[发明专利]带噪声的监控器检测和间歇故障隔离

说明书

本发明是依照Boeing发包的主合同No.W56HZV-05-C-0724和分包合同Nos.3EC1893 与5EC8407在政府支持下做出的。政府对本发明具有某些权利。

技术领域

本发明总体上涉及数据处理系统和方法，且更具体地涉及从具有间歇系统故障的带噪声的监控器辨别伪故障。

背景技术

间歇故障可能在数据处理系统内在没有进行任何动作比如对系统配置的维修和更换的情况下出现或消失。故障可从其感测信号的间歇现象检测。这种检测可转换为诊断监控，其中“0”指示未检测到故障（解除）而“1”指示检测到故障（指示）。然而，已知系统在辨别由带噪声的监控器或来自可能成为永久故障的间歇故障的瞬态环境状况生成的暂时异常传感器值时是无效的，从而导致例如错误的信息或连接器问题。从可能导致永久故障的间歇故障辨别这些暂时异常传感器值是有利的。

间歇故障的实时检测和诊断已经成为系统诊断的挑战。一方面涉及故障自身的间歇性。同间歇性关联的两个主要挑战是1）不可预测的发生故障的频率，这使得检测变得困难，和2）故障的起因，其不仅取决于所研究系统的潜在故障，而且还取决于不可预测的瞬态环境状况。另一方面涉及用于检测故障的传感器/监控器。待检测的系统没有故障，但是传感器/监控器本身因为它们自身的故障而有噪声，这是很有可能的。

使实时检测和诊断变得困难的是对事件的采样。故障的不可预测性使得难以确定在可能推断出检测到的故障是系统的真实故障、监控器是带噪声的、还是存在需要进一步监控的情况之前，事件应该被监控多长时间。

因此，期望提供一种从间歇系统故障中辨别出伪故障的方法和系统，该伪故障例如可能由产生暂时异常传感器值的瞬态环境状况或带噪声的监控器造成。此外，本发明的其他期望特征和特性将从随后的详细说明和所附权利要求，连同附图和前述的技术领域和背景技术变得显而易见。

发明内容

一种检测和诊断系统故障的方法，包括在操作期间检测监控器的带噪声的状态并且结合量化的监控器不确定性等级以支持故障隔离推理。

另一种检测和诊断系统故障的方法，包括采集数据且执行数据的监控器评价以确定该监控器是否是带噪声的。如果监控器不是带噪声的，则确定故障隔离。如果不能确定监控器不是带噪声的，则采集附加数据。对监控器是否是带噪声的或是否存在间歇故障进行评价。如果不能进行评价，则确定监控器的不确定性。

附图说明

在下文中，将连同下列附图描述本发明，其中相似的数字表示相似的元件，且

图1是适于在实施优选实施例中使用的计算机系统的框图；

图2-6是图示监控器值的五个观察情景的图表；

图7是图示序列概率比测试的图表；

图8是图2-6中五种情景的观察值表；

图9是图8中五种情景的观察值的图表；

图10是不确定性随概率的变化图表；

图11是对于图2情境的不确定性计算值的表；

图12是对于图6情境的不确定性计算值的表；以及

图13是监控器推理架构的流程图。

具体实施方式

下面对发明的详细说明实际上只是示例性的，并且不意图限制本发明或本发明的应用和使用。此外，不意图被前述的技术领域、背景技术、发明内容、或以下的详细说明所给出的任何理论所限制。

本文描述的示例性实施例使用序列概率比测试(SPRT)来统计测试监控器的带噪声的状态。SPRT是贝叶斯统计过程，其要求在执行数据采集之前，详细描述模型的结果期望。如果在数据采集期间满足某些条件，则将就继续数据采集和所收集的数据的解释作出判定。当数据被采集时，计算对数似然比的和。如果该和大于第一预先限定的阈值，则接受第一预先限定的假设，或者如果该和小于第二阈值，则接受第二预先限定的假设。在数据正在被采集时对该数据进行分析允许比经典假设测试得到更早的结论。

香农熵理论被用于量化监控器的不确定性等级以支持监控器值在故障隔离中的使用。在信息论（数据处理）中，熵是对同随机变量有关的不确定性的测量。香农熵是对信息期望值的测量，通常用比特表示。更具体地，当随机变量未知时，香农熵理论是对平均信息内容的测量。例如，如果两个事件是均等可能的，则熵为1（比特），或者如果事件之一绝对会发生，则熵为0。因此随机事件的熵值X为0 ≤ X ≤ 1。香农熵常规上已被用于测量包含在消息中、与可预测的消息部分相反的信息，例如涉及字母或单词重复的出现频率的语言结构或统计属性中的冗余度。