当前位置：文档之家 › 310组一种基于故障树的自动驾驶仪故障诊断专家系统设计

310组一种基于故障树的自动驾驶仪故障诊断专家系统设计

  • 格式：doc
  • 大小：6.22 MB
  • 文档页数：6

! 88! ∀测控技术 #2010年第 29卷第 10期

一种基于故障树的自动驾驶仪故障诊断专家系统设计

张竞凯, 章卫国, 刘小雄, 朱江乐

(西北工业大学 自动化 学院,陕西 西安 710072)

摘要: 根据自动驾驶仪系统故障知识特点, 设计了一种基于故障树的推理机制对系统进行故障诊断。建

立了某飞机自动驾驶仪故障树, 设计了针对故障树数据库的先序遍历推理机和解释机制, 进行合乎故障

树模型的树关联知识获取, 结合相应的维护修理知识和 BIT检测结果, 完成专家系统的知识更新和对系

统的故障诊断。初步实验结果表明, 故障诊断准确, 该专家系统具有一定的实用性和扩展性。

关键词: 自动驾驶仪; 故障树; 专家系统; 推理机

中图分类号: TP182 文献标识码: A 文章编号: 1000- 8829( 2010) 10- 0088- 05

Design of a Fault Tree Based Expert System for Flight Control System Diagnosis

ZHANG Jing ka, ZHANG W eiguo, LIU X iao x iong, ZHU Jiang le

(School ofAutomation, Northwestern PolytechnicalUniversity, X i an 710072, China)

Abstract According to the characteristics of fault information about equipments utilized in flight control sys

tem s, an expert system based on fault tree reasoning is designed for fault diagnosis of those equipments. A rea

soning machine based on preorder traversal isdeveloped to access the database of fault trees. The logic of diag

nosis is clarified by a given explaining machine. The expert knowledgew ill be updated by knowledge acquisi

tion corresponding to specific trees. The results show the practicability and expandability of this system.

Key words: autopilots; fault tree; expert system; reasoning machine

自动驾驶仪是涵盖了许多子系统的集成系统, 涉 互, 用户须确认中间现象1 。有些对故障知识进行了

及部件种类较多, 故障因果关系复杂, 针对该系统的诊 基于故障原理细化, 但是用户须通过指向特定子树以

断方法在其维护修理时的需求较高。 确认推理流程来进行诊断 2 。许多故障数据 库的建

随着机内检测 ( BIT) 技术的完善, 越来越多的自 立在地面测试中获得 3 , 并没有和实际飞行数据以及

动驾驶仪系统可得到自检测。然而, 许多被 BIT 技术 飞行员操纵信息结合, 因此影响了专家系统工作内存

检测到的故障事件看似孤立, 但在特定的模型框架中 ( working memory)的真实性, 导致虚警或误报。

是有关联的。因此建立一个良好的故障模型和推理方 针对上述问题, 本文根据自动驾驶仪故障知识的

法将提高故障诊断的效率和准确性。 特点, 由不同层级故障事件进行合乎故障树模型的树

作为定性故障模型, 故障树方法对于飞控系统较 关联知识获取, 从而完成专家系统维护; 结合相应的维

为有效4 。然而当前 有些基于故障树的专家 系统缺 护修理知识以及飞行参数和 BIT检测结果, 提出了基

乏自动化手段, 通常是用户按照相应测试步骤, 经专家 于树结构的故障树数据库设计及其有限遍历推理机;

系统进行试探性诊断。比如有些故障树诊断系统虽然 通过故障树的推理机制来实现对该类系统的 故障诊

对故障对象建立了完备的故障树, 但过于依赖人机交 断, 并设计了相应的解释方法; 最后通过实例验证该系

统的实用性和可扩展性。

作者简介: 张竞凯 ( 1981 ),男, 河北泊头人, 博士,主 要研究方 1 自动驾驶仪故障树拓扑结构

工学博士, 主要研究方向为飞行控制与仿 真、容 错控制、智能计

算等; 朱江乐 ( 1982 ),男, 安徽蚌埠人,博 士,主要研 究方向为 及其相关数据连线进行故障诊断。

飞行容错控制。 当前高可靠性民机常采用多余度飞控系统配置方 [ 3]

[4]

收稿日期: 2010- 03- 28

向为 飞 行 控 制 系 统 故 障 诊 断 及 其 专 家 系 统 技 术; 章 卫 国 自动驾驶仪部件按照更换可行性分为外场可更换 ( 1956 ), 男,安徽南陵人, 教授,博士生导 师,主要研 究方向为 组件 ( LRU )和内场可更换组件 ( SRU ), 针对这两种组 先进飞行控制和智 能控 制;刘 小雄 ( 1973 ), 男, 陕 西周至 人, 件的诊断和维修要求不尽相同。本文主要针对 LRU 一种基于故障树的自动驾驶仪故障诊断专家系统设计

