CN103646104A - 一种强实时故障诊断方法及系统 - Google Patents

Abstract

本发明公开了一种强实时故障诊断方法及系统，涉及工程系统实时故障诊断领域，充分利用了测试过程信息以提高诊断该规则的运算效率。本发明的主要方法包括：对知识库文件中的故障规则进行静态优化，生成优化后的知识库文件；解析优化后的知识库文件，生成动态知识库；根据获取的故障诊断征兆数据搜索动态知识库；在测试和训练时判断故障诊断时间是否超过软时间阈值，若超过软时间阈值，则将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中；在部署使用时判断故障诊断时间是否超过硬时间阈值，如果超过硬时间阈值则终止当前故障诊断。本发明实施例主要用于强实时故障诊断过程中。

Description

一种强实时故障诊断方法及系统

技术领域

本发明涉及工程系统实时故障诊断领域，尤其涉及一种强实时故障诊断方法及系统。

背景技术

安全攸关的工程系统（包括飞机、导弹、卫星、汽车、核电站等）在设计时就使用故障树分析等方法分析、设计系统的可靠性，定型之前必须经过大量的测试，正式部署运行后也需要实时处理运行中出现的故障。实时故障诊断专家系统通常是测试系统和故障诊断与容错控制系统的重要组成部分，通过面向故障树的实时故障诊断专家系统实现系统故障的诊断，实现故障实时定位、隔离和容错控制的目的。

随着工程系统复杂度的提高，实时故障诊断专家系统需要获取和处理的征兆更加丰富，故障规则更加复杂，实时性要求越来越高。通常需要实时故障诊断专家系统灵活地获取故障征兆数据并预处理，能够表达故障规则和专家知识，并且能够实时地诊断并报告故障原因，而且需要监控被诊断系统的状态。

发明人在实施现有技术中的实时故障诊断方法时，发现现有技术中至少存在如下问题：被诊断系统正式部署运行之前进行了大量测试，但是测试产生的信息没有被充分采集和利用，没有用以提高故障诊断的性能，浪费了测试期间的数据积累。

发明内容

鉴于此，本发明实施例提供一种强实时故障诊断方法及系统，来解决以上背景技术部分提到的技术问题。

一方面，本发明的实施例提供一种强实时故障诊断方法，包括：

获取知识库文件，并对知识库文件中的故障规则进行静态优化，生成优化后的知识库文件；

解析优化后的知识库文件，生成动态知识库；

获取故障诊断征兆数据，启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间；

在测试和训练时判断所述故障诊断时间是否超过软时间阈值；

若所述故障诊断时间超过所述软时间阈值，则将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断；

在部署使用时判断故障诊断时间是否超过硬时间阈值，若所述故障诊断时间超过所述硬时间阈值，则终止当前故障诊断，以便重新获取故障诊断征兆数据，并重新进行故障诊断。

另一方面，本发明的实施例提供一种，强实时故障诊断系统，包括：

第一获取模块，用于获取知识库文件；

静态优化模块，用于对所述第一获取模块获取的所述知识库文件中的故障规则进行静态优化，生成优化后的知识库文件；

解析模块，用于解析优化后的知识库文件，生成动态知识库；

第二获取模块，用于获取故障诊断征兆数据；

故障诊断模块，用于启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间；

判断模块，用于在测试和训练时判断所述故障诊断时间是否超过软时间阈值；

更新模块，用于在所述判断模块判定所述故障诊断时间超过所述软时间阈值时，将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断；

所述判断模块还用于，在部署使用时判断故障诊断时间是否超过硬时间阈值；

执行模块，用于在所述判断模块判定所述故障诊断时间超过所述硬时间阈值时，终止当前故障诊断，以便所述第二获取模块重新获取故障诊断征兆数据，进而重新进行故障诊断。

本发明实施例提出的强实时故障诊断方法及系统，在对实时故障进行诊断时，在测试和训练时设置了软时间阈值，对于诊断时间超过软时间阈值的诊断过程，将其前提和结论作为新的规则插入知识库中，充分利用了测试过程信息以提高诊断该规则的运算效率。在部署运行后指定硬时间阈值，对于诊断时间超过硬时间阈值的诊断过程，终止本次诊断以保证实时性和确定性。系统经过覆盖测试后，能够保证所有的故障能够在时间阈值内完成诊断，适合强实时故障诊断。

