基于設備結構分解的可視化故障推理與診斷技術研究

戴 耀，馬 野，王 振

(海軍大連艦艇學院 信息作戰(zhàn)系，遼寧 大連 116018)

基于設備結構分解的可視化故障推理與診斷技術研究

戴 耀，馬 野，王 振

(海軍大連艦艇學院 信息作戰(zhàn)系，遼寧 大連 116018)

針對復雜設備故障診斷與裝備本身結構無法直觀對應進行故障原因的自動推理和快速定位問題，研究了基于設備結構分解的可視化故障推理與診斷技術；通過定義熱區(qū)和熱區(qū)索引，將故障推理與診斷同設備結構分解相對應，在診斷的過程中構建了故障自動推理編碼規(guī)則，可將故障樹轉(zhuǎn)換成一系列可操作的且具有一定邏輯關系的編碼，并通過軟件編程將編碼以故障現(xiàn)象的表現(xiàn)形式呈現(xiàn)給排故人員，實現(xiàn)故障的自動推理與實際裝備部件圖相互結合；該方法能夠按照推理步驟逐層對裝備進行LRU級分解展開，真正實現(xiàn)可視化故障自動推理和診斷；通過某型電子裝備進行故障推理實例驗證，表明該方法層次結構清晰，推理簡單有效，能夠?qū)崿F(xiàn)裝備可視化的LRU級分層故障診斷和故障的快速定位。

故障診斷；可視化；LRU級分解；自動推理機；故障編碼

0 引言

常用的故障診斷技術往往與裝備本身結構無法一一對應[1-2]，即經(jīng)常按照一定規(guī)則或者專家的經(jīng)驗給出相應的結論[3-6]，而從故障邏輯結構出發(fā)，逐層展開自動推理，則可以解決復雜設備故障診斷問題[7-8]?；谠O備結構分解的故障推理，是將裝備故障樹轉(zhuǎn)換成可自動操作的編碼，將編碼存儲在數(shù)據(jù)庫中，通過制定與設備結構相對應的編碼規(guī)則和推理規(guī)則，按照故障現(xiàn)象和故障結果兩種形式，逐層展開，最終進行故障定位，給出診斷結果。該方法在診斷時可將故障定位到LRU級部件，提高了設備故障診斷的實時性和容錯性，能有效地解決隨機故障的診斷問題。

為了增強故障診斷的直觀性和維修的便捷性，人們往往希望在故障診斷時能進行可視化推理，即用點擊實際裝備LRU級部件圖形鏈接的方式，以可能出現(xiàn)故障現(xiàn)象的各個部件做牽引，根據(jù)故障推理的邏輯關系將設備結構逐層分解，分層次顯示部件分解圖像，最后進行故障定位。由于在推理過程中，需將實際裝備由大到小，從整體到局部進行分解，顯示清楚各層邏輯關系，因此，首先必須按照可能出現(xiàn)的故障原因，設定相應的熱區(qū)，以便逐層展開。

1 交互式故障分解

1.1 熱區(qū)及熱區(qū)索引

所謂熱區(qū)，就是可能發(fā)生故障的區(qū)域，一般用包含裝備部件圖形的矩形框表示[9]。為了能激活熱區(qū)，必須對熱區(qū)4個位置坐標進行定義[10]，位置坐標的選擇是根據(jù)鼠標的實時位置確定的，選擇熱區(qū)邊框4個角所在位置的坐標，存儲在數(shù)據(jù)庫中，以備后續(xù)推理使用。

熱區(qū)索引是進行故障推理以及裝備按照推理進行分解展開的關鍵。索引編碼涉及到三個主要要素，一是編碼長度，代表索引層，即裝備結構展開層，表示按照邏輯關系已經(jīng)分解的層數(shù)；二是字符串個數(shù)，代表對應上一層父節(jié)點下子節(jié)點個數(shù)，即可能出現(xiàn)故障的部位數(shù)，也就是熱區(qū)個數(shù)；三是尾字母，根據(jù)26個英文字母所在位置，對每個尾字母進行排序，確定對應的熱區(qū)展開的順序。

