CN102735485A - 挖掘机以及确定设备故障的方法、系统 - Google Patents

Abstract

本发明提供了挖掘机以及确定设备故障的方法、系统，用以解决现有技术难以快速准确地确定设备的故障的问题。该方法包括：当设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点，当该对应的子节点为末节点时，输出与该末节点相关联的故障的信息；树形数据结构中的根节点为设备，其余每个节点表示设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件。采用本发明的技术方案，有助于快速准确地确定设备的故障。

Description

挖掘机以及确定设备故障的方法、系统

技术领域

本发明涉及设备故障诊断技术领域，特别是涉及一种挖掘机以及确定设备故障的方法、系统。

背景技术

挖掘机是一种常用的工程机械，其组成零部件较多、结构复杂，其中每个组成部分发生故障的类型也较多，因此当挖掘机出现异常时，如何确定其故障成为一个不小的难题。类似地，随着技术的发展，各种设备的复杂度越来越高，相应地当设备出现异常时，确定故障也变得困难。

目前对于设备故障的确定通常是由人员根据设备的技术文档例如使用手册、产品说明书等资料，结合自身经验进行分析，这种方式由于人员经验和精力所限，难以快速准确地确定设备的故障。

发明内容

本发明的主要目的是提供一种挖掘机以及确定设备故障的方法、装置，以解决现有技术难以快速准确地确定设备的故障的问题。

为了实现上述目的，根据本发明的一个方面，提供了一种确定设备故障的方法。

本发明的确定设备故障的方法包括：当所述设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点，当该对应的子节点为末节点时，输出与该末节点相关联的故障的信息；所述树形数据结构中的根节点为所述设备，其余每个节点表示所述设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件。

根据本发明的另一方面，提供了一种确定设备故障的系统。

本发明的确定设备故障的系统包括：确定装置，用于当所述设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点；所述树形数据结构中的根节点为所述设备，其余每个节点表示所述设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件；输出装置，用于当所述确定装置确定的子节点为末节点时，输出与该末节点相关联的故障的信息。

根据本发明的又一方面，提供了一种挖掘机，该挖掘机中设置有本发明的确定设备故障的系统。

根据本发明的技术方案，在子系统的故障与表示该子系统的节点的子节点之间建立了关联关系，这种关联关系主要基于挖掘机的诊断知识，进行故障诊断时按上述关联关系层层搜索直到确定一个具体的零部件，这种方式能够有效利用挖掘机诊断知识并使故障推理具有层次性，提高故障诊断的准确度及显示故障传播路径，从而提高挖掘机诊断与维修效率。

附图说明

说明书附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的确定设备故障的方法的示意图；

图2是根据本发明实施例中挖掘机结构树的示意图；

图3是根据本发明实施例的挖掘机诊断知识树状结构的示意图；

图4是根据本发明实施例的设备故障诊断知识组织管理系统架构的示意图；

图5是根据本发明实施例的确定设备故障的系统的示意图；

图6是根据本发明实施例的基于售后服务数据的工程机械诊断系统架构示意图；

图7是根据本发明实施例的置信度自动计算流程示意图；

图8是根据本发明实施例的挖掘机燃油油位低”故障所涉及的置信度自动计算示意图；

图9是根据本发明实施例的基于售后服务数据的工程机械诊断中置信度自动计算应用系统的数据库结构示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

本实施例中以挖掘机为例进行说明。图1是根据本发明实施例的确定设备故障的方法的示意图，如图1所示，该方法主要包括如下步骤：

步骤S11：保存描述设备结构的树形数据结构。在该树形数据结构中，根节点为挖掘机，其余每个节点表示挖掘机的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件。具体可采用图2所示的设备结构。

图2是根据本发明实施例中挖掘机结构树的示意图。图2中，挖掘机为根节点A，挖掘机包含有子系统例如动力系统、执行机构、液压系统、电气系统等，相应地根节点A也包含多个子节点，例如B1、B2、B3、B4等节点，各子系统之下又包含子系统或设备，例如动力系统中包含冷却系统、燃油系统等；液压系统中包含斗杆半流阀、流量限制阀等设备。挖掘机结构树的末节点为具体的设备，例如图中的D1节点表示冷却管路、D2节点表示冷却器。由于篇幅所限，图2中未示出挖掘机中的所有系统和设备。

