CN111061253A - 针对机电混合***的故障诊断方法、***及可读介质 - Google Patents

针对机电混合***的故障诊断方法、***及可读介质 Download PDF

Info

Publication number
CN111061253A
CN111061253A CN201911378054.0A CN201911378054A CN111061253A CN 111061253 A CN111061253 A CN 111061253A CN 201911378054 A CN201911378054 A CN 201911378054A CN 111061253 A CN111061253 A CN 111061253A
Authority
CN
China
Prior art keywords
flow model
hybrid system
diagnosed
electromechanical hybrid
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.)
Pending
Application number
CN201911378054.0A
Other languages
English (en)
Inventor
陈圣俭
宋钱骞
沈峰
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.)
Beijing Watertek Information Technology Co Ltd
Original Assignee
Beijing Watertek Information Technology Co Ltd
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 Beijing Watertek Information Technology Co Ltd filed Critical Beijing Watertek Information Technology Co Ltd
Priority to CN201911378054.0A priority Critical patent/CN111061253A/zh
Publication of CN111061253A publication Critical patent/CN111061253A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0245—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a qualitative model, e.g. rule based; if-then decisions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

一种针对机电混合***的故障诊断方法，包括：根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。

Description

针对机电混合***的故障诊断方法、***及可读介质
技术领域
本文涉及故障诊断技术领域，尤指一种针对机电混合***的故障诊断方法、***及可读介质。
背景技术
当前机电混合***的自动故障诊断是装备保障工程应用中的热点和难点问题之一，而当前故障诊断方法多是单纯针对电子***或机械***的故障诊断方法，例如，基于模型诊断法(比如，故障字典发、网络撕裂法等)或基于纯数据驱动人工智能的故障诊断方法，这些方法的不足之处在于缺乏全局视角、过于微观，一般只适合部件或组件的故障诊断。针对复杂的机电混合***，一般多采用基于专家***的推理诊断方法。然而，传统的基于专家***的推理诊断方法，多依赖于故障统计和专家经验，由于缺乏对大***进行有效划分的科学性、***化的方法，使得诊断推理的效率大打折扣，并且故障定位的精度也受到了限制，诊断实时性和有效性均有待提高。
发明内容
本申请提供了一种针对机电混合***的故障诊断方法、***及可读介质，可以提高机电混合***的故障诊断实时性和有效性。
一方面，本申请提供了一种针对机电混合***的故障诊断方法，包括：根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