附图说明

图1为本发明实施例提供的强实时故障诊断方法的流程图；

图2为本发明实施例提供的一种强实时故障诊断系统的组成框图；

图3为本发明实施例提供的另一种强实时故障诊断系统的组成框图；

图4为本发明实施例提供的另一种强实时故障诊断系统的组成框图；

图5为本发明实施例提供的另一种强实时故障诊断系统的组成框图；

图6为本发明实施例提供的一种强实时故障诊断系统统架构图。

具体实施方式

本发明的实施例提供一种强实时故障诊断方法，如图1所示，该方法包括：

101、获取知识库文件，并对知识库文件中的故障规则进行静态优化，生成优化后的知识库文件。

其中，知识库文件包含基本变量、组合变量、确定性事实、非确定性事实、关系事实（使用时态逻辑描述的表示事实之间关系的事实）。

另外，在对知识库文件中的故障规则进行静态优化时，可以采用但不局限于将知识库文件通过有序二叉判定图（Ordered BinaryDecision Diagram,OBDD）算法静态地优化，对此本发明实施例对此不进行限制，也可以采用现有技术中的其他优化方法。

102、解析优化后的知识库文件，生成动态知识库。

其中，解析优化后的知识库文件，生成动态知识库时可以采用但不局限于以下的方法实现，该方法为：解析优化后的知识库文件，获得原始变量、组合变量、故障规则、用户模型规则信息；根据解析出的知识库文件信息构造动态知识库，该动态知识库即为优化后的故障树。

103、获取故障诊断征兆数据，启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间。

104、在测试和训练时判断所述故障诊断时间是否超过软时间阈值；若所述故障诊断时间超过所述软时间阈值，则执行步骤105；若所述故障诊断时间没有超过所述软时间阈值，则执行步骤103。

其中，所述软时间阈值为在进行用例测试的过程中，完成一个测试用例所使用的时间。

105、将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断。

106、在部署使用时判断故障诊断时间是否超过硬时间阈值，若所述故障诊断时间超过所述硬时间阈值，则执行步骤107。

其中，所述硬时间阈值为目标系统完成一个故障诊断的最低时间要求。

107、终止当前故障诊断，并执行步骤103，以便重新获取故障诊断征兆数据，并重新进行故障诊断。

本发明实施例提出的强实时故障诊断方法及系统，在对实时故障进行诊断时，在测试和训练时设置了软时间阈值，对于诊断时间超过软时间阈值的诊断过程，将其前提和结论作为新的规则插入知识库中，充分利用了测试过程信息以提高诊断该规则的运算效率。在部署运行后指定硬时间阈值，对于诊断时间超过硬时间阈值的诊断过程，终止本次诊断以保证实时性和确定性。系统经过覆盖测试后，能够保证所有的故障能够在时间阈值内完成诊断，适合强实时故障诊断。

进一步的，在强实时故障诊断的过程中，知识库规则的设置对故障诊断有着巨大的影响，但是现有技术中在进行知识库的开发时，都很难引用自定义的算法，导致无法表达一些复杂的故障规则，使得对应的故障无法诊断，本发明的实施例针对该问题，引入了用户规则模型，现实对知识库的设置，具体的在获取知识库文件之前还包括：

通过编辑和修改变量库、事实库、用户模型规则、专家规则库、规则解释信息库以及故障征兆数据信息，生成知识库文件；其中，所述用户模型规则引用了用户自定义算法库中函数的规则。