如表1所示編碼。第一層為根結點，用A、B表示，字符串長度為1，表示第一層根節(jié)點有兩個可能故障部件，即包含兩個熱區(qū)，首先從A進行推理。第二層A下包含3個熱區(qū)，用AA、AB、AC表示，尾字母A、B、C表示可能的推理順序。第三層AA根節(jié)點下包含兩個熱區(qū)，用AAA、AAB表示，尾字母A、B表示可能的推理順序。以此類推，按照故障樹進行相應的熱區(qū)索引編碼。

表1 熱區(qū)索引編碼

1.2 交互規(guī)則

交互式故障推理是按照故障現(xiàn)象可能出現(xiàn)的故障部位逐層進行推理的[11]，因此，在進行故障推理之前，首先確定故障的層次結構，然后設定每層父節(jié)點對應的熱區(qū)個數(shù)，最后根據(jù)每層熱區(qū)個數(shù)確定每個熱區(qū)的屏幕位置坐標。

熱區(qū)確定后，按1.1所述方法進行索引編碼，形成索引編碼表，如表1所示。從編碼長度為1的可能部件進行推理，然后根據(jù)故障現(xiàn)象“是”與“否”邏輯關系，確定下一層可能的故障部件。具體推理規(guī)則如下：

1)編碼長度表示結點所在層，記為n，如故障部位為第n層，用* *…*n個字母表示編碼串，由最小長度編碼串開始推理；

2)如果父節(jié)點不是故障診斷結果，則上一層推理結束后，編碼串長度自動加1，尋找下一層子編碼串；

3)去掉編碼串末位字母，剩余編碼串與父節(jié)點編碼進行匹配，匹配成功則為該父節(jié)點所對應的可能的子節(jié)點故障部位；

4)取匹配成功的子節(jié)點編碼串末位字母，按照“A”，“B”,“C”…字母順序進行先后次序選擇熱區(qū)；

5)如果診斷結果為“否”，則按照為字母順序繼續(xù)選擇新的熱區(qū)，如果診斷結果為“是”，表示本層推理結束，進入步驟2)，以此類推，直到推理結束。

2 自動推理技術

故障樹是故障推理的基本依據(jù)[12]，對故障樹進行編碼，可以形成自動推理機[13]。可視化交互式故障診斷是在故障樹的基礎上，將故障樹自動推理編碼與熱區(qū)索引編碼及推理規(guī)則一一對應起來，可以實現(xiàn)故障的自動推理與實際裝備部件圖相互結合，并且能夠按照推理步驟逐層對裝備進行LRU級分解展開，以實際部件嵌套式結構形式顯示出來，使用戶在推理過程中，直觀掌握故障所在部位。

2.1 故障樹編碼

故障樹自動編碼的關鍵技術是用“0”、“1”表示的字符串，字符串長度代表故障樹對應的層數(shù)，首位表示下一層為“推理過程”或“診斷結果”，如果下一層為“推理過程”，則首位記為“1”，如果下一層為“診斷結果”，則首位記為“0”；末尾編碼則表示推理過程“是”或“否”的判斷，如果回答為“是”則末尾編碼為“1”，否則記為“0”；中間字符串，為上一層字符串去掉首位之后的剩余編碼。以此類推，由首層總故障現(xiàn)象“1”進行推理。故障樹及故障樹對應編碼如圖1及圖2所示。

圖1 典型故障樹

圖2 故障樹編碼

2.2 可視化交互式故障自動推理

對故障樹進行編碼后，即可以實現(xiàn)故障自動推理。故障推理從頂層故障現(xiàn)象開始，故障編碼為“1”，選擇此故障現(xiàn)象對應的故障熱區(qū)，為第一層故障分解設備，之后的推理在此基礎上自動展開。

