CN102426332A

CN102426332A - 一种多信号流图的故障排除方法

Info

Publication number: CN102426332A
Application number: CN2011102586127A
Authority: CN
Inventors: 王烽; 杨素娟
Original assignee: CHENGDU QIANGFENG TECHNOLOGY Co Ltd
Current assignee: CHENGDU QIANGFENG TECHNOLOGY Co Ltd
Priority date: 2011-09-04
Filing date: 2011-09-04
Publication date: 2012-04-25

Abstract

本发明提供了一种多信号流图的故障排除方法，多信号流图模型中，检测同一属性或者具有相同激励的测试可以同时被执行，并按此对测试进行分组，在故障排除过程中，按各组能检测出的故障出现的概率大小来决定测试顺序，从而构成了基于测试划分的故障排除方法。该方法最大程度减少了测试时间，并兼顾考虑了故障出现的概率和最少成本。

Description

一种多信号流图的故障排除方法

技术领域

本发明涉及一种多信号流图的故障排除方法，属于信息技术领域。

背景技术

以往的复杂系统故障诊断的建模方法包括定量模型、定性模型、结构模型和信息流模型。其中，采用定量模型和定性模型需要预先知道系统具体的参数，而结构模型建模比较粗糙，信息流模型与实际结构具有明显偏差。在信息流模型中，测试结果只有2种：通过或失败。但在实际情况中，多输出结果的测试会经常出现，这就需要暗含的

处理，或者将其表述为一系列相关的二进制输出的测试。如，对电压的测试，可能有正常、高、低3种结果，该测试可被建模成3种二进制测试(电压正常／否；电压偏高／否；电压偏低／否)。从另一种角度讲，元件或系统的故障空间与功能空间是互补的，其功能空间往往是多维的，所以，故障空间不是二值的，即不是简单的通过／失败的形式，测试要把故障检测出，也必须是多种输出结果的形式。实际中，往往将测试建模成多种二进制输出的形式。如，对一放大电路测试时，因放大器的正常功能要由增益、线性度、信号转换速率和直流偏差4种方面共同表示，所以，其故障空间也是多维的，测试也应被建模成4种二进制测试分别来检测这4个方面是否有故障。基于这一观点，Pattipati K R等人提出了多信号流图模型。

与信息流模型相比，多信号流图模型类似于在结构模型上覆盖一系列单信号依赖模型，既继承了结构模型中不改变系统结构的优点，又利用功能属性信号建立故障模式和测试，克服了信息流模型对故障建模基于经验和推理规则且并不全面的缺点。另外，该模型独立于测试和测试点，增加或去掉对一个信号属性的检测，并不会对模型结构造成任何影响，这为识别从未见过的故障提供了方便。

发明内容

一种多信号流图的故障排除方法，包括以下步骤：

A利用非多余测试优化算法选出测试；

B将检测相同属性的测试和激励相同测试分成一组，由该组测试检测出的故障结论组成分系统，测试时，按具有较高故障概率的分系统依次进行组测试；

所述的测试方法为：在输入端P₁加峰峰值为1 V，频率为1 000 Hz的正弦波，在TP₁点，测试直流电压，检查S₅试输出电压比值，检查S₁；测试谐波失真检查S_2；在输入端P₁施加高频、高幅正弦波并观察正弦波在过零点处斜率检查S_4；在输入端P₁施加不同频率的激励，检测TP₂和TP₁的比值检测S₃。

所述的非多余测试优化算法为：利用各故障结论的测试特征即矩阵中的行向量之间的相异性，可简化测试，选择出非多余测试{T₄, T₅, T₆, T₇, T₁₀}；

所述的确立合适的测试序列来进行故障结论的隔离，即故障隔离策略的优化。由于测试T₄, T₅, T₆, T₇, T₁₀分别对应检测属性S₅，S₃，S₁，S₂的测试和对R₁单独测试，由于对属性S₅，S₁，S₂的检测是在同一输入端施加的同一激励，这样，将测试分成3组：{S₅，S₁，S₂}，S₃和R₁单独测试。由测试组{S₅，S₁，S₂}可检测到R₃(F)，即R₃的功能故障。

结合多信号流图模型中，利用功能属性信号建立故障模式和测试这一特征，凡是检测相同属性的测试势必具有相同的激励和检测手段，可以同时操作；并且，在模型中，所有被定义的测试均在同一输入端施加激励，这样，往往一些使用相同激励的测试也可近似地被认为能够在同一时间被执行。基于此，提出将检测同一属性或具有相同激励测试分组进行测试的故障隔离方法。该方法在兼顾考虑了故障

出现的概率和最少测试硬件增加的条件下，最大程度地减小了测试时间。

附图说明

图1为滤波放大电路图；

图2为图1系统的诊断树。

具体实施方式

测试划分故障隔离方法

以滤波放大电路为例来说明采用多信号流图模型进行测试性建模的过程，电路如图l所示。

与放大器相关联的属性信号：S₁为增益，S₂为线性度，S₄为信号转换速率，S₅为直流偏差；与滤波器相关联的属性信号：，S₃为截止频率；影响各属性信号的部件：电阻R₁//R₂≠R₃、放大器的线性度影响信号S₅，R₄，C₁影响和S₃，R₂/R₁和放大器的开环增益影响前级放大器的增益S₁。检测各属性信号的测试：

