基于模糊Petri網(wǎng)的衛(wèi)星導航接收系統(tǒng)故障診斷

趙 佳， 呂 弘， 劉 寶， 於拯威

(南京模擬技術研究所， 江蘇 南京 210016)

基于模糊Petri網(wǎng)的衛(wèi)星導航接收系統(tǒng)故障診斷

趙 佳， 呂 弘， 劉 寶， 於拯威

(南京模擬技術研究所， 江蘇 南京 210016)

針對衛(wèi)星導航接收系統(tǒng)的動態(tài)故障診斷問題， 提出基于模糊Petri網(wǎng)的故障診斷方法. 在分析衛(wèi)星導航接收系統(tǒng)的故障機理和失效特征的基礎上， 根據(jù)故障模式的重要度， 獲取輸入庫所的相應權值， 然后利用模糊Petri網(wǎng)對衛(wèi)星接收系統(tǒng)的故障進行動態(tài)診斷. 該方法既解決了輸入庫所的權重精確性問題， 又充分利用了模糊Petri網(wǎng)的動態(tài)診斷過程， 提高了故障定位的準確性. 仿真和試驗結果表明該方法有效， 且具有較強的通用性和工程應用價值.

模糊Petri網(wǎng)； 故障診斷； 衛(wèi)星導航接收系統(tǒng)； 故障模式重要度

Abstract: In need of dynamic fault diagnosis for GNSS receiver, Fuzzy Petri Net was proposed. Based on the analysis of the fault mechanism and failure characteristics, the corresponding different weights of Fuzzy Petri Net input arcs were assigned according to fault pattern importance. The dynamic fault diagnosis for GNSS receiver was carried out by using the Fuzzy Petri Net. The method not only solved the accuracy of input arcs, but also made full use of the dynamic diagnosis process of the Fuzzy Petri Net with the fault position correctness improved. Simulation and testing results show that the method was effective and useful in engineering.

Keywords: Fuzzy Petri net; fault diagnosis; GNSS receiver; importance of failure mode

0 引 言

無人直升機具備突出的懸停、 低空低速和良好的機動性能[1-3]， 可以長時間在特定區(qū)域進行監(jiān)控、 取樣、 探測、 中繼等活動. 因此， 隨著航空科學技術的發(fā)展， 無人直升機技術受到越來越多的關注， 并被應用到地理監(jiān)測、 森林防火、 軍事演習等諸多領域， 并攜帶越來越多技術先進、 功能全面、 品質優(yōu)良的高端設備. 這些設備既有保證飛行安全的傳感、 控制、 鏈路設備， 也有為實現(xiàn)任務的載荷設備. 這些設備在提高無人直升機系統(tǒng)性能和任務有效性的同時， 也帶來了系統(tǒng)結構的復雜化， 導致其故障率相應增加， 給系統(tǒng)的測試、 維護和保障帶來不少的問題. 任何存在而又不能被及時發(fā)現(xiàn)的隱藏故障狀態(tài)， 如果不能得到及時糾正， 都會成為無人直升機系統(tǒng)不可靠度的一部分.

衛(wèi)星導航接收系統(tǒng)(Global Navigation Satellite System Receiver， GNSS Receiver)作為無人直升機的重要機載傳感設備之一， 為直升機提供精確的位置、 速度信息， 其可靠性直接關系到飛機是否能夠實現(xiàn)安全起降和飛行. 因此， 一旦出現(xiàn)故障， 了解其故障的動態(tài)傳遞過程， 對其隱形的故障進行準確的診斷和定位， 使無人直升機能夠及時啟動備用傳感設備， 實現(xiàn)安全返航和事后維修等等都有重要的作用. 因而， 研究該設備的準確、 快速的自動故障診斷技術顯得尤為重要.

Petri網(wǎng)理論[4]作為人工智能故障診斷技術， 非常適合描述并列、 次序發(fā)生的故障動態(tài)演變過程， 為提高系統(tǒng)的容錯性， 不少學者將模糊理論[5]和Petri網(wǎng)結合， 對規(guī)則、 變遷置信度等進行了模糊化， 并在多個領域尤其是電力領域的故障診斷方面， 獲得了較為廣泛的運用[6-13]， 但在其它領域的故障診斷中應用較少.

