功能交聯(lián)條件下飛機(jī)混合增強(qiáng)故障診斷方法

郭文彬， 劉 東， 王宇健

航空工業(yè)沈陽飛機(jī)設(shè)計(jì)研究所,遼寧 沈陽 110035)

飛機(jī)集成了各類功能設(shè)備以滿足不同任務(wù)需求，其組成系統(tǒng)十分復(fù)雜，且系統(tǒng)間交聯(lián)程度高，因而會(huì)產(chǎn)生交聯(lián)故障難以診斷，且對(duì)其隔離存在困難，進(jìn)而會(huì)延長飛機(jī)排故時(shí)間，影響飛機(jī)正常使用。因此，保障任務(wù)完好率需要重點(diǎn)提高飛機(jī)復(fù)雜系統(tǒng)的交聯(lián)故障診斷能力。

目前，飛機(jī)系統(tǒng)普遍采用基于測(cè)試性模型的故障診斷方法[1]，該方法基于故障傳遞關(guān)系，通過描述測(cè)試點(diǎn)與故障的相關(guān)性矩陣，可以診斷飛機(jī)系統(tǒng)是否存在故障，且將故障隔離到LRU級(jí)別，有利于維修時(shí)快速故障定位，在一定程度上節(jié)省了機(jī)務(wù)準(zhǔn)備時(shí)間與保障資源。但由于可靠性、經(jīng)濟(jì)性等因素的限制，無法在每一個(gè)設(shè)備中都設(shè)置測(cè)試點(diǎn)，因此無法做到將故障完全檢測(cè)與隔離。而且，由于飛機(jī)系統(tǒng)功能交聯(lián)情況復(fù)雜，某一分系統(tǒng)中的設(shè)備發(fā)生故障可能由另一分系統(tǒng)內(nèi)部故障造成，需整合多個(gè)分系統(tǒng)測(cè)試性模型進(jìn)行故障診斷，集成時(shí)接口定義困難，可能導(dǎo)致模型建立不準(zhǔn)確。為準(zhǔn)確找到故障源，需對(duì)交聯(lián)故障的故障傳遞路徑中的每部分進(jìn)行狀態(tài)確認(rèn)，排除正常狀態(tài)的設(shè)備。鑒于測(cè)試性模型只能對(duì)一部分設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)，在不增加測(cè)試點(diǎn)的前提下，需對(duì)現(xiàn)有飛機(jī)健康狀態(tài)數(shù)據(jù)進(jìn)行合理利用，建立故障診斷模型，在數(shù)據(jù)層面表征系統(tǒng)健康/故障狀態(tài)，即基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法[2]?；跀?shù)據(jù)驅(qū)動(dòng)的故障診斷方法摒棄了傳統(tǒng)方法中飛機(jī)健康狀態(tài)數(shù)據(jù)僅用于狀態(tài)監(jiān)測(cè)、故障判讀等分系統(tǒng)內(nèi)設(shè)備級(jí)故障診斷，而是有機(jī)結(jié)合用于表征飛機(jī)功能交聯(lián)故障中測(cè)試性模型無法診斷的故障部分，實(shí)現(xiàn)系統(tǒng)可診斷交聯(lián)故障數(shù)量的提升；飛機(jī)結(jié)構(gòu)、系統(tǒng)復(fù)雜，難以使用普通的模型完整表達(dá)系統(tǒng)關(guān)系，基于數(shù)據(jù)驅(qū)動(dòng)的方法不依賴于建立精準(zhǔn)的模型，僅根據(jù)數(shù)據(jù)的情況即可表征系統(tǒng)狀態(tài)，實(shí)現(xiàn)對(duì)系統(tǒng)關(guān)系的精準(zhǔn)把控，且可以根據(jù)數(shù)據(jù)量的增多而不斷更新，使模型更加準(zhǔn)確。

測(cè)試性模型診斷信息、數(shù)據(jù)驅(qū)動(dòng)診斷信息等信息中存在多種異構(gòu)信息，以不同角度表征系統(tǒng)狀態(tài)，各有優(yōu)劣，能診斷的故障種類也不盡相同。二者的SWOT分析[3]如圖1所示，基于模型與數(shù)據(jù)驅(qū)動(dòng)既能相互促進(jìn)，也能相互干擾。若可以將其中的冗余信息剔除，對(duì)互補(bǔ)信息保留加以利用，可進(jìn)一步增加診斷準(zhǔn)確性。因此，在基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法基礎(chǔ)上提出一種將測(cè)試性模型與數(shù)據(jù)驅(qū)動(dòng)方法有機(jī)結(jié)合的故障診斷方法，其融合總體過程如圖2所示。