另一方面，本申请提供一种针对机电混合***的故障诊断***，包括：层级划分模块，用于根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；模型建立模块，用于给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；测试信号参数集确定模块，用于针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；故障定位模块，用于基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
另一方面，本申请提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被执行时实现如上所述的故障诊断方法。
本申请实施例提供的针对机电混合***的故障诊断方法，通过根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级并确定每个层级包括的组成部分，给每个层级中的每个组成部分建立流模型并确定每个组成部分的测试信号参数集，基于流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。如此一来，针对待诊断机电混合***，通过结合流模型和专家***可以显著提高故障诊断实时性和有效性。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
图1为本申请实施例提供的针对机电混合***的故障诊断方法的流程图；
图2为本申请实施例提供的层级划分的一种示例图；
图3为本申请实施例提供的流模型的示意图；
图4为本申请实施例提供的一个子***的信号流模型的示例图；
图5为本申请实施例提供的一个子***的能量流模型的示例图；
图6为本申请实施例提供的故障诊断方法的一个应用示例图；
图7为本申请实施例提供的针对机电混合***的故障诊断***的示意图。
具体实施方式
本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的发明方案。任何实施例的任何特征或元件也可以与来自其它发明方案的特征或元件组合，以形成另一个由权利要求限定的独特的发明方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
本申请实施例提供一种针对机电混合***的故障诊断方法、***及可读介质，可以有效提高机电混合***的故障诊断实时性和有效性。
图1为本申请实施例提供的针对机电混合***的故障诊断方法的流程图。如图1所示，本实施例提供的故障诊断方法，包括：
步骤101、根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；
步骤102、给每个层级中的每个组成部分建立信号流模型，流模型包括信号流模型、能量流模型和控制流模型；
步骤103、针对每个层级中的每个组成部分，根据该组成部分的流模型，确定该组成部分的测试信号参数集；
步骤104、基于流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
本实施例提供的故障诊断方法可以应用于不同类型的机电混合***。然而，本申请对此并不限定。
在一示例性实施方式中，步骤101可以包括：根据待诊断机电混合***的需求分析结果，确定待诊断机电混合***所需划分的层级数目；根据所需划分的层级数目以及待诊断机电混合***的组成结构和功能，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分。本实施例通过在需求分析的基础上，对机电混合***进行层级划分，可以给故障定位提供一种高效的搜索路径，即实现分层搜索。
其中，待诊断机电混合***的需求分析结果可以包括以下一项或多项信息：待诊断机电混合***的规模(比如，机电混合***所包括的电子元器件的数目、机械元器件的数目等)、待诊断机电混合***的故障定位范围(比如，需要定位出存在故障的元器件或组件)、诊断实时性要求(比如，得到故障定位结果所需的时间要求)、故障现象。然而，本申请对此并不限定。在实际应用中，可以根据待诊断机电混合***的多种信息，经综合分析与权衡，得到需求分析结果。