其中，编辑和修改变量库、事实库、用户模型规则、专家规则库、规则解释信息库以及故障征兆数据信息，生成知识库文件，可以通过但不局限于以下的方式实现，具体包括：

在变量库中添加、删除、修改、查找原始变量和组合变量；

在事实库中添加、删除、修改、查找确定性事实、非确定性事实、关系事实；

导入、查找用户自定义模型，使得用户模型可以用于专家规则开发中；

在专家规则库中添加、删除、修改、查找顶事件规则、故障规则、模型规则（包含规则可信度、规则的阈值限度、规则描述、子条件选择），以及元规则（包含规则的阈值限度、故障顶事件、选择的规则和规则描述）；

在规则解释信息库中添加、删除、修改、查找故障顶事件规则、故障规则、模型规则、元规则对应的自然语言解释。

进一步的，在解析优化后的知识库文件，生成动态知识库之后，本发明的实施例还包括：

关联和管理动态变量库、动态事实库以及进程虚拟机，向动态事实库和所述动态知识库中创建、删除以及修改动态事实和动态知识。

其中，在关联和管理动态变量库、动态事实库以及进程虚拟机，向动态事实库和所述动态知识库中创建、删除以及修改动态事实和动态知识时，进程虚拟机负责计算组合变量、用户模型规则、确定性事实，访问通信层服务获取故障征兆数据。

而管理动态变量库向动态知识库中创建、删除以及修改动态知识动态变量具体为：根据原始变量、组合变量的类型、组合运算规则，构造出动态变量库。

管理动态事实库向动态事实库中创建、删除以及修改动态事实库为：根据事实中变量的值域、超差计数方式、断续超差次数、断续超差时间、持续超差时间、累计超差时间等信息构造确定性事实并将确定性事实和非确定性事实入库；另外，根据事实中变量的分布类型、分布函数的参数等信息构造非确定性事实。

进一步的，由于现有技术中故障征兆数据的获取和预处理与诊断系统紧密耦合，功能有限，不利于维护、升级与扩展，本发明的实施例通过设置专门的I/O接口，完成物理量与硬件I/O设备通道的数据相互转换，对于总线数据（如ARINC429/AFDX/CAN等）实现数据打包/解包等。该种方式能够同时处理高速和低速数据、总线与非总线数据等，并包含不同硬件板卡的驱动程序，为获取故障征兆数据和输出故障信息提供访问接口。消除了故障征兆获取、诊断结论输出与故障诊断功能的耦合，进一步扩展了故障诊断的功能及应用，增强了系统的灵活性和实用性。具体包括：

针对具体业务以及不同的通信设备，设置对应的I/O接口实现具体通信，即通过对应的I/O接口获取故障诊断征兆数据，以及在输出故障诊断结果时，通过对应的I/O接口实现诊断故障结果的输出。

本发明的实施例还提供一种强实时故障诊断系统，如图2所示，该装置包括：

第一获取模块21，用于获取知识库文件。

静态优化模块22，用于对所述第一获取模块21获取的所述知识库文件中的故障规则进行静态优化，生成优化后的知识库文件。

解析模块23，用于解析优化后的知识库文件，生成动态知识库。

第二获取模块24，用于获取故障诊断征兆数据；其中，所述第二获取模块24在获取故障诊断征兆数据时具体为：通过对应的I/O接口获取故障诊断征兆数据。

故障诊断模块25，用于启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间。

判断模块26，用于判断所述故障诊断时间是否超过软时间阈值。

更新模块27，用于在所述判断模块26判定所述故障诊断时间超过所述软时间阈值但是没有超过所述硬时间阈值时，将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断。

所述判断模块26还用于，在部署使用时判断故障诊断时间是否超过硬时间阈值.