鑒于此， 本文在分析衛(wèi)星導航接收系統(tǒng)的故障機理和失效特征的基礎上， 根據(jù)故障模式的重要度程度， 獲取輸入庫所的相應權值， 然后利用模糊Petri網(wǎng)對衛(wèi)星接收系統(tǒng)的故障進行動態(tài)診斷， 有效解決了輸入庫權值的精確性問題， 提高了算法的適應性， 對故障的快速定位提供依據(jù). 仿真和試驗結果驗證了該方法的有效性.

1 衛(wèi)星導航接收系統(tǒng)故障分析及故障模式重要度獲取

1.1 故障分析

衛(wèi)星導航接收系統(tǒng)通過通信接口， 采用不同標識的報文對外輸出各類數(shù)據(jù)， 其典型故障之間的關系如圖 1 所示.

圖 1 衛(wèi)星導航接收系統(tǒng)故障關系Fig.1 GNSS receiver fault relationship

圖 1 中， 衛(wèi)星導航接收系統(tǒng)的故障主要分為通信故障和報文異常. 通信故障包含通信接口有關的所有硬件和接口故障. 報文異常可分為報文數(shù)據(jù)校驗異常、 數(shù)據(jù)信息異常. 數(shù)據(jù)信息異常又可分為定位標識異常、 時間異常、 經緯度異常、 高度異常、 地速異常、 地速航向異常、 垂速異常. 根據(jù)導航衛(wèi)星系統(tǒng)定位、 定時的基本原理[11]， 衛(wèi)星導航接收系統(tǒng)定位方式為以位置解算為基本， 其他信息在此基礎上獲取. 位置解算需一定數(shù)量的衛(wèi)星， 衛(wèi)星數(shù)量過少將直接導致經緯度數(shù)據(jù)異常， 同時導致其他數(shù)據(jù)異常. 但衛(wèi)星數(shù)量過少并不一定是衛(wèi)星導航接收系統(tǒng)內部故障引起， 也可能是使用條件未滿足要求. 因此， 研究衛(wèi)星導航接收系統(tǒng)故障以搜索到的衛(wèi)星數(shù)量滿足解算要求為前提. 然而， 地速還可以通過多普勒頻移值獲得， 對經緯度和衛(wèi)星數(shù)量的依賴度略低. 為了更清晰地表達衛(wèi)星導航接收系統(tǒng)各故障模式的重要程度， 根據(jù)是否對飛行安全有影響， 將故障模式引起后果的嚴重程度分為高、 中、 低3類， 并列于表 1.

表 1 中， 重要程度“高”， 表示發(fā)生此類故障將影響飛行安全； 重要程度“中”， 表示此類故障可能會影響飛行安全， 但可以由其它傳感設備的數(shù)據(jù)替代或者可以通過其它數(shù)據(jù)解算獲??； 重要程度“低”， 表示此類故障一般不影響飛行安全， 或可以通過其他數(shù)據(jù)解算獲取.

表 1 故障模式與嚴重程度

1.2 故障模式重要度的獲取

為充分利用現(xiàn)有故障分析方法， 將故障樹的定量分析方法引入本文， 用于計算故障模式的重要度. 根據(jù)容斥定理， 故障發(fā)生概率的計算公式為

式中：Q為系統(tǒng)故障發(fā)生概率；Kn為第n個最小割集發(fā)生的概率.

結構重要度計算公式描述為

概率重要度計算公式為

式中：Ii為第i個故障模式的概率重要度；qi為第i個故障模式發(fā)生的概率.

關鍵重要度計算公式為

式中：IIi為第i個故障模式的關鍵重要度， 用于計算庫所的輸入權值.

2 模糊Petri網(wǎng)故障診斷原理

模糊Petri網(wǎng)故障診斷， 其基本結構如圖 2 所示， 可定義為一個8元組[4,6,9,12]

圖 2 模糊Petri網(wǎng)故障診斷的基本模型Fig.2 The basic fuzzy Petri net model

式中：P={p1,p2,…,pn}為庫所的集合， 即故障模式集合；T={t1,t2,…,tn}為變遷的集合， 即故障傳遞路徑節(jié)點；C∶P→T為關聯(lián)矩陣， 用于描述網(wǎng)絡的拓撲結構， 即故障模式和故障傳遞路徑節(jié)點之間的關系. 當庫所pi指向變遷tj， 則cij=-1； 當變遷tj指向庫所pi， 則cij=1； 無聯(lián)系， 則cij=0.；I∶P→T為庫所到變遷的輸入權值矩陣，I=[λij]，λij=[0,1].O∶T→P為變遷到庫所的輸出權值矩陣，O=[Oij]，oij∈[0,1].F={fin,fout}， 為變遷處理函數(shù)集合；fin=cij*λij， 用于計算變遷的輸入概率；fout=cij*oij， 用于計算變遷的輸出概率.Tλ為變遷閾值， 用于判斷變遷是否激發(fā)的門限值.