式, 其中又以四余度比较监控和三余度自监控方式最

为常用5 。随着自监控技术的日益提高, 三余度配置

方式在提高监控效率、降低多余度配置成本和增强系

统的故 障容忍 能力方 面都有 着较好 的应 用前景 6 。

因此, 本专家系统针对三余度配置的自动飞行系统进

行诊断。

对可靠性要求较高的民机余度通道运行状态主要

为热并行运行方式, 故不用考虑 冷备件逻辑形式7 。

此外, 自动驾驶仪设备异常有时并非仅由故障引起, 人

工配平或复飞等操作也会导致驾驶仪自动断开, 这些 ! 89!

因素也应作为设备异常原因在建立故障树时 考虑进

去, 以免系统误报。根据上述对余度配置和故障信息

逻辑结构的分析, 可以设计如图 1所示的故障树。

图 1中顶级故障征兆是以飞控系统的自动驾驶仪

为核心, 它所表征的是 ∃ 自动驾驶仪自动断开 %; 逻辑

符号 ∃ %表示 ∃与 %逻辑, ∃ %表示 ∃或 %逻辑;

方块

节点 ∃ %描述的顶事件和中间事件表示 ∃系统级故障

征兆 %和 ∃中间故障征兆 %; 圆形节点 ∃ & %的基本事件

表示 ∃故障原因 %。AHC和 FCC分别表示姿态航向计

算机和飞控计算机。

2 故障诊断专家系统 图 1 自动驾驶仪自动断开故障树

散信息。该类信息是诊断需要的主要数据源。信息字

各段定义如表 1所示。

表 1 ARINC429信息字各段定义 基于故障树推理的自动驾驶仪故障诊断专家系统

的总体结构如图 2所示。系统工作主要分为飞行数据

接收和处理、故障知识获取以及故障诊断 3个过程。

2. 1 数据存储、接收和预处理 32

奇偶校验位 31~ 30

符号状态矩阵 29~ 11

数据区 10~ 9

源 /目的识别位 8~ 1

标志位

飞行参数和 BIT 信息存储的主要形式是 AR INC429

信息字 8 。该类型信息有 32位, 一 般有 5种 应用格

式: BNR、BCD、离散、维护和 A I 。其中离散数据 (即

DISC数据 )表示离散量, 主要表征设备状态、操作等离 该类信息字的最直接表示形式是二进制, 此外还

可以通过十六进制和十进制间接表示。标志位 (前 8

位 )一般表示该信息字名称、总线类型等信息, 机载数

据发送端发送的数据先将其摘除。而从第 9~ 32位的

信息在 ICD 文档中均有定义, 这些位主要表示部件的 [ 5]

[6]

