結(jié)合知識(shí)推理的分層多信號(hào)流圖在多故障診斷中的應(yīng)用

劉白林,任健強(qiáng),馬　穎

(1.新型網(wǎng)絡(luò)檢測(cè)與控制工程國(guó)家地方聯(lián)合實(shí)驗(yàn)室，西安 710021;2.西安工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，西安 710021)

?

結(jié)合知識(shí)推理的分層多信號(hào)流圖在多故障診斷中的應(yīng)用

劉白林1,2,任健強(qiáng)1,2,馬穎2

(1.新型網(wǎng)絡(luò)檢測(cè)與控制工程國(guó)家地方聯(lián)合實(shí)驗(yàn)室，西安 710021;2.西安工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，西安 710021)

摘要：針對(duì)復(fù)雜電子系統(tǒng)故障具有層次性、傳播性、相關(guān)性以及并發(fā)性的問(wèn)題，提出了一種結(jié)合知識(shí)推理方法的分層多信號(hào)流圖模型的故障診斷方法，根據(jù)系統(tǒng)層次分別建立各層的多信號(hào)流圖模型.試驗(yàn)結(jié)果表明：該方法能夠給出各層的故障依賴矩陣以及層間關(guān)聯(lián)關(guān)系，得出底層的可能故障源和確定故障源，對(duì)可能故障源進(jìn)行知識(shí)推理后可以有效的檢測(cè)出系統(tǒng)一個(gè)或多個(gè)故障源，較好的解決了系統(tǒng)的多故障診斷問(wèn)題.

關(guān)鍵詞：復(fù)雜電子系統(tǒng)；分層多信號(hào)流圖；知識(shí)推理；多故障診斷

隨著科技的快速發(fā)展，武器裝備的現(xiàn)代化程度越來(lái)越高，其電子系統(tǒng)故障具有不確定性、非線性、并發(fā)性和多發(fā)性等特征，如何快速有效的檢測(cè)和排除武器裝備的電子系統(tǒng)故障是一個(gè)亟待解決的問(wèn)題.近年來(lái)，越來(lái)越多的故障診斷方法被提出[1].文獻(xiàn)[2]提出了一種基于多值測(cè)試的故障診斷測(cè)試方法，取代了傳統(tǒng)的二值測(cè)試的方法，減少了有效信息的丟失.文獻(xiàn)[3]對(duì)多故障問(wèn)題進(jìn)行了研究，提出了一種基于有向圖模型的模糊診斷算法，診斷結(jié)果具有較高的正確率和故障覆蓋率.文獻(xiàn)[4-6]則是運(yùn)用多信號(hào)流圖模型對(duì)復(fù)雜電子系統(tǒng)進(jìn)行測(cè)試性建模分析或故障診斷，能夠在產(chǎn)品的設(shè)計(jì)初期快速準(zhǔn)確地提供各項(xiàng)測(cè)試性相關(guān)數(shù)據(jù)，基本滿足了系統(tǒng)的檢測(cè)要求.

多信號(hào)流圖模型[7]是由Somnath Deb等于1994年提出的一種故障診斷方法，該模型將被測(cè)對(duì)象的組成模塊、測(cè)試以及被測(cè)對(duì)象之間特征的相關(guān)性用有向圖表示，可以很容易得到故障的起始位置和傳播途徑.但該模型也存在一定不足，實(shí)際復(fù)雜電子系統(tǒng)往往是分層結(jié)構(gòu)的，而該模型的建模方法是單層的，一般只能用于單故障檢測(cè)，難以解決多故障問(wèn)題.為了解決上述不足，呂曉明等人提出了對(duì)多信號(hào)流圖進(jìn)行層次性分析的方法[8-9].文獻(xiàn)[8]提出了分層系統(tǒng)的多信號(hào)流圖測(cè)試方法，該方法是在當(dāng)遇到多信號(hào)流圖模型無(wú)法隔離的模塊時(shí)，通過(guò)預(yù)先設(shè)置在無(wú)法隔離模塊中的測(cè)試節(jié)點(diǎn)來(lái)進(jìn)行進(jìn)一步的細(xì)分.該方法雖然在層次上進(jìn)行了分析，但并未建立完整的分層多信號(hào)流圖模型以及對(duì)應(yīng)的DM.文獻(xiàn)[9]建立了較為完善的分層多信號(hào)流圖模型，給出了各層相應(yīng)的DM，并針對(duì)不同的維修等級(jí)進(jìn)行相應(yīng)的故障隔離與定位.但該文獻(xiàn)中未明確給出建立上層和下層模型關(guān)聯(lián)的方法.如在上層DM中存在多個(gè)測(cè)試對(duì)應(yīng)一個(gè)故障源，根據(jù)測(cè)試結(jié)果得出該故障源故障，此時(shí)不能確定該使用哪個(gè)相關(guān)聯(lián)的下層模型進(jìn)行進(jìn)一步分析判斷，從而影響系統(tǒng)故障定位的精度.