其中，待诊断机电混合***所需划分的层级数目即为待诊断机电混合***的诊断层级深度，比如，可将待诊断机电混合***划分为三层、四层或更多层级。其中，层级数目可以为大于或等于二的整数。层级的编号可以按照自顶向下的顺序依次增加，或者，按照自顶向下的顺序依次减小。然而，本申请对此并不限定。在实际应用中，根据待诊断机电混合***的实际情况来确定所需划分的层级数目。
在一示例中，一个待诊断机电混合***可以按照自顶向下的顺序划分为以下六个层级：分***、子***、子子***、现场可更换单元、模块、组件或元器件，或者，可以划分为以下四个层级：分***、子***、子子***、现场可更换单元。然而，本申请对此并不限定。
在一示例中，可以根据待诊断机电混合***的故障定位范围，确定待诊断机电混合***所需划分的层级数目，换言之，故障定位范围要求定位故障到哪个级别，就将待诊断机电混合***划分到哪个层级；比如，故障定位范围要求定位故障到现场可更换单元层级，则可以确定待诊断机电混合***所需划分的层级数目为四层，即可以自顶向下划分为以下四个层级：分***、子***、子子***、现场可更换单元。或者，可以根据待诊断机电混合***的规模和故障定位范围，确定待诊断机电混合***所需划分的层级数目；比如，故障定位范围要求定位故障到现场可更换单元，待诊断机电混合***的规模较小(即包含的电子元器件数目较少)，则可以确定待诊断机电混合***所需划分的层级数目为三层，即可以划分为以下三个层级：分***、子***、现场可更换单元。或者，可以根据待诊断机电混合***的故障定位范围以及诊断实时性要求，确定待诊断机电混合***所需划分的层级数目；比如，故障定位范围要求定位故障到现场可更换单元，待诊断机电混合***的诊断实时性要求较高(即要求较快定位出故障位置)，则可以确定待诊断机电混合***所需划分的层级数目为三层，即可以划分为以下三个层级：分***、子***、现场可更换单元。然而，本申请对此并不限定。
在一示例中，根据待诊断机电混合***所需划分的层级数目、以及待诊断机电混合***的组成结构和功能，可以划分出多个层级，并在每个层级内进行组成部分的划分。比如，以待诊断机电混合***为装甲车辆***为例，装甲车辆***所需划分的层级数目为三层(即分***层级、子***层级以及子子***层级)，则首先可以根据装甲车辆***的组成结构和功能，将装甲车辆***划分为以下多个分***：动力分***、火力打击分***、防护分***、通信控制分***，其中，动力分***又可以划分为以下多个子***：发动机子***、变速箱子***、车辆底盘子***，另外，处于子***层级的各个部分(即各个子***)还可以根据需要继续划分为多个子子***。
图2为本申请实施例提供的层级划分的一种示例图。如图2所示，待诊断机电混合***可以划分为以下两个层级：分***层级和子***层级；其中，待诊断机电混合***在分***层级上包括分***1至分***n，分***1可以划分为子***1、子***2以及综合***部分中的相关部分，分***2可以划分为子***3、子***4以及综合***部分中的相关部分，分***n可以划分为子***n-1、子***n以及综合***部分中的相关部分；其中，n为大于1的整数。在图2中，Ti表示诊断过程中对诊断用测试信号参量的测试，i的取值为大于0且小于或等于n的整数。
在本实施例中，待诊断机电混合***按照自顶向下进行层级划分，即在确定层级数目之后，按范围上由大到小的顺序逐步进行组成部分的划分。需要说明的是，在本实施例中，关于分***、子***等每一个层级所包含的电路规模或元器件数量等，需要依据待诊断机电混合***的规模大小、组成结构来确定，没有统一的硬性约束，有时一个大规模的机电混合***中的子子***可能比一个小规模的机电混合***中的子***所包含的组成结构更复杂。
在一示例性实施方式中，信号流模型包括用于说明信号的传输途径(比如，信号经过的传播方式，例如，放大、滤波等)和顺序关系(即信号的传播方式的先后顺序)的核心表示元素；能量流模型包括用于说明非电类能量的传输途径和顺序关系的核心表示元素；控制流模型包括用于说明非电类***的控制量的传输途径和顺序关系的核心表示元素；其中，核心表示元素包括关键信号和核心参数。其中，核心表示元素是表达信号流、能量流、控制流的载体。本申请对于核心表示元素的类型并不限定。在实际应用中，可以根据实际的机电混合***来确定核心表示元素。