按照图2所示的产品结构树，最上层为挖掘机系统节点，最底层为可替换单元，中间为各级部件层。由于产品结构树是按功能隶属关系配置的零部件层次结构，且故障可定义为系统或部件功能的失效或退化，所以这种层次结构较好地反映了产品层次之间故障的因果性，因此基于挖掘机结构树的诊断推理具有层次性。

步骤S13：当设备发生异常时，从根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点。

步骤S15：判断确定的子节点是否为末节点，若是，则进入步骤S17，否则返回步骤S13，并将确定的子节点作为步骤S13中的当前节点进行处理。

步骤S17：输出末节点的故障的信息。本步骤中的末节点即为步骤S15中确定的子节点。

本实施例中，在子系统的故障与表示该子系统的节点的子节点之间建立了关联关系，这种关联关系主要基于挖掘机的诊断知识。根据上述的步骤，可以由计算机根据诊断知识，按挖掘机的设备结构层层深入探寻故障根源，从而快速准确地确定设备的故障。

上述的诊断知识也可以采用树状结构来表示，并且该树状结构从拓扑结构上来说与产品结构树具有一致性。例如挖掘机的产品结构采用图2所示的形式，则包含诊断知识的树状结构如图3，图3是根据本发明实施例的挖掘机诊断知识树状结构的示意图。

如图3所示，每一个节点都以框架形式表示，因此框架名即为节点名，每个框架由状态评估、故障维、维修决策等三个槽组成，其中状态评估主要用于评估零部件当前工作状态，它由可检参数状态、检测方法、故障模式判别等三个槽组成，可检参数主要是指BIT(机内测试)信息以及外接测试仪能检测的信号，检测方法是指采用BIT(机内测试)装置及外接测试仪以某种方法进行参数检测，故障模式判断是依据BIT信息或外接测试仪获取的信号，采用诊断规则得出所检测部件当前所发生的故障模式；故障维中存储了零部件的所有故障，其中每一个故障存储在一个侧面中，每个侧面包含了一个框架，框架中存储了引发该故障的原因。

本实施例中，在子系统的故障与表示该子系统的节点的子节点之间建立的关联关系同样作为诊断知识被保存。例如，针对根节点A进行状态评估，确定存在框架A中的侧面22中的“行走故障”时，则根据已有的故障诊断知识，得知应从发动机方面查找故障，即根节点A中的“行走故障”与A的子节点B1相关联；又如，针对节点B1进行状态评估，确定框架B1中存在侧面21的“发动机无法启动”，则同样根据已有的故障诊断知识，得知应从油箱或滤清器方面查找故障，即节点B1中的“发动机无法启动”与B1的子节点C2相关联。也就是说，上述的关联关系是根据已有的故障诊断知识得出并保存。这样在步骤S13中可以根据挖掘机的异常表现逐级确定节点。仍以上述为例，当挖掘机行走发生异常，然后进行状态评估确定故障为框架A中的“行走故障”，根据该“行走故障”与B1的关联关系，确定子节点B1并针对该子节点B1进行状态评估，发现“发动机无法启动”，即上述的框架B1中的侧面21，然后根据“发动机无法启动”与C2的关联关系，确定子节点C2，再针对C2进行状态评估，确定故障为侧面22中的“滤清器报警”。因C2已是末节点，因此针对C2确定的故障的信息即被输出。人员根据该信息就可以对滤清器进行修理。状态评估时，可以是接收挖掘机内部的测试装置发送的故障的信息，也可以是接收挖掘机外接的测试装置发送的故障的信息。

