设备，转台的启动、转动或不断变换信号传输方向等工作状态，对电台信号的收发能力都会产生影响。
这里对第三种工作状态进行分析，车载***中的电台在具有转台的设备附近工作，当转台启动时，电台正常工作。当设备工作时，朝向天线时电台接收信息效果较差，背对天线时电台接收信息正常，如图8所示。该问题有可能由转台上电子设备工作时自身发射超标引起，与转台的性能无关。当这种问题出现时，我们将故障树模型中相应设备自身属性权重提升，其它如开关及火花放电类因素的权重降低。这样依据状态的诊断是将先验状态类信息加入到模型的权重动态修正中，为智能诊断提供一定程度的优化；
步骤303：通过对现场测试，获得短波电台和超短波电台的频谱信息(如图9)，天线耦合度和驻波比等可测数据，如表5和表6所示。由现场测得的数据可知，超短波电台的驻波比需要适当劣化调整，数值自动劣化为大于0.5的数值0.6，耦合度及其他数据表现良好，数值自动优化为小于0.5的数值，如图10所示。
| 工作频点(MHz) | 耦合度(dB) | 驻波比 |
| 2.9 | -88.77 | 1.2 |
| 5.4 | -91.58 | 1.5 |
| 8.8 | -75.17 | 1.2 |
| 11.8 | -65.97 | 1.2 |
| 17.8 | -71.9 | 1.4 |
| 20 | -73.53 | 1.8 |
| 23 | -67 | 1.8 |
| 24.9 | -64.7 | 1.2 |
| 平均值 | -74.8275 | 1.4125 |
表5短波电台的耦合度及驻波比数值
表6超短波电台的耦合度及驻波比数值
| 统计数据 | 经验打分 | 天线方向图 | 天线效率 |
| 0.5 | 0.2 | 0.3 | 0.5 |
| 驻波比 | 耦合度 | 天线方向图品质 | |
| 0.5 | 0.5 | 0.1 |
表7超短波天线发射初始打分图表
| 统计数据 | 经验打分 | 天线方向图 | 天线效率 |
| 0 | 0 | 0.3 | 0.5 |
| 驻波比 | 耦合度 | 天线方向图品质 | |
| 0.6 | 0.3 | 0.1 |
表8超短波天线发射调整打分图表
步骤104：计算底事件故障概率并确定故障源头，完成诊断。步骤104包含：
步骤401：根据步骤103中修正后的结果计算得到车载***动态故障树模型中底事件的故障概率，再由最小割集的定义求解各最小割集的干扰概率，最后通过定位测试，找到车载***的干扰源。
车载***动态故障树模型中底事件故障概率计算公式：
p＝w1C1+w2C2+...+wnCn
其中，w为各指标的权重向量，C为各指标分值；
车载***动态故障树最小割集的干扰概率计算公式：
P＝p1*p2*p3
其中，p1为干扰类型故障概率，p2为发射媒介故障概率，p3为接收媒介故障概率。
通过以上计算公式得到各最小割集及总体的干扰概率值。由于车载***实际运行当中线缆传导性能良好，故这里将辐射结果展示如下。
表9各最小割集干扰结果
| 设备编号 | 设备名称 | 干扰概率 |
| 1 | 短波电台 | 0.174154551 |
| 2 | 超短波电台 | 0.211731656 |
| 3 | 卫通设备 | 0.114344208 |
| 4 | 摄像采集 | 0.110228461 |
| 5 | 计算机 | 0.060681258 |
| 6 | 传真机 | 0.075868056 |
| 7 | 空调 | 0.060454152 |
表10各设备的干扰概率总和
由诊断结果可知，超短波电台因为天线驻波比较高、离故障设备距离较近和自身的发射特性导致计算出的干扰概率最高，达到了0.212；其次，短波电台由于二阶互调点与故障频点接近，及自身的发射特性，干扰概率达到了0.174位列第二的；卫通设备和摄像采集则是因为本身干扰距离更近及其他打分指标，干扰概率位列第三和第四；其它潜在干扰设备的影响因素则更小。在现场诊断过程中，我们采取依照诊断结果的推荐排序逐步进行二次测量，结果为短波电台的互调干扰影响了故障设备的正常工作，在推荐序列位列第二，为整个诊断判定节省了很大的时间，也为其他设备的改进提供了依据。
Claims (4)
1.一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：至少包括如下步骤：
步骤101：分析***的组成及特性；按照工作特性将***内各电子设备分为无线用频设备、一般有线信息设备、驱动执行设备；确定无线用频设备、一般有线信息设备、驱动执行设备的电磁发射特性及电磁敏感特性，为建立动态故障树模型做准备；
步骤102：根据步骤101的结果，建立动态故障树模型；
步骤103：获取实时故障参数，动态修正模型参数；
步骤104：计算最小割集干扰概率并确定故障源头，完成诊断。
2.根据权利要求1所述的一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：所述的步骤102包括：
步骤201：建立基本故障树模型，基于***的设备组成，将故障设备的受扰作为顶事件，其他潜在干扰设备作为二层节点，针对每个潜在干扰设备建立相对独立的设备故障子树；依据顶事件与二层节点的关系，组建基本故障树模型；
所述的设备故障子树指的是，通过分析该潜在设备可能产生的电磁发射对故障设备的所有耦合途径，进而依据电磁兼容三要素原理，将各因素映射为可能导致顶事件发生的底事件，形成故障子树；