因此，為了適應(yīng)武器裝備復(fù)雜電子系統(tǒng)的檢測(cè)與診斷要求，本文首先對(duì)分層多信號(hào)流圖模型進(jìn)行了完善與改進(jìn)，并提出了一種結(jié)合知識(shí)推理的分層多信號(hào)流圖的多故障診斷方法，提高了檢測(cè)與診斷的效率和準(zhǔn)確度.

1分層多信號(hào)流圖模型

復(fù)雜系統(tǒng)在進(jìn)行故障診斷前需要對(duì)整個(gè)系統(tǒng)建立模型.傳統(tǒng)的建模方法有定量模型、定性模型、結(jié)構(gòu)模型和依賴模型等，但隨著系統(tǒng)復(fù)雜程度的增加，以上的方法都不足以滿足系統(tǒng)建模的要求.文獻(xiàn)[7]提出的多信號(hào)流圖模型是在結(jié)構(gòu)模型的基礎(chǔ)上加入了信號(hào)間的依賴模型，他捕捉了對(duì)系統(tǒng)故障診斷必要而有用的信號(hào)間的依賴關(guān)系，成功融合了兩種模型的優(yōu)點(diǎn)，能夠滿足復(fù)雜系統(tǒng)的建模要求.

1.1多信號(hào)流圖模型組成

多信號(hào)流圖模型由下列元素組成：

1) 故障源集合C(Component)：由可能發(fā)生故障的最小模塊組成，一個(gè)故障源對(duì)應(yīng)一個(gè)或多個(gè)信號(hào)， C={c1,c2,…,cL}；

2) 信號(hào)集合S(Signal)：由系統(tǒng)中的有用可測(cè)的信號(hào)組成，各信號(hào)間相互獨(dú)立，S={s1,s2,…,sK}；

3) 測(cè)試集合T(Test)：由判斷各信號(hào)是否在正常范圍內(nèi)的測(cè)試組成，一個(gè)測(cè)試對(duì)應(yīng)一個(gè)或多個(gè)信號(hào)， T={t1,t2,…,tn}；

4) 測(cè)試點(diǎn)集合TP(Test Point)：由系統(tǒng)的可觀測(cè)點(diǎn)組成，一個(gè)測(cè)試點(diǎn)對(duì)應(yīng)一個(gè)或多個(gè)測(cè)試， TP={TP1,TP2,…,TPP}；

5) 連線E(Edge)，表示信號(hào)和功能的傳播方向；因此，一個(gè)系統(tǒng)可以用有向圖DG={C,TP,E}表示.其中，每個(gè)故障源Ci影響或關(guān)聯(lián)一組信號(hào)SC(ci)；每個(gè)測(cè)試tj可以檢測(cè)一組信號(hào)ST(tj)；每個(gè)測(cè)試點(diǎn)TPi可以進(jìn)行一組測(cè)試SP(TPi).

1.2故障依賴矩陣

多信號(hào)流圖模型建立后，需要找出故障源和測(cè)試之間的依賴關(guān)系，該依賴關(guān)系可以表示為矩陣

(1)

式(1)稱為故障依賴矩陣(Dependence Matrix,DM)，他是一個(gè)二值矩陣.其中，每一行對(duì)應(yīng)一個(gè)故障源ci，每一列對(duì)應(yīng)一個(gè)測(cè)試tj.若ci發(fā)生故障，能被tj檢測(cè)到，則dij=1，若ci發(fā)生故障，不能被tj檢測(cè)到，則dij=0.通過(guò)將測(cè)試結(jié)果與DM中的各行進(jìn)行比對(duì)便可以找到故障源.

