[发明专利]一种固态功放故障诊断方法

摘要

本发明属于微波固态功率放大器领域，涉及固态功放和故障诊断，提供了一种基于模糊故障树与贝叶斯网络的固态功放故障诊断方法。该方法结合了模糊故障树与贝叶斯网络两者的优点，将T-S模糊故障树转换为贝叶斯网络，再根据贝叶斯网络的规则进行推导，求得各个底事件即部件故障的关键重要度，最后根据关键重要度的大小进行故障排除，从而实现故障诊断。本发明提供的固态功放故障诊断方法，不但填补了固态功放故障诊断这一领域的空白，而且由于结合了模糊故障树与贝叶斯网络两者的优点，与传统的故障诊断方法相比，计算简单，实用性更强。

主权项

一种固态功放故障诊断方法，具体包括如下步骤：步骤1、根据固态功放组成原理，划分其故障程度，再构建其T‑S模糊故障树；步骤2、构建的T‑S模糊故障树转换为贝叶斯网络：将T－S模糊故障树中的每个事件与贝叶斯网络中的节点一一对应，底事件对应根节点，中间事件对应中间节点，顶事件对应叶节点；步骤3、T－S门规则转化为贝叶斯网络中固态功放故障发生的条件概率：根据T‑S门的规则$P(\mathrm{\&beta;}={\mathrm{\&beta;}}^y|{\mathrm{\&alpha;}}_1={\mathrm{\&alpha;}}_1^{x_1},{\mathrm{\&alpha;}}_2={\mathrm{\&alpha;}}_2^{x_2},......,{\mathrm{\&alpha;}}_n={\mathrm{\&alpha;}}_n^{x_n})=P^L\left({\mathrm{\&beta;}}^y\right)$   式1，得到不同情况下固态功放故障的条件概率，其中α_i(0<i≤n)表示底事件，n为底事件的个数，β表示中间事件或者顶事件，x_i(0<i≤k_i)表示α_i的故障程度，k_i表示α_i的故障程度划分个数、β^y表示β故障程度，故障程度划分为3类，分别用0、0.5、1表示无故障、半故障、完全故障；步骤4、根据贝叶斯网络的规则进行推导：由事件后验概率公式$P\left(\mathrm{\&beta;}={\mathrm{\&beta;}}^y\right|{\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})=\frac{P({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j},\mathrm{\&beta;}={\mathrm{\&beta;}}^y)}{P({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})}=\frac{\underset{{\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_2,{\mathrm{\&alpha;}}_3,...,{\mathrm{\&alpha;}}_n}{\mathrm{\&Sigma;}}P({\mathrm{\&alpha;}}_1,{\mathrm{\&alpha;}}_2,...,{\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j},...,{\mathrm{\&alpha;}}_n,\mathrm{\&beta;}={\mathrm{\&beta;}}^y)}{P({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})}$   式2求出特定的顶事件发生时底事件发生的概率，由概率重要度公式：$C_{{\mathrm{\&beta;}}^y}^{PR}\left({\mathrm{\&alpha;}}_j\right)=\frac{1}{k_j-1}\underset{x_j=1}{\overset{k_j}{\&Sigma;}}{C}_{{\mathrm{\&beta;}}^y}^{PR}({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})$   式3得到底事件α_i关于顶事件状态为β^y的概率重要度，其中$C_{{\mathrm{\&beta;}}^y}^{PR}({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})=P(\mathrm{\&beta;}={\mathrm{\&beta;}}^y|{\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})-P(\mathrm{\&beta;}={\mathrm{\&beta;}}^y|{\mathrm{\&alpha;}}_j=0)$   式4；由关键重要度公式：$C_{{\mathrm{\&beta;}}^y}^{CR}\left({\mathrm{\&alpha;}}_j\right)=\frac{1}{k_j-1}\underset{x_j=1}{\overset{k_j}{\&Sigma;}}{C}_{{\mathrm{\&beta;}}^y}^{CR}({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})$   式5得到底事件α_i关于顶事件状态为β^y的关键重要度，其中$C_{{\mathrm{\&beta;}}^y}^{CR}({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})=\frac{P({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})C_{{\mathrm{\&beta;}}^y}^{PR}({\mathrm{\&alpha;}}_j={\mathrm{\&alpha;}}_j^{x_j})}{P(\mathrm{\&beta;}={\mathrm{\&beta;}}^y)}$   式6；步骤5、根据步骤4求得的关键重要度，将其从大到小进行排序，在发生故障时，按照此顺序进行故障排查。