基于語義網(wǎng)絡(luò)的副翼作動器綜合故障診斷方法

孫錦文，馬 劍，丁 宇，劉清竹，王景霖，吳英建

(1.北京航空航天大學(xué) 可靠性與系統(tǒng)工程學(xué)院，北京 100191；2.可靠性與環(huán)境工程技術(shù)國防科技重點(diǎn)實驗室，北京 100191；3.故障診斷與健康管理技術(shù)航空科技重點(diǎn)實驗室，上海 201601)

基于語義網(wǎng)絡(luò)的副翼作動器綜合故障診斷方法

孫錦文1，2，馬 劍1，2，丁 宇1，2，劉清竹1，2，王景霖3，吳英建3

(1.北京航空航天大學(xué) 可靠性與系統(tǒng)工程學(xué)院，北京 100191；2.可靠性與環(huán)境工程技術(shù)國防科技重點(diǎn)實驗室，北京 100191；3.故障診斷與健康管理技術(shù)航空科技重點(diǎn)實驗室，上海 201601)

為了實現(xiàn)飛機(jī)典型機(jī)電系統(tǒng)故障診斷知識集成共享與利用，提出了一種基于語義網(wǎng)絡(luò)的副翼作動器綜合故障診斷方法。首先利用FMECA方法對副翼作動器進(jìn)行故障機(jī)理分析，然后基于語義網(wǎng)絡(luò)理論，對副翼作動器在產(chǎn)品域、測試域、診斷域進(jìn)行本體的構(gòu)建及相關(guān)分析，并使用OWL語言實現(xiàn)了本體的機(jī)器可讀，從而獲得副翼作動器的故障診斷知識模型構(gòu)建，在此基礎(chǔ)上再進(jìn)行系統(tǒng)故障的綜合推理。該方法初步實現(xiàn)了副翼作動器故障診斷基于語義網(wǎng)絡(luò)理論的知識庫構(gòu)建，驗證了模型的故障推理能力，可以有效解決副翼作動器的綜合故障診斷問題。

語義網(wǎng)絡(luò)；副翼作動器；FMECA；本體；綜合診斷

作為飛機(jī)的典型機(jī)電系統(tǒng)之一，飛機(jī)副翼作動器發(fā)揮著核心功能作用，一旦發(fā)生故障將造成整個系統(tǒng)的性能衰退甚至失效、影響巨大，因此對其開展有效的故障診斷十分重要[1]。隨著副翼作動器系統(tǒng)的發(fā)展，系統(tǒng)結(jié)構(gòu)變得越來越復(fù)雜，故障的復(fù)雜程度不斷增大，不確定性因素不斷增多，在多源測試診斷信息下進(jìn)行綜合診斷已成為故障診斷的一個瓶頸問題。

綜合診斷是一種通過綜合自動和人工測試、維修輔助手段、技術(shù)信息、人員和培訓(xùn)等要素，來提高產(chǎn)品的診斷能力的方法[2]。對產(chǎn)品而言，其測試和故障診斷能力是由測試診斷設(shè)備和技術(shù)方法所決定的，需要在其全壽命周期及部署和使用過程中構(gòu)成診斷能力的因素綜合集成和優(yōu)化配置，以達(dá)到最優(yōu)的總體診斷能力。