执行模块28，用于在所述判断模块26判定所述故障诊断时间超过所述硬时间阈值时，终止当前故障诊断，以便所述第二获取模块重新获取故障诊断征兆数据，进而重新进行故障诊断。

进一步的，如图3所示，该强实时故障诊断系统，还包括：

生成模块29，用于在所述第一获取模块21获取知识库文件之前，通过编辑和修改变量库、事实库、用户模型规则、专家规则库、规则解释信息库以及故障征兆数据信息，生成知识库文件，所述用户模型规则引用了用户自定义算法库中函数的规则。

进一步的，如图4所示，该强实时故障诊断系统，还包括：

管理模块210，用于在所述解析模块23解析优化后的知识库文件，生成动态知识库之后，关联和管理动态变量库、动态事实库以及进程虚拟机，向动态事实库和所述动态知识库中创建、删除以及修改动态事实和动态知识。

进一步的，如图5所示，该强实时故障诊断装置，还包括输出模块211，用于通过对应的I/O接口实现诊断故障结果的输出。

需要说明的是，本发明实施例提供的强实时故障诊断系统各组成模块的其他相关描述，可以参考方法中的相应描述，本发明实施例此处将不再赘述。

另外，需要说明的是，上述功能模块可以设置在一个终端装置中，也可以设置在不同的终端装置中，具体的本发明实施例对此不进行限制。

下面将该强实时故障诊断系统的组成模块设置在3个终端装置，并且针对其功能模块进行分层设置为例，进行具体说明。如图6所示，强实时故障诊断系统的系统架构由六层组成：显示控制层、推理层、服务层、运行支持层、知识库开发层、通信层，使用知识库开发计算机开发编辑知识库文件，同时通过实时数据传输物理层及状态监控计算机实现实时数据传输与状态监控，并通过物理I/O接口(AIO/DIO/ARINC429/CAN/AFDX等)实现与系统外部数据交互，从而组成完整的实时故障诊断系统。

显示控制层负责实时故障诊断的状态监视和过程控制。设置了需要监视的征兆数据信息，启动/停止故障诊断运行，显示了被诊断系统的变量信息、诊断结果和诊断过程解释，其包含的模块及功能如下：

控制模块，通过通信层向推理层发送命令，控制其启动诊断或者停止诊断。

显示模块，通过通信层监视征兆变量信息、顶事件信息和故障顶事件信息，显示诊断过程的解释信息。

推理层实现了对故障的强实时诊断、对规则的动态优化。根据测试过程时诊断过程消耗的时间与软时间阈值的比较，自动判断知识库规则中的热点，动态地优化知识库规则，以提高诊断诊断效率，并且根据用户指定的硬时间阈值使用服务层提供的诊断服务，搜索超时后终止当前的诊断。推理层是提升故障诊断专家系统性能的核心，其包含的模块和功能如下：

推理机管理器，根据系统时间判断当前诊断过程是否超过软时间阈值/硬时间阈值，超过硬时间阈值的诊断，由推理机管理器终止当前诊断。

规则动态优化器，优化超过软时间阈值的诊断过程，将诊断过程的结果作为后件，与诊断过程的前件一起生成新的知识库规则文件。

服务层导入外部模型库和知识库文件，其中包含基本变量、组合变量、确定性事实、非确定性事实、关系事实（使用时态逻辑描述的表示事实之间关系的事实），静态地优化规则知识、搜索优化的故障树实现对故障的诊断。服务层是实时故障诊断专家系统故障诊断的核心，其包含的主要模块和功能如下：

规则静态优化器，静态地优化知识库文件中的专家规则，生成优化的知识库文件。

知识库文件解析器，导入并解析优化后的知识库文件，获得原始变量、组合变量、故障规则、用户模型规则信息。

动态知识库管理模块，根据解析出的知识库文件信息构造动态知识库，关联和管理动态变量库、动态事实库、进程虚拟机。

推理机，获得征兆数据，计算变量，搜索动态事实库，产生故障诊断诊断结果和过程信息。

运行支持层提供知识库脚本文件的解释执行器，用于获取征兆数据、计算组合变量、用户模型规则（引用了用户自定义算法库中函数的规则）、确定性事实等，管理动态知识库和动态事实库（包括创建、修改、删除动态知识库和动态事实库，向库中创建、修改、删除动态事实、动态知识），其包含的主要模块和功能如下：