所述的依据顶事件与二层节点的关系指的是，分析二层节点中各干扰设备导致顶事件发生的必然关系、并列关系、互斥关系，分别对应二层节点对顶事件综合作用的“或门”、“与门”或“异或门”模型；
步骤202：建立完整的动态故障树模型，对于受扰设备为无线发射设备，且潜在干扰设备包含两个或以上无线发射设备的***，可依据互调干扰判据确定是否存在互调干扰问题；当满足互调干扰判据时，在步骤201建立的基本故障树模型中，添加一个或多个动态故障树的功能相关门，建立完整的动态故障树模型，从而实现对这类引起***动态失效问题的分析；
所述的互调干扰判据，指的是***中的无线发射设备产生的互调频点处于受扰设备的工作频率范围内,其判定步骤如下：
当第一潜在干扰设备工作频率范围为f1∈[f1min,f1max]，第二潜在干扰设备工作频率范围为f2∈[f2min,f2max]，受扰设备工作频率范围为f0∈[f0min,f0max]，考虑二阶以及三阶互调发射量较大，可能产生的互调频点上限频率及下限频率计算如下：
<mrow>
<msubsup>
<mi>f</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>{</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<mn>2</mn>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>min</mi>
</mrow>
</msub>
<mo>,</mo>
<mn>2</mn>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<msubsup>
<mi>f</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mo>*</mo>
</msubsup>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>{</mo>
<mn>2</mn>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<mn>2</mn>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>f</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>}</mo>
</mrow>
其中，f1min，f1max为第一潜在干扰设备工作频率范围最小值及最大值；f2min，f2max为第二潜在干扰设备工作频率范围最小值及最大值；f0min，f0max为受扰设备工作频率范围最小值及最大值；
若互调点频率范围与受扰设备频率范围满足如下关系：
则说明互调频点可能对受扰设备产生干扰,其中分别为可能产生的互调频点的下限频率及上限频率，f0min，f0max为受扰设备工作频率范围最小值及最大值；
步骤203：确定底事件初始权重及分值；由于***的干扰不是由设备的使用寿命来决定的，无法采用机械可靠性随寿命变化的概率计算公式来进行可靠性评估，故采用层次分析法来确定各影响因素的初始权重；同时利用对***中设备已有测试数据的分析，给出各影响因素的初始指标分值；
所述的层次分析法指的是，采用重要度对比估计的方式将各问题分解成不同的层次和指标，对各指标进行依次比对，利用成对比较获得的重要度数值aij来构造判断矩阵A，从而来计算各因素对事件的影响权重w；
其中不同的层次包含基于统计分析、基于上装设备特性和基于***设备安装布局三部分因素；
统计分析包含统计数据和经验打分两方面；上装设备和***设备安装布置因素则根据设备特性进行分类；
所述的初始指标分值指的是，通过对故障现场中所有潜在干扰设备的初始分析判断，给***中每个影响因素进行打分，分值范围为0～1；分值越接近1，则该因素对受扰设备产生干扰的概率越大；反之分值越接近0，表示该因素对受扰设备产生干扰的概率就越小。
3.根据权利要求1所述的一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：所述的步骤103包括如下步骤：
步骤301：求解最小割集，采用故障树模块化方法，拆解动态故障树模型中的动态子树及静态子树，求解各最小割集；
所述的模块分析方法指的是，根据故障树结构由电磁兼容三要素组成，将动态故障树拆解为若干子模块，即若干相对独立的故障树；对子模块继续划分，直到子模块不能划分为止；
故障树中的模块子树搜索算法如下：
(1)判断每个中间事件下是否含有独立模块；
(a)若含有独立模块则进入该中间事件遍历；
(b)若不含有独立模块且该中间事件本身是独立的，则根据该模块的特性使用对应的方法求解该中间事件，然后将该中间事件替换为基本事件，并将中间事件的故障概率作为替换基本事件的故障概率，并返回上一节点重新进行遍历；
(2)若一个中间事件下的每一个独立模块都已被求解且分别被替换为基本事件，则继续检查中间事件是否为独立模块；
(c)若是，则根据该中间事件现在的模块特性采用合适的方法求解其故障概率，并将以该中间事件为顶事件的子树替换为一个基本事件，直到获得顶事件的故障概率；