為了對副翼作動器進(jìn)行有效的綜合故障診斷，首先需要利用FMECA(failure mode, effects and criticality analysis, 故障模式、影響與危害性分析)方法對其故障模式和故障機(jī)理有較全面的知識庫構(gòu)建。由于綜合診斷需要以規(guī)范的格式對診斷信息進(jìn)行統(tǒng)一標(biāo)準(zhǔn)的描述，以實現(xiàn)信息的交換和相互協(xié)作的需求，這需要建立規(guī)范的知識表示管理系統(tǒng)。目前，較為成熟的知識表示方法主要有產(chǎn)生式規(guī)則和框架知識表示方法，但僅適用于表示孤立的、簡單的事實或固定的、典型的概念與行為，對于復(fù)雜知識構(gòu)成的表示并不適用。語義網(wǎng)絡(luò)可以有效解決這個問題，是一種可以用來模擬人心理活動的思維模型知識表示方法[3]。本體是一種語義網(wǎng)絡(luò)方法，主要思想是將知識以網(wǎng)絡(luò)的形式來表達(dá)，運(yùn)用網(wǎng)絡(luò)間的關(guān)系來實現(xiàn)相互關(guān)聯(lián)。為了將綜合診斷過程中的異類信息進(jìn)行規(guī)范化表達(dá)，通過本體的方法構(gòu)建診斷信息的描述模型，首先針對副翼作動器進(jìn)行產(chǎn)品域、測試域、診斷域的本體構(gòu)建，然后利用OWL(ontology web language, 本體網(wǎng)絡(luò)語言)實現(xiàn)診斷知識庫的機(jī)器可讀。

本研究首先利用FMECA方法對副翼作動器的故障機(jī)理及影響進(jìn)行分析，然后基于目前已存在的診斷經(jīng)驗利用本體方法來進(jìn)行建模，建立起基于知識對象節(jié)點(diǎn)的知識庫，最后利用故障樣本學(xué)習(xí)方法來完成副翼作動器故障診斷的推理部分，從而有效實現(xiàn)了副翼作動器的綜合故障診斷。

圖1 基于語義網(wǎng)絡(luò)的綜合故障診斷方法

圖2 產(chǎn)品FMECA分析流程

1 基于語義網(wǎng)絡(luò)的綜合故障診斷方法

基于語義網(wǎng)絡(luò)的綜合故障診斷方法如圖1 所示。首先根據(jù)FMECA方法對產(chǎn)品的故障機(jī)理進(jìn)行全面分析，整理出故障機(jī)理分析表，然后利用語義網(wǎng)絡(luò)中的本體論方法，對產(chǎn)品的產(chǎn)品域、測試域和診斷域的故障診斷知識庫進(jìn)行構(gòu)建，并運(yùn)用OWL語言對所構(gòu)建的本體進(jìn)行了描述，最后利用基于知識庫的故障樣本學(xué)習(xí)方法推理出最終可能的故障原因。

1.1 基于FMECA的故障機(jī)理分析

FMECA方法是針對產(chǎn)品梳理出其所有可能的故障，并通過對故障模式的分析，確定每種故障模式對產(chǎn)品的影響，找出其中的單點(diǎn)故障，并按照故障模式的嚴(yán)酷度及其發(fā)生概率確定其危害性。對一個產(chǎn)品而言，其故障征兆、故障模式、故障影響以及監(jiān)控參數(shù)之間具有多對多的映射關(guān)系，根據(jù)產(chǎn)品的FMECA分析確定重要的監(jiān)控參數(shù)和故障模式等。

如圖2所示，分析產(chǎn)品的故障機(jī)理時，首先通過對其故障記錄和設(shè)備使用手冊的梳理與研究，對產(chǎn)品系統(tǒng)進(jìn)行綜合層次分解，主要分為：結(jié)構(gòu)分解、功能分解和故障分解。在綜合層次分解的基礎(chǔ)上進(jìn)行 FMECA 分析，主要進(jìn)行以下分析：故障征兆、故障模式和故障影響。

1.2 基于語義網(wǎng)絡(luò)的綜合故障診斷知識庫構(gòu)建

在綜合診斷問題中，診斷信息的來源是多方面的。為了將綜合診斷過程中的異類信息進(jìn)行規(guī)范化表達(dá)，基于本體論的理論方法，構(gòu)建診斷信息的描述模型，實現(xiàn)診斷知識的機(jī)器可讀。

