陳銘杰， 顏 瑾， 李鐵穎， 池程芝

(1.航空電子系統(tǒng)綜合技術(shù)重點實驗室，上海 200233；2.中國航空無線電電子研究所，上海 200233)

現(xiàn)代大型裝備系統(tǒng)的功能構(gòu)成復(fù)雜，故障模式數(shù)量也十分龐大。由于傳感器成本高、待測點無法觀測、帶寬有限等原因，允許被系統(tǒng)觀察的傳感器數(shù)量是有限的，導(dǎo)致故障通常無法被直接觀察到，最終造成系統(tǒng)運行效率降低、設(shè)備損壞等后果。因此，采用基于模型的方法，通過使用有限的傳感器信息對系統(tǒng)進行推理，從而達到故障隔離的目的[1]，對提升系統(tǒng)安全性、可靠性，以及降低設(shè)備維修保障成本具有重要意義。

自從20世紀(jì)80年代Reiter和Kleer等[2-3]提出基于模型的診斷理論以來，基于模型的故障診斷方法也在不斷地更新與發(fā)展[4]。在國外，NASA研制了基于模型驗證的Livingstone方法，在X-34的液體推進反饋系統(tǒng)、X-37的機電系統(tǒng)中得以運用[5]。隨著發(fā)展，又相繼在深空航天器、衛(wèi)星、深水航行器等領(lǐng)域都得以運用[6-9]。在國內(nèi)，李鵬等[10]以航空發(fā)動機系統(tǒng)為例，驗證了通用的機載系統(tǒng)故障診斷與預(yù)測模型的有效性；南京航空航天大學(xué)的王鐘[11]基于模型實現(xiàn)了飛行控制計算機的實時在線故障診斷；北京航空航天大學(xué)的郭丁飛等[12]提出了一種基于混合特征模型和深度學(xué)習(xí)的無人機傳感器故障診斷方法。

但在以往基于模型的故障診斷研究中，大多是使用定性模型來描述系統(tǒng)屬性之間性質(zhì)關(guān)系[13]，缺少對實際工程應(yīng)用數(shù)據(jù)的使用，有較大的局限性。而對于復(fù)雜系統(tǒng)，建立用于故障檢測與診斷的精確動態(tài)數(shù)學(xué)模型存在較大困難[14]。為此，筆者提出了混合模型的構(gòu)建方法與基于混合模型的故障診斷推理方法，使用定性和定量方法建立混合模型，使模型信息更加具體，同時基于故障的先驗概率和診斷的后驗概率，使用候選生成和一致性檢查方法來診斷系統(tǒng)中發(fā)生的瞬時或持續(xù)故障，提高故障診斷信息的全面性和結(jié)果的準(zhǔn)確性，為復(fù)雜系統(tǒng)的維修保障和安全運行奠定了基礎(chǔ)。

1 故障診斷參考模型

1.1 元模型的構(gòu)建

(1) 構(gòu)建元模型庫。

由于研究對象為功能構(gòu)成復(fù)雜、故障模式數(shù)量龐大的現(xiàn)代大型裝備系統(tǒng)，根據(jù)系統(tǒng)測試性原理，可采用定性和定量的方法構(gòu)建相應(yīng)離散、連續(xù)或兩者結(jié)合的混合模型。根據(jù)系統(tǒng)的組成成分，將模型進行分類，如表1所示。

表1 元模型庫組成表

(2) 設(shè)定元素屬性。

元模型中各元素的屬性可分為布爾屬性、枚舉屬性、應(yīng)用屬性3種，可根據(jù)診斷對象的實際需求進行設(shè)定。

一般地，元模型元素的布爾屬性包括輸入輸出變量、狀態(tài)、可觀察性等設(shè)定，枚舉屬性包括變量類型、過濾器類型、噪聲模型等，應(yīng)用屬性包括守護條件、重置條件、概率、初始值、歷史信息、候選數(shù)量等。

