基于因果网络的多故障诊断系统

摘要：　以飞机航电系统为研究对象，以设备可靠性数据和专家经验为数据来源，建立基于因果网络的综合航电系统多故障诊断体系，给出诊断过程和思路，同时做实例验证，成功提高航电设备的故障诊断效率，并缩短维修周期。

关键词：　动态因果模型；航电系统；因果网络；多故障诊断

中图分类号：TP306 文献标识码：A 文章编号：1671－7597（2012）1120032－02

0　引言

在传统的机上排故过程中，对故障隔离手册和维修手册进行反复查阅和参照是其中必不可少的环节，当出现故障关联情况较多，相互间的网络拓扑结构较为复杂时，采用传统排故方法费时费力，不但难以适应高效诊断的要求，而且在多故障同时发生时诊断效果不佳。究其原因，是由于没有很好地利用以往的排故数据和经验，造成了不能在故障一发生就指出故障多发部件，无法有效指导排故，缩短维护周期。

本文以遗传算法理论为基础，依据因果网络模型给出所有的可能故障的解集合，在可靠性数据、历史排故数据和专家经验的基础上，将所有诊断解集合予以排序，从而实现多故障诊断结果的定量化输出，迅速指明故障源，准确高效的完成诊断任务。

1　新型维护诊断系统开发的必要性

飞机任务的执行情况，需要用航空电子综合系统所能实现的功能来保证，更主要的是，航电系统自身更需要稳定可靠的运行。在驾驶操作中，有时会出现振动、快速的状态变化、快速的环境变化和其他类似情况，这些都能影响航空电子系统的工作性能和可靠性。因此，无论是在飞行中，还是在维修期间，都需要一种方法来验证航空电子系统的正确性和可操作性。基于这个原因，现代飞机需要先进的实时诊断系统，用以监察航空电子设备和其它系统的正常运行。

现代航电系统的组成结构必然是复杂的，系统级诊断是十分有必要的，尤其是考虑到可能的相互作用的各个子系统的因素。由于这种互动性和复杂性，诊断能力在过去一直与安全制度紧密结合。因为这种结合，所以对自我诊断系统很难有所改善或提升，从而使先前的诊断系统已经过时，因此，需要想出一个方法来更新诊断系统，同时改进或升级航电系统，两者之间相互结合，形成一个有效率并且廉价的新型诊断方式。

现代商业飞机（如波音747和波音777型飞机）包括围绕航电系统中心检查的诊断系统和维护控制台（CMC）。这个系统收集和评价航空电子系统信息，比较传感器的工作，以核实系统的正常运行，检测系统的正确性。

举例来说，波音747-400型飞机的诊断系统使用结构松散布尔逻辑方程，用以履行其诊断评估工作。这其中主要的缺点是这种诊断系统源于复杂的规则（即逻辑方程）和困难的算法，工程师们很难在保持规则的情况下保证整个飞机的使用寿命。另一种不利因素来源于采用这一做法的诊断准确率有所受限，缺乏标准和为各种子系统组成的航空电子系统处理大规模系统仿真的能力。不幸的是，尽管执行该诊断系统为747-400节约了大量的时间和费用，但把其修改或实施在其它他飞机上是不可能的。因此，这个时间和费用，必须用来支持其它类型、型号的飞机的正常运行。此外，在运行中的飞机，其航空电子系统升级或增补内容，往往也需要额外的昂贵费用，而且耗时费力，从而需要更新的模式的诊断系统，以适应这些变化。

与上述描述中诊断系统需要克服的困难不同，波音777飞机采用浅层基于模型的方法，这种方法基于一个简单的关系数据库结构。这一诊断系统具有初级诊断功能，如信号验证，级联效应搬迁和故障隔离，并把相关的一系列任务进行顺序加工。但是，这样做的好处是有限的，因为浅层数学模型方式具有的是侧重于报告故障，而不是评价系统级故障的特点。此外，这一模式作为基础的方法并不容易支持分析各子系统之间错综复杂的交联故障信号。这种波音777诊断系统还有另一弊端，它是基于文本格式的。因此，它只能提供非常有限的设计和分析能力，并且不能提供任何模拟能力。此外，这一诊断系统仅提供非常有限的故障领先覆盖率，在飞机维修工作中以较大的模糊群体确定“没有发现故障”的条件。