語義網(wǎng)絡(luò)常常用作知識表示的一種形式，Simmon于1970年正式提出“語義網(wǎng)絡(luò)”的概念，并討論了其和一階謂詞邏輯的關(guān)系。

本體是實現(xiàn)語義網(wǎng)絡(luò)的一種具體方法，是“共享概念模型的明確的形式化規(guī)范說明”，研究的是特定領(lǐng)域知識對象分類，對象屬性和對象間的關(guān)系[4-5]。本體的核心意義在于提供一種明確定義的形式化的共識，有5個基本元素:類或概念、屬性、實例、關(guān)系、公理。類一般采用框架結(jié)構(gòu)來定義，包括其名稱、自然語言描述以及與其他類之間的關(guān)系集合；屬性是指對類的性質(zhì)或特征的描述；實例是指考察的對象；關(guān)系是指在領(lǐng)域中概念間的相互作用；公理是指類和屬性定義上的規(guī)則[6]。

目前，主要的本體描述語言有可擴(kuò)展標(biāo)示語言(extensive markup language,XML)、資源描述語言(resource description framework,RDF)、OWL等[7]。其中，OWL本體描述語言以描述邏輯為基礎(chǔ)，語法簡潔通用，并且具有良好的語義和推理支持，因此采用OWL語言為本體描述語言。

1.2.1 基于鍵合圖模型的產(chǎn)品域本體建造方法

產(chǎn)品域是指與產(chǎn)品自身結(jié)構(gòu)相關(guān)的數(shù)據(jù)來源。通過分析領(lǐng)域內(nèi)的知識對象及其屬性和關(guān)系，基于產(chǎn)品域的特點(diǎn)，結(jié)合本體的繼承及相關(guān)定義擴(kuò)展，可以實現(xiàn)綜合故障診斷基礎(chǔ)上的產(chǎn)品域知識體系構(gòu)建。

鍵合圖模型可以用于建立系統(tǒng)動態(tài)模型，以簡單的形式直觀表現(xiàn)出系統(tǒng)內(nèi)各組成部分的物理結(jié)構(gòu)以及系統(tǒng)中存在的動態(tài)影響因素等[8]?；阪I合圖模型構(gòu)建產(chǎn)品域本體，首先需要基于產(chǎn)品的物理邊界將其結(jié)構(gòu)分解為相對獨(dú)立的功能單元，然后再面向不同的功能單元建立模型。產(chǎn)品功能單元的分解是基于實際需求的多級重復(fù)過程，以利于實現(xiàn)本體知識的描述。

1.2.2 基于TOP-DOWN模型的測試域本體建造方法

測試域是指與產(chǎn)品狀態(tài)觀測相關(guān)的數(shù)據(jù)來源，主要涉及產(chǎn)品的測試需求、測試操作、試驗分析等信息。副翼作動器的故障機(jī)理較為復(fù)雜，采用基于TOP-DOWN模型的測試域本體構(gòu)建方法，自上而下分解產(chǎn)品的故障機(jī)理，在分解出的更小的知識單元上構(gòu)建本體模型，然后再將這些本體模型進(jìn)行集成以構(gòu)建完整的測試域。測試域中的知識對象包括構(gòu)成產(chǎn)品測試能力的操作手段及其可用狀態(tài)，以及所關(guān)心的狀態(tài)表征指標(biāo)等。運(yùn)用基于TOP-DOWN模型的知識分解方法，可以深入產(chǎn)品內(nèi)部研究故障機(jī)理和特性，適合于綜合診斷的需要。

