大气数据计算机系统故障诊断研究.pdf

1、设计与研究大气数据计算机系统故障诊断研究马存宝,刘桂荣,周建民,朱道德(西北工业大学航空学院,陕西 西安 710072)Research on the Fault Diagnosis of Model to the Air Data Computer SystemMA Cun-bao,LIU Gui-rong,ZHOU Jian-min,ZHU Dao-de(College of Aeronautics,Northwestern Polytechnical University,Xi?an 710072,China)?摘要:探讨了基于故障传播模型的大气数据计算机系统故障诊断方法,建立了大气数据

2、计算机系统的故障传播模型,给出了大气数据计算机系统故障诊断推理策略,最终验证了模型的有效性和工程实用性。关键词:故障诊断;故障传播;大气数据计算机系统中图分类号:T H765;TP306.3文献标识码:A文章编号:1001-2257(2011)02-0003-04收稿日期:2010-10-18基金项目:国家自然科学基金资助项目(60572173)Abstract:In this paper,the fault diagnosistechnique of model based on fault propagation toADCS is discussed.T he fault propaga

3、tion model ofADCS isconstructed.T he diagnosis reasoningstrategy is proposed.Finally,the validity and engi?neering practicability of the model are verified.Key words:fault diagnosis;fault propagation;air data computer system0?引言大气数据计算机系统(ADCS)已成为一种重要的飞机机载电子设备,其主要任务是实时处理飞机的大气数据信息,即自由气流的静压、总压、高度、升降速度、

4、指示空速、真空速、M 数、大气密度比、总温、静温和攻角等参数,是飞机控制系统、导航系统、火控系统、发动机系统、飞行仪表显示及告警设备不可或缺的信息 1-2。对大气数据计算机系统进行故障诊断方法研究可以实现更好的大气数据计算机系统管理,保障飞机的飞行安全,提高其生存能力。而传统故障诊断方法都是基于经验知识的,需要按照故障隔离手册和维修手册按部就班进行,没有很好地利用机载设备自身结构之间的关联关系。基于故障传播模型的诊断以大气数据计算机系统结构模型、行为模型和功能模型为诊断基础,利用模型自身的知识,很好地解决了机载设备故障传播路径的不惟一性和故障的关联性,并且在缺少经验知识的情况下,可有效地实施诊

5、断。故障传播模型允许多模式系统的失效传播表示,故障传播依赖于系统的当前工作模式,在故障存在的情况下描述系统的行为。本文探讨故障传播模型在大气数据计算机系统故障诊断中的应用。1?大气数据计算机系统介绍大气数据计算机系统是一种多输入多输出的机载综合测量系统,又称大气数据中心仪 3-4。某型大气数据计算机系统交联框图如图 1 所示。图 1?大气数据计算机系统交联框图大气数据计算机基本功能原理:接收全压、静压和大气总温信号,经过计算机解算,通过数字总线显示气压高度、指示空速、最大允许空速、垂直速度、真空速、以 及 总 温 和 静 温 信 号,组 件 之 间 通 过ARINC429 总线和 CSDB 总

6、线进行通信。组成部分 3!机械与电子2011(2)设计与研究大气数据计算机系统故障诊断研究有 2 个静压传感器、2 个总压传感器、2 个迎角传感器、2 个温度传感器、2 个大气数据计算机、2 个气压高度表、2 个空速指示器、1 个温度/真空速指示器和1个预选/警报器。2?故障传播模型故障模式及影响分析 FMEA 与故障树分析FT A 互为逆过程,指在故障分析中,以故障原因为出发点,逐级找出应该发生故障影响,并用相应符号将故障原因和各级故障现象连接起来,是一种因果关系模型 5,可称为故障传播模型。通过故障传播模型,从上往下逐层分解,可以清楚地分析故障产生的原因和故障的传播过程。故障模式和差异之间

7、的因果关系这一现象就称作故障传播。故障传播模型描述故障现象及该故障在 LRU 间的传播关系,类似能量流传播。故障传播模型是一个标记的有向图,是定性的故障模型,允许多模式系统的失效传播表示,故障传播依赖于系统的当前工作模式,在故障存在的情况下描述系统的行为。模型中的边可以限制该系统的运作模式 6。由此得到大气数据计算机系统的一部分故障传播模型(带有关联故障),如图 2 所示。图 2 形象地表示了故障原因与差异之间的相互作用。系统有 7 个组件 ADC,AHC,RTU,DIU,AFD,DCU 和 FCC。有 8 个系统故障模式 TEMPSensor,429Fail,AOA Sensor,Memor

8、y,Static Sen?sor,Manch Bus Fail,Pitot Sensor 和 CSDB Fail。第 1 组件的差 异,ADC 是 SA/T AT,Arinc429,SSEC,True Manch,ALT Computation,IAS Com?putation,Ps Counter 和 Qc Counter;第 2 组件的差异,AHC 是 Data not RCVD or SSM Invalid;第 3组件的差异,RTU 是 429 Bus Input Inactive;第 4组件的差异,DIU 是 Alt Arm 和 Manch Output;第5组件的差异,AFD 是 4

9、29 Bus Inactive;第 6 组件的差异,DCU 是 429 Bus in Fail 和 429 Bus outFail;第 7 组件的差异,FCC 是 CSDB Input Inactive和 Air Data Serial Bus Errors。该系统还包含一个差异 APS CSDB Bus不与任何组件相关联。图 2 中的矩形框代表故障模式,而圆圈代表差异。节点之间的箭头代表故障传播。图 2?大气数据计算机系统的故障传播模型3?基于故障传播的故障诊断方法故障诊断方法如图 3所示。首先故障征兆信息主要由 BIT 信息和现场查验来获取,其次通过征兆建立其故障模型,并建立其邻接矩阵,再

