[发明专利]一种用于电路故障诊断的最优诊断树生成方法

摘要

本发明公开了一种用于电路故障诊断的最优诊断树生成方法，基于故障测试模型中得到的电子系统内部故障状态与电路中测点输出的关系，再构建动态规划列表搜索最优解；然后对动态规划列表中的故障集，筛选出有效测点，并根据有效测点扩大搜索深度，通过动态规划列表避免相同故障集的重复搜索，进而减小搜索次数，从而能够快速生成最优诊断树。

主权项

1.一种用于电路故障诊断的最优诊断树生成方法，其特征在于，包括以下步骤：(1)、构建测试模型根据电路内部故障状态与电路中测点输出的关系，构建电路的测试模型H＝{D,C,P}，其中，C＝{c1,c2,…,ci,…cM}为电路中设置的测点对应的代价构成的矩阵，ci表示电路中第i个电路设置测点的测试代价，M为可选测点总数；P＝{p1,p2,…,pj,…,pN}为电路系统中各个故障状态发生概率形成的矩阵，pj为第j个故障状态发生的概率，N为故障状态总数；D为故障依赖矩阵，具体表示为：其中，dij表示第j个电路故障在第i个测点下的测试信息，dij的取值为0或1，dij＝1表示第j个电路故障可以通过第i个测点测出，dij＝0代表第j个故障不能通过第i个测点测出；(2)、构建动态规划列表表在动态规划列表中创建一节点，该节点的故障模糊集包含整个电路系统中所有故障状态，即S＝{s1,s2,…,sN}，将该节点作为启发式搜索的目标节点，同时将该节点的可选测点集合T设置为全部测点，即T＝{1,2,3,…,M}；(3)、通过启发式搜索最优测点(3.1)、选出有效测点；(3.1.1)、由故障依赖矩阵D、故障模糊集S和可选测点集合T，得到故障依赖的子矩阵D'，D'＝{dij|si∈S,tj∈T}；删除D'中测点对应的各个电路故障状态为0和全为1的无效测点，得到具有隔离效果的测点集合T'；根据故障依赖的子矩阵D'中各测点对应依赖信息相同的情况下，保留测试代价最小的测点，得到有效测点集合T”＝{t1,t2,…tk,…,tm}，其中，tk为第k个有效测点的标号；(3.1.2)、根据T”中的有效测点信息，将S分割为两个子故障集，即S1＝{S1，1，S1，2，…,S1,k,…,S1,m}和S0＝{S0，1，S0，2，…,S0,k,…,S0,m}，其中，S1,k和S0,k为根据第tk个测点的故障依赖信息分割出的两个故障集，具体为：S1,k＝{s1,p|dpk＝1}S0,k＝{s0,p|dpk＝0}其中，dpk表示第p个故障在第k个测点下的测试信息；(3.2)、初始化各个有效测点对应的启发函数值h＝{h1,h2,…,hk,…,hm}，其中，hk为第k个有效测点的启发函数数值，初始化为:其中，cmin为有效测点代价中的最小值，ck为第k个有效测点的测试代价，pi第i个故障出现的概率；(3.3)、根据各有效测点的启发函数值搜索最优测点(3.3.1)、初始化最优故障隔离率FIRopt＝0，最优测试代价Costopt＝0；(3.3.2)、设置当前启发函数最小数值对应的测点为待选测点tk'，从分解出的两个子故障集S1和S0中提取待选测点tk'对应的子故障集s1,k'和s0,k'；(3.3.3)、查看动态规划列表中是否存在关于故障集s1,k'的最优解，若该最优解已经存在，则记录该最优解下的故障隔离率FIR1和最优代价Cost1，然后进入步骤(3.3.5)；若该最优解尚未解出，将s1,k'作为故障模糊集S，再返回步骤(3.1)，直至找到关于该故障集优解对应的故障隔离率和最优代价，记为FIR1和Cost1，然后进入步骤(3.3.6)；(3.3.4)、查看动态规划列表中是否存在关于故障集s0,k'的最优解，若该最优解已经存在，则记录该最优解下的故障隔离率FIR0和最优代价Cost0，然后进入步骤(3.3.5)；若该最优解尚未解出，将s0,k'作为故障模糊集S，再返回步骤(3.1)，直至找到关于该故障集优解对应的故障隔离率和最优代价，记为FIR0和Cost0，然后进入步骤(3.3.6)；(3.3.5)、判断步骤(3.3.3)和(3.3.4)中故障集s1,k'和s0,k'的最优解是否同时在动态规划列表中存在，如果同时存在，则将当前选择的待选测点tk'作为最终的最优测点，标记为t，同时返回生成的最优故障隔离率FIRopt和最优代价Costopt；否则进入步骤(3.3.6)；(3.3.6)、在待选测点tk'下，计算诊断树的故障隔离率FIR和代价Cost；FIR＝(FIR0×n0+FIR1×n1)/(n0+n1)其中，n0和n1分别为s0,k'和s1,k'中故障状态的个数；(3.3.7)、更新待选测点tk'的启发函数值hk'；(3.3.8)、如果待选测点tk'下诊断树的故障隔离率FIR是否大于FIRopt或FIR＝FIRopt下Cost小于Costopt，则更新FIRopt＝FIR，Costopt＝Cost，并将当前选择的待选测点tk'作为最终的最优测点，标记为t；(4)、生成最优诊断树(4.1)、初始化最优诊断树(S,t,S0,S1)为空集，向最优诊断树中添加根节点的故障集信息S＝{s1,s2,…,sN}；(4.2)、根据最优测点t和故障依赖矩阵D，重新将故障模糊集S分解为S0和S1两个子集：S0＝{sp|dpt＝0}S1＝{sp|dpt＝1}其中，sp为S中包含电路系统中的所有故障状态，dpt为第p个故障在第t个测点下的测试信息；(4.3)、将子集S0设置为故障模糊集S，向最优诊断树中添加左子树的子节点，若子集S0中故障个数不为1，则返回步骤(4.2)，否则得到最优诊断树的左子树；(4.4)、将子集S1设置为故障模糊集S，向最优诊断树中添加该节点的右子节点，若子集S1中故障个数不为1，则返回步骤(4.2)，否则得到最优诊断树的右子树。