其中，机电混合***包括电子信息***和非电类***。信号流模型、能量流模型和控制流模型分别描述了电子信息***的信号传播、机械或液压等非电类***能量的传递和控制***控制量的传输途径和顺序关系。由于无论机电混合***的组成结构、功能如何复杂，都可以抽象成信号流、能量流、控制流三者相互独立或交叉耦合的整体。通过建立信号流模型、能量流模型和控制流模型，能够把任何复杂机电混合***的结构、功能、性能等参数指标以及参数指标间的逻辑关系充分提炼表达出来，进而在故障诊断过程中只需针对这三个模型展开即可。
其中，通过建立每个层级中的每个组成部分的流模型，可以为故障诊断的推理建立信号、能量、控制量参数间逻辑关系依据。流模型建立的依据是：待诊断机电混合***的组成结构、功能、工作原理以及信号传播的顺序关系等。在一示例中，待诊断机电混合***被划分为以下三个层级：分***层级、子***层级、子子***层级，则可以分别建立每个分***的流模型(包括信号流模型、能量流模型和控制流模型)、每个子***的流模型以及每个子子***的流模型。
图3为本申请实施例提供的流模型的示意图。其中，图3(a)为信号流模型的示意图，描述了信号流从产生到变换(处理)再到输出的先后顺序关系；图3(b)为能量流模型的示意图，描述了能量流从产生到变换(处理)再到输出的先后顺序关系；图3(c)为控制流模型的示意图，描述了控制流从产生到变换(处理)再到输出的先后顺序关系。
图4为本申请实施例提供的一个子***的信号流模型的示例图。图4中的实线箭头表达了电子信息***中每个关键功能信号的流向。其中，经放大后的高频信号送给混频器，经混频后得到的中频信号送给中频放大器，经中频放大器放大后的信号送给信号检波电路进行检波处理，检波处理后的低频信号送给低频放大电路进行电压放大，经电压放大后的低频信号再送给功率放大电路进行功率放大，最后达到可以驱动负载的功率。上述所有不同形态(不同大小)的信号流向是明确的，且具有先后逻辑顺序，因此，图4既表达了信号流传播逻辑，也是进行故障诊断推理的信号数据链。图4中虚线箭头表示的T1至T5是故障诊断过程中所进行的测试。根据图4可知，依据信号流模型，可以追溯诊断用测试信号参量间的关系，判断故障传播情况，进而确定故障部位。
其中，对于机械、液压等能量传递***或以能量(或力)为控制量的控制***(参考图3(b)和图3(c))而言，能量流模型或控制流模型中的关键信号、核心参数等，可以是力、功率、能量等不同的参量，也可以是其经转化后的参量，要根据具体工作原理情况视情况选取。
图5为本申请实施例提供的一个子***的能量流模型的示例图。图5中的实线箭头表达了机电混合***中每个关键信号的流向。其中，电控信号提供的能量可以依次传递给发送机、变速箱，并直接提供给变速箱，最后用于驱动负载。图5中虚线箭头表示的T1至T4是故障诊断过程中所进行的测试。
在一示例性实施方式中，步骤103可以包括：针对每个层级的每个组成部分，根据该组成部分的流模型，确定该组成部分的关键信号和核心参数的集合，形成该组成部分的测试信号参数集。其中，测试信号参数集是实现机电混合***故障诊断过程中必要且充分的测试信号和参数的汇总。在前述的***层级划分、流模型建立的基础上，确定出其中各个层级的组成部分的关键信号和核心参数的集合，就是对应的组成部分的测试信号参数集。
以图4所示的信号流模型为例，其中的虚线箭头表示的测试项T1、T2、T3、T4、T5所分别对应的高频信号、中频信号、低频小信号、低频大信号和低频功率信号，就是该子***的测试信号参数集，在故障诊断时通过将这些信号进行特定组合测试，就可以把故障定位到相应的功能电路块中。同理，根据其下一层级的信号流模型中的所有关键功能信号，可以得到其下一层级的测试信号参数集。
对于机械、液压等能量传递***或以能量为控制量的控制***，其测试信号参数集的确定，可以通过直接选取相应部位的力、功率、能量等参量进行测试，如图5所示的T2，T3；也可以间接选取能够真实反映其力、功率、能量等不同参量的相应耦合量或转化量作为测试信号参数集，这要根据具体工作原理情况和实现测试的复杂度综合确定。比如，如果直接测试功率或能量难度大，则可以考虑转化为通过测试其对应的力(推力、拉力、压力等)的大小、发热量的大小，甚至是对应振动强度的大小等都可以，这也是一种可行的间接测量方法。
在一示例性实施方式中，在步骤103之后，本实施例的故障诊断方法还可以包括：按照设定的诊断策略，基于流模型和测试信号参数集，对待诊断机电混合***进行故障定位。