推理過程中，如果選擇“是”，則選擇第二層末尾為“1”的字符串繼續(xù)推理，否則選擇第二層末尾為“0”的字符串繼續(xù)推理。推理過程可以一直延續(xù)到最底層故障結果，也可以按照編碼規(guī)則，返回到上一層。在推理過程中，伴隨著熱區(qū)提示，既可以通過文字也可以通過熱區(qū)進行推理，并逐層顯示故障部件嵌套關系。

在如圖1所示的故障推理過程中，如果圖2中的編碼串“1”對應熱區(qū)A，則開始推理時，“A”區(qū)矩形框閃亮，提示該部位出現(xiàn)故障。如果推理選擇“原因Ⅰ”為“是”，則其編碼為“11”，對應故障熱區(qū)將在“AA”、“AB”、“AC”中選擇，三個熱區(qū)均被激活。如果用戶選擇“AB”，則繼續(xù)按“ABA”、“ABB”、“ABC”進行下一層的選擇和推理。故障推理主要按照故障樹編碼進行，通過“是”與“否”的判斷直接牽引著推理自動進行，因為故障樹中有些部分是邏輯判斷，需要在同一層次不同熱區(qū)內(nèi)進行選擇，所以熱區(qū)編碼除了輔助推理相對應的裝備圖形以外，還要在“是”與“否”的判斷撤銷執(zhí)行時，尋找到上一次嵌套關系。

3 實例分析

3.1 故障描述

表2為廠家提供的某電子裝備測頻系統(tǒng)故障的故障現(xiàn)象、可能原因及故障檢測工作流程。從表中可以看出，故障原因、維修方法看似寫的比較清楚，但實際維修時面對具體的故障，維修人員卻無從下手，因為這些故障現(xiàn)象和故障原因之間有著比較復雜的邏輯關系。

表2 某電子裝備測頻系統(tǒng)故障現(xiàn)象及診斷結果

經(jīng)咨詢廠家，將表2轉(zhuǎn)換成如圖3所示以二叉樹形式表示成的故障樹，便于推理機進行邏輯推理。從圖3可以看出，經(jīng)轉(zhuǎn)換后的故障樹分為6層，包含7類可能的故障現(xiàn)象，9個故障診斷結果，邏輯關系復雜。采集裝備各個部位的實際照片，并按2.1節(jié)所示方法對故障樹進行編碼，以1.1節(jié)所示方法進行熱區(qū)的標識和索引編碼，形成圖4所示的該故障樹對應的故障編碼和熱區(qū)編碼，并通過軟件編程研制故障診斷系統(tǒng)，即可對該型裝備的故障進行診斷與快速定位。

圖3 故障樹自動編碼

圖4 故障樹編碼

3.2 故障推理及實現(xiàn)

故障推理由編碼“1”開始，選擇對應的熱區(qū)，假設此故障的熱區(qū)對應為“A”，A下包含AA,AB,AC,AD共4個可能的部件故障，首先判斷“測頻部分是否有取數(shù)脈沖”，選擇故障熱區(qū) “AA”下的“AAA”部件，對“AAAA”位置進行測試，如果選擇“是”，故障編碼為“11”，繼續(xù)選擇熱區(qū)“AAAB”進行測試，判斷是否為“測向頻段故障”，故障樹編碼為“111”，以此類推，按照2.1所述方式進行編碼，結合熱區(qū)編碼逐層展開；如果選擇“否”，故障編碼為“10”，故障熱區(qū)選擇“AD”，判斷“Z-X3是否有信號”。以此類推，直到最后一層判斷結束。

4 結束語

利用故障樹編碼技術及熱區(qū)技術進行裝備可視化故障診斷，可以將故障樹直接轉(zhuǎn)換成自動推理機，結合裝備故障位置按照故障現(xiàn)象進行診斷。故障樹編碼代表故障推理的邏輯關系，與熱區(qū)編碼有機結合起來，即可以實現(xiàn)自上而下的推理過程，當出現(xiàn)誤判時，也可以實現(xiàn)自下而上的返回。該方法簡潔有效，便于快速定位故障原因，可廣泛推廣應用到各類裝備故障診斷、維修保障訓練中。

[1] 吳今培,肖健華.智能故障診斷與專家系統(tǒng)[M].北京:科學出版社,1997.