圖1 基于模型與數(shù)據(jù)驅(qū)動(dòng)優(yōu)劣分析(SWOT)

圖2 信息融合總體過程

混合增強(qiáng)故障診斷方法能將多種故障診斷信息合理利用，實(shí)現(xiàn)交聯(lián)故障診斷能力提升。國內(nèi)外研究人員已將人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、專家系統(tǒng)等方法廣泛應(yīng)用于飛機(jī)系統(tǒng)、飛機(jī)發(fā)動(dòng)機(jī)故障診斷中，并采用D-S證據(jù)理論、貝葉斯理論等方法進(jìn)行融合診斷以提升診斷能力，取得了良好的效果，但尚未有針對(duì)測(cè)試性模型診斷信息融合方面的研究。本文提出了飛機(jī)系統(tǒng)功能交聯(lián)條件下混合增強(qiáng)故障診斷方法，依托現(xiàn)有智能診斷方法理論進(jìn)行研究，依據(jù)分析梳理出的交聯(lián)故障特性和診斷方法的診斷能力設(shè)計(jì)了相應(yīng)診斷策略，并使用作戰(zhàn)飛機(jī)實(shí)際飛行數(shù)據(jù)進(jìn)行驗(yàn)證。所提出的飛機(jī)系統(tǒng)功能交聯(lián)條件下混合增強(qiáng)故障診斷方法將在現(xiàn)有指標(biāo)基礎(chǔ)上進(jìn)一步提升故障檢測(cè)率、隔離率，降低虛警率，為后續(xù)支持維修決策、再次出動(dòng)準(zhǔn)備等活動(dòng)提供可靠的決策依據(jù)，具有重要的軍事和經(jīng)濟(jì)價(jià)值。

1 混合增強(qiáng)故障診斷方法

1.1 基于測(cè)試性模型的故障診斷方法

1.1.1 測(cè)試性模型

目前，飛機(jī)分系統(tǒng)中的故障診斷方法為基于測(cè)試性模型的方法。該方法主要通過描述故障與測(cè)試點(diǎn)間的相關(guān)性關(guān)系，根據(jù)模型中測(cè)試點(diǎn)反映的信息判斷分系統(tǒng)內(nèi)設(shè)備故障發(fā)生情況。設(shè)備故障Fi與測(cè)試點(diǎn)Tj間僅有相關(guān)/不相關(guān)兩類關(guān)系，如果故障Fi發(fā)生后測(cè)試點(diǎn)Tj可檢測(cè)到并報(bào)故，則稱故障Fi與測(cè)試點(diǎn)Tj相關(guān)；如果故障Fi發(fā)生后測(cè)試點(diǎn)Tj無法檢測(cè)到，則故障Fi與測(cè)試點(diǎn)Tj不相關(guān)。依據(jù)故障與測(cè)試點(diǎn)的相關(guān)性關(guān)系，可建立系統(tǒng)相關(guān)性矩陣[4](又稱D矩陣)為

(1)

式中：第i行矩陣為第i個(gè)設(shè)備故障在各個(gè)測(cè)試點(diǎn)的反饋信息，即

Fi=[di1di2…diN]

(2)

式中：第j列矩陣為第j個(gè)測(cè)試點(diǎn)可測(cè)得所有設(shè)備的健康/故障信息，即

Ti=[d1jd2j…dMj]T

(3)

其中，

(4)

其建立過程為：依據(jù)故障與測(cè)試點(diǎn)的相關(guān)性矩陣，采用多信號(hào)流模型，以飛機(jī)型號(hào)診斷能力要求、可靠性要求、故障模式與影響分析(Failure Mode and Effect Analysis,FMEA)、分系統(tǒng)方案等作為輸入，設(shè)計(jì)機(jī)內(nèi)測(cè)試(Buit-In Test,BIT)方案，從而建立測(cè)試性模型。

1.1.2 貝葉斯網(wǎng)絡(luò)診斷

基于測(cè)試性模型構(gòu)建貝葉斯診斷網(wǎng)絡(luò)，采用模糊求解方法進(jìn)行計(jì)算。依據(jù)相關(guān)性矩陣在故障Fi與測(cè)試點(diǎn)Tj間添加連接關(guān)系，當(dāng)dij=1時(shí)相連，如圖3所示。