模糊Petri網(wǎng)的診斷過程為： ① 利用故障分析方法， 并結合實際工程經驗， 獲取故障模式重要度定量數(shù)據(jù)； ② 根據(jù)重要度的不同， 對相應庫所的權重進行賦值； ③ 計算各變遷的輸入概率， 并判斷變遷是否發(fā)生； ④ 求取輸出概率， 并計算下一個庫所的概率， 直至終止庫所， 當最終庫所中概率大于某一數(shù)值時， 則判斷庫所對應的故障模式為真實故障.

3 實例驗證

圖 3 衛(wèi)星導航接收系統(tǒng)的故障診斷模型Fig.3 GNSS receiver Fault diagnosis model

某型無人直升機配備的衛(wèi)星導航接收系統(tǒng)， 故障關系如圖 1 所示， 可得其模糊Petri網(wǎng)故障診斷的模型如圖 3 所示. 圖3中，P1代表衛(wèi)星導航接收機系統(tǒng)故障；P2代表設備通信故障和通信異常；P3代表報文異常；P4代表數(shù)據(jù)校驗錯誤；P5代表信息異常；P6～P13依次代表定位標識異常、 衛(wèi)星數(shù)量異常、 高度異常、 經緯度異常、 狀態(tài)標識異常、 地速異常、 地速航向異常、 垂速異常.

由分析可得， 衛(wèi)星導航接收系統(tǒng)的最小割集與故障模式一致. 根據(jù)實際應用經驗， 各故障模式發(fā)生的概率為

K={0.001,0.003,0.002,0.002,0.002,0.005,0.002,0.004,0.002,0.002}

由此可得各最小割集結構重要度， 則庫所輸入權值和輸出權值， 具體如圖 4 所示.

其中:P6～P13的輸入權重分別為： 0.095,0.095,0.095,0.240,0.095,0.190,0.095,0.095.

圖 4 庫所輸入輸出權值Fig.4 Different weights of input and output arcs

衛(wèi)星導航接收系統(tǒng)的模糊Petri網(wǎng)診斷過程中， 各庫所的重要度歸一化分布如圖 5 所示. 由圖 5 可知， 對于衛(wèi)星導航接收系統(tǒng)， 報文異常為關鍵故障， 信息異常為關鍵庫所， 即關鍵故障， 但兩者為中間故障. 因此對于最終故障模式中， 經緯度異常P9的重要度最高， 表明在所有故障模式中， 此故障為關鍵故障， 結合表1， 此故障發(fā)生時， 對飛行安全影響程度高， 需重點關注.

當系統(tǒng)故障發(fā)生時， 通過模糊Petri網(wǎng)進行故障定位， 若假設P0=[1,0,0,0,0,0,0,0,0,0,0,0,0]T， 且點火都發(fā)生， 由圖 6 清晰可得故障的動態(tài)定位過程， 最終的定位結果也為P9， 即經緯度異常， 表明該方法有效.

圖 5 庫所重要度分布Fig.5 Pattern importance distribution of net places

圖 6 故障的動態(tài)定位過程Fig.6 The dynamic process of fault diagnosis

4 結 論

本文分析了衛(wèi)星導航接收系統(tǒng)的故障機理和失效特征. 根據(jù)對應故障模式的重要度程度， 獲取輸入庫所的相應權值,并利用模糊Petri網(wǎng)對衛(wèi)星接收系統(tǒng)的故障進行動態(tài)診斷， 解決了輸入庫權值的精確性問題， 提高了算法的適應性， 且為故障的快速定位提供方法. 仿真和試驗結果驗證了該方法的有效性.

下一步的研究工作， 將考慮此方法應用于小型無人直升機其他傳感器故障定位的效果.

[1] 吳希明. 高速直升機發(fā)展現(xiàn)狀、 趨勢與對策[J]. 南京航空航天大學學報， 2015, 47(2)： 173-179. Wu Ximing. Current status, development trend and countermeasure for high-speed rotorcaft[J]. Journal of Nanjing University of Aeronautics &Astronautics, 2015, 47(2)： 173-179. (in Chinese)

[2] Azzam A,Wang Xinhua. Quad rotor arial robot dynamic modeling and configuration stabilization[C]. The 2nd International Asia Conference on Informatics in Control, Automation and Robotics. Wuhan, China,2010： 438-444.