步骤302：定量修正干扰类型权重。通过对现场故障设备的类型及现象的判断，动态修正干扰类型的权重；
所述的动态修正干扰类型的权重指的是，当***中潜在干扰设备1处于某种工作状态时，***中受扰设备的工作状态就会受到干扰；当这种干扰出现时，提高该潜在干扰设备1节点下此种干扰类型的权重，降低其它干扰类型的权重；
步骤303：定量修正干扰途径分值,通过对现场测试获得的***频谱信息、设备频谱信息及天线的驻波比、耦合度测试数据分析，动态修正干扰途径的分值；
所述的动态修正干扰途径的分值指的是，将某种干扰途径的现场测试数据与推荐的极限值做比较，若测试得到的数值低于推荐的极限值，则将该干扰途径的分值调整为低于0.5，即由此干扰途径产生故障的概率也就越小；若测试得到的数值高于推荐的极限值，则将该指标做高于0.5的动态化处理，即由此干扰途径产生的故障的概率也就越大。
4.根据权利要求1所述一种基于动态故障树的电磁兼容故障诊断分析方法，其特征是：所述的步骤104包括：
步骤401：根据步骤103中修正后的结果计算得到底事件的故障概率，再由最小割集的定义求解各最小割集的干扰概率，最后通过定位测试，找到干扰源；
所述的底事件故障概率计算公式：
p＝w1C1+w2C2+...+wnCn
其中，w为各指标的权重向量，C为各指标分值；
所述的最小割集的干扰概率计算公式：
P＝p1*p2*p3
其中，p1为干扰类型故障概率，p2为发射媒介故障概率，p3为接收媒介故障概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710772096.7A CN107590010B (zh) | 2017-08-31 | 2017-08-31 | 一种基于动态故障树的电磁兼容故障诊断分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710772096.7A CN107590010B (zh) | 2017-08-31 | 2017-08-31 | 一种基于动态故障树的电磁兼容故障诊断分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107590010A true CN107590010A (zh) | 2018-01-16 |
| CN107590010B CN107590010B (zh) | 2019-07-02 |
Family
ID=61052004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710772096.7A Active CN107590010B (zh) | 2017-08-31 | 2017-08-31 | 一种基于动态故障树的电磁兼容故障诊断分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107590010B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118779A (zh) * | 2018-10-12 | 2019-01-01 | 东软集团股份有限公司 | 交通违章信息识别方法、设备及可读存储介质 |
| CN109359897A (zh) * | 2018-12-10 | 2019-02-19 | 西安邮电大学 | 一种大型体育赛事无线电***信息安全风险评估方法 |
| CN111144681A (zh) * | 2019-05-17 | 2020-05-12 | 深圳市德塔防爆电动汽车有限公司 | 一种电动车辆的关键重要度的计算方法以及电动车辆 |
| CN111596641A (zh) * | 2020-04-16 | 2020-08-28 | 岭东核电有限公司 | 核电站应急柴油机故障分析方法、装置、存储介质及设备 |
| CN111737532A (zh) * | 2020-06-18 | 2020-10-02 | 中车长春轨道客车股份有限公司 | 一种铁路传导干扰故障树分析方法 |
| CN111985561A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、***及电子装置 |
| CN112446647A (zh) * | 2020-12-14 | 2021-03-05 | 上海众源网络有限公司 | 异常元素的定位方法、装置、电子设备及存储介质 |
| CN112579402A (zh) * | 2020-12-14 | 2021-03-30 | 中国建设银行股份有限公司 | 一种应用***故障定位的方法和装置 |
| CN113189415A (zh) * | 2021-04-07 | 2021-07-30 | 一汽奔腾轿车有限公司 | 一种基于故障矩阵的燃油车电磁干扰定位方法 |
| CN113219273A (zh) * | 2021-04-07 | 2021-08-06 | 一汽奔腾轿车有限公司 | 一种基于故障矩阵的电动车电磁干扰定位方法 |
| CN114593104A (zh) * | 2022-02-17 | 2022-06-07 | 成都飞机工业（集团）有限责任公司 | 一种对伺服阀输出异常压力问题进行分解检查的方法 |