[5] ! 90! ∀测控技术 #2010年第 29卷第 10期

[6] 工作状 态、操 作模式 等信 息。比 如用 一个 十进制 数

1024( 2 )表示某个信息字的值, 说明从第 9位开始, 行故障诊断的推理是反向链推理9 , 即已知征兆, 在

向左数的第 10个数 (相当于第

[10] 18位 )被置 ∃ 1%, 根据 假设征兆发生为真的基础上, 获得支持该征兆发生的

其他事件的过程 。技术实现如下所述。

ICD10 信息查找第 18位定义, 即可判断出其所表示的 当检测到某时刻出现系统故障征兆 (比如自动驾

具体信息。

数据接收和预处理主要读取飞行数据服务器发送

来的信息, 并将信息中所需的数据写入以参数名命名

的参数文件 (图 2中的工作内存 )中。 驶仪自动断开或无法正常接通 )时, 诊 断程序开始进

行故障树推理诊断, 以顶事件为起点进行基于先序遍

历的查找 (如图 3所示 )。在查找每个节点时, 根据该

节点的 ∃ Parameter%属性值 (如表 2所示 ), 打开相应参

数数 据文件, 将数据 文件中的 该时刻值 和该节点 的

∃ ParaValue%属性 值进行 ∃ & %运 算, 若运算 结果仍 为

∃ ParaValue%属性值, 于是匹配成功, 这 说明该故障树

节点为系统故障征兆的一个故障原因。如此, 遍历完

所有节点后, 结束诊断。

图 2 故障 诊断专家系统结构图

2. 2 知识的表示和获取

知识主要指基于故障树形式的诊断规则和逻辑。

知识获取技术的基础是建立有效的知识表示和存储方

式, 根据图 1的故障树, 结合信息字的相应值, 可以设

计数据表, 通过各字段定义, 描述故障树节点信息, 并

以此为核心设计关系数据库, 便于在故障诊断专家系

统中操作。数据表定义如表 2所示。

表 2表2 1 故障树节点事件数据表

字段名 数据类型 说 明

ID 数字 用于识别故障树各节点的数字代码 图 3 遍历函数主要流程

event ame 文本 节点故障信息 根据图 3的遍历流程结合图 1的故障树, 得到故

Parent

number_children

Logicalgate

Parameter

ParaValue 数字

数字

文本

文本

数字 节点上一级 ID

节点的子事件个数

子事件节点的逻辑关系

确定该事件发生的 32位参数信息字名

表征故障事件发生的 32位参数信息字值 障事件的检索序列如图 4所示 (事件已编号 )。

2. 4 解释机制

专家系统应用的领域专家知识包含许多经验性信

息, 因此通过解释机制阐明诊断逻辑和策略可以提高

合集下载

基于大量故障实例的故障诊断系统设计

基于大量故障实例的故障诊断系统设计

基于大量故障实例的故障诊断系统设计　

杨茂兴，陈广才　

（空军第一航空学院，河南信阳４６４０００）　

摘　要：一些具有组分结构的系统（如机载火力控制系统）相当复杂，要想获得全套系统精确的故障　

诊断数学模型是非常困难的。利用维修人员在基层级和中继级获得的大量故障实例，采用神经网络和专　

家系统技术，则可以设计出一种基于症状知识的故障诊断系统。该故障诊断系统主要由知识库、专家规　

则诊断单元和神经网络诊断单元组成，其神经网络诊断单元随着故障实例训练的增加而不断成熟，专家　

规则诊断单元则可以通过神经网络对故障实例的训练与仿真来完善和扩充，具有很强的自学习功能和专　

家规则不能包容的新故障诊断能力。　

关键词：组分结构系统；症状知识；故障诊断；神经网络；专家系统　

中图分类号：ＴＨ　１６５．３：ＴＰ　１８３　文献标志码：Ａ　

Ｄｅｓｉｇｎ　ｏｆ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　Ｍａｎｙ　Ｃａｓｅｓ　

ＹＡＮＧ　Ｍａｏｘｉｎｇ，ＣＨＥＮ　Ｇｕａｎｇｃａｉ　（Ｔｈｅ　Ｆｉｒｓｔ　Ａｅｒｏｎａｕｔｉｃ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　ｔｈｅ　Ａｉｒ　Ｆｏｒｃｅ，Ｘｉｎｙａｎｇ　４６４０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｓｏｍｅ　ｈｉｅｒａｒｃｈｙ　ｓｙｓｔｅｍｓ，ｓｕｃｈ　ａｓ　ａｉｒｂｏｒｎｅ　ｆｉｒｅ　ｃｏｎｔｒｏｌ　ｓｙｓｔｅｍ（ＡＦＣＳ），ａｒｅ　ｖｅｒｙ　ｃｏｍｐｌｅｘ，ａｎｄ　ｉｔ　ｉｓ　ｈａｒｄ　ｔｏ　ｏｂ—　ｔａｉｎ　ｔｈｅｉｒ　ｐｒｅｃｉｓｅ　ａｎａｌｙｔｉｃ　ｍｏｄｅｌｓ　ｆｏｒ　ｄｉａｇｎｏｓｉｓ．