[发明专利]一种基于关联图网络的供电系统级故障关联增强认知与诊断

说明书

本发明公开了一种基于关联图网络的供电系统级故障关联增强认知与诊断，所述方法包括，传感器收集供电系统运行参数；参数数据预处理；构建供电系统关联图模型；阈值判定算法进行部件监测与告警；Warshall算法故障溯源；深度残差收缩网络算法进行供电系统故障诊断。本发明中构建了供电系统的关联图模型，对供电系统各部件关联关系以及信息传递关系进行结构化表示，实现对故障的增强认知；依据故障阈值判别算法实现对各部件的故障检测，基于关联图模型实现供电系统级多故障点告警情况下的故障点溯源，最后依据深度残差收缩网络针对含噪声数据实现对故障模式的识别，本方法具有抗噪能力强、故障定位准确、诊断效率高等优点。

技术领域

本发明涉及飞机供电系统故障诊断技术领域，特别涉及一种基于关联图网络的供电系统级故障关联增强认知与诊断方法。

背景技术

飞机供电系统作用是向飞机上的所有用电设备提供满足规定技术性能的电能，保证用电设备的正常工作。由于多电飞机供电系统结构耦合性强，多参数、多部件等特征，往往单一故障源的故障发生会导致多个相邻部件发生参数漂移以及故障告警，而这往往会带来故障难以定位，故障源难以识别，以至于无法完成故障诊断的问题，故此，针对供电系统部件的复杂性与关联性，提出一种基于关联图网络的供电系统级故障关联增强认知与诊断方法，一方面针对供电系统对象，构建关联图网络实现供电系统部件故障关联认知的增强，另一方面实现故障快速定位以及高效故障诊断。

发明内容

本发明的目的在于提供一种基于关联图网络的供电系统级故障关联增强认知与诊断方法，实现飞机供电系统级故障关联增强认知与诊断。

本发明所采用的技术方案是，基于一种基于关联图网络的供电系统级故障关联增强认知与诊断方法，具体包括：

利用传感器收集到供电系统各项运行监测参数；

对整理后的各传感器参数数据进行数据预处理；

结合供电系统，构建供电系统关联图网络模型；

依据阈值判定算法对供电系统监测参数进行供电系统部件监测与告警；

结合故障告警信息利用Warshall算法进行故障溯源；

构建深度残差收缩网络模型进行供电系统故障诊断；

优选的，所述信号预处理方法是基于最大最小值的电路信号归一化方法，由于各电信号的参数物理含义不同，数值范围也不尽相同，直接用于模型构建将会受到参数量纲的影响，因此要采用归一化方法去掉参数的量纲。归一化公式如下：

X代表参数值，X_min、X_max分别表示参数序列中的最小值和最大值，而X_nom代表归一化后的参数结果。

优选的，所述供电系统层级关联图网络模型构建方法如下：所述图构建方法为有向有权图，有向无权图指的是图模型中的边是有向的和无权的。有向指的是存在一条从顶点i到顶点j的边(i,j)，并不一定存在一条从顶点j指向顶点i的边(j,i)。对于有向边(i,j)，顶点i称为始点，顶点j称为终点。边是无权的是指网络中的两个节点(i,j)之间存在关联关系则认为其边为1，否则为0，具体到供电系统中，则认为各部件为图模型的节点，从供电系统接收到发动机动力开始到传递至用电负载中，其电流的传播方向认为是各部件之间的边的方向，部件之间的连接关系用来考量部件之间是否存在关系，则构建出的图网络模型可以用邻接矩阵表示：

A＝(a_ij)_n×n

其中，n为部件个数，矩阵中a_ij＝1认为部件i到部件j的方向上存在信号传递的关联关系，a_ij＝0认为部件i到部件j的方向上不存在信号传递的关联关系，结合供电系统专家知识与结构信息，可以构建出供电系统关联图网络模型。