基于系统参考模型的混合故障诊断技术研究

陈铭杰， 颜 瑾， 李铁颖， 池程芝

(1.航空电子系统综合技术重点实验室，上海 200233；2.中国航空无线电电子研究所，上海 200233)

现代大型装备系统的功能构成复杂，故障模式数量也十分庞大。由于传感器成本高、待测点无法观测、带宽有限等原因，允许被系统观察的传感器数量是有限的，导致故障通常无法被直接观察到，最终造成系统运行效率降低、设备损坏等后果。因此，采用基于模型的方法，通过使用有限的传感器信息对系统进行推理，从而达到故障隔离的目的[1]，对提升系统安全性、可靠性，以及降低设备维修保障成本具有重要意义。

自从20世纪80年代Reiter和Kleer等[2-3]提出基于模型的诊断理论以来，基于模型的故障诊断方法也在不断地更新与发展[4]。在国外，NASA研制了基于模型验证的Livingstone方法，在X-34的液体推进反馈系统、X-37的机电系统中得以运用[5]。随着发展，又相继在深空航天器、卫星、深水航行器等领域都得以运用[6-9]。在国内，李鹏等[10]以航空发动机系统为例，验证了通用的机载系统故障诊断与预测模型的有效性；南京航空航天大学的王钟[11]基于模型实现了飞行控制计算机的实时在线故障诊断；北京航空航天大学的郭丁飞等[12]提出了一种基于混合特征模型和深度学习的无人机传感器故障诊断方法。

但在以往基于模型的故障诊断研究中，大多是使用定性模型来描述系统属性之间性质关系[13]，缺少对实际工程应用数据的使用，有较大的局限性。而对于复杂系统，建立用于故障检测与诊断的精确动态数学模型存在较大困难[14]。为此，笔者提出了混合模型的构建方法与基于混合模型的故障诊断推理方法，使用定性和定量方法建立混合模型，使模型信息更加具体，同时基于故障的先验概率和诊断的后验概率，使用候选生成和一致性检查方法来诊断系统中发生的瞬时或持续故障，提高故障诊断信息的全面性和结果的准确性，为复杂系统的维修保障和安全运行奠定了基础。

1 故障诊断参考模型

1.1 元模型的构建

(1) 构建元模型库。

由于研究对象为功能构成复杂、故障模式数量庞大的现代大型装备系统，根据系统测试性原理，可采用定性和定量的方法构建相应离散、连续或两者结合的混合模型。根据系统的组成成分，将模型进行分类，如表1所示。

表1 元模型库组成表

(2) 设定元素属性。

元模型中各元素的属性可分为布尔属性、枚举属性、应用属性3种，可根据诊断对象的实际需求进行设定。

一般地，元模型元素的布尔属性包括输入输出变量、状态、可观察性等设定，枚举属性包括变量类型、过滤器类型、噪声模型等，应用属性包括守护条件、重置条件、概率、初始值、历史信息、候选数量等。

(3) 建立系统参考元模型。

建立元模型各元素间的从属关系，形成混合系统参考元模型，如图1所示。

图1 系统参考元模型示意图

其中，系统包括了所有类型的模型，代表的是整个新建的混合系统，组件可自嵌套，且包括了故障模式和所有的Atom类、Connection类模型。

1.2 领域模型的构建

系统领域模型是指根据系统参考元模型的建模范式，针对实际复杂系统诊断对象建立的可视化模型，建模范式如图2所示。

图2 混合系统模型建模范式

一般地，根据对象系统的运行原理，梳理各组件间的级联关系，并结合故障模式及影响分析和危害性分析(Failure Mode,Effects and Criticality Analysis,FMECA)、系统级故障等即可得到各组件和元模型元素的对应关系。但是也会存在级联关系不明确的系统，这时可以根据监测信号传播路径或者功能影响关系，梳理组件与组件间的抽象关系，与建模范式相对应，从而得到组件与元素的对应关系。

系统模型和组件模型示意图如图3所示。组件模型由行为模型和转换模型组成，行为模型描述了组件的行为演变，转换模型描述了组件的转换行为。系统模型由组件模型组成，描述了系统的转换行为和行为演变，用于创建在推理过程中生成的候选。与组件模型一样，系统模型也有特定的建模范式，也可以在需要时对建模范式进行转换，它的属性包括系统的变量、系统中的变量域和状态转换的守护条件。

图3 系统模型和组件模型示意图

转换模型由工作模式和转换组成，其中转换条件描述了转换发生且组件工作模式改变的充分条件，在转换模型中工作模式之间的连接线上定义，定义可以是状态，也可以是变量/参数等所需满足的条件，还可以定义该转换发生的概率和重置条件。转换模型示意如图4所示。

图4 转换模型示意图

故障模式包含了约束，它描述了组件当前模式下的工作条件，主要是变量间的变化关系，在系统模型中建立好变量约束后，即形成当前复杂混合系统的领域模型。

2 故障诊断推理机

故障诊断推理机基于领域模型生成系统候选状态库，推理过程中采用了基于故障转换的比较算法，该算法能将传感器监测数据与系统候选状态库进行遍历比较，提高了故障诊断的全面性和准确性。