在本示例性实施方式中，诊断策略可以包括：按照自顶向下的层级顺序进行故障诊断，且层级的编号按照自顶向下的顺序依次增大，则编号小于第一阈值的层级采用第一诊断方式进行故障诊断，编号大于或等于第一阈值的层级采用第二诊断方式进行故障诊断。其中，第一阈值为预先设定值，或，默认值，或，由用户自适应调整的值。然而，本申请对此并不限定。
本示例性实施例通过采用合适的诊断策略来实现故障定位，可以满足不同层级、不同定位范围要求的诊断需求。需要说明的是，本实施例提供的诊断策略可以由用户预先设定，或者根据用户需求进行调整。然而，本申请对此并不限定。
在一示例性实施方式中，第一诊断方式可以包括：基于专家***的推理诊断方式，第二诊断方式可以包括模型诊断方式。其中，基于专家***的推理诊断方式是利用具有大量的专门知识和经验的程序***来处理故障诊断问题，通常专家***包括专家数据库和推理机。模型诊断方式可以包括故障字典发、网络撕裂法等。其中，关于基于专家***的推理诊断方式和模型诊断方式的具体实现过程可以参照相关技术，故于此不再赘述。
在本实施例中，诊断策略是指采用的诊断方法及诊断顺序，诊断策略是实施故障诊断的关键一环。在一示例中，故障定位的过程是一个范围上由大至小逐步压缩的过程，以待诊断机电混合***自顶向下划分为分***、子***、子子***、现场可更换单元以及模块这五个层级为例，诊断策略可以设定为：结合各个层级的信号流模型(即各个分***的信号流模型、各个子***的信号流模型、各个子子***的信号流模型、各个现场可更换单元的信号流模型、各个模块的信号流模型)，首先采用基于专家***的推理诊断方法确定故障所在的分***，然后确定故障所在的子***，进一步确定故障所在的子子***、现场可更换单元；接着，采用模型诊断法确定故障所在的模块。其中，在分***、子***、子子***以及现场可更换单元级别(视具体情况确定)上的诊断，由于对故障区域的定位精度要求不高，只需要确定出故障所在层级的哪一个范围内即可，因此可采用专家***推理诊断方法；在现场可更换单元及以下级别的诊断上，若对故障区域的定位精度要求较高，则可视具体情况采用模型诊断法(比如，故障字典法、网络撕裂法等)进行诊断，即底层小范围内的故障定位，可以采用模型诊断法等方法。在本实施例中，按照自顶向下的层级逐级分层进行诊断，且不同层级可以采用不同的诊断方法(比如结合专家***推理诊断方法和模型诊断方法)，从而满足不同层级、不同定位范围要求的诊断需求，有效提高诊断实时性和故障隔离率。
其中，在专家***推理诊断方法中，采用专家***进行故障诊断的要点是：故障现象是源头，待诊断机电混合***的各层级的信号流模型、专家经验是推理基础，经必要的测试和逻辑推理，逐步得出分***、子***、子子***的故障结论。在一示例中，基于采用专家***推理诊断方法的层级，可以建立各层级的信号的诊断推理逻辑关系图，由信号的诊断推理逻辑关系图构建专家***的推理路线和推理机；对历史故障数据进行统计分析，结合专家经验和上述诊断推理逻辑关系图，初步建立故障现象与故障原因之间相对应的故障数据库；采用模拟仿真方法(由仿真软件实现)，建立典型故障数据库，并将典型故障数据库内的数据加入到上述故障数据库，形成相对完备的故障诊断数据库；以需求分析为基础，根据***层级划分和各层级的信号流模型为引导，针对实际故障现象，按照自顶向下的层级顺序，逐级进行推理判断；按照专家***的提示，需要进行针对性测试时，将测试结果导入专家***数据库，由推理机依据测试结果，推导出下一步应该进行的测试或给出诊断结论。
图6为本申请实施例提供的故障诊断方法的一个应用示例图。下面参照图6以战机***的模块级故障诊断为例，对本实施例的故障诊断流程进行举例说明。
在本示例中，待诊断的机电混合***为战机***。首先可以依据需求分析结果，将战机***按照自顶向下的顺序划分为以下五个层级：***层级、分***层级、子***层级、子子***层级、模块层级。如图6所示，战机***可大致划分为动力***、战斗***、航电***和操纵***，每个***又可划分为以下四个层级：分***层级、子***层级、子子***层级和模块层级。
在本示例中，在确定层级划分之后，可以给每个层级建立流模型，并确定对应的测试信号参数集。其中，可以给每个层级中的每个组成部分建立信号流模型、能量流模型和控制流模型，并在上述三个模型基础上确定对应的测试信号参数集，据此建立诊断推理逻辑关系图，依据诊断推理逻辑关系图，可以构建专家***的推理路线图和推理机。然后，可以建立诊断专家数据库。其中，通过对该型号战机的历史故障数据进行统计分析整理，结合专家经验和上述诊断推理逻辑关系图，可以初步建立故障现象与故障原因之间相对应的故障数据库。同时，采用模拟仿真的方法，建立典型故障数据库，并将该模拟数据加入到上述故障数据库，形成相对完备的故障数据库。