1.3分層多信號(hào)流圖模型

建立多信號(hào)流圖模型的基礎(chǔ)是確定故障源的層級(jí)[10].故障源可以是子系統(tǒng)級(jí)的模塊，也可以是板卡級(jí)的模塊，還可以是元器件級(jí)的模塊.若將故障源確立為元器件級(jí)的模塊，則可以使故障診斷的精度大大提高，但這會(huì)使建模過(guò)于復(fù)雜，計(jì)算量也會(huì)大大增加；若選擇子系統(tǒng)或者板卡級(jí)的模塊作為故障源，則可以使建模相對(duì)簡(jiǎn)單，計(jì)算也較為方便，但是故障診斷的精度也會(huì)下降.

分層多信號(hào)流圖模型是將整個(gè)系統(tǒng)按層次進(jìn)行建模，首先按照系統(tǒng)的功能模塊進(jìn)行上層的建模，然后對(duì)各個(gè)模塊再建立各自相應(yīng)的多信號(hào)流圖模型.使用分層建?？梢宰畲蟪潭壬系谋Ａ粝到y(tǒng)的層次結(jié)構(gòu)，對(duì)系統(tǒng)故障的分析極為有利[11].但現(xiàn)有的分層多信號(hào)流圖模型也存在一些不足之處.首先，該模型未給出建立上下層模型關(guān)聯(lián)的方法，其次，上層模型的測(cè)試方法選取困難，并且該模型難以解決多故障問(wèn)題.

2結(jié)合知識(shí)推理的HMSFG方法

2.1改進(jìn)的分層多信號(hào)流圖模型

針對(duì)上述分層多信號(hào)流圖模型存在的問(wèn)題，本文提出了一種改進(jìn)模型，主要有以下三點(diǎn)改進(jìn)，改進(jìn)后的各層DM及其之間的關(guān)系如圖1所示.

圖1　改進(jìn)分層多信號(hào)流圖模型的各層DM及其之間關(guān)系

第一，建立系統(tǒng)的最上層模型，根據(jù)最上層模型得出最上層的DM，然后對(duì)可分解模塊繼續(xù)建模，并得出對(duì)應(yīng)的下層的DM，以此類推，得到各層相應(yīng)的DM；下層的DM和上層的故障源C相關(guān)聯(lián)，若得出故障源故障，則根據(jù)對(duì)應(yīng)的下層DM進(jìn)行進(jìn)一步分析.

第二，在傳統(tǒng)分層多信號(hào)流圖中，確定一個(gè)上層模塊是否故障一般有兩種方法進(jìn)行判斷.一是增加額外的測(cè)點(diǎn)，比較常見(jiàn)的方法有模塊的機(jī)內(nèi)測(cè)試(BuiltinTest,BIT)等方法.但該方法首先增加額外的測(cè)試成本，而且更多的時(shí)候很難找到一個(gè)合適的測(cè)點(diǎn)來(lái)表征整個(gè)模塊正常與否.二是選取該模塊部分或全部下層的測(cè)點(diǎn)進(jìn)行測(cè)試.但是這種方法過(guò)于依賴信號(hào)的檢測(cè)處理，當(dāng)信號(hào)噪聲較大時(shí)，有很大可能會(huì)造成系統(tǒng)故障的誤報(bào)或錯(cuò)報(bào).所以，在改進(jìn)的模型中將上層DM中的部分測(cè)試用觀測(cè)信息代替，其余的測(cè)試再選擇上述的第一或第二種方法.

第三，改進(jìn)的分層多信號(hào)流圖模型將故障源分為兩種.一種是確定故障源，檢測(cè)該類故障源的測(cè)試與其他測(cè)試相互獨(dú)立，從而該種類型的故障源可以被直接檢測(cè)出來(lái)；另一種是可能故障源，由于故障的傳播性和相關(guān)性，該類故障源的測(cè)試與其他測(cè)試相關(guān).單故障模式下，以上的區(qū)分并無(wú)太大意義，但是在多故障模式下第二類故障源的不能被很好的診斷，因此需要將其分離出來(lái)以便于后續(xù)的知識(shí)推理.

圖1(a)為系統(tǒng)的最上層DM，該層DM中的c1,c2,…,cm故障源分別和圖1(b)所表示的可分解模塊的第二層DM相關(guān)聯(lián)(圖1(b)中，1≤i≤m，1≤s≤n)，而對(duì)于不可分解的模塊則沒(méi)有下層的DM，以此類推，便得到系統(tǒng)的所有層的DM并建立各層的關(guān)聯(lián).在圖1(a)中的測(cè)試t1,t2,…,tn中，對(duì)于如伺服電機(jī)，指示燈等可觀測(cè)模塊，則將測(cè)試由觀測(cè)信息替代.