Ｂｕｔ　ｏｎｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ，ｗｈｉｃｈ　ｉｓ　ｂａｓｅｄ　ｏｎ　ｓｙｍｐｔｏｍ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｒｏｍ　ａ　ｌａｒｇｅ　ｎｕｍｂｅｒ　ｏｆ　ｆａｕｌｔ　ｃａｓｅｓ　ｃｏｌｌｅｃｔｅｄ　ｂｙ　ｍａｉｎｔｅｎａｎｃｅ　ｐｅｒｓｏｎｎｅｉ　ａｔ　ａｉｒｆｉｅｌｄ　ｏｒ　ｒｅｌａｙ　ｓｔａｔｉｏｎ，ｃａｎ　ｂｅ　ｄｅｓｉｇｎｅｄ．Ｔｈｅ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ　ｃｏｎｓｉｓｔｅｄ　ｏｆ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｄａｔａｂａｓｅｓ，ｔｈｅ　ＥＳ（Ｅｘｐｅｒｔ　Ｓｙｓｔｅｍ）ｕｎｉｔ　ａｎｄ　ｔｈｅ　ＡＮＮ（Ａｒｔｉｆｉｃｉａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）ｕｎｉｔ．　Ｔｈｅ　ＡＮＮ　ｕｎｉｔ　ｓｈａｌｌ　ｇｒｏｗ　ｕｐ　ａｓ　ｍｏｒｅ　ａｎｄ　ｍｏｒｅ　ｆａｕｌｔ　ｃａｓｅｓ　ａｒｅ　ａｄｄｅｄ　ｉｎ，ａｎｄ　ｔｈｅ　ＥＳ　ｕｎｉｔ　ｓｈａｌｌ　ｂｅ　ｉｍｐｒｏｖｅｄ　ａｎｄ　ｅｘｐａｎｄｅｄ　ｂｙ　ｔｒａｉｎｉｎｇ　ｔｈｅ　ＡＦＣＳ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ　ｗｉｔｈ　ｍａｎｙ　ｆａｕｌｔ　ｃａｓｅｓ　ａｎｄ　ｃａｒｒｙｉｎｇ　ｏｕｔ　ｓｉｍｕｌａｔｉｎｇ　ｏｐｅｒａｔｉｏｎ．Ｉｔ　ｈａｄ　ａ　ｇｏｏｄ　ｓｅｌｆ－ｓｔｕｄｙ　ｆｕｎｃｔｉｏｎ，ａｎｄ　ｃｏｕｌｄ　ｄｉａｇｎｏｓｅ　ｎｅｗ—ｔｙｐｅ　ｆａｕｌｔｓ　ｗｈｉｃｈ　ｔｈｅ　ＥＳ　ｒｕｌｅｓ　ｄｉｄ　ｎｏｔ　ｍａｔｃｈ　ｗｉｔｈ．　Ｋｅｙ　ｗｏｒｄｓ：Ｈｉｅｒａｒｃｈｙ　ｓｙｓｔｅｍ，Ｓｙｍｐｔｏｍ　ｉｎｆｏｒｍａｔｉｏｎ，Ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ，Ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，Ｅｘｐｅｒｔ　ｓｙｓｔｅｍ　

无人机飞行控制系统故障诊断专家系统设计

无人机飞行控制系统故障诊断专家系统设计

第 1 页 共 1 页 无人机飞行控制系统故障诊断专家系统设计

大脑 " 控制无人机整个飞行过程。它的工作状态直接影响到飞行的品质和安全性。为了确保无人机高安全性地飞行， 必须确保无人机飞控系统运行状态良好， 从而要求故障诊断系统能够全面准确地诊断出故障部位， 及时排除故障。

专家系统是近年来故障诊断领域最显著的成就之一，它是一种基于特定领域内的大量知识与经验的计算机智能程序系统。他应用人工智能技术， 根据领域内专家所提供的专业知识、 经验进行推理和判断，模拟专家做决定的过程来解决那些需要专家解决的问题。

故障诊断采用专家系统技术设计， 能够有效地对无人机飞控系统及时进行故障诊断和排故，保证飞行的安全。

1、无人机飞控故障诊断专家系统总体结构本文所构建的无人机故障诊断专家系统总体结构如图-1所示。图-1无人机飞控故障诊断专家系统是一个包含极其丰富的无人机飞控领域知识的系统， 该专家系统包括以下六个部分：(1)故障知识库：

存放无人机飞控故障诊断规则；(2)综合数据库：

存放无人机故障原因的描述以及专家意见等信息；(3)推理机：

第 1 页 共 1 页 对整个故障诊断推理过程的控制， 根据无人机飞控综合数据库中的当前信息与知识库中的规则进行匹配，然后利用适当的控制算法推理得出结论；(4)知识获取：

地面维护人员通过人机接口建立、修改和删除无人机飞控系统故障诊断的规则；(5)解释决策：

在维护人员需要时， 对整个故障诊断做出的详细解释；(6)人机接口：

维护人员通过人机接口直观获得无人机飞控故障详细信息以及专家系统获取飞控领域的专业知识。

2、无人机飞行控制系统故障诊断专家系统的设计2、

1、专家系统知识的获取和知识库的建立专家系统的知识是由领域专家向系统提供一定数量的数据及资料， 系统通过机器学习， 将这些数据和资料按一定格式整理成知识， 形成知识库。知识表示就是专家系统利用某个专业领域的各种知识在计算机内部代码表示的知识进行推理和做出决策。知识表示方法的好坏将直接影响到系统推理效率。基于无人机飞行控制系统的复杂性、故障测试点的分布和测试结果的相关性， 将系统故障按不同的级别分类列表， 形成具体的故障模块单元。