1.2.3 基于故障樹模型的診斷域本體建造方法

診斷域是指與產(chǎn)品綜合診斷方法相關(guān)的數(shù)據(jù)來源，包括產(chǎn)品的故障模式、故障原因、維護(hù)記錄等信息。

故障樹模型能夠基于故障事件進(jìn)行邏輯推理分析，弄清各潛在因素對故障發(fā)生的影響途徑及程度。基于故障樹模型構(gòu)建診斷域本體，能夠有助于增加對故障傳播的認(rèn)識，并表達(dá)診斷域知識對象的內(nèi)在聯(lián)系[9]。在診斷域本體的建造過程中，首先需要將故障樹中的基本事件表達(dá)為本體模型的底層知識對象，并將各基本事件的先驗概率賦值為知識對象的狀態(tài)取值可信度。然后將故障樹中的邏輯門也表達(dá)為知識對象，并將邏輯門的輸出事件賦值給對象的狀態(tài)取值。將本體模型的知識對象節(jié)點(diǎn)按照故障樹中的連接關(guān)系進(jìn)行連接，并將連接節(jié)點(diǎn)的有向邊的方向與邏輯門的輸入輸出關(guān)系對應(yīng)。最后還需要將邏輯門的邏輯關(guān)系運(yùn)用條件概率形式表達(dá)為本體模型中知識節(jié)點(diǎn)的推理關(guān)系。

1.2.4 三個域之間的本體關(guān)系

通過以上建造方法，建立起產(chǎn)品域、測試域、診斷域這三大領(lǐng)域的本體模型，依據(jù)領(lǐng)域?qū)＜业乃季S方式，運(yùn)用知識對象的外部推理行為來表達(dá)三個領(lǐng)域之間的推理關(guān)系，如圖3所示。

其中，屬性關(guān)系如下：

is-a：產(chǎn)品域、測試域、診斷域是產(chǎn)品的子域；

diag-to-test：發(fā)現(xiàn)某種故障現(xiàn)象時所采用的檢測方法；

test-to-pro：采用具體的檢測方法時作用的對象。

1.3 副翼作動器診斷推理方法

在已經(jīng)建立起副翼作動器綜合故障診斷知識庫的基礎(chǔ)上， 基于知識的推理在計算機(jī)中的實現(xiàn)是知識系統(tǒng)中不可缺少的組成部分。具體的綜合診斷問題知識推理實現(xiàn)，采用故障樣本學(xué)習(xí)的方法?；谥暗谋倔w構(gòu)建方法，知識節(jié)點(diǎn)的推理模型可由有向無環(huán)圖的形式表達(dá)，假設(shè)無缺失數(shù)據(jù)的情況下，可估算每個對象節(jié)點(diǎn)的條件概率。

圖3 產(chǎn)品域、測試域、診斷域的關(guān)系

對于知識對象節(jié)點(diǎn)Oi，假設(shè)存在ti個直接源節(jié)點(diǎn) (即存在ti個對象節(jié)點(diǎn)通過有向邊直接指向Oi)。以Vi表示源節(jié)點(diǎn)所組成的向量，并以vi表示向量Vi的取值，以 oi表示節(jié)點(diǎn)Oi的取值。每個節(jié)點(diǎn)的取值有故障和正常兩種狀態(tài)，根據(jù)對象節(jié)點(diǎn)的采樣統(tǒng)計信息，可以估算節(jié)點(diǎn)的條件概率如下：

(1)

2 案例分析

2.1 副翼作動器工作原理

副翼作動器由電子放大器、直接驅(qū)動閥 DDV1、直接驅(qū)動閥 DDV2、作動筒ACT、位移傳感器DDV_LVDT和RAM_LVDT等組成，其工作原理如圖 4 所示。

圖4 副翼作動器工作原理圖

副翼作動器的運(yùn)行原理：輸入指令通過電子放大器放大，經(jīng)直接驅(qū)動閥 DDV1 和 DDV2，使作動筒動作。本實驗有兩個反饋回路，一是在直接驅(qū)動閥DDV2 處有一個位移傳感器，將信號反饋給直接驅(qū)動閥DDV1，形成內(nèi)回路；另一個是在作動筒后面有一個位移傳感器，將作動筒的位置信號反饋給輸入信號端，形成外反饋，檢測整個副翼作動器系統(tǒng)是否有故障。