基于混合系统模型的推理过程是围绕一组与迄今为止观察到的结果相一致的候选模型进行的，候选模型则列出系统已采取的故障转换和相应的变量转换。在观测过程中的每个时间点，推理机会检查每个现有候选对象是否与新观测对象保持一致。如果候选模型是一致的，它将继续保留在候选集中，如果不一致，则将有关不一致性的信息生成后继候选，同时排除不一致的候选模型。混合模型故障诊断整体流程示意图如图5所示。

图5 混合模型故障诊断整体流程示意图

在仿真阶段，需要设置系统初始状态、定义变量属性、加载监测脚本。设置初始状态的目的是形成边界条件，一般设置系统初始状态为正常状态，但在有已知故障的前提下，也可将该组件的初始状态设置为当前故障状态。变量属性的定义是指对输入输出变量的定义，传播过程中的接口变量无须定义。监测脚本是指传感器获得的当前系统的输入输出变量值以及一些外部指令。根据这些外部数据，仿真获得当前状态下预测的输出值。

在比较阶段，将预测值与通过实际传感器获得的观测值进行比较，识别差异。在出现差异的情况下，该候选模型可用于确定差异产生的原因。

在候选生成阶段，当现有候选模型变得不一致时，生成并维护新的候选模型。这一步骤使用了一个搜索过程，这个搜索过程是由比较阶段中产生差异的原因驱动的。当产生差异，生成新的候选并形成候选集，根据实际推理诊断需求对候选集进行候选管理，从而得到期待数量的候选结果。整个推理过程都考虑了系统的混合性质和存在的不确定性。

3 故障诊断软件的开发

根据系统故障诊断推理机原理，基于MATLAB开发了混合诊断推理软件，软件界面如图6所示。

图6 软件界面设计图

混合诊断推理软件包括了控制模块、显示模块、数据模块，其组成如图7所示。

图7 混合诊断推理软件组成

其中，控制模块由模型控制模块、推理机控制模块、保存结果模块组成，主要完成XML格式的模型加载、初始化和关闭、推理机的初始化和运行以及推理结果的保存功能；显示模块由系统模型显示模块、组件模型显示模块、层级查看模块和推理结果显示模块组成，主要完成系统模型和组件模型的可视化显示、组件内部故障模式和约束的层级查看、推理结果的显示功能；数据模块由监测数据模块、状态设置模块、变量设置模块、候选设置模块组成，主要完成监测数据的加载、初始状态的设置、输入输出变量的设置和候选数量的设置等功能。

混合故障诊断技术分为建模和诊断两部分，基于MATLAB GUI验证平台的故障诊断工作流程如图8所示。

图8 故障诊断软件工作流程图

4 实例验证

4.1 飞行数据设备混合诊断模型的建立

以某型民用飞机的飞行数据设备为例，构建其混合诊断参考模型。

首先，根据系统参考元模型建模范式，建立领域模型。飞行数据设备包括电源模块、存储管理模块、交换机接口模块、数据接口模块和飞行数据卡。飞行数据设备与外部的交联主要为数据总线、卡在位信号、控制信号和电源信号。

根据飞行数据设备的FMECA、故障传播机理、BIT信息等，构建飞行数据设备的领域模型，如图9所示。

图9 飞行数据设备的领域模型

4.2 测试验证

构建好领域模型后，生成相应的XML模型文件，加载到故障诊断软件中，根据图8所示工作流程进行操作。

一般情况下，模型的初始状态均为正常状态。飞行数据设备包括1个信号输入和5个BIT输出信息，诊断过程中，对这些变量进行归一化处理，输入信号正常，则该变量为1，信号异常，则该变量为0；BIT正常，则该变量为1，BIT报故，则该变量为0。

当监测数据为正常数据时，相当于与初始状态保持一致，因此为使测试数据更加简洁，本次测试案例直接对前2 s数据进行故障注入。案例1为飞机数据设备在第1 s时发生间歇性故障，第2 s开始恢复正常状态；案例2为飞机数据设备在第1 s发生持续故障，后续均为故障状态。

候选数量即为最终显示推理结果的数量，本次测试案例设置该数量为3，显示概率排前三的推理结果。

测试案例具体设置如表2所示。

表2 测试案例设置表

根据测试案例设置表内容对数据模块进行设置，运行故障诊断软件，结果显示案例1和案例2的诊断时间分别为0.0622 s和0.1689 s，表明了该诊断方法实时性强的优点，推理结果显示模块中的具体诊断结果如图10、图11所示。

图10 案例1诊断结果

图11 案例2诊断结果

诊断结果内容包括了候选编号、概率、故障时间、故障模式的转换、当前系统状态和当前变量值，候选结果按照概率值由高到低排列显示。

由上述测试结果可见，故障发生的时间符合监测数据中注入故障的时间，且能准确定位到系统对应组件中故障模式的转换，并直观地显示出当前系统状态和变量值。测试结果表明，该故障诊断软件可基于系统运行数据对特定的复杂混合系统进行实时的故障诊断，且能够准确直观地显示系统模型结构以及特定组件内部的故障模式转换，满足故障诊断的实时性和准确性要求。

5 结束语

面向现代大型装备系统提供了一种复杂系统混合故障诊断技术，并提出了基于系统参考模型的通用建模与仿真验证方法，研究结果表明该方法能在有限的传感器监测信息条件下，实时准确地诊断出对象系统是否发生故障，并根据概率大小排序显示故障发生的时间、节点、变量值和故障模式，对提高装备系统故障诊断效率、降低维修保障成本、保证系统安全运行具有重要的应用价值。