| CN114756397A (zh) * | 2022-04-12 | 2022-07-15 | 深圳闪回科技有限公司 | 一种回收设备的兼容处理方法及*** |
| CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及*** |
| CN116501015A (zh) * | 2023-04-28 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102680825A (zh) * | 2012-05-17 | 2012-09-19 | 西安电子科技大学 | ***级电磁兼容故障诊断中的干扰源辨识方法 |
| US20160277209A1 (en) * | 2010-08-31 | 2016-09-22 | Siklu Communication ltd. | Extended ring-like communication architecture |
| CN107085750A (zh) * | 2017-03-10 | 2017-08-22 | 广东工业大学 | 一种基于arma和ann的混合动态故障预测方法 |
-
2017
- 2017-08-31 CN CN201710772096.7A patent/CN107590010B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160277209A1 (en) * | 2010-08-31 | 2016-09-22 | Siklu Communication ltd. | Extended ring-like communication architecture |
| CN102680825A (zh) * | 2012-05-17 | 2012-09-19 | 西安电子科技大学 | ***级电磁兼容故障诊断中的干扰源辨识方法 |
| CN107085750A (zh) * | 2017-03-10 | 2017-08-22 | 广东工业大学 | 一种基于arma和ann的混合动态故障预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 梁喆: "基于故障树分析车载***电磁兼容诊断方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109118779A (zh) * | 2018-10-12 | 2019-01-01 | 东软集团股份有限公司 | 交通违章信息识别方法、设备及可读存储介质 |
| CN109359897A (zh) * | 2018-12-10 | 2019-02-19 | 西安邮电大学 | 一种大型体育赛事无线电***信息安全风险评估方法 |
| CN111144681A (zh) * | 2019-05-17 | 2020-05-12 | 深圳市德塔防爆电动汽车有限公司 | 一种电动车辆的关键重要度的计算方法以及电动车辆 |
| CN111596641A (zh) * | 2020-04-16 | 2020-08-28 | 岭东核电有限公司 | 核电站应急柴油机故障分析方法、装置、存储介质及设备 |
| CN111737532A (zh) * | 2020-06-18 | 2020-10-02 | 中车长春轨道客车股份有限公司 | 一种铁路传导干扰故障树分析方法 |
| CN111737532B (zh) * | 2020-06-18 | 2023-06-23 | 中车长春轨道客车股份有限公司 | 一种铁路传导干扰故障树分析方法 |
| CN111985561B (zh) * | 2020-08-19 | 2023-02-21 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、***及电子装置 |
| CN111985561A (zh) * | 2020-08-19 | 2020-11-24 | 安徽蓝杰鑫信息科技有限公司 | 一种智能电表的故障诊断方法、***及电子装置 |
| CN112446647A (zh) * | 2020-12-14 | 2021-03-05 | 上海众源网络有限公司 | 异常元素的定位方法、装置、电子设备及存储介质 |
| CN112579402A (zh) * | 2020-12-14 | 2021-03-30 | 中国建设银行股份有限公司 | 一种应用***故障定位的方法和装置 |
| CN113189415A (zh) * | 2021-04-07 | 2021-07-30 | 一汽奔腾轿车有限公司 | 一种基于故障矩阵的燃油车电磁干扰定位方法 |
| CN113219273A (zh) * | 2021-04-07 | 2021-08-06 | 一汽奔腾轿车有限公司 | 一种基于故障矩阵的电动车电磁干扰定位方法 |
| CN114593104A (zh) * | 2022-02-17 | 2022-06-07 | 成都飞机工业（集团）有限责任公司 | 一种对伺服阀输出异常压力问题进行分解检查的方法 |
| CN114593104B (zh) * | 2022-02-17 | 2023-03-14 | 成都飞机工业（集团）有限责任公司 | 一种对伺服阀输出异常压力问题进行分解检查的方法 |