2.2推理決策機(jī)制

基于知識(shí)的故障推理決策機(jī)制[12]是通過(guò)將專家診斷的經(jīng)驗(yàn)歸納成知識(shí)，然后根據(jù)知識(shí)按照一定的推理步驟進(jìn)行推理來(lái)獲得診斷結(jié)論.該推理機(jī)制的知識(shí)表示方法采用產(chǎn)生式表示法，是目前使用最為廣泛的知識(shí)表示方法.他具有模塊性、有效性、自然性以及清晰性等優(yōu)點(diǎn)[13-14].當(dāng)然，他也有一些不足之處，如效率不高，不能表達(dá)具有結(jié)構(gòu)性的知識(shí)等.

針對(duì)2.1節(jié)中改進(jìn)分層多信號(hào)流圖模型得到的所有可能故障源的知識(shí)推理過(guò)程如下：① 將所有的可能故障源及檢測(cè)信息放入綜合數(shù)據(jù)庫(kù)；② 將知識(shí)庫(kù)中未使用規(guī)則的前提和綜合數(shù)據(jù)庫(kù)中的未推理的可能故障源進(jìn)行匹配，若滿足該規(guī)則的前提，則執(zhí)行當(dāng)前選中的規(guī)則，按執(zhí)行結(jié)果操作綜合數(shù)據(jù)庫(kù)，并將匹配成功的可能故障源標(biāo)記為已推理，轉(zhuǎn)至第④步；若不滿足該規(guī)則的前提，將該規(guī)則標(biāo)記為已使用，轉(zhuǎn)至第③步；③ 檢查知識(shí)庫(kù)中是否存在未使用規(guī)則，若是，轉(zhuǎn)至第②步；否則，推理完畢，得出系統(tǒng)故障源；④ 將所有規(guī)則標(biāo)記為未使用，檢查是否存在未推理的可能故障源，若存在，轉(zhuǎn)至第②步；否則，推理完畢，得出系統(tǒng)故障源.

在上述的推理過(guò)程中還可能存在不確定性知識(shí)，對(duì)于不確定性知識(shí)在執(zhí)行每一條規(guī)則時(shí)還要計(jì)算該結(jié)論的不確定性，即該結(jié)論的可信度有多高，并在最終給出故障診斷結(jié)果時(shí)將該可信度一并給出[15].雖然該種推理機(jī)制在面對(duì)大型系統(tǒng)時(shí)搜索空間大、推理慢，容易產(chǎn)生規(guī)則匹配沖突，組合爆炸等問(wèn)題，但由于分層多信號(hào)流圖將故障源已經(jīng)確定到一個(gè)較小的范圍內(nèi)，在該范圍內(nèi)推理規(guī)則較少，從而使推理的空間復(fù)雜度、時(shí)間復(fù)雜度大大減少，準(zhǔn)確度大大提高.因此，將該推理機(jī)制與分層多信號(hào)模型結(jié)合后，基本消除了該推理機(jī)制的上述問(wèn)題.而且每個(gè)范圍內(nèi)的知識(shí)、規(guī)則是不相關(guān)的，也減少了知識(shí)獲取及整理的難度.

2.3結(jié)合知識(shí)推理的改進(jìn)分層多信號(hào)流圖的多故障診斷方法

在改進(jìn)分層多信號(hào)流圖模型的基礎(chǔ)上，論文提出了一種結(jié)合知識(shí)推理機(jī)制和分層多信號(hào)流圖模型的多故障診斷方法.該方法首先將傳統(tǒng)多信號(hào)流圖模型中的上層DM中的部分測(cè)試用觀測(cè)信息代替，從而可以更加快速準(zhǔn)確的將故障定位到模塊級(jí).然后再根據(jù)模塊級(jí)故障源相關(guān)聯(lián)的下層模型進(jìn)行進(jìn)一步分析，以此類推直到得出所有的下層可能故障源和確定故障源，最后對(duì)可能故障源進(jìn)行知識(shí)推理，得出所有的故障源.該方法對(duì)多故障問(wèn)題有較好的解決能力，其工作原理如圖2所示.