在本示例中，以某战机实际的以下故障现象为例进行诊断：战机升空后，各仪表均正常、战机操控正常，但是却无法发现探测距离内的指定目标。
针对上述实际故障现象，按照自顶向下的层级顺序，逐级进行诊断推理判断。显然故障发生的范围初步确定为：战斗***的火控分***中的雷达子***。根据图6所示，雷达子***又被划分为：发射机子子***、接收机子子***、天线馈线子子***、信号处理子子***等。根据诊断***提示：首先监测雷达各子子***的电源供电(关键测试信号)是否正常，经测试发现电源供电数据正常。接下来***提示按顺序监测发射机子子***、接收机子子***等。经监测和诊断发现发射机子子***工作正常。进一步监测雷达接收机子子***，发现接收机输出信号变小，按照接收机子子***的***划分，分别监测各模块关键测试信号，发现中频放大模块有故障，经最后确认是中频放大电路损坏，放大倍数下降了一个数量级。至此，诊断结束。
需要说明的是，在模块级别以下的区域范围，若需要确定具体故障元件时，可以结合模型诊断法，进行进一步故障诊断定位。关于模型诊断法的故障诊断过程可以参照相关技术，故于此不再赘述。
本申请实施例提供的故障诊断方法，充分结合待诊断机电混合***的宏观信息(比如，待诊断机电混合***的总体体系结构、***组成部分以及各组成部分之间的逻辑关系等信息)、中观信息(比如，待诊断机电混合***的各***组成部分的下一层级的组成部分之间的连接关系、电路原理图、结构原理图等信息)与微观信息(比如，待诊断机电混合***的机械结构、电路元器件等最底层信息)，通过对待诊断机电混合***进行自顶向下的层级划分并对每个层级进行组成部分的划分，并建立每个层级中每个组成部分的流模型，基于流模型得到测试信号参数集，然后，基于专家***的推理诊断方式，针对机电混合***进行分层分步故障诊断。本申请实施例通过采用流模型描述复杂的机电混合***，可以有效支持专家***的推理机的高效推理，又能依据流模型高效地仿真各种典型故障，从而能够快速建立有足够数量故障案例的故障数据库。通过结合流模型和专家***，可以实现分层分步进行故障诊断，从而满足不同层级的诊断需求，有效提高机电混合***的诊断实时性和故障隔离率。
图7为本申请实施例提供的针对机电混合***的故障诊断***的示意图。如图7所示，本申请实施例提供的故障诊断***，包括：层级划分模块201，用于根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；模型建立模块202，用于给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；测试信号参数集确定模块203，用于针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；故障定位模块204，用于基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
在一示例性实施方式中，信号流模型包括用于说明信号的传输途径和顺序关系的核心表示元素；能量流模型包括用于说明非电类能量的传输途径和顺序关系的核心表示元素；控制流模型包括用于说明非电类***的控制量的传输途径和顺序关系的核心表示元素；其中，所述核心表示元素包括关键信号和核心参数。
在一示例性实施方式中，故障定位模块204还用于按照设定的诊断策略，基于所述流模型和测试信号参数集，对待诊断机电混合***进行故障定位。
关于本申请实施例提供的故障诊断***的相关说明可以参照上述故障诊断方法的实施例描述，故于此不再赘述。
此外，本申请实施例还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的故障诊断方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上显示和描述了本申请的基本原理和主要特征和本申请的优点。本申请不受上述实施例的限制，上述实施例和说明书中描述的只是说明本申请的原理，在不脱离本申请精神和范围的前提下，本申请还会有各种变化和改进，这些变化和改进都落入要求保护的本申请范围内。