[2] Zhang Y, Wang Z, Zhang J, et al. Fault detection based on discriminant analysis theory in power systems[J]. ICIC Express Letters, 2010,4(3):809-814.

[3] 王子玲,許愛強,楊智勇.裝備故障診斷和預測技術綜述[J].火力與指揮控制,2008,33(S2):8-10.

[4] Wu L, Su X, Shi P. Mixed H2/H∞approach to fault detection of discrete linear repetitive processes[J]. Journal of Franklin Institute, 2011,348(2):393-414.

[5] 紀伯公,石海濱,張 博,等.復雜武器電氣系統(tǒng)故障診斷技術綜述[J].火炮發(fā)射與控制學報,2006, (增1):33-36.

[6] 倪紹徐,張裕芳,易 宏,等.基于故障樹的智能故障診斷方法[J].上海交通大學學報,2008,42(8):1372-1375.

[7] Bokor J, Zabo S. Fault detection and isolation in nonlinear systems[J]. Annual Reviews in Control, 2009, 33(2):113-123.

[8] Vojtech V, Danica R. Sequential design of robust output model predictive control[J]. International Journal of Innovative Computing, Information and Control, 2010, 6(10):4743-4754.

[9] 郭興吉.不規(guī)則圖形熱區(qū)技術研究[J].計算機應用與軟件,2013,30(5):295-297.

[10] Zhai Y, Liu B. Extracting Web Data Using Instance Based Learning[A]. Proc. of the 6th Intl. Conf. on Web Information Systems Engineering(WISE 05)[C].2005:318-331.

[11] 胡良明,徐 誠,李萬平.基于案例推理的自行火炮故障診斷專家系統(tǒng)[J].火炮發(fā)射與控制學報,2006(2):53-57.

[12] Zhang X, Jiang Y, Chen A, et al. A gradual approach for model-based diagnosis[J]. Journal of Software,2008, 19(3):584-593.

[13] 孫慶生,楊飛飛,王克峰.電氣設備紅外熱像圖譜分類編碼與故障樹研究[J].水電能源科學,2012,30(5):161-163.

Study of Visual Fault Reasoning and Diagnosis Based on Equipment Structure Decomposition

Dai Yao, Ma Ye, Wang Zhen

(Dept.of Information Warfare, Dalian Naval Academy, Dalian 116018, China)

Aiming at complex equipment fault diagnosis and equipment structure cannot directly corresponding to the cause of the problem of automatic reasoning and rapid positioning problem, studies a visual fault reasoning and diagnosis technology based on equipment structure decomposition. By defining the hot zone and hot zone index, corresponds the fault reasoning and diagnosis to equipment structure decomposition, constructs the fault automatic reasoning coding rules in the process of diagnosis, which can convert the fault tree to a series of operational and certain logical code, and through software programming code appears in the form of fault phenomenon for troubleshooting, which realizes automatic fault reasoning chart combined with the actual equipment parts. This method can according to the reasoning step by step to LRU level decomposition equipment, and to realize visual automatic reasoning and diagnosis. An example for the electronic equipment fault reasoning is presented to illustrate the feasibility and effectiveness of the proposed approach, can achieve equipments’ visual LRU hierarchical fault diagnosis and rapidly position the faults.

fault diagnosis; visualization; LRU decomposition; automatic inference engine; fault coding

2016-09-07；

2016-09-30。

海軍大連艦艇學院2110工程三期資助學術預研課題。

戴 耀(1978-)，男，浙江湖州人，博士研究生，副教授，主要從事電子對抗裝備作戰(zhàn)使用及維修保障方向的研究。

馬 野(1966-)，女，吉林德惠人，博士研究生，教授，主要從事兵器科學與技術、自動化技術方向的研究。

1671-4598(2017)02-0012-03

10.16526/j.cnki.11-4762/tp.2017.02.003

TP182

A