(3) 建立系統(tǒng)參考元模型。

建立元模型各元素間的從屬關(guān)系，形成混合系統(tǒng)參考元模型，如圖1所示。

圖1 系統(tǒng)參考元模型示意圖

其中，系統(tǒng)包括了所有類型的模型，代表的是整個新建的混合系統(tǒng)，組件可自嵌套，且包括了故障模式和所有的Atom類、Connection類模型。

1.2 領(lǐng)域模型的構(gòu)建

系統(tǒng)領(lǐng)域模型是指根據(jù)系統(tǒng)參考元模型的建模范式，針對實際復(fù)雜系統(tǒng)診斷對象建立的可視化模型，建模范式如圖2所示。

圖2 混合系統(tǒng)模型建模范式

一般地，根據(jù)對象系統(tǒng)的運行原理，梳理各組件間的級聯(lián)關(guān)系，并結(jié)合故障模式及影響分析和危害性分析(Failure Mode,Effects and Criticality Analysis,FMECA)、系統(tǒng)級故障等即可得到各組件和元模型元素的對應(yīng)關(guān)系。但是也會存在級聯(lián)關(guān)系不明確的系統(tǒng)，這時可以根據(jù)監(jiān)測信號傳播路徑或者功能影響關(guān)系，梳理組件與組件間的抽象關(guān)系，與建模范式相對應(yīng)，從而得到組件與元素的對應(yīng)關(guān)系。

系統(tǒng)模型和組件模型示意圖如圖3所示。組件模型由行為模型和轉(zhuǎn)換模型組成，行為模型描述了組件的行為演變，轉(zhuǎn)換模型描述了組件的轉(zhuǎn)換行為。系統(tǒng)模型由組件模型組成，描述了系統(tǒng)的轉(zhuǎn)換行為和行為演變，用于創(chuàng)建在推理過程中生成的候選。與組件模型一樣，系統(tǒng)模型也有特定的建模范式，也可以在需要時對建模范式進行轉(zhuǎn)換，它的屬性包括系統(tǒng)的變量、系統(tǒng)中的變量域和狀態(tài)轉(zhuǎn)換的守護條件。

圖3 系統(tǒng)模型和組件模型示意圖

轉(zhuǎn)換模型由工作模式和轉(zhuǎn)換組成，其中轉(zhuǎn)換條件描述了轉(zhuǎn)換發(fā)生且組件工作模式改變的充分條件，在轉(zhuǎn)換模型中工作模式之間的連接線上定義，定義可以是狀態(tài)，也可以是變量/參數(shù)等所需滿足的條件，還可以定義該轉(zhuǎn)換發(fā)生的概率和重置條件。轉(zhuǎn)換模型示意如圖4所示。

圖4 轉(zhuǎn)換模型示意圖

故障模式包含了約束，它描述了組件當(dāng)前模式下的工作條件，主要是變量間的變化關(guān)系，在系統(tǒng)模型中建立好變量約束后，即形成當(dāng)前復(fù)雜混合系統(tǒng)的領(lǐng)域模型。

2 故障診斷推理機

故障診斷推理機基于領(lǐng)域模型生成系統(tǒng)候選狀態(tài)庫，推理過程中采用了基于故障轉(zhuǎn)換的比較算法，該算法能將傳感器監(jiān)測數(shù)據(jù)與系統(tǒng)候選狀態(tài)庫進行遍歷比較，提高了故障診斷的全面性和準(zhǔn)確性。

基于混合系統(tǒng)模型的推理過程是圍繞一組與迄今為止觀察到的結(jié)果相一致的候選模型進行的，候選模型則列出系統(tǒng)已采取的故障轉(zhuǎn)換和相應(yīng)的變量轉(zhuǎn)換。在觀測過程中的每個時間點，推理機會檢查每個現(xiàn)有候選對象是否與新觀測對象保持一致。如果候選模型是一致的，它將繼續(xù)保留在候選集中，如果不一致，則將有關(guān)不一致性的信息生成后繼候選，同時排除不一致的候選模型?；旌夏Ｐ凸收显\斷整體流程示意圖如圖5所示。