圖2　結(jié)合知識(shí)推理和改進(jìn)分層

3實(shí)例分析與評(píng)估

3.1實(shí)例分析

火控系統(tǒng)組成見(jiàn)表1.表1中僅給出了火控系統(tǒng)的部分模塊組成.

表1　火控系統(tǒng)結(jié)構(gòu)組成

表1中的第一列為火控系統(tǒng)的3個(gè)模塊，第二列為3個(gè)模塊的測(cè)試方法，第三列為各模塊的內(nèi)部組成.按照上述建模方法建立該系統(tǒng)的分層多信號(hào)流圖模型，如圖3所示.

圖3　火控系統(tǒng)分層多信號(hào)流圖模型

圖3的第一層模型中的M1表示“智能配電箱”模塊，M2表示“炮長(zhǎng)任務(wù)終端”模塊，M3表示“慣性導(dǎo)航定位裝置”模塊，測(cè)試t1為觀測(cè)模塊M1的工作指示燈是否正常，測(cè)試t2為觀測(cè)模塊M2能否正常工作，測(cè)試t3為模塊M3機(jī)內(nèi)測(cè)試結(jié)果.本例中只給出M1的第二層模型，其余省略.M11表示“電源濾波器”，M12表示“電源控制板”，M13表示“輸出保護(hù)裝置”，M14表示“電纜”.選定每層的故障源為該層各模塊，并根據(jù)圖3可得各層的DM見(jiàn)表2～3.

表2　第一層模型對(duì)應(yīng)的DM

表3　模塊M1的第二層模型對(duì)應(yīng)的DM

假設(shè)此時(shí)根據(jù)表2得出第一層模型中的故障源為“智能配電箱”模塊，與該故障源相關(guān)聯(lián)的DM見(jiàn)表3，進(jìn)一步測(cè)試得可能的故障源為c11，c12，c13，確定故障源為c14，然后對(duì)可能故障源進(jìn)行知識(shí)推理即可得出系統(tǒng)故障源.

3.2實(shí)例測(cè)試性評(píng)估

故障檢測(cè)率(FaultDetectionRate,FDR)是指在規(guī)定的條件下，用規(guī)定的方法正確檢測(cè)的故障數(shù)與故障總數(shù)之比，其計(jì)算式為γFD=ND/NT×100%，NT為在一定時(shí)間內(nèi)能夠檢測(cè)到的故障總數(shù)，ND為在一定時(shí)間內(nèi)正確檢測(cè)到的故障數(shù).在本例中，NT為某層DM中的總行數(shù)，而ND為該層DM中不全為零的行數(shù).所以，模塊M1的故障檢測(cè)率為100%.

故障隔離率(FaultsIsolationRate,FIR)是指在規(guī)定的條件下，用規(guī)定的方法將檢測(cè)到的故障正確隔離到不大于規(guī)定模糊度的故障數(shù)與檢測(cè)到的故障數(shù)之比，其計(jì)算式為γFI=NL/ND×100%，NL為在規(guī)定條件下用規(guī)定方法正確隔離到不大于L個(gè)可更換單元數(shù)(模糊度為L(zhǎng))的故障數(shù).在單故障模式下，模塊M1的故障隔離率為100%，即每個(gè)故障都可隔離到確定的可更換單元.但在多故障模式下，當(dāng)模糊度為1時(shí)，模塊M1的故障隔離率50%；當(dāng)模糊度為2時(shí)，模塊M1的故障隔離率 75%；當(dāng)模糊度為3時(shí)，模塊M1的故障隔離率 100%.

因而在多故障情況下，模塊M1通過(guò)分層多信號(hào)流圖得到的部分故障無(wú)法隔離到可更換單元，導(dǎo)致故障隔離率較低.但在經(jīng)驗(yàn)知識(shí)足夠豐富時(shí)，經(jīng)過(guò)知識(shí)推理后，能將模塊M1的所有故障都隔離到相應(yīng)的可更換單元，故障隔離率能達(dá)到100%，分析結(jié)果見(jiàn)表4.

表4　模塊M1的故障隔離率分析

4結(jié) 論

1) 針對(duì)現(xiàn)有分層多信號(hào)流圖模型的不足進(jìn)行了改進(jìn)，完善了分層多信號(hào)流圖模型的建模方法.

2) 提出了一種結(jié)合知識(shí)推理機(jī)制的分層多信號(hào)流圖模型，保留了系統(tǒng)的層次結(jié)構(gòu)，能快速的將故障定位到底層較小的范圍內(nèi)，并通過(guò)知識(shí)推理得出系統(tǒng)故障源，能較好的解決系統(tǒng)的多故障問(wèn)題.