| CN114756397A (zh) * | 2022-04-12 | 2022-07-15 | 深圳闪回科技有限公司 | 一种回收设备的兼容处理方法及*** |
| CN115511136A (zh) * | 2022-11-01 | 2022-12-23 | 北京磁浮有限公司 | 基于层次分析和故障树的设备故障辅助诊断方法及*** |
| CN116501015A (zh) * | 2023-04-28 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
| CN116501015B (zh) * | 2023-04-28 | 2024-01-30 | 中国人民解放军海军大连舰艇学院 | 基于故障树的舰载拖曳电子装备舰员级故障诊断方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107590010B (zh) | 2019-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107590010B (zh) | 一种基于动态故障树的电磁兼容故障诊断分析方法 | |
| US20180375373A1 (en) | Impact increments-based state enumeration reliability assessment approach and device thereof | |
| US12019529B2 (en) | Testing method and testing device | |
| CN104243585B (zh) | 基于分布式健康诊断的信道模拟与综合验证***及其方法 | |
| CN111614406B (zh) | Cni外场无线自动检测设备 | |
| CN105117847A (zh) | 一种变压器故障重要度的评估方法 | |
| CN105911497A (zh) | 局部放电定位误差的校正方法和装置 | |
| CN108990035A (zh) | 蓝牙功能检测方法、装置、设备及存储介质 | |
| CN113340613A (zh) | 车载终端模块自动化测试***、方法、装置及存储介质 | |
| CN113495842A (zh) | 一种批产卫星自动化测试***及测试方法 | |
| CN110888011B (zh) | 一种基于测试性建模的原位测试方法及测试装置 | |
| CN116990746A (zh) | 用于无线电监测测向***及方法 | |
| CN105744537B (zh) | 一种天线覆盖性能评估方法及装置 | |
| CN106019322A (zh) | 车联网终端设备中gps模块高低温的测试***及方法 | |
| Mordachev et al. | EMC diagnostics of complex ship radioelectronic systems by the use of analytical and numerical worst-case models for spurious EM couplings | |
| CN114553331B (zh) | 针对无线电监测站实现***自检的方法、装置及存储介质 | |
| Chuanbao et al. | Effect characterization and modeling of RF low noise amplifier for VHF communication system after HEMP PCI test | |
| Lyu et al. | Prognostics and health management technology for radar system | |
| Boeira et al. | A calibrated and automated simulator for innovations in 5g | |
| CN111308328B (zh) | 一种低频数字电路综合测试***及其测试方法 | |
| CN203722646U (zh) | 甚高频收发机的测试*** | |
| Mordachev et al. | Fast Discrete Diagnostics of EMC of Complex Co-Located Radio Systems by Using Worst-Case Models of Electromagnetic Spurious Couplings | |
| CN112020087A (zh) | 隧道故障监控方法、装置及计算设备 | |
| CN110391854A (zh) | 无线射频设备的功率校准方法和装置 | |
| Boeira et al. | Calibration and Automation of a 5G Simulator for Realistic Evaluation and Data Generation |
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 |