圖3 診斷貝葉斯網(wǎng)絡(luò)構(gòu)建示例

f*=argmaxP(Fi=f|Ti=t)

(5)

根據(jù)文獻(xiàn)[5]中先驗(yàn)概率計(jì)算方法和貝葉斯條件概率公式，當(dāng)測(cè)試點(diǎn)報(bào)故時(shí)，根據(jù)式(5)計(jì)算出最大后驗(yàn)概率f*對(duì)應(yīng)的單故障/多故障作為基于測(cè)試性模型的故障診斷結(jié)果[5-6]。

1.2 基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法

近年來，由于數(shù)據(jù)驅(qū)動(dòng)方法在模式識(shí)別方面的優(yōu)勢(shì)突顯，因此被研究者廣泛關(guān)注并用于故障診斷研究，常用方法有神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等[7-8]?；跀?shù)據(jù)驅(qū)動(dòng)的故障診斷方法相比于傳統(tǒng)故障診斷方法，無須建立診斷對(duì)象模型，因此在一定程度上避免了因模型建立不準(zhǔn)確導(dǎo)致的誤診和漏檢問題。

基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷部分采用概率神經(jīng)網(wǎng)絡(luò)[9](Probabilistic Neural Network,PNN),如圖4所示。其核心思想是將貝葉斯決策論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過Parzen窗估計(jì)法來估計(jì)樣本總體分布的概率密度函數(shù)，并采用貝葉斯最小風(fēng)險(xiǎn)決策進(jìn)行分類，分類準(zhǔn)確率高。與BP神經(jīng)網(wǎng)絡(luò)相比，PNN無須計(jì)算反向誤差，也無須考慮局部最優(yōu)問題，僅根據(jù)歷史飛機(jī)健康狀態(tài)參數(shù)中的故障數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，即可得到貝葉斯最小風(fēng)險(xiǎn)決策下的最優(yōu)分類結(jié)果。

圖4 PNN結(jié)構(gòu)

1.3 基于D-S證據(jù)理論的混合增強(qiáng)故障診斷方法

D-S證據(jù)理論是由Dempster于1967年最先提出，后經(jīng)過他的學(xué)生Shafer于1976年進(jìn)一步擴(kuò)展并發(fā)展起來的一種不確定性推理方法[10]。該方法不同于貝葉斯概率論，無須知道先驗(yàn)概率，并能直接表達(dá)不確定性。 該方法根據(jù)不同診斷方法的診斷能力將多源信息分別輸入至相應(yīng)診斷模型中，在決策層使用D-S證據(jù)理論融合后，能增強(qiáng)相應(yīng)交聯(lián)故障診斷能力，如圖5所示。

圖5 基于D-S證據(jù)理論的混合增強(qiáng)故障診斷方法

該方法可增強(qiáng)的交聯(lián)故障診斷能力如下。

① 虛警抑制。對(duì)兩種方法產(chǎn)生的一致診斷結(jié)果進(jìn)行故障確認(rèn)，避免虛警產(chǎn)生。

② 模糊組隔離。對(duì)兩種方法診斷產(chǎn)生的模糊組進(jìn)行模糊組隔離，提高故障隔離率。

③ 沖突消解。對(duì)兩種方法產(chǎn)生的不一致診斷結(jié)果進(jìn)行最終診斷，得出確定診斷結(jié)果，提高診斷準(zhǔn)確率。

1.3.1 基本原理

D-S證據(jù)理論基于非空集合θ，其中θ為識(shí)別框架，在飛機(jī)故障診斷中即為分系統(tǒng)中故障模式集合，所有可能產(chǎn)生的單故障、多故障均集合在冪集2θ中。當(dāng)Fi屬于θ中的任意子集，且滿足映射2θ→(0,1)時(shí)，定義其基本概率賦值函數(shù)m(Fi)為

(6)

式中:?為空集；m(Fi)為對(duì)Fi發(fā)生的支持程度，數(shù)值越高，則支持程度越高；式(6)表示識(shí)別框架中的全部集合支持程度之和為1。其信度函數(shù)Bel(Fi)為

(7)

式中：Bel(Fi)為證據(jù)對(duì)Fi為真的信任程度。

其似然函數(shù)Pl(Fi)為

(8)

式中：Pl(Fi)和Bel(Fi)分別為信度函數(shù)的上下限；其信度區(qū)間[Bel(Fi),Pl(Fi)]用于表示診斷結(jié)果的不確定區(qū)間。