如果航空电子系统有所变化，这两种上文所述的诊断系统势必不能满足使用条件，必须再生成一个全新的模式或设定的角色，这是一个代价昂贵，而且技术要求高的过程。传统的航空电子系统故障诊断系统的体系结构，仅仅在一个单一的黑盒中提供诊断界面（如图形显示器，控制面板，传感器的输入，键盘）的数据存储和检索，以及应用程序代码。这个架构提供了一个集中诊断系统，能够满足诊断航电系统的要求。然而，这种诊断系统是很难进行修改、扩大或升级的，因为这需要详细的了解整个航空电子系统。此外，改变航空电子系统的过程中修改模型或修订有关规则，是一个很不简单的工作，将十分费时、代价昂贵、而且容易出错。还有，这种诊断系统没有提供任何系统级的各子系统的信号分析，使我们很难为飞行员和地勤人员分别形象化的描述整体系统和相互间关联的各个子系统。这种缺乏系统级支持的诊断系统，在排除故障时增加了不必要的复杂性、昂贵的花费以及排故需要的时间。所以航电系统的多故障诊断体系开发一直是热点问题。

2　基于因果网络的航电系统多故障诊断方法

2.1　动态因果模型

本文用状态向量Z（t）=（（z（t），z（t），z（t））表示维护系统中的变量随时间而变化，状态向量的变化，还受元素之间交互作用和外界输入影响，即有：

式中F为描述维护系统信号变化的非线性函数；u为输入；θ为系统的模型参数。

对函数F可利用双线性近似建立3种可能影响航电系统的相互作用：1）一个子系统对另一个子系统的影响（即有效的连接）；2）实验系统中有变化活动的影响；3）实验对两个子系统的连接强度的调节。

模型参数的估计是通过遗传算法实现的，同时得到参数的后验概率，然后通过基于贝叶斯信息准则的贝叶斯因子得到最优模型。

2.2　遗传算法

遗传算法（GA）起源于对生物系统所进行的计算机模拟研究。是一种模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是通过模拟自然进化过程来搜索最优解的一种先进方法。

2.3　航电系统多故障诊断过程

以遗传算法为基础，结合因果网络原理，可以将航电系统多故障诊断的过程具体分为两步：

1）首先要设计出以航电系统为对象的航电系统多故障诊断因果网络，根据以往的专家（设计和维修）排故经验及系统的历史排故记录和可靠性数据，结合因果网络拓扑结构，建立基于因果网络的专家诊断系统；

2）诊断人员通过测试设备或自身观察，根据现场测量、系统自检等结果收集信息（征兆）资料，然后将资料输入上述专家诊断系统对这些征兆进行分析和推理，按照因果网络的诊断求解算法，得出系统故障的传播路径和原发故障，指出正确高效的排故方法。

2.4　航电系统多故障诊断思路

从感性具体到思维抽象，再从思维抽象到思维具体，这就是飞机设计专家和维修专家在多故障诊断过程中一系列的思维活动，这一过程经常运用的是具有智能型的诊断思维的推理过程。这种思维过程在航电系统多故障诊断中表现为：获取诊断的输入信息（征兆），在诊断模型的基础上，按照诊断策略，遵循诊断规则，依据诊断算法，完成推理过程最终输出诊断结果，并将相关信息反馈系统以修正原有诊断模型。

3　诊断实例

若采用基于故障树类型的航电系统因果网络构造方法，同时依据波音777飞机的故障隔离手册和维修手册，可建成了如下图所示的777机翼（部分）电子故障因果网络。

接着采用模糊多属性评判法求取因果强度，选择相同数目的飞机维修专家和飞机设计专家，分析一份历史排故记录，将权重值和模糊评判矩阵作变换就可得到待求因果强度值，再依据前文描述的算法可排列覆盖解集的可能性排序。

4　结论

本文将因果网络模型和模糊多属性评判法应用到飞机航电系统的多故障诊断体系中，设计了基于因果网络的多故障诊断专家系统。验证了本文所提方法在解决航电多故障和关联耦合故障诊断中的有效性。有效提高了故障诊断效率。

参考文献：

[1]周晓，复杂电子装备的智能故障诊断技术[J].兵工工业化，2006，25（5）.

[2]温继文、傅泽田，基于双层因果网络的鱼病诊断模型及其应用[J].湖南农业大学学报，2006，32（2）：214-218.

[3]波音公司，FIM，AMM[R].2004.