實驗獲取的測點(diǎn)數(shù)據(jù)有：輸入指令COM，DDV_LVDT 輸出信號DDV2_X，RAM_LVDT輸出信號ACT_X，DDV力馬達(dá)電流 IFM，DDV輸入指令U2等。

2.2 副翼作動器的故障機(jī)理分析

通過對副翼作動器進(jìn)行FMECA分析，梳理出其主要結(jié)構(gòu)有直接驅(qū)動閥1、直接驅(qū)動閥2、位移傳感器等，通過對故障現(xiàn)象采用相應(yīng)的檢測方法，梳理出故障原因，整理得到故障模式分析表格。表1為副翼作動器直接驅(qū)動閥1的故障機(jī)理分析簡表。

2.3 副翼作動器綜合故障診斷知識庫構(gòu)建

2.3.1 副翼作動器的產(chǎn)品域

副翼作動器包括直接驅(qū)動閥1、直接驅(qū)動閥2、位移傳感器、電子放大器、執(zhí)行機(jī)構(gòu)等。其中直接驅(qū)動閥1又包括力馬達(dá)線圈、DDV1 閥芯、刃邊1等?；阪I合圖模型建造產(chǎn)品域，詳細(xì)寫出了關(guān)于綜合診斷時要用到的組成部件，以后在有需要時還可以加入各個部件的性質(zhì)，副翼作動器的產(chǎn)品域網(wǎng)絡(luò)構(gòu)建如圖5所示。

表1 副翼作動器直接驅(qū)動閥1故障機(jī)理分析簡表

圖5 副翼作動器產(chǎn)品域網(wǎng)絡(luò)構(gòu)建圖

2.3.2 副翼作動器的測試域

副翼作動器測試域包括DDV1 功率測試、DDV1零偏電流測試、DDV1 流量測試等，其中DDV1功率測試對應(yīng)的產(chǎn)品域是直接驅(qū)動閥1?；赥OP-DOWN模型建造測試域，詳細(xì)寫出了關(guān)于綜合診斷時測試域的子類及子類的屬性，表2展示了直接驅(qū)動閥 1的測試域。

表 2 直接驅(qū)動閥 1的測試域構(gòu)建

2.3.3 副翼作動器的診斷域

副翼作動器的診斷域包括作動筒響應(yīng)速度慢、作動筒位置不準(zhǔn)確等。其中作動筒響應(yīng)速度慢對應(yīng)的診斷域是力馬達(dá)無功率輸出，直接驅(qū)動閥1 零偏電流增大，直接驅(qū)動閥1 輸出恒定流量等?；诠收蠘淠Ｐ徒ㄔ煸\斷域，可以詳細(xì)寫出綜合診斷時診斷域的子類及子類的屬性，包括故障現(xiàn)象、故障原因等，如表3和表4所示。

表3 副翼作動器典型故障現(xiàn)象診斷域構(gòu)建

表4 直接驅(qū)動閥1故障的診斷域構(gòu)建

2.4 基于OWL語言的副翼作動器診斷案例編碼

OWL中本體的結(jié)構(gòu)有：命名空間、本體頭部和數(shù)據(jù)集成與隱私。網(wǎng)絡(luò)本體由個體、屬性和類組成，其中個體代表感興趣的對象，屬性代表個體之間的二元關(guān)系，類表示一些個體的集合。

用OWL語言對語義網(wǎng)絡(luò)表達(dá)的飛機(jī)副翼作動器診斷案例進(jìn)行了編寫，下面是截取的一個案例的OWL語言編寫程序：

xmlns=http://www.owl-ontologies.com/Ontology.owl#

//本體頭部

//定義類：主閥芯磨損

//這個類是閥泄露的子類

//定義類：DDV1功率測試

/*DDV1功率測試

只對應(yīng)于產(chǎn)品域的

直接驅(qū)動閥力馬達(dá)線圈*/

//DDV1功率測試是測試域的子類

rdf:datatype="http://www.w3.org/2001/XMLSchema#string" /*DDV1功率測試

> 對應(yīng)的數(shù)據(jù)屬性類型是

string*/

2.5 副翼作動器診斷推理方法案例

基于前面的知識庫構(gòu)建，對副翼作動器的典型故障現(xiàn)象——作動筒位置不準(zhǔn)確進(jìn)行初步推理分析，得到如圖6所示的故障原因分析知識節(jié)點(diǎn)圖。