在实际情况中，一种故障可能是存在多种原因，例如图3中的框架B3、C11、C12、C13所示，如果框架B3中的故障为侧面21中的“压力低”，产生该故障的原因按可能性从高到低分别是斗杆半流阀异常、流量限制阀异常、动臂优先阀异常。对于这种情况，本实施例中，对于故障和子节点的关联关系分配了置信度，置信度可以是一个小数并且大于零，也可以是其他数值，这样，上述关联关系具体成为一个故障与多个子节点相关联，并且该故障与该多个子节点中的各个子节点相关联的置信度各不相同。例如，框架B3中的故障为侧面21中的“压力低”这一故障，与节点C11的关联的置信度为0.8，与节点C12的关联的置信度为0.7，与节点C13的关联的置信度为0.6。这样，当确定与框架B3中的故障为侧面21中的“压力低”这一故障关联的节点时，按置信度从大到小的顺序确定子节点，此时按最高的置信度来确定子节点，即确定出节点C11。

由于节点C11是末节点，因此输出其故障的内容；当用户经过分析斗杆半流阀发现其中并不存在故障时，可以要求重新确定子节点。当用户通过人机界面发送指令选择以C开头的一级子节点时，计算机此时选择相对于节点C11次高的置信度的节点，即节点C12，然后针对节点C12进行状态评估。如果按节点C12进行处理仍不能发现故障，可以继续选择节点C13。如果按节点C13处理依旧不能发现故障，则退回上一级节点，即从B开头的一级节点中选择。这种方式能够全面地检查挖掘机的各个部位，有助于准确地确定故障。

图4是根据本发明实施例的设备故障诊断知识组织管理系统架构的示意图。如图4所示，该组织管理系统架构主要包括数据层、模型层、功能层。模型层为本系统的核心层，模型层中主要包含挖掘机故障诊断知识组织模型，它将数据以合理的形式表达，有利于数据应用；数据层为挖掘机故障诊断知识组织模型提供数据，主要为结构数据、历史故障数据、状态评估数据等；功能层为基于挖掘机故障诊断知识组织模型各种应用，主要为故障诊断、知识查询、知识编辑。

以下对于本实施例中的确定设备故障的装置做出说明。图5是根据本发明实施例的确定设备故障的装置的示意图。如图5所示，确定设备故障的系统50主要包括确定装置51和输出装置52。该装置可以由图4中的功能层的故障诊断模块调用。

确定装置5 1用于当所述设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点；所述树形数据结构中的根节点为所述设备，其余每个节点表示所述设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件。可以从图4中的模型层中调取相关的数据。输出装置52用于当确定装置51确定的子节点为末节点时，输出与该末节点相关联的故障的信息。

确定设备故障的装置50还可以包括保存装置(图中未示出)，用于保存所述关联关系，并且该关联关系包括：一个故障与多个子节点相关联，并且该故障与该多个子节点中的各个子节点相关联的置信度各不相同；这样，确定装置51还可用于确定当前节点的故障，选择与该故障以最高的置信度相关联的子节点。

确定设备故障的系统50还可以包括接收装置(图中未示出)，用于接收用户提供的选择信息，该选择信息指定了一级子节点；这样输出装置52还可用于从该选择信息指定的一级子节点中选择一个子节点，该子节点以相对于所述最高的置信度的次高的置信度与该级子节点的父节点的故障相关联。接收装置可以从图4中的数据层接收数据，例如状态评估数据。另外输出装置52还可以用于接收装置内部的测试装置发送的故障的信息，并且/或者，接收装置外接的测试装置发送的故障的信息。

本实施例中的挖掘机中设置有上述的确定设备故障的系统，这样能够利用该装置快速准确地定位挖掘机的故障。

上述节点关联的置信度(也可以称为规则置信度)具体即指上述节点对应的故障原因的置信度，该置信度可以是本领域的技术人员或专家根据经验设定，也可以根据故障统计数据(例如上述测试装置发送的故障的信息或者之前对该设备发生故障的记录信息)进行设置。为了提高置信度的可靠性，本实施例优选按照下述方式产生该置信度：确定引起当前故障的故障原因总数，并基于该故障原因总数为各个故障原因设置初始置信度；根据故障统计数据对各个故障原因的初始置信度进行修正，得到各个故障原因导致当前故障的实际置信度。其中，故障原因与该设备的节点或子节点相关联。例如：当确定引起当前故障的故障原因总数为a时，可以设置当前故障的各个故障原因的初始置信度均为1/a；如果故障统计数据中第i个故障原因导致当前故障发生次数为T_i，则可以设置当前故障发生次数总和为