外挂库管理器，将知识库中对外挂库中函数的引用与其在库中的实现相关联。

进程虚拟机，负责计算组合变量、用户模型规则、确定性事实，访问通信层服务获取故障征兆数据。

动态变量库构造器，根据原始变量、组合变量的类型、组合运算规则，构造出动态变量库。

动态事实库构造器，根据事实中变量的值域、超差计数方式、断续超差次数、断续超差时间、持续超差时间、累计超差时间等信息构造确定性事实并将确定性事实和非确定性事实入库；并根据事实中变量的分布类型、分布函数的参数等信息构造非确定性事实。

支持工具集，提供了所需的数据结构和算法工具集。

知识库开发层支持用户开发知识库文件。支持用户编辑和修改变量库、事实库、用户模型规则、专家规则库和规则解释信息库和征兆数据信息（名字、来源、地址、数据类型等信息）。开发出的知识库文件是实时故障诊断系统的核心数据文件。其包含的主要模块和功能如下：

表达式语法分析器，分析计算组合变量和专家规则中的表达式。

变量库开发管理模块，负责在变量库中添加、删除、修改、查找原始变量和组合变量。

事实库开发管理模块，负责在事实库中添加、删除、修改、查找确定性事实、非确定性事实、关系事实。

用户模型开发管理模块，负责导入、查找用户自定义模型，使得用户模型可以用于专家规则开发中。

专家规则库开发管理模块，负责在专家规则库中添加、删除、修改、查找顶事件规则、故障规则、模型规则（包含规则可信度、规则的阈值限度、规则描述、子条件选择），以及元规则（包含规则的阈值限度、故障顶事件、选择的规则和规则描述）。

规则解释信息库开发管理模块，负责在规则解释信息库中添加、删除、修改、查找故障顶事件规则、故障规则、模型规则、元规则对应的自然语言解释。

通信层提供数据通信服务，完成物理量与硬件I/O设备通道的数据相互转换，对于总线数据（如ARINC429/AFDX/CAN等）实现数据打包/解包等。该层能够同时处理高速和低速数据、总线与非总线数据等，并包含不同硬件板卡的驱动程序，为获取故障征兆数据和输出故障信息提供访问接口。其主要功能模块如下：

接口模块，负责加载接口控制文件，并依据该文件的数据配置格式对硬件I/O设备的输入输出流进行配置读取与输出。

硬件I/O调度模块，负责接收硬件接口层发送的激励，完成对各种硬件I/O设备进行读取或写入操作工作。

基于上述结构，强实时故障诊断的方法，简要描述如下：

1、静态优化器将知识库文件通过有序二叉判定图（OrderedBinary Decision Diagram,OBDD）算法静态地优化。

2、知识库文件解析器解析优化后的知识库文件，生成动态知识库；获取诊断的软时间阈值和硬时间阈值。

3、获取故障诊断征兆数据，启动故障诊断。

4、在部署使用时如果故障诊断时间超过硬时间阈值则终止当前诊断，重新获取征兆数据并重新诊断。

5、在测试和训练时如果诊断时间没有超过软时间阈值，则获取新的征兆数据，继续进行下一次故障诊断，否则执行6。

6、将诊断的最终结果作为后件，与诊断的前件一起加入到新的规则库文件中。新规则库文件将与先前的规则库文件一起静态优化，重新解析后继续进行下一次故障诊断。

本发明的实施例，提出了应该充分利用测试过程数据的思想，利用了测试过程数据动态地优化知识库；提出了将静态优化与动态优化相联合的知识库优化算法，进一步提升诊断诊断效率，实现了强实时故障诊断。

并且基于上述分层的强时故障诊断专家系统架构，每一层之间相互配合、相对独立，使配置与维护更加灵活。

进一步的，本发明是实施例利用用户模型规则扩展规则描述能力，利用时态逻辑扩展事实描述能力的方法，拓展了实时故障诊断专家系统的使用范围。

更进一步的，提出了通信层，消除了故障征兆获取、诊断结论输出与故障诊断功能的耦合，进一步扩展了故障诊断的功能及应用，增强了系统的灵活性和实用性。

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 (10)

