[发明专利]一种功能故障有向图进行故障诊断的方法

权利要求书

1.一种功能故障有向图进行故障诊断的方法，其特征在于包括系统的FF-SDG建模、基于FF-SDG模型的系统故障诊断，具体包括以下步骤；

第一步、系统分解与结构模型：将系统进行层次和组件划分，确定组件关系建立系统结构模型，形成系统结构模型数据表；

第二步、建立功能模型：确定组件的功能和正确实现这些功能所对应的输入输出状态，定义状态变量及其各组件状态变量间的关系然后形成功能及变量关系表；

第三步、确定组件故障模式：主要依据FMEA报告确定组件的功能故障模式，分为端点故障模式和底层故障模式两类；

第四步、分析故障传播路径及故障影响关系；

第五步、传感器测点与测试信息：描述所有传感器的位置，在模型中用节点来表示，确定传感器的测试信息和可测故障模式、监测参数及关联的状态变量；

第六步、故障生长与消除时间：监测参数变化预示潜在故障，潜在故障发生到可观察的功能故障之间的时间，是组件故障发展时间，组件之间的故障传播时间是系统故障发展时间，确定故障源所需要的时间是故障检测与隔离时间，更换系统中的故障组件使系统恢复到正常状态是故障修复时间；

第七步、基于FF-SDG模型的系统故障诊断方法：运用图搜索的推理方法，形成已测节点和报警节点集合，确定诊断图层，构造报警节点的最大强连通单元，搜索潜在的故障源。

2.根据权利要求1所述的功能故障有向图进行故障诊断的方法，其特征在于功能故障FF-SDG模型表示为其中G为有向图，由6部分组成：

a．组件集合C={c₁,c₂,...c_n}，其中n表示模块个数，C表示有限模块集，模块是指组成系统的实体对象，是一个具有输入和输出接口的独立体；

b．节点集合V=V_S∪V_F={v₁,v₂,…v_m}，其中V_S表示系统状态变量节点集合，V_F表示故障节点集合，m表示节点数，每个节点对象具有3种约束V_b,V_p,V_c，V_b（v_i）为节点类型，规定了节点v_i对象的类型；V_p（v_i）描述v_i的状态发生偏差的先验概率；V_c（v_i）是节点隶属函数即模块和状态节点关系，其中，i＝1,2,…,m；

隶属“关系对”l+:C→V，模块的输入节点

l:C→V，模块的输出节点

该“关系对”分别表示每一个模块的输入节点和输出节点；

c．T表示可用测试集T=(T_D,T_N,T_T,T_M,T_I)，测试集中测点有五个附加属性(T_D,T_N,T_T,T_M,T_I),测试点的物理位置T_D、测试点的名称T_N、测试的类型T_T、测试的操作手段T_M、测试的辅助信息T_I；

d.有向边集合E＝(V_S×V_S)∪(V_S×V_F)，其中V_S×V_S表示状态变量间的关联关系、V_S×V_F表示状态变量与故障间的关联关系，

影响“关系对”支路的起始节点

支路的终止节点

该“关系对”分别表示每一个支路的起始节点和终止节点；

e.函数称为e_k支路的符号；用“+”表示正作用和“-”表示反作用；

f.符号有向图G的样本是指所有节点当前符号的集合，节点符号是一个函数

Ψ：v→{+，0，-，？)，Ψ(v_k)(v_k∈V)称为节点v_k的符号，即

若v_k∈V_s

式中：X为节点v_k对应变量的测试值；为节点v_k对应变量的期望值；ε为节点v_k处于正常状态的阈值。

3.根据权利要求1所述的功能故障有向图进行故障诊断的方法，其特征在于，步骤七中所述的图搜索的推理方法，具体步骤如下：

第一步、形成已测节点和报警节点集合，确定诊断图层：

假设V₀是模型所含所有节点集合，用T＝{v|φ(v)∈{+，0，-}，v∈V₀}表示已测节点集合，用T_R＝{v|φ(v)∈{+，-}，v∈V₀}表示报警节点集合，当故障影响只在一个子系统节点中显现，直接从该子系统FF-SDG图层展开推理，若涉及多个系统节点，从包含这几个系统的子图最高FF-SDG图层开始推理；

第二步、构造报警节点的最大强连通单元：

对于所有节点V_i∈T_R，沿箭头方向回溯其相容支路，构造报警节点的最大强连通单元，当包括有不可测的节点时，从可测节点出发穿过非测量节点分支符号的乘积判断是否相容；

第三步、搜索潜在故障源：

对最大相容子图分别计算故障候选集合

TF=∩v∈TRRS(v)-∪v∈T-TRRS(v)]]>

式中RS(v)是v的可达集，上式表明每一个最大相容子图的故障候选集T_F为报警节点的可达集交集减去测试值正常节点的所有可达集；根据结果T_F确定系统故障源及传播路径。