10、进行假设产生与评估,最终得到诊断结果。其中采用了因果网络基于一致性的诊断方法 7,应用匹配准则,运用故障注入法来实现因果关系一致性检验。图 3?基于故障传播的诊断方法3.1?似真准则似真度可理解为告警一致性。实际系统中一个故障模式会产生一个或多个差异,告警一致性是衡量假设可解释当前故障现象的指标,为当前可解释的告警与总激活的告警之比,可作为假设分组的第一指标,聚焦搜索于能解释当前观测的失效模式。在应用时,更多的时候,舍弃似真度不为 100%的故障模式假设集。P(h)=CM(h)CM(h)+IM(h)#100%(1)3.2?简约准则简约覆盖准则一般用于多故障诊断中。简约覆盖准则的应用意味着可能的

11、假设中故障模式假设应为最小,即假设中故障模式数目越少越好。P(h)=IF(h)AF(h)+IF(h)#100%(2)4!机械与电子2011(2)大气数据计算机系统故障诊断研究设计与研究3.3?匹配准则这是一个给定假设期望保持不变的指标,为触发的监测与故障一致情况下所期望触发的监测数目之比:R(h)=CM(h)CM(h)+RNCM(h)#100%(3)由于同一故障模式(原因)与多种征兆形式相对应,若匹配度过低的话,再进一步可结合征兆的虚警率,来排除虚警,可通过设置某个阈值来评判,或者选择匹配度最大的故障模式假设集,更多的时候可设置阈值为 100%。3.4?似然度准则诊断过程中可利用似然度来解决不

12、确定性问题,以此来选取最有可能的诊断。似然度可由故障率求解,故障率指每个故障模式(原因)的发生率(假设它们是随机独立的)。后验概率为:p(X)=p(X)p(Nd)=%ni=1pxii(1-pi)(1-xi)&X Nd,xi X%ni=1pxii(1-pi)(1-xi)(4)X Nd一致的告警(CM),是在故障情况下,与当前失效假设各方面一致的触发的监控告警;不一致的告警(IM),是在故障情况下,与当前失效假设在一个或多个方面不一致的触发的监控告警,如逻辑上不能解释当前假设状态;期望的告警(RNCM),即一个监控与当前的假设状态一致,但还没有触发;激活的故障模式(原因)(AF),即故障模式(原因

13、)是当前假设的一部分;未激活的故障模式(原因)(IF),即故障模式(原因)不是当前假设的一部分 8。4?大气数据计算机系统的故障诊断案例:对于给定一组征兆 SSEC,IAS_Compu?tation,Alt _Computation,T rue_Mach_Fault,Alt _Arm 和 SAT/TAT,其简化的故障传播模型如图 4所示,去除不相关或死节点,这样可节省搜索时间,图 4?简化的故障传播模型提高诊断效率。图 4 包含 5 个故障模式 D2,D3,D4,D5 和 D7,分别代表 Pitot _Sensor_Fail,Static_Sensor_Fail,Memory_Fail,AOA

14、_Sensor_Fail 和T emp_ Sensor _Fail,它们对应的故 障率分别为0?000 039、0.000 061、0.000 029、0.000 078、0.000084。8 个差异 M2,M3,M4,M7,M8,M12,M13 和M17,分别代表 Qc_Count,Ps_Count,SSEC,IAS_Computation,Alt _ Computation,T rue _ Mach _Fault,Alt_Arm 和 SAT/T AT。用邻接矩阵表示各节点之间的关联关系如表 1 所示。表 1?邻接矩阵D2 D3 D4 D5 D7 M2 M3 M4 M 7 M8 M12 M

15、13 M17D20000010000000D30000001000000D40000000111000D50000000100000D70000000100001M20000000010000M30000000011000M40000000000100M70000000000100M80000000000010M120000000000000M130000000000000M170000000000000?采用反向传播、深度优先算法获取原发故障候选集:D2,D3,D4,D5 和 D7,共有 32 组故障模式假设集,如表 2 所示,分别通过前向传播深度优先算法搜索相关联的征兆来产生 32 种假设

16、状态。首先进行似真度检验,剔除 20 组似真度不为100%的假设状态,再对剩余的12组假设状态中的表 2?似真度检验和简约覆盖检验假设集似真度简约度D2,D3,D4,D5,D7?D2,D3,D4,D5,D7?50%?D2,D3,D4,D5?,D733.3%?D2,D3,D4,D5?,D7?50%?D2,D3,D4?,D5,D783.3%?D2,D3,D4?,D5,D7?100%40%D2,D3,D4?,D5?,D783.3%?D2,D3,D4?,D5?,D7?100%60%D2,D3?,D4,D5,D766.6%?D2,D3?,D4,D5,D7?100%40%(5!机械与电子2011(2)设计与研究大气数据计算机系统故障诊断研究故障模式假设根据简约准则,求其简约度,将这 12组故障模式假设集按照简约度大小进行排序,选取简约度最小(40%)的故障模式假设集 D2,D3,D4?,D5,D7?;然后剔除完全包含此最小假设集的其它 3 组假设状态,并提取包含最小故障模式假设的假设状态;再从剩下 8 组中,选取包含简约度最小(40%)的故障模式假设集D2,D3?,D4,D5,D7?的假设状态,然