該方法已在某火控系統(tǒng)檢測(cè)與調(diào)試系統(tǒng)中實(shí)際應(yīng)用，能夠快速準(zhǔn)確的檢測(cè)到該系統(tǒng)的故障源，給出維修指導(dǎo)，極大的減少了維護(hù)成本.

參 考 文 獻(xiàn):

[1]姚智剛，王慶林.復(fù)雜裝備控制系統(tǒng)智能故障診斷技術(shù)[J].火力與指揮控制，2012,37(12):1.

YAOZhigang,WANGQinglin.IntelligentFaultDiagnosisMethodsforControlSystemsofComplexEquipments[J].FireControl&CommandControl.2012,37(12):1.(inChinese)

[2]王成剛，劉志遠(yuǎn)，楊志勇.電子裝備多值測(cè)試故障診斷策略設(shè)計(jì)[J].兵工學(xué)報(bào)，2011,32(10):1287.

WANGChenggang,LIUZhiyuan,YANGZhiyong.FaultDiagnosisStrategyDesignofElectronicEquipmentBasedonMultivalueTest[J].ActaArmamentarii,2011,32(10):1287.(inChinese)

[3]連可，黃建國(guó)，龍兵.一種基于有向圖模型的模糊多故障診斷算法[J].系統(tǒng)工程與電子技術(shù)，2008,30(3):568.

LIANKe,HUANGJianguo,LONGBing.AFuzzyMultipleFaultDiagnosisAlgorithmBasedonDigraphModels[J].SystemsEngineeringandElectronics,2008,30(3):568.(inChinese)

[4]歐愛(ài)輝.一種基于多信號(hào)流圖的雷達(dá)系統(tǒng)測(cè)試性建模分析方法[J].兵工自動(dòng)化，2014,33(4):56.

OUAihui.AModelingandAnalyticalMethodforTestabilityofRadarSystemBasedonMulti-SignalFlowGraphs[J].OrdnanceIndustryAutomation,2014,33(4):56.(inChinese)

[5]陳世杰，連可，王厚軍.采用多信號(hào)流圖模型的雷達(dá)接收機(jī)故障診斷方法[J].電子科技大學(xué)學(xué)報(bào)，2009,38(1):87.

CHENShijie,LIANKe,WANGHoujun.FaultDiagnosisMethodofRadarReceiverUsingMulti-SignalFlowGraphsModel[J].JournalofUniversityofElectronicScienceandTechnologyofChina,2009,38(1):87.(inChinese)

[6]李凱凱，丁天寶，呂啟元.基于多信號(hào)流圖模型的裝備故障診斷方法[J].火炮發(fā)射與控制學(xué)報(bào)，2012(1):68.

LIKaikai,DINGTianbao,LVQiyuan.FaultDiagnosisMethodBasedonMulti-signalFlowGraphsModel[J].JournalofGunLaunch&Control,2012(1):68.(inChinese)

[7]DEBS,PATTIPATIKR,RAGHAVANV,etal.Multi-signalFlowGraphs:ANovelApproachforSystemTestabilityAnalysisandFaultDiagnosis[J].IEEEAerospace&ElectronicSystemsNlagazine,1994,10(5):361.

[8]呂曉明，黃考利，連光耀.基于多信號(hào)流圖的分層系統(tǒng)測(cè)試性建模與分析[J].北京航空航天大學(xué)學(xué)報(bào)，2011,37(9):1151.

LYUXiaoming,HUANGKaoli,LIANGuangyao.ModelingandAnalysisofTestabilityofHierarchySystemBasedonMulti-signalFlowGraphModel[J].JournalofBeijingUniversityofAeronauticsandAstronautics,2011,37(9):1151.(inChinese)

[9]尹園威，尚朝軒，馬彥恒，李剛.層次測(cè)試性模型的評(píng)估方法[J].北京航空航天大學(xué)學(xué)報(bào)，2015,41(1):90.

YINYuanwei,SHANGChaoxuan,MAYanheng,LIGang.MethodofTestabilityEvaluationUsingHierarchicalTestabilityModel[J].JournalofBeijingUniversityofAeronautiosandAstronautios,2015,41(1):90.(inChinese)

[10]尹園威，尚朝軒，馬彥恒，李剛，任伯峰.裝備層次測(cè)試性建模分析方法[J].火力與指揮控制，2015,40(9):40.