1.3.2 融合規(guī)則

D-S證據(jù)理論融合規(guī)則為多證據(jù)兩兩融合。在同一識(shí)別框架θ中給定基于不同證據(jù)的信度函數(shù)，在證據(jù)互相獨(dú)立的前提下，則可根據(jù)融合規(guī)則計(jì)算獲得針對(duì)某一故障Fi發(fā)生的信度函數(shù)。

設(shè)Bel1和Bel2分別為同一識(shí)別框架θ上的兩個(gè)基本概率賦值，基本元素為A1，A2，…和B1，B2，…則按融合規(guī)則進(jìn)行融合后的基本概率賦值為

(9)

式中：k為沖突因子，代表不同證據(jù)間的沖突程度。

(10)

2 基于某型號(hào)飛機(jī)的故障診斷實(shí)例

混合增強(qiáng)故障診斷方法用于某型號(hào)飛機(jī)交聯(lián)系統(tǒng)故障診斷分析過程如圖6所示，根據(jù)飛機(jī)結(jié)構(gòu)、系統(tǒng)功能及分系統(tǒng)間功能交聯(lián)情況進(jìn)行功能交聯(lián)條件下故障傳播影響分析，并依據(jù)不同診斷方法的診斷能力設(shè)計(jì)診斷策略；研究選取基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法，輸入歷史故障數(shù)據(jù)進(jìn)行基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型訓(xùn)練；選取交聯(lián)系統(tǒng)故障信息進(jìn)行模型故障診斷能力驗(yàn)證，當(dāng)系統(tǒng)報(bào)故時(shí)，測(cè)試性模型方法根據(jù)測(cè)試點(diǎn)報(bào)故情況輸出故障信息，數(shù)據(jù)驅(qū)動(dòng)方法根據(jù)飛機(jī)飛行參數(shù)輸出故障信息，后二者進(jìn)行決策層融合，輸出最終故障診斷信息。

圖6 某型號(hào)飛機(jī)混合增強(qiáng)故障診斷方法分析過程

2.1 故障交聯(lián)影響分析

在飛機(jī)運(yùn)行過程中，系統(tǒng)故障可能由多種因素造成，例如剎車系統(tǒng)內(nèi)部，伺服閥輸出壓力不準(zhǔn)確、主機(jī)輪剎車盤磨損、輪胎磨損等均可造成剎車能力下降；同時(shí)，外部系統(tǒng)異常輸入，例如液壓系統(tǒng)輸出壓力低、飛管系統(tǒng)輸出剎車指令錯(cuò)誤等也均可造成剎車能力下降甚至喪失剎車能力的嚴(yán)重后果。因此，對(duì)飛機(jī)交聯(lián)系統(tǒng)進(jìn)行故障診斷技術(shù)研究前，為表征故障傳遞影響，應(yīng)先建立交聯(lián)系統(tǒng)故障傳播模型。

本部分以飛機(jī)剎車系統(tǒng)能力降級(jí)為例，應(yīng)用基于模糊Petri網(wǎng)的故障傳播分析法研究可能使剎車系統(tǒng)能力降級(jí)的故障源。

2.1.1 模糊Petri網(wǎng)

Petri網(wǎng)[11]由德國當(dāng)代數(shù)學(xué)家C.A.Petri定義的一種通用數(shù)學(xué)模型，用于描述存在于條件和事件間的關(guān)系。模糊Petri網(wǎng)為Petri網(wǎng)與知識(shí)表達(dá)的結(jié)合，最早被用于描述模糊生成規(guī)則。在復(fù)雜系統(tǒng)故障診斷中，模糊Petri網(wǎng)采用圖形化的表示方法，展現(xiàn)功能交聯(lián)條件下跨系統(tǒng)間與系統(tǒng)內(nèi)部的故障傳播過程，從而利于后續(xù)故障診斷過程分析和診斷策略分配等工作進(jìn)行。

2.1.2 基于模糊Petri網(wǎng)的故障傳播分析

以某型號(hào)飛機(jī)為例，系統(tǒng)剎車過程一般由指令系統(tǒng)發(fā)出指令、飛管系統(tǒng)控制輸出、液壓系統(tǒng)提供壓力、剎車系統(tǒng)執(zhí)行剎車等交聯(lián)系統(tǒng)工作過程組成。其中，控制輸出部分包括飛管計(jì)算機(jī)、遠(yuǎn)程接口單元等；提供壓力部分包括油箱、液壓泵、油濾和蓄壓器等；執(zhí)行剎車部分包括伺服閥、主機(jī)輪等。為準(zhǔn)確表達(dá)交聯(lián)系統(tǒng)故障傳播流程，定義系統(tǒng)故障傳播模糊Petri網(wǎng)為