设置第i个故障原因的实际置信度为

当然，随着设备的使用，故障统计数据可能随时发生变化，为了提高故障定位的准确度，本实施例对置信度进行了及时更新，具体的更新方式包括：如果故障统计数据中的第j个故障原因导致当前故障发生增加b次，而其它故障原因导致所述当前故障发生次数不变，其中，b为自然数；则更新第j个故障原因的实际置信度为

更新其它故障原因的实际置信度为

k＝1，…，a且k≠j。

上述置信度的产生方式可以基于售后服务数据，利用售后数据中故障统计数据，通过上述方法自动计算出置信度，并随着故障统计数据更新变化，自动更新置信度。这种方式下，可以实现对诊断系统知识库进行动态管理与维护，便于将售后数据中故障诊断所需信息实时动态转化成诊断知识；并利用故障统计数据，如故障模式次数及导致该故障模式的故障原因发生次数等，并通过算法编制，自动获取置信度，达到客观、实时地获取各个故障原因的置信度，提高了工程机械故障诊断的精准性。

基于上述置信度的产生方式，在上述确定设备故障的系统中，该系统还包括：初始置信度产生装置，用于确定引起当前故障的故障原因总数，并基于该故障原因总数为各个故障原因设置初始置信度；实际置信度产生装置，用于根据故障统计数据对各个故障原因的初始置信度进行修正，得到各个故障原因导致当前故障的实际置信度；其中，故障原因与该设备的节点或子节点相关联。

具体地，该初始置信度产生装置包括：初始置信度设置模块，用于当确定引起当前故障的故障原因总数为a时，设置当前故障的各个故障原因的初始置信度均为1/a；实际置信度产生装置包括：实际置信度设置模块，用于如果故障统计数据中第i个故障原因导致当前故障发生次数为T_i，则设置当前故障发生次数总和为

设置第i个故障原因的实际置信度为

随着故障统计数据的更新，该系统还包括：置信度更新装置，用于如果故障统计数据中的第j个故障原因导致当前故障发生增加b次，而其它故障原因导致当前故障发生次数不变，其中，b为自然数；则更新第j个故障原因的实际置信度为

更新其它故障原因的实际置信度为

k＝1，…，a且k≠j。

图6为基于售后服务数据的工程机械诊断系统架构示意图，其主要由故障现象代码读取模块、售后服务信息平台、数据库、规则库、推理机等部分组成。故障现象代码读取模块用于读取工程机械控制系统中PLC(Programmable Logic Controller，可编程逻辑控制器)输出的故障现象代码，该读取过程中，本实施例将USB(User Signaling Bearer，用户信令承载)输出的故障代码数据转为CAN(Customer Access Network，用户接入网)数据；本实施例的售后服务信息平台中以某种特定的形式将售后服务信息录入，便于其转换为诊断规则；数据库中存储了售后服务信息，如故障统计数据等；规则库中存储了诊断规则；推理机中包含了推理算法模型。

基于图6所示的工程机械诊断系统架构示意图，图7给出了具体的置信度自动计算流程示意图，该流程中通过对售后服务数据进行提炼，得到故障模式(即上述故障原因与发生的故障)及其之间的因果关系，对新故障进行编码，并进行故障统计。然后依据故障模式的因果角色，分别导入规则前件与后件，形成新的规则，并输出该规则。同时，得到的故障统计数据，进行置信度的自动计算，其中，置信度的自动计算包括以下步骤：