1.一种强实时故障诊断方法，其特征在于，包括：

获取知识库文件，并对知识库文件中的故障规则进行静态优化，生成优化后的知识库文件；

解析优化后的知识库文件，生成动态知识库；

获取故障诊断征兆数据，启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间；

在测试和训练时判断所述故障诊断时间是否超过软时间阈值；

若所述故障诊断时间超过所述软时间阈值，则将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断；

在部署使用时判断故障诊断时间是否超过硬时间阈值，若所述故障诊断时间超过所述硬时间阈值，则终止当前故障诊断，以便重新获取故障诊断征兆数据，并重新进行故障诊断。

2.根据权利要求1所述的强实时故障诊断方法，其特征在于，在获取知识库文件之前还包括：

通过编辑和修改变量库、事实库、用户模型规则、专家规则库、规则解释信息库以及故障征兆数据信息，生成知识库文件，所述用户模型规则引用了用户自定义算法库中函数的规则。

3.根据权利要求1所述的强实时故障诊断方法，其特征在于，在解析优化后的知识库文件，生成动态知识库之后，还包括：

关联和管理动态变量库、动态事实库以及进程虚拟机，向动态事实库和所述动态知识库中创建、删除以及修改动态事实和动态知识。

4.根据权利要求1-3中任一项所述的强实时故障诊断方法，其特征在于，所述获取故障诊断征兆数据为：

通过对应的I/O接口获取故障诊断征兆数据。

5.根据权利要求4所述的强实时故障诊断方法，其特征在于，还包括：

通过对应的I/O接口实现诊断故障结果的输出。

6.一种强实时故障诊断系统，其特征在于，包括：

第一获取模块，用于获取知识库文件；

静态优化模块，用于对所述第一获取模块获取的所述知识库文件中的故障规则进行静态优化，生成优化后的知识库文件；

解析模块，用于解析优化后的知识库文件，生成动态知识库；

第二获取模块，用于获取故障诊断征兆数据；

故障诊断模块，用于启动故障诊断，根据所述故障诊断征兆数据搜索所述动态知识库，并记录故障诊断时间；

判断模块，用于在测试和训练时判断所述故障诊断时间是否超过软时间阈值；

更新模块，用于在所述判断模块判定所述故障诊断时间超过所述软时间阈值时，将故障诊断的结果作为后件，与故障诊断的前件一起生成新的规则库文件，将所述新的规则库文件加入到知识库文件中，得到更新后的知识库文件，以便解析更新后的知识库文件继续进行下一次故障诊断；

所述判断模块还用于，在部署使用时判断故障诊断时间是否超过硬时间阈值；

执行模块，用于在所述判断模块判定所述故障诊断时间超过所述硬时间阈值时，终止当前故障诊断，以便所述第二获取模块重新获取故障诊断征兆数据，进而重新进行故障诊断。

7.根据权利要求6所述的强实时故障诊断系统，其特征在于，还包括：

生成模块，用于在所述第一获取模块获取知识库文件之前，通过编辑和修改变量库、事实库、用户模型规则、专家规则库、规则解释信息库以及故障征兆数据信息，生成知识库文件，所述用户模型规则引用了用户自定义算法库中函数的规则。

8.根据权利要求6所述的强实时故障诊断系统，其特征在于，还包括：

管理模块，用于在所述解析模块解析优化后的知识库文件，生成动态知识库之后，关联和管理动态变量库、动态事实库以及进程虚拟机，向动态事实库和所述动态知识库中创建、删除以及修改动态事实和动态知识。

9.根据权利要求6-8中任一项所述的强实时故障诊断系统，其特征在于，所述第二获取模块具体为：通过对应的I/O接口获取故障诊断征兆数据。

10.根据权利要求9所述的强实时故障诊断系统，其特征在于，还包括输出模块，用于通过对应的I/O接口实现诊断故障结果的输出。

Images