Claims (10)

1.一种针对机电混合***的故障诊断方法，其特征在于，包括：
根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；
给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；
针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；
基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
2.根据权利要求1所述的故障诊断方法，其特征在于，所述信号流模型包括用于说明信号的传输途径和顺序关系的核心表示元素；所述能量流模型包括用于说明非电类能量的传输途径和顺序关系的核心表示元素；所述控制流模型包括用于说明非电类***的控制量的传输途径和顺序关系的核心表示元素；其中，所述核心表示元素包括关键信号和核心参数。
3.根据权利要求2所述的故障诊断方法，其特征在于，所述针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集，包括：
针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的关键信号和核心参数的集合，形成所述组成部分的测试信号参数集。
4.根据权利要求1所述的故障诊断方法，其特征在于，所述故障诊断方法还包括：按照设定的诊断策略，基于所述流模型和测试信号参数集，对待诊断机电混合***进行故障定位。
5.根据权利要求4所述的故障诊断方法，其特征在于，所述诊断策略包括：按照自顶向下的层级顺序进行故障诊断，且层级的编号按照自顶向下的顺序依次增大，则编号小于第一阈值的层级采用第一诊断方式进行故障诊断，编号大于或等于第一阈值的层级采用第二诊断方式进行故障诊断。
6.根据权利要求5所述的故障诊断方法，其特征在于，所述第一诊断方式包括：基于专家***的推理方式，第二诊断方式包括：模型诊断方式。
7.一种针对机电混合***的故障诊断***，其特征在于，包括：
层级划分模块，用于根据待诊断机电混合***的需求分析结果，将待诊断机电混合***划分为多个层级，并在每个层级上将待诊断机电混合***划分为多个组成部分；
模型建立模块，用于给每个层级中的每个组成部分建立流模型，所述流模型包括信号流模型、能量流模型和控制流模型；
测试信号参数集确定模块，用于针对每个层级中的每个组成部分，根据所述组成部分的流模型，确定所述组成部分的测试信号参数集；
故障定位模块，用于基于所述流模型和测试信号参数集，采用专家***的推理方式，对待诊断机电混合***进行故障定位。
8.根据权利要求7所述的故障诊断***，其特征在于，所述信号流模型包括用于说明信号的传输途径和顺序关系的核心表示元素；所述能量流模型包括用于说明非电类能量的传输途径和顺序关系的核心表示元素；所述控制流模型包括用于说明非电类***的控制量的传输途径和顺序关系的核心表示元素；其中，所述核心表示元素包括关键信号和核心参数。
9.根据权利要求7所述的故障诊断***，其特征在于，所述故障定位模块还用于按照设定的诊断策略，基于所述流模型和测试信号参数集，对待诊断机电混合***进行故障定位。
10.一种计算机可读存储介质，其特征在于，存储有计算机程序，所述计算机程序被执行时实现如权利要求1至6中任一项所述的故障诊断方法。
CN201911378054.0A 2019-12-27 2019-12-27 针对机电混合***的故障诊断方法、***及可读介质 Pending CN111061253A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911378054.0A CN111061253A (zh) 2019-12-27 2019-12-27 针对机电混合***的故障诊断方法、***及可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911378054.0A CN111061253A (zh) 2019-12-27 2019-12-27 针对机电混合***的故障诊断方法、***及可读介质