1)置信度初始化。初始置信度以1为基数，若故障原因数为a(a为自然数)，则每个故障原因导致当前故障发生的置信度为1/a，即上述初始置信度；

2)依据售后的故障统计数据更新故障及其原因发生次数；

3)依据更新的故障及其原因发生次数计算该故障及其原因所关联的置信度(即上述实际置信度)；

若当前故障原因导致其故障发生次数为T_i，则当前故障原因导致当前故障发生次数总和为

若其中某个故障原因导致当前故障发生增加b次(b为自然数)，而其他故障原因导致当前故障发生次数不变，则导致当前故障发生增加b次的该故障原因的置信度为

其它故障原因的置信度为

k＝1，...，a且k≠j；

4)依据上述置信度计算结果自动更新规则库中的置信度，输出该置信度。

本实施例随着从售后数据中获取的故障统计信息更新变化，上述置信度随之自动更新。

图8为挖掘机“燃油油位低”故障所涉及的置信度自动计算示意图，其中，本实施例挖掘机的型号为ZE205E，其故障“燃油油位低”有四个故障原因：“燃油油位＜10％”、“线路故障”、“与柴油传感器串联电阻损坏”、“油位传感器故障”，四个故障原因导致当前故障发生的初始置信度皆为：1/4。

若“燃油油位＜10％”计数+1，则“燃油油位＜10％”导致“燃油油位低”置信度为2/5，其他三个故障原因导致当前故障发生的置信度皆为1/5；若“线路故障”计数+1，则“线路故障”、“燃油油位＜10％”导致“燃油油位低”置信度分别为1/3，“与柴油传感器串联电阻损坏”、“油位传感器故障”导致“燃油油位低”置信度分别为1/6；若“与柴油传感器串联电阻损坏”计数+1，则“燃油油位＜10％”、“线路故障”、“与柴油传感器串联电阻损坏”导致“燃油油位低”置信度分别为2/7，“油位传感器故障”导致“燃油油位低”置信度分别为1/7；若“与柴油传感器串联电阻损坏”计数继续+1，则“燃油油位＜10％”、“线路故障”导致“燃油油位低”置信度分别为0.25，“与柴油传感器串联电阻损坏”导致“燃油油位低”置信度分别为0.375，“油位传感器故障”导致“燃油油位低”置信度分别为0.125。

图9为基于售后服务数据的工程机械诊断中置信度自动计算应用系统的数据库结构示意图，其中故障表与规则表是核心，故障表中存储有故障编码、故障名、故障统计和产品ID等字段，其中故障统计字段用于存储故障模式(即上述故障原因)发生次数，规则表中存储有规则ID、条件编码、结论编码、条件、结论和置信度等字段，其中置信度字段用于存储置信度；该数据结构还包括了用户表和产品表，分别存储用户和产品的相关信息，例如用户表中存储有用户ID、用户名、权限和登陆密码等信息，产品表中存储有产品ID、产品编码、产品名和对应的用户名。

根据本发明的技术方案，在子系统的故障与表示该子系统的节点的子节点之间建立了关联关系，这种关联关系主要基于挖掘机的诊断知识，进行故障诊断时按上述关联关系层层搜索直到确定一个具体的零部件，这种方式能够有效利用挖掘机诊断知识并使故障推理具有层次性，提高故障诊断的准确度及显示故障传播路径，从而提高挖掘机诊断与维修效率。

显然，本领域的技术人员应该明白，上述的本发明的各设备或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路设备，或者将它们中的多个设备或步骤制作成单个集成电路设备来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (16)

1.一种确定设备故障的方法，其特征在于，包括：

当所述设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点，当该对应的子节点为末节点时，输出与该末节点相关联的故障的信息；

所述树形数据结构中的根节点为所述设备，其余每个节点表示所述设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件。

2.根据权利要求1所述的方法，其特征在于，

所述关联关系包括：一个故障与多个子节点相关联，并且该故障与该多个子节点中的各个子节点相关联的置信度各不相同；

所述确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点包括：确定当前节点的故障，选择与该故障以最高的置信度相关联的子节点。

3.根据权利要求2所述的方法，其特征在于，所述输出与该末节点相关联的故障的信息之后还包括：

接收用户提供的选择信息，该选择信息指定了一级子节点；

从所述选择信息指定的所述一级子节点中选择一个子节点，该子节点以相对于所述最高的置信度的次高的置信度与该级子节点的父节点的故障相关联。

4.根据权利要求1或2或3所述的方法，其特征在于，所述确定当前节点的故障包括：接收所述设备内部的测试装置发送的故障的信息，并且/或者，接收所述设备外接的测试装置发送的故障的信息。