圖5 混合模型故障診斷整體流程示意圖

在仿真階段，需要設(shè)置系統(tǒng)初始狀態(tài)、定義變量屬性、加載監(jiān)測腳本。設(shè)置初始狀態(tài)的目的是形成邊界條件，一般設(shè)置系統(tǒng)初始狀態(tài)為正常狀態(tài)，但在有已知故障的前提下，也可將該組件的初始狀態(tài)設(shè)置為當(dāng)前故障狀態(tài)。變量屬性的定義是指對輸入輸出變量的定義，傳播過程中的接口變量無須定義。監(jiān)測腳本是指傳感器獲得的當(dāng)前系統(tǒng)的輸入輸出變量值以及一些外部指令。根據(jù)這些外部數(shù)據(jù)，仿真獲得當(dāng)前狀態(tài)下預(yù)測的輸出值。

在比較階段，將預(yù)測值與通過實際傳感器獲得的觀測值進行比較，識別差異。在出現(xiàn)差異的情況下，該候選模型可用于確定差異產(chǎn)生的原因。

在候選生成階段，當(dāng)現(xiàn)有候選模型變得不一致時，生成并維護新的候選模型。這一步驟使用了一個搜索過程，這個搜索過程是由比較階段中產(chǎn)生差異的原因驅(qū)動的。當(dāng)產(chǎn)生差異，生成新的候選并形成候選集，根據(jù)實際推理診斷需求對候選集進行候選管理，從而得到期待數(shù)量的候選結(jié)果。整個推理過程都考慮了系統(tǒng)的混合性質(zhì)和存在的不確定性。

3 故障診斷軟件的開發(fā)

根據(jù)系統(tǒng)故障診斷推理機原理，基于MATLAB開發(fā)了混合診斷推理軟件，軟件界面如圖6所示。

圖6 軟件界面設(shè)計圖

混合診斷推理軟件包括了控制模塊、顯示模塊、數(shù)據(jù)模塊，其組成如圖7所示。

圖7 混合診斷推理軟件組成

其中，控制模塊由模型控制模塊、推理機控制模塊、保存結(jié)果模塊組成，主要完成XML格式的模型加載、初始化和關(guān)閉、推理機的初始化和運行以及推理結(jié)果的保存功能；顯示模塊由系統(tǒng)模型顯示模塊、組件模型顯示模塊、層級查看模塊和推理結(jié)果顯示模塊組成，主要完成系統(tǒng)模型和組件模型的可視化顯示、組件內(nèi)部故障模式和約束的層級查看、推理結(jié)果的顯示功能；數(shù)據(jù)模塊由監(jiān)測數(shù)據(jù)模塊、狀態(tài)設(shè)置模塊、變量設(shè)置模塊、候選設(shè)置模塊組成，主要完成監(jiān)測數(shù)據(jù)的加載、初始狀態(tài)的設(shè)置、輸入輸出變量的設(shè)置和候選數(shù)量的設(shè)置等功能。

混合故障診斷技術(shù)分為建模和診斷兩部分，基于MATLAB GUI驗證平臺的故障診斷工作流程如圖8所示。

圖8 故障診斷軟件工作流程圖

4 實例驗證

4.1 飛行數(shù)據(jù)設(shè)備混合診斷模型的建立

以某型民用飛機的飛行數(shù)據(jù)設(shè)備為例，構(gòu)建其混合診斷參考模型。

首先，根據(jù)系統(tǒng)參考元模型建模范式，建立領(lǐng)域模型。飛行數(shù)據(jù)設(shè)備包括電源模塊、存儲管理模塊、交換機接口模塊、數(shù)據(jù)接口模塊和飛行數(shù)據(jù)卡。飛行數(shù)據(jù)設(shè)備與外部的交聯(lián)主要為數(shù)據(jù)總線、卡在位信號、控制信號和電源信號。