圖6 作動筒位置不準(zhǔn)確故障原因分析圖

圖7 知識對象節(jié)點(diǎn)連接實例

從圖6的知識節(jié)點(diǎn)圖中截取得到如圖7所示的有向無環(huán)圖，節(jié)點(diǎn)的狀態(tài)取值都為state={normal,fault}，其相應(yīng)的200組歷史數(shù)據(jù)的采樣信息，如表5所示。

根據(jù)統(tǒng)計信息，可以估算得到節(jié)點(diǎn)O1、O3的狀態(tài)取值可信度為：

belief1={P(o1=normal),P(o1=fault)}={0.64,0.36}； (2)

belief2={P(o3=normal),P(o3=fault)}={0.95,0.05}。

(3)

然后，可根據(jù)節(jié)點(diǎn)O2、O4的不同狀態(tài)取值來計算出相應(yīng)概率，如o2=fault，o3=fault，o4=normal的狀態(tài)概率為：{P(o2=fault),P(o3=fault),P(o4=normal)}=0.03。

(4)

根據(jù)式(1)，可估算出節(jié)點(diǎn)O2、O4至O3的條件連接關(guān)系，即條件概率

(5)

即在發(fā)生作動筒位置不準(zhǔn)確故障，且作動筒響應(yīng)速度正常時，發(fā)生作動筒故障的概率是0.071。然后可以依次算出各節(jié)點(diǎn)故障的概率，從而進(jìn)行故障診斷推理。

表 5 采樣統(tǒng)計信息

3 結(jié)論

提出了一種基于語義網(wǎng)絡(luò)的副翼作動器綜合故障診斷方法。該方法首先利用FMECA對副翼作動器進(jìn)行故障機(jī)理分析，然后基于語義網(wǎng)絡(luò)理論，對副翼作動器在產(chǎn)品域、測試域、診斷域進(jìn)行了本體的構(gòu)建及相關(guān)分析，從而獲得副翼作動器的故障診斷知識庫構(gòu)建，在此基礎(chǔ)上最后進(jìn)行綜合診斷推理方法的探究，對副翼作動器進(jìn)行了較完整的綜合故障診斷知識庫構(gòu)建和診斷設(shè)計。在后續(xù)研究中，可以將該方法進(jìn)一步應(yīng)用于典型的機(jī)電系統(tǒng)中，實現(xiàn)系統(tǒng)在多源測試信息下的綜合故障診斷。

[1]李乃鑫，陸中，周伽.電液伺服作動器可靠性評估的貝葉斯網(wǎng)絡(luò)方法[J].西北工業(yè)大學(xué)學(xué)報，2016，34(5):915-920. LI Naixin,LU Zhong,ZHOU Jia.Reliability assessment based on Bayesian networks for electro hydraulic servo actuator[J].Journal of Northwestern Polytechnical University,2016,34(5):915-920.

[2]潘泉,景小寧,陳云翔.美軍新機(jī)的綜合診斷技術(shù)及啟示[J].空軍工程大學(xué)學(xué)報(自然科學(xué)版),2005,6(2):1-3. PAN Quan,JING Xiaoning,CHEN Yunxiang.The integrated diagnosis technique for the new operational aircraft of American and the enlightenment to us[J].Journal of Air Force Engineering University(Natural Science),2005,6(2):1-3.

