[发明专利]基于贝叶斯网络的民机复杂系统故障诊断方法

权利要求书

1.基于贝叶斯网络 的民机复杂系统故障诊断方法，其特征在于，包括：

S1、根据飞机维修手册、故障隔离手册，确定需要对飞机复杂系统采集的参数，并筛选出其中能够影响到空调系统工作状态的参数，作为贝叶斯网络故障表现层；

S2、采集所述飞机复杂系统中能影响飞机正常放飞的故障作为关键故障,将所述关键故障的故障模式、故障表现形式以及故障引起的监测参数变化，作为贝叶斯网络故障原因层；

S3、根据现有样本, 通过对所述样本中不同故障所引起的监测参数变化进行分析，然后结合工程人员所积累的排故经验，建立基于专家经验的贝叶斯故障诊断网络，即为依据分析结果建立贝叶斯诊断网络；

S4、利用故障的数据建立训练矩阵，所述故障的数据是指根据系统历史故障记录所记录的故障类型以及故障原因，找出故障航班所采集的监测数据，所述训练矩阵依据贝叶斯网络结构学习算法，对所述贝叶斯诊断网络进行结构学习，得到基于结构学习的贝叶斯故障诊断网络；

S5、将所述贝叶斯诊断网络和所述贝叶斯故障诊断网络融合,得到最优贝叶斯诊断网络;

S6、对所述最优贝叶斯网络,利用实际数据和贝叶斯网络参数学习算法进行参数学习，得到所述最优贝叶斯网络中网络各节点的条件概率表，所述实际数据即关键故障的故障模式、故障表现形式以及故障引起的监测参数变化;

S7、得到所述条件概率表后，利用网络推理算法对故障和故障表现层各节点的映射关系表进行计算,得到故障原因层的后验概率，即为诊断结果,概率最大的点就是所述最优贝叶斯网络给出的最大可能故障原因。

2.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，在所述S1中，所述采集参数包含环境、载荷、状态和性能。

3.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，在所述S3中，所述贝叶斯诊断网络是基于专家经验建立的，所述贝叶斯诊断网络主要依据复杂系统的工作原理以及航空公司工程人员积累的排故经验来对网络故障原因层和故障表现层进行有向边的连接。

4.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，所述贝叶斯网络结构学习算法包括K2算法、MCMC算法、TAN算法。

5.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，在S5中,所述贝叶斯故障诊断网络融合的规则包括:

S51、根据专家经验所构架的网络结构，节点与有向边全保留；

S52、根据结构学习得到的有向边，如果与专家经验所建立结构一致，则保留；不一致，按照空调系统自身工作原理与专家经验判断是否合理进行取舍。

6.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，所述贝叶斯网络参数学习算法包括贝叶斯估计和最大似然估计。

7.根据权利要求1所述的基于贝叶斯网络的民机复杂系统故障诊断方法，其特征在于，所述贝叶斯网络推理算法包括多树传播、联合树传播、MCMC算法。