1)在输入端P₁加峰峰值为1 V，频率为1 000 Hz的正弦波，在TP₁点，测试直流电压，检查S₅试输出电压比值，检查S₁；测试谐波失真检查S₂。

2)在输入端P₁施加高频、高幅正弦波并观察正弦波在过零点处斜率检查S₄。

3)在输入端P₁施加不同频率的激励，检测TP₂和TP₁的比值检测S₃。

同样，在TP₂和J₁点都可以检测属性信号。为简单计算，此处对TP₂点只检测S₃信号。由此，得到表1的故障结论——测试的依赖关系矩阵，即F—T矩阵。其中，G为一般性故障；F为功能性故障。TP₀处的测试为对电阻R₁的单独测试。

表1 基于多信号流图的F-T矩阵

Figure 2011102586127100002DEST_PATH_IMAGE001

检测相同属性的测试所用的激励相同，检测手段也相同，在测试执行时可认为同一时间完成。激励相同的测试，往往也可近似认为能够在同一时间完成。所以，若测试时，尽量将检测同一属性的测试或具有相同激励的测试分成一组来执行，这样，会节省测试的时间和费用。

基于测试划分的故障隔离方法具体步骤如下：

1）利用非多余测试优化算法选出测试；

2）将检测相同属性的测试和激励相同测试分成一组，由该组测试检测出的故障结论组成分系统，测试时，按具有较高故障概率的分系统依次进行组测试。

利用给出的故障隔离方法对图l中例子进行验证。

1）非多余测试的优化选择

为简化表述，将测试按表l中顺序用T₁，T₂…来表示，并将具有相同测试特征指示的结论划为模糊组，按表1中出现先后顺序用f₁，f₂…来表示，假设此处的模糊组不需要进一步隔离，即不需要增加测试来降低模糊度，得到表2。

表2 符号简化后的F-T矩阵

利用各故障结论的测试特征即矩阵中的行向量之间的相异性，可简化测试，选择出非多余测试{T₄, T₅, T₆, T₇, T₁₀}。表3非多余测试与故障结论的依赖表。

表3 非多余测试与故障结论的依赖关系

Figure 2011102586127100002DEST_PATH_IMAGE003

2）测试的排序即故障隔离策略

测试选好后，要确立合适的测试序列来进行故障结论的隔离，即故障隔离策略的优化。由于测试T₄, T₅, T₆, T₇, T₁₀分别对应检测属性S₅，S₃，S₁，S₂的测试和对R₁单独测试，由于对属性S₅，S₁，S₂的检测是在同一输入端施加的同一激励，这样，将测试分成3组：{S₅，S₁，S₂}，S₃和R₁单独测试。由测试组{S₅，S₁，S₂}可检测到R₃(F)，即R₃的功能故障。这里，假设R₃出现故障的概率最大。则先执行该测试组，得到故障诊断树如图2所示。

图2中，斜画线以上区域的测试可以被看作同时执行，这样，该诊断树的平均步骤为(2+2+2+2+l+2+2+2+3+3)／10=2.l步，测试时间得到大大的缩短，并且，由于使用同一激励的测试同时执行，测试硬件得到节约，测试费用也随之减少。

Claims

1.一种多信号流图的故障排除方法，包括以下步骤：

（A）利用非多余测试优化算法选出测试；

（B）将检测相同属性的测试和激励相同测试分成一组，由该组测试检测出的故障结论组成分系统，测试时，按具有较高故障概率的分系统依次进行组测试。

2. 如权利要求1所述的一种多信号流图的故障排除方法其中测试方法为：在输入端P₁加峰峰值为1 V，频率为1 000 Hz的正弦波，在TP₁点，测试直流电压，检查S₅试输出电压比值，检查S₁；测试谐波失真检查S_2；在输入端P₁施加高频、高幅正弦波并观察正弦波在过零点处斜率检查S_4；在输入端P₁施加不同频率的激励，检测TP₂和TP₁的比值检测S₃。

3. 如权利要求1所述的一种多信号流图的故障排除方法其中非多余测试优化算法为：利用各故障结论的测试特征即矩阵中的行向量之间的相异性，可简化测试，选择出非多余测试{T₄, T₅, T₆, T₇, T₁₀}；所述的确立合适的测试序列来进行故障结论的隔离，即故障隔离策略的优化，由于测试T₄, T₅, T₆, T₇, T₁₀分别对应检测属性S₅，S₃，S₁，S₂的测试和对R₁单独测试，由于对属性S₅，S₁，S₂的检测是在同一输入端施加的同一激励，这样，将测试分成3组：{S₅，S₁，S₂}，S₃和R₁单独测试，由测试组{S₅，S₁，S₂}可检测到R₃(F)，即R₃的功能故障。