5.根据权利要求2或3所述的方法，其特征在于，所述置信度的产生方式包括：

确定引起当前故障的故障原因总数，并基于该故障原因总数为各个故障原因设置初始置信度；

根据故障统计数据对所述各个故障原因的初始置信度进行修正，得到所述各个故障原因导致所述当前故障的实际置信度，其中，所述故障原因与所述设备的节点或子节点相关联。

6.根据权利要求5所述的方法，其特征在于，

所述确定引起当前故障的故障原因总数，并基于该故障原因总数为各个故障原因设置初始置信度包括：当确定引起当前故障的故障原因总数为a时，设置所述当前故障的各个故障原因的初始置信度均为1/a。

7.根据权利要求6所述的方法，其特征在于，

所述根据故障统计数据对所述各个故障原因的初始置信度进行修正，得到所述各个故障原因导致所述当前故障的实际置信度包括：如果故障统计数据中第i个故障原因导致所述当前故障发生次数为T_i，则设置所述当前故障发生次数总和为设置所述第i个故障原因的实际置信度为

8.根据权利要求1至7中任一项所述的方法，其特征在于，所述设备为挖掘机。

9.一种确定设备故障的系统，其特征在于，包括：

确定装置，用于当所述设备发生异常时，从描述设备结构的树形数据结构中的根节点起，按照故障与子节点间的预设的关联关系，逐级确定当前节点的故障以及该故障在当前节点的子节点中对应的子节点；所述树形数据结构中的根节点为所述设备，其余每个节点表示所述设备的一个子系统或一个部件，子节点表示其父节点所表示的系统中的子系统或部件；

输出装置，用于当所述确定装置确定的子节点为末节点时，输出与该末节点相关联的故障的信息。

10.根据权利要求9所述的系统，其特征在于，

所述系统还包括保存装置，用于保存所述关联关系，并且该关联关系包括：一个故障与多个子节点相关联，并且该故障与该多个子节点中的各个子节点相关联的置信度各不相同；

所述确定装置还用于确定当前节点的故障，选择与该故障以最高的置信度相关联的子节点。

11.根据权利要10所述的系统，其特征在于，

所述系统还包括接收装置，用于接收用户提供的选择信息，该选择信息指定了一级

子节点；

所述输出装置还用于从所述选择信息指定的所述一级子节点中选择一个子节点，该

子节点以相对于所述最高的置信度的次高的置信度与该级子节点的父节点的故障相关

联。

12.根据权利要9或10或11所述的系统，其特征在于，所述输出装置还用于接收所述设备内部的测试装置发送的故障的信息，并且/或者，接收所述设备外接的测试装置发送的故障的信息。

13.根据权利要求10或11所述的系统，其特征在于，

所述系统还包括：初始置信度产生装置，用于确定引起当前故障的故障原因总数，并基于该故障原因总数为各个故障原因设置初始置信度；实际置信度产生装置，用于根据故障统计数据对所述各个故障原因的初始置信度进行修正，得到所述各个故障原因导致所述当前故障的实际置信度；其中，所述故障原因与所述设备的节点或子节点相关联。

14.根据权利要求13所述的系统，其特征在于，

所述初始置信度产生装置包括：初始置信度设置模块，用于当确定引起当前故障的故障原因总数为a时，设置所述当前故障的各个故障原因的初始置信度均为1/a。

15.根据权利要求14所述的系统，其特征在于，

所述实际置信度产生装置包括：实际置信度设置模块，用于如果故障统计数据中第i个故障原因导致所述当前故障发生次数为T_i，则设置所述当前故障发生次数总和为

设置所述第i个故障原因的实际置信度为

16.一种挖掘机，其特征在于，所述挖掘机中设置有权利要求9至15中任一项所述的确定设备故障的系统。

Images