根據(jù)飛行數(shù)據(jù)設(shè)備的FMECA、故障傳播機理、BIT信息等，構(gòu)建飛行數(shù)據(jù)設(shè)備的領(lǐng)域模型，如圖9所示。

圖9 飛行數(shù)據(jù)設(shè)備的領(lǐng)域模型

4.2 測試驗證

構(gòu)建好領(lǐng)域模型后，生成相應(yīng)的XML模型文件，加載到故障診斷軟件中，根據(jù)圖8所示工作流程進行操作。

一般情況下，模型的初始狀態(tài)均為正常狀態(tài)。飛行數(shù)據(jù)設(shè)備包括1個信號輸入和5個BIT輸出信息，診斷過程中，對這些變量進行歸一化處理，輸入信號正常，則該變量為1，信號異常，則該變量為0；BIT正常，則該變量為1，BIT報故，則該變量為0。

當(dāng)監(jiān)測數(shù)據(jù)為正常數(shù)據(jù)時，相當(dāng)于與初始狀態(tài)保持一致，因此為使測試數(shù)據(jù)更加簡潔，本次測試案例直接對前2 s數(shù)據(jù)進行故障注入。案例1為飛機數(shù)據(jù)設(shè)備在第1 s時發(fā)生間歇性故障，第2 s開始恢復(fù)正常狀態(tài)；案例2為飛機數(shù)據(jù)設(shè)備在第1 s發(fā)生持續(xù)故障，后續(xù)均為故障狀態(tài)。

候選數(shù)量即為最終顯示推理結(jié)果的數(shù)量，本次測試案例設(shè)置該數(shù)量為3，顯示概率排前三的推理結(jié)果。

測試案例具體設(shè)置如表2所示。

表2 測試案例設(shè)置表

根據(jù)測試案例設(shè)置表內(nèi)容對數(shù)據(jù)模塊進行設(shè)置，運行故障診斷軟件，結(jié)果顯示案例1和案例2的診斷時間分別為0.0622 s和0.1689 s，表明了該診斷方法實時性強的優(yōu)點，推理結(jié)果顯示模塊中的具體診斷結(jié)果如圖10、圖11所示。

圖10 案例1診斷結(jié)果

圖11 案例2診斷結(jié)果

診斷結(jié)果內(nèi)容包括了候選編號、概率、故障時間、故障模式的轉(zhuǎn)換、當(dāng)前系統(tǒng)狀態(tài)和當(dāng)前變量值，候選結(jié)果按照概率值由高到低排列顯示。

由上述測試結(jié)果可見，故障發(fā)生的時間符合監(jiān)測數(shù)據(jù)中注入故障的時間，且能準(zhǔn)確定位到系統(tǒng)對應(yīng)組件中故障模式的轉(zhuǎn)換，并直觀地顯示出當(dāng)前系統(tǒng)狀態(tài)和變量值。測試結(jié)果表明，該故障診斷軟件可基于系統(tǒng)運行數(shù)據(jù)對特定的復(fù)雜混合系統(tǒng)進行實時的故障診斷，且能夠準(zhǔn)確直觀地顯示系統(tǒng)模型結(jié)構(gòu)以及特定組件內(nèi)部的故障模式轉(zhuǎn)換，滿足故障診斷的實時性和準(zhǔn)確性要求。

5 結(jié)束語

面向現(xiàn)代大型裝備系統(tǒng)提供了一種復(fù)雜系統(tǒng)混合故障診斷技術(shù)，并提出了基于系統(tǒng)參考模型的通用建模與仿真驗證方法，研究結(jié)果表明該方法能在有限的傳感器監(jiān)測信息條件下，實時準(zhǔn)確地診斷出對象系統(tǒng)是否發(fā)生故障，并根據(jù)概率大小排序顯示故障發(fā)生的時間、節(jié)點、變量值和故障模式，對提高裝備系統(tǒng)故障診斷效率、降低維修保障成本、保證系統(tǒng)安全運行具有重要的應(yīng)用價值。