Publications (1)

Publication Number Publication Date
CN111061253A true CN111061253A (zh) 2020-04-24

Family

ID=70304083

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911378054.0A Pending CN111061253A (zh) 2019-12-27 2019-12-27 针对机电混合***的故障诊断方法、***及可读介质

Country Status (1)

Country Link
CN (1) CN111061253A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084910A (zh) * 2020-08-28 2020-12-15 北京旋极信息技术股份有限公司 故障诊断方法及***
CN113820153A (zh) * 2021-08-25 2021-12-21 北京旋极信息技术股份有限公司 一种机电混合***的机内测试方法和***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980225A (zh) * 2010-11-16 2011-02-23 中国人民解放军63908部队 一种电子产品测试性分析与诊断决策***的实现方法
WO2012162360A2 (en) * 2011-05-23 2012-11-29 Siemens Corporation Simulation based fault diagnosis using extended heat flow models
CN103487749A (zh) * 2013-09-18 2014-01-01 国家电网公司 高压断路器机械状态在线监测诊断***及方法
CN103617105A (zh) * 2013-12-17 2014-03-05 中国科学院合肥物质科学研究院 一种基于数据驱动的自适应多层流模型设备诊断方法
CN104238545A (zh) * 2014-07-10 2014-12-24 中国石油大学(北京) 一种石油炼化生产过程故障诊断和预警***及其建立方法
CN104392752A (zh) * 2014-10-13 2015-03-04 中国科学院合肥物质科学研究院 一种实时在线的核反应堆故障诊断与监测***
CN104504248A (zh) * 2014-12-05 2015-04-08 中国航空工业集团公司第六三一研究所 一种基于设计数据分析的故障诊断建模方法
CN104597892A (zh) * 2014-12-16 2015-05-06 北京航天测控技术有限公司 一种用于电子信息装备层次化故障诊断方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101980225A (zh) * 2010-11-16 2011-02-23 中国人民解放军63908部队 一种电子产品测试性分析与诊断决策***的实现方法
WO2012162360A2 (en) * 2011-05-23 2012-11-29 Siemens Corporation Simulation based fault diagnosis using extended heat flow models
CN103487749A (zh) * 2013-09-18 2014-01-01 国家电网公司 高压断路器机械状态在线监测诊断***及方法
CN103617105A (zh) * 2013-12-17 2014-03-05 中国科学院合肥物质科学研究院 一种基于数据驱动的自适应多层流模型设备诊断方法
CN104238545A (zh) * 2014-07-10 2014-12-24 中国石油大学(北京) 一种石油炼化生产过程故障诊断和预警***及其建立方法
CN104392752A (zh) * 2014-10-13 2015-03-04 中国科学院合肥物质科学研究院 一种实时在线的核反应堆故障诊断与监测***
CN104504248A (zh) * 2014-12-05 2015-04-08 中国航空工业集团公司第六三一研究所 一种基于设计数据分析的故障诊断建模方法
CN104597892A (zh) * 2014-12-16 2015-05-06 北京航天测控技术有限公司 一种用于电子信息装备层次化故障诊断方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112084910A (zh) * 2020-08-28 2020-12-15 北京旋极信息技术股份有限公司 故障诊断方法及***
CN113820153A (zh) * 2021-08-25 2021-12-21 北京旋极信息技术股份有限公司 一种机电混合***的机内测试方法和***

Similar Documents

Publication Publication Date Title
CN104597892A (zh) 一种用于电子信息装备层次化故障诊断方法
JP2008537262A (ja) 意思決定支援方法およびシステム
US11776330B2 (en) Closed-loop diagnostic model maturation for complex systems
US11760507B2 (en) Onboard diagnosis and correlation of failure data to maintenance actions
CN111061253A (zh) 针对机电混合***的故障诊断方法、***及可读介质
CN109581190B (zh) 一种用于电路故障诊断的最优诊断树生成方法
JPH03119434A (ja) 多分岐診断トリー生成方法と装置
CN105469317B (zh) 一种电力通信网络可靠性分析方法
CN111061293B (zh) 多参数耦合的飞行器故障定位方法、飞行器及存储介质
CN105825045B (zh) 多阶段任务***可修备件需求预测方法
CN102363969A (zh) 挖掘机以及确定设备故障的方法、***
CN104238546B (zh) 基于混杂神经网络的直流主设备故障诊断方法
CN115564210A (zh) 一种网络实体任务完成能力评价方法及评估***
CN111176877A (zh) 针对电子信息***的故障诊断方法、***及可读介质
González et al. Assessment method of the multicomponent systems future ability to achieve productive tasks from local prognoses
Zhang et al. Hierarchical hybrid testability modeling and evaluation method based on information fusion
CN113310171A (zh) 基于贝叶斯网络单元的中央空调***故障检测与诊断方法
CN109828857B (zh) 车辆故障原因定位方法、装置、设备和存储介质
Ruan et al. On a multimode test sequencing problem
CN116702474A (zh) 一种舰船电子信息***任务可靠性评估方法
Azam et al. Optimal sensor allocation for fault detection and isolation
CN113887452B (zh) 基于相关性矩阵的故障诊断优化方法
KR20230158787A (ko) 디지털트윈 기반 고장진단 및 건전성 관리 장치
US7739213B1 (en) Method for developing complex probabilistic models
Shuvro et al. Correlating grid-operators' performance with cascading failures in smart-grids

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424

RJ01 Rejection of invention patent application after publication