[3] David L, Anand S, Rogelio L. Real-time embedded control system for VTOL aircrafts： application to stabilize a quad-rotor helicopter[C]. The 45th IEEE Conference on Decision & Control. Munich, Germany, 2006： 4351-4356.

[4] Xu Luo， Kezunovic M．Implementing fuzzy reasoning Petri-nets for fault section estimation[J]．IEEE Trans on Power Delivery， 2008， 23(2)： 676-685．

[5] LI Xiaoou, Lara-Rosano F. Dynamic knowledge inference and learning under adaptive fuzzy net framework[J]. IEEE Trans on Systems, Man, and Cybernetics： Part C Application and Reviews, 2008, 30(4)： 442-450.

[6] 謝紅濤， 童曉陽. 基于分層模糊Petri網(wǎng)的電網(wǎng)故障綜合診斷方法[J]. 電網(wǎng)技術， 2012， 36(1)： 248-251. Xie Hongtao， Tong Xiaoyang. A method of synthetical fault diagnosis for power system based on fuzzy hierarchical petri net[J]. Power System Technology, 2012， 36(1)： 248-251 . (in Chinese)

[7] Sun Jin, Qin Shiyin, Song Yonghua. Fault diagnosis of electric power systems based on fuzzy Petri nets[J]. IEEE Trans on Power System, 2004, 19(1)： 2053-2059.

[8] 吳雙， 何正友， 錢澄浩， 等. 模糊Petri網(wǎng)在高速鐵路牽引供電系統(tǒng)故障診斷中的應用[J]. 電網(wǎng)技術， 2011， 35(9)： 79-85. Wu Shuang， He Zhengyou， Qian Chenghao， et al. Application of fuzzy Petri net in fault diagnosis of traction power supply system for high-speed railway[J]. Power System Technology, 2011， 35(9)： 79-85 . (in Chinese)

[9] 王磊， 陳青， 高湛軍. 輸電網(wǎng)故障診斷的知識表示方法及其應用[J]. 中國電機工程學報， 2012， 32(4)： 85-92. Wang Lei, Chen Qing, Gao Zhanjun. Representation and application of fault diagnosis knowledge in power transmission grids[J]. Proceeding of the CSEE, 2012,32(4)： 85-92. (in Chinese)

[10] 畢天姝， 楊春發(fā)， 黃少鋒， 等. 基于改進Petri網(wǎng)模型的電網(wǎng)故障診斷方法[J]. 電網(wǎng)技術， 2005, 29(21)： 53-56. Bi Tianshu， Yang Chunfa， Huang Shaofeng， et al. Improved petri net models based fault diagnosis approach for power networks[J]. Power System Technology, 2005, 32(4)： 79-85. (in Chinese)

[11] 楊健維， 何正友. 基于時序模糊Petri網(wǎng)的電力系統(tǒng)故障診斷[J]. 電力系統(tǒng)自動化， 2011, 35(15)： 46-51. Yang Jianwei， He Zhengyou. Power system fault diagnosis approach based on time sequence fuzzy Petri net[J]. Automation of Electric Power Systems， 2011,35(15)： 46-51. (in Chinese)

[12] Chen S M．Weighted fuzzy reasoning using weighted fuzzy Petri nets[J]．IEEE Trans on Knowledge and Data Engineering， 2002， 14(2)： 386-397．

[13] 謝敏， 吳亞雄， 閆圓圓， 等. 基于改進動態(tài)自適應模糊Petri網(wǎng)與BP算法的電網(wǎng)故障診斷[J]. 中國電機工程學報， 2015,35(12)： 3008-3017. Xie Min, Wu Yaxiong， Yan Yuanyuan, et al. Power system fault diagnosis based on improved dynamic adaptive fuzzy Petri nets and back propagation algorithm[J]. Proceeding of the CSEE, 2015, 35(12)： 3008-3017. (in Chinese).

FaultDiagnosisforGNSSReceiverBasedonFuzzyPetriNet

ZHAO Jia, Lü Hong, LIU Bao, YU Zhengwei

(Nanjing Research Institute on Simulation Technique, Nanjing, 210016, China)

1671-7449(2017)05-0438-05

TM93

A

10.3969/j.issn.1671-7449.2017.05.012

2017-03-22

國家高科技研究發(fā)展計劃(863計劃)資助項目(2014AA09A511)

趙 佳(1981-)， 男， 工程師， 博士， 主要從事無人直升機導航與飛行控制技術等研究.