故障诊断试验系统设计—系统总体设计【文献综述】

故障诊断试验系统设计—系统总体设计【文献综述】

毕业设计开题报告

测控技术与仪器

故障诊断试验系统设计—系统总体设计

一、背景意义

近年来，随着我国经济建设和国防工程建设的大力开展，国家和军队的工程机械数量和质量有了大幅的提高，特别是目前的一些新型高速工程机械，普遍具有作业效率高、行驶速度快、人机工程性能好和现代化程度高的特点，其应用越来越广泛。液压系统是工程机械及其工作装置的重要组成部分，对工程机械的作业效能起着至关重要的作用 而液压系统又是工程机械中故障率较高的系统之一，由于液压系统智能化、自动化程度高，原理结构复杂，出现故障后的检测与维修难度很大，使用中出现故障必然影响其保障效能。根据目前国内外液压系统状态监测设备的研制与使用状况，尤其是军用工程机械液压系统在线监测、快速修理及战时抢修对检测仪器的需求，本文从液压系统综合性能检测与故障诊断的使用要求与功能设计入手，采用温度压力流量一体化传感器、虚拟仪器技术和工控机等多项技术措施，研制开发了工程装备液压系统故障检测系统，为提高军队工程机械的维修保障与检测水平做出探索。

二、故障诊断研究的现状和发展

随着工业和国防的迅速发展，故障诊断技术已成为一个十分活跃的研究领域。现有的故障诊断方法，概括起来可分为三大类（1）基于信号处理的方法（2）基于解析模型的方法（3）基于知识的诊断方法。所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。所谓基于解析模型的方法，是在明了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行处理诊断，它可分为状态估计法、等价空间法和参数估计法等。目前此种方法得到了深入的研究；但在实际情况中，常常难以获得对象的精确数学模型，这就大大限制了基于解析模型诊断方法的使用范围和效果。

2.1国内外的发展现状 故障诊断技术已有30多年的发展历史，但作为一门综合性新学科——故障诊断学——还是近些年发展起来的。从不同的角度出发有多种故障诊断分类方法，这些方法各有特点。从学科整体可归纳以下理论和方法。

汽车发动机故障诊断专家系统设计

汽车发动机故障诊断专家系统设计

汽车发动机故障诊断专家系统设计

作者： 唐映

来源：《科技资讯》 2013年第3期

唐昳

(北方信息控制集团有限公司 北京 100089)

摘 要:基于汽车发动机系统结构日益复杂、故障诊断困难的问题,本文提出了基于规则和故障树分析方法的汽车发动机故障诊断专家系统设计方案,并介绍了该系统的结构和实现方法。

关键词:发动机 故障诊断 专家系统

中图分类号:U472.2

文献标识码:A

文章编号:1672-3791(2013)01(c)-0078-01

随着电子控制装置在汽车工业中的广泛运用,汽车发动机的结构有较大的改变,其技术也日趋复杂。汽车零部件多、相关影响大,故障形式多样,对汽车发动机进行故障诊断,尤其是一些疑难故障,依靠传统手段来判断故障的诊断方法已显示出较大的局限性,导致故障定位不准,维修时间较长,故采用汽车发动机故障诊断以提高快速性、经济性和可靠性就成了越来越迫切的需求。而人工智能及计算机技术的发展也为汽车故障诊断技术的发展奠定了基础,国内外对汽车故障诊断专家系统进行了大量的研究,通过这些系统的试运行和实车应用,一些诊断专家系统已经走向成熟和实用化。

1 系统的总体设计

发动机故障诊断专家系统是人工智能在故障诊断领域的应用,是一种具有一定判断能力和专家知识水平的智能计算机程序系统。该系统需要有高效的推理策略和知识获取手段以及完善的数据库。本文运用系统理论对汽车发动机的结构与故障类型进行全面分析,提出了诊断专家系统的总体设计方案。其总体结构方框图如图1所示。系统主要由人机界面、知识库、推理诊断模块、解释模块和查询打印模块等几个基本部分组成。

知识库是专家系统的重要的组成部分,知识库的质量好坏直接影响专家系统的质量好坏。知识库由基于发动机基础原理和理论以及直接和间接经验积累的专门知识组成。推理诊断模块按照一定的控制策略对当前出现的故障现象在知识库中进行识别或选取,得出相应的产生该故障的原因及其处理方法。解释模块专门负责向用户解释专家系统的行为的和结果。