YINYuanwei,SHANGChaoxuan,MAYanheng,LIGang,RENBofeng.HierarchicalTestabilityModelingandAnalyzingonEquipment[J].FireControl&CommandControl,2015,40(9):40.(inChinese)

[11]LONGB,DAIZJ,TIANSL,etal.AHierarchicalModelingandFaultDiagnosisTechniqueforComplexElectronicDevices[C]//2009IEEECircuitsandSystemsInternationalConferenceonTestingandDiagnosis.Piscataway,NJ:IEEEComputerSociety,2009:1.

[12]劉強(qiáng)，柴天佑，秦泗釗，趙立杰.基于數(shù)據(jù)和知識(shí)的工業(yè)過(guò)程監(jiān)視及故障診斷綜述[J].控制與決策，2010,25(6):801.

LIUQiang,CHAITianyou,QINSizhao,ZHAOLijie.ProgressofData-drivenandKnowledge-drivenProcessMonitoringandFaultDiagnosisforIndustryProcess[J].ControlandDecision,2010,25(6):801.(inChinese)

[13]倪紹徐，張?jiān)７迹缀?，梁曉鋒.基于故障樹(shù)的智能故障診斷方法[J].上海交通大學(xué)學(xué)報(bào)，2008,42(8):1372.

NIShaoxu,ZHANGYufang,YIHong,LIANGXiaofeng.IntelligentFaultDiagnosisMethodBasedonFaultTree[J].JournalofShanghaiJiaotongUniversity,2008,42(8):1372.(inChinese)

[14]張琦，廖捷，吳建軍，劉玉.基于FTA的通用裝備電子系統(tǒng)故障診斷專家系統(tǒng)設(shè)計(jì)[J].兵工學(xué)報(bào)，2008,29(2):174.

ZHANGQi,LIAOJie,WUJianjun,LIUYu.DesignofDiagnosticExpertSystemforElectronicSystemofGeneralEquipmentBasedonFTA[J].ActaArmamentarii,2008,29(2):174.(inChinese)

[15]劉培奇，李增智，趙銀亮.擴(kuò)展產(chǎn)生式規(guī)則知識(shí)表示方法[J].西安交通大學(xué)學(xué)報(bào)，2004,38(6):587.

LIUPeiqi,LIZengzhi,ZHAOYinliang.KnowledgeRepresentationofExtendedProductionRule[J].JournalofXi’anJiaotongUniversity,2004,38(6):587.(inChinese)

(責(zé)任編輯、校對(duì)張立新)

Combination of Knowledge Inference with Hierarchical Multi-Signal Flow Graphs for Multi-Fault Diagnosis

LIUBailin1,2,RENJianqiang1,2,MAYing2

(1.State and Local Joint Lab.of New Network and Monitoring Control Engineering,Xi’an 710021,China;2.School of Computer Science and Engineering,Xi’an Technological University,Xi’an 710021,China)

Abstract:Since the faults of complex electronic system have the characteristics of hierarchy,transmissibility,correlation and concurrency,a new fault diagnosis approach is introduced which combines knowledge inference with hierarchical multi-signal flow graphs (HMSFG).Multi-signal flow graphs (MSFG) are established in accordance with the system levels.Experimental results show that this method can calculate the dependence matrix (DM) of each layer and works out the correlation between layers,through which the possible fault sources and indentified fault sources on the bottom layer are obtained.One or more faults in the system can be detected effectively through the knowledge inference of the possible fault sources.It is concluded that the multi-faults can be better diagnosed by this mothod.

Key words:complex electronic system;HMSFG;knowledge inference;multi-fault diagnosis

文獻(xiàn)標(biāo)志碼:中圖號(hào)：TP306+.3A

文章編號(hào)：1673-9965(2016)03-0194-06

作者簡(jiǎn)介：劉白林(1971-)，男，西安工業(yè)大學(xué)副教授，主要研究方向?yàn)槿斯ぶ悄?E-mail:xit.lbl@163.com.

收稿日期：2015-11-19

DOI:10.16185/j.jxatu.edu.cn.2016.03.005

基金資助：陜西省科技廳項(xiàng)目資助(2013K13-04-07);陜西省教育廳專項(xiàng)科研計(jì)劃項(xiàng)目(14JK1344)