M=(P,t)

(11)

式中：P為交聯(lián)系統(tǒng)各部件故障狀態(tài)；t為各個(gè)故障狀態(tài)演變。需要注意的是，因本文僅利用Petri網(wǎng)進(jìn)行交聯(lián)故障傳播模型建立，故僅需定義P、t兩元素。

根據(jù)交聯(lián)系統(tǒng)結(jié)構(gòu)間相互關(guān)系及失效模式影響分析，建立基于模糊Petri網(wǎng)的交聯(lián)系統(tǒng)故障傳播網(wǎng)絡(luò)模型，如圖7所示。

圖7 交聯(lián)系統(tǒng)故障傳播模糊Petri網(wǎng)模型

圖7中交聯(lián)系統(tǒng)故障傳播模型參數(shù)含義如表1所示。

表1 交聯(lián)系統(tǒng)故障傳播模型參數(shù)含義

2.2 診斷策略設(shè)計(jì)

在2.1節(jié)所列故障中，部分設(shè)備已設(shè)置測(cè)試點(diǎn)，可被BIT檢測(cè)；部分設(shè)備可根據(jù)不同傳感器信息變化情況表征其健康/故障狀態(tài)，因而可用數(shù)據(jù)驅(qū)動(dòng)方法檢測(cè)。根據(jù)飛機(jī)故障發(fā)生情況選取典型故障模式進(jìn)行診斷策略設(shè)計(jì)，如表2所示。

表2 診斷策略設(shè)計(jì)

2.3 融合診斷過程

2.3.1 識(shí)別框架

以表2中的故障為輸入,則識(shí)別框架θ=(F0正常,F1輪胎狀態(tài)異常,F2主機(jī)輪剎車盤磨損,F3飛管計(jì)算機(jī)解算故障,F4指令傳感器故障,F5控制電路輸出故障,F6剎車伺服閥線圈故障,F7液壓系統(tǒng)內(nèi)漏)。

2.3.2 診斷結(jié)果

基于PNN的故障診斷方法、基于測(cè)試性模型的故障診斷方法和二者融合的基于D-S證據(jù)理論的融合診斷在MATLAB 2014a環(huán)境下實(shí)現(xiàn)，數(shù)據(jù)來源為某型號(hào)作戰(zhàn)飛機(jī)的飛行相關(guān)數(shù)據(jù)。為使診斷結(jié)果可靠，本文在使用訓(xùn)練數(shù)據(jù)構(gòu)建診斷模型后，將多組驗(yàn)證數(shù)據(jù)代入該模型后取平均值，作為最終診斷結(jié)果。

(1) 測(cè)試性模型診斷結(jié)果。

首先構(gòu)建相關(guān)性矩陣如表3所示，依據(jù)相關(guān)性矩陣構(gòu)建診斷貝葉斯網(wǎng)如圖8所示。

表3 交聯(lián)系統(tǒng)相關(guān)性矩陣

圖8 診斷貝葉斯網(wǎng)絡(luò)模型

其中，測(cè)試點(diǎn)Ti(i=1,2,3,4,5)為某型號(hào)飛機(jī)交聯(lián)系統(tǒng)中所設(shè)測(cè)試點(diǎn)；Fj(j=3,4,5,6,7)為測(cè)試點(diǎn)對(duì)應(yīng)相關(guān)故障。

根據(jù)貝葉斯方法，將所需先驗(yàn)故障概率、測(cè)試點(diǎn)報(bào)故情況代入后，可求得故障概率排序。舉例如表4所示，此時(shí)認(rèn)為故障發(fā)生最大可能性為F1、F2同時(shí)發(fā)生，其次為F2單獨(dú)發(fā)生。

表4 基于測(cè)試性模型的診斷結(jié)果示例

(2) PNN診斷結(jié)果。

將表2中PNN可診斷的4種故障代入PNN網(wǎng)絡(luò)訓(xùn)練故障診斷模型并驗(yàn)證。其診斷準(zhǔn)確率約為92%(24組驗(yàn)證值中，有22組正確識(shí)別)，因此可認(rèn)為PNN故障診斷方法準(zhǔn)確率高，結(jié)果可信。