[3]李太福，黃茂林，謝志江.基于語義網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷知識表示[J].重慶大學(xué)學(xué)報(自然科學(xué)版)， 2001， 24(6):18-20. LI Taifu,HUANG Maolin,XIE Zhijiang.Knowledge representation for rotative machine fault diagnosis based on semantic net[J].Journal of Chongqing University(Natural Science Edition),2001,24(6):18-20.

[4]王昊，谷俊，蘇新寧.本體驅(qū)動的知識管理系統(tǒng)模型及其應(yīng)用研究[J].中國圖書館學(xué)報，2013，39(2):98-110. WANG Hao,GU Jun,SU Xinning.Research on the model and its application of ontology-driven knowledge management system[J].Journal of Library Science in China,2013,39(2):98-110.

[5]FENTON W G,MCGINNITY T M,MAGUIRE L P.Fault diagnosis of electronic systems using intelligent techniques:A review[J].IEEE Transactions on Systems,Man,and Cybernetics,Part C (Applications and Reviews),2001,31(3):269-281.

[6]畢魯雁，焦宗夏，范圣韜，等.基于本體的機(jī)載機(jī)電系統(tǒng)故障診斷研究[C/CD]// 全國流體傳動與控制學(xué)術(shù)會議暨2008年中國航空學(xué)會液壓與氣動學(xué)術(shù)會議，2008.

[7]ANTONIOU G,HARMELEN F V.Web ontology language:OWL[M].Handbook on Ontologies.Berlin， Heidelberg：Springer，2009:67-92.

[8]周密.基于本體論的柴油機(jī)綜合診斷研究[D].長沙：國防科學(xué)技術(shù)大學(xué),2007:41-54.

[9]耿宏， 樊建梅.基于故障樹模型的波音777故障診斷專家系統(tǒng)[J].自動化與儀表， 2005， 20(4):1-3. GENG Hong,FAN Jianmei.Fault diagnosis expert system for Boeing 777 based on fault tree model[J].Automation and Instrumentation,2005,20(4):1-3.

(責(zé)任編輯：呂海亮)

Integrated Fault Diagnosis of Aileron Actuator Based on Semantic Network

SUN Jinwen1，2, MA Jian1，2, DING Yu1，2, LIU Qingzhu1，2, WANG Jinglin3, WU Yingjian3

(1. School of Reliability and Systems Engineering, Beihang University, Beijing 100191, China;2. Science & Technology Laboratory on Reliability & Environmental Engineering, Beijing 100191, China;3. Key Laboratory of Aviation Technology for Fault Diagnosis and Health Management Research, Shanghai 201601, China)

In order to realize the integration and sharing of the fault diagnosis knowledge of typical aircraft electromechanical systems, this paper presents an integrated fault diagnosis method of aileron actuator based on semantic network. Firstly, the failure mechanism of aileron actuator was analyzed by FMECA(failure mode,effects and criticality analysis) method. Then the ontology construction and correlation analysis of product domain, test domain and diagnosis domain were carried out based on the theory of semantic network. And the fault diagnosis knowledge model of the aileron actuator was constructed by using the OWL language to express the ontology of the aileron actuator in computer. On this basis, the system faults were further synthesized. By establishing the fault diagnosis knowledge model of the aileron actuator based on the semantic network theory and verifying the fault reasoning ability of the model, the proposed method can effectively solve the integrated fault diagnosis problem of the aileron actuator.

semantic network; aileron actuator; FMECA; ontology; integrated diagnosis

2017-01-22

國家自然科學(xué)基金項目(51575021);國防技術(shù)基礎(chǔ)項目(Z1320113B002);航空科學(xué)基金項目(20153351022)

孫錦文(1995—)，男，湖北松滋人，碩士研究生，主要從事故障診斷與健康管理的研究，本文通信作者. E-mail：sunjinwen@buaa.edu.cn

TP277

A

1672-3767(2017)05-0052-08

10.16452/j.cnki.sdkjzk.2017.05.008