(3) 融合診斷結(jié)果。

將PNN診斷結(jié)果及測(cè)試性模型診斷結(jié)果在決策層進(jìn)行混合增強(qiáng)故障診斷后，其單故障診斷基本概率分配函數(shù)如表5所示，多故障診斷基本概率分配函數(shù)如表6所示，單故障診斷結(jié)果顯示如表7所示，多故障診斷結(jié)果顯示如表8所示。

表5 單故障診斷基本概率分配函數(shù)

表6 多故障診斷基本概率分配函數(shù)

表7 單故障診斷結(jié)果

表8 多故障診斷結(jié)果

在故障診斷序號(hào)1～5中，依據(jù)診斷策略設(shè)計(jì)進(jìn)行相應(yīng)故障模式診斷，當(dāng)交聯(lián)系統(tǒng)出現(xiàn)F1、F2故障時(shí)，僅能通過PNN檢測(cè)，因此融合結(jié)果為PNN診斷結(jié)果；當(dāng)交聯(lián)系統(tǒng)分別出現(xiàn)F3、F4、F5故障時(shí)，依據(jù)使用的測(cè)試性模型診斷結(jié)果，給出其故障發(fā)生概率為100%，因此融合結(jié)果為測(cè)試性模型方法診斷結(jié)果。本部分實(shí)現(xiàn)不同診斷方法的單獨(dú)診斷融合，并將傳統(tǒng)測(cè)試性模型無法診斷的故障模式實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)診斷及融合診斷。

在故障診斷序號(hào)6、7中，分別為測(cè)試點(diǎn)T1、T2單獨(dú)報(bào)故，傳統(tǒng)測(cè)試性模型方法診斷分別為F6、F7故障，但需考慮虛警可能性。提出的測(cè)試性模型方法診斷分別為F6、F7故障發(fā)生概率100%，PNN方法識(shí)別診斷分別為F6、F7故障，融合診斷結(jié)果分別為F6、F7故障，通過故障確認(rèn)降低了傳統(tǒng)測(cè)試性模型診斷虛警可能性。

在故障診斷序號(hào)8中，測(cè)試點(diǎn)T2、T3、T4、T5同時(shí)報(bào)故，若不考慮虛警情況，則確定發(fā)生故障為F4，模糊組為{F3,F5,F6}，無法進(jìn)一步隔離。將此時(shí)飛機(jī)健康狀態(tài)數(shù)據(jù)代入PNN診斷后，PNN針對(duì)自身可診斷故障，診斷結(jié)果為健康；測(cè)試性模型診斷結(jié)果中，F(xiàn)6故障概率為0，融合診斷共同部分故障為健康。此時(shí)模糊組僅剩下{F3,F5}，PNN診斷方法無法診斷，測(cè)試性模型方法診斷結(jié)果為F3、F4(43.48%);F4、F5(36.23%);F4(15.22%)。融合診斷為F3、F4共同發(fā)生，實(shí)現(xiàn)了模糊組隔離。

在故障診斷序號(hào)9中，測(cè)試點(diǎn)T1、T2同時(shí)報(bào)故，依據(jù)傳統(tǒng)測(cè)試性模型診斷結(jié)果，F(xiàn)7為確定發(fā)生故障，故障無法隔離至F6。PNN方法識(shí)別診斷為F6、F7故障，融合診斷結(jié)果為F6、F7故障，實(shí)現(xiàn)了模糊組隔離。

3 結(jié)束語

針對(duì)飛機(jī)功能交聯(lián)條件下故障診斷需求，提出了一種基于測(cè)試性模型和基于數(shù)據(jù)驅(qū)動(dòng)的初步診斷和基于D-S證據(jù)理論的融合診斷方法，并以某型號(hào)飛機(jī)故障數(shù)據(jù)為例進(jìn)行方法驗(yàn)證。結(jié)果表明，本方法在現(xiàn)有方法故障診斷能力基礎(chǔ)上，能在一定程度上增加系統(tǒng)交聯(lián)功能故障可檢測(cè)故障數(shù)量，提升故障檢測(cè)率；可對(duì)傳統(tǒng)基于測(cè)試性模型方法存在的交聯(lián)功能故障模糊組現(xiàn)象進(jìn)行故障定位，從而提升故障隔離率；將兩種方法形成的一致初步診斷結(jié)果進(jìn)行融合，進(jìn)行故障確認(rèn)，可減少傳統(tǒng)測(cè)試性模型可能導(dǎo)致虛警的情況發(fā)生。