CN103927447B - 一种基于多阶测试门限判别的故障隔离方法 - Google Patents
一种基于多阶测试门限判别的故障隔离方法 Download PDFInfo
- Publication number
- CN103927447B CN103927447B CN201410158704.1A CN201410158704A CN103927447B CN 103927447 B CN103927447 B CN 103927447B CN 201410158704 A CN201410158704 A CN 201410158704A CN 103927447 B CN103927447 B CN 103927447B
- Authority
- CN
- China
- Prior art keywords
- matrix
- fault
- monitoring sign
- exponent number
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Tests Of Electronic Circuits (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开了一种基于多阶测试门限判别的故障隔离方法,包括步骤一:确定产品的监测征兆基线数据;步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵;步骤三:建立各阶测试门限逻辑矩阵;步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵;步骤五:根据综合阶数矩阵进行故障隔离。本发明通过测试门限翻倍的方式,将是否超差的二值逻辑判别细化为不同超差程度的多级判别,可有效实现对超差程度不同的故障进行隔离。
Description
技术领域
本发明涉及一种基于多阶测试门限判别的故障隔离方法,属于故障诊断技术领域。
背景技术
故障隔离技术是故障诊断技术中的重要内容,通过故障隔离可以确定产品发生的具体故障模式。目前,在工程中进行故障诊断常采用基于二值逻辑的检测结果进行故障隔离的技术,即首先对产品相关的征兆进行测试,并根据正常范围判据确定征兆数值是否超出正常范围,由此判断是否有故障发生;然后将各征兆是否超出正常范围逻辑化为“1”和“0”,并根据各故障的征兆逻辑化向量不同的原理进行故障隔离。
这种诊断过程仅考虑了征兆是否超出正常范围的两种情况,没有对超出正常范围的程度进行刻画和利用,会导致超出正常范围且超出程度不同的两个故障模式无法区分,出现故障的模糊隔离。
发明内容
本发明的目的是为了解决上述问题,针对二值逻辑故障隔离技术的不足,提出一种基于多阶测试门限判别的故障隔离方法,首先以多阶测试门限判别为原理,建立综合阶数矩阵;然后,对测取到的征兆数值向量进行变换得到匹配阶数向量,并与综合阶数矩阵进行比对,隔离出发生的故障。
一种基于多阶测试门限判别的故障隔离方法,具体包括以下几个步骤:
步骤一:确定产品的监测征兆基线数据
产品的监测征兆基线数据包括监测征兆变量、变量正常范围判据,其三元组模型如下:
MSD=(S,B,Δ) (1)
其中,MSD代表监测征兆基线数据模型;
S代表监测征兆变量集合;S={sj|j=1~n},sj为第j个监测征兆变量值,n为监测征兆变量总数;
B代表监测征兆变量的基准值集合;B={bj|j=1~n},bj为第j个监测征兆变量的基准值,n为监测征兆变量的基准值总数;
Δ代表监测征兆变量的测试门限集合;Δ=(δj|j=1~n),δj为第j个监测征兆变量的测试门限值,n为监测征兆变量的测试门限总数,监测征兆变量的正常范围判据由sj=bj±δj确定;
步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵
故障—征兆原始矩阵是指产品中各故障模式与各监测征兆之间的数值关系矩阵:
其中,MV代表故障—征兆原始矩阵,即故障模式集合F与监测征兆集合S构成的二元数值关系;
F代表产品的故障模式集合;F={fi|i=1~m},fi为产品的第i个故障模式,m为故障模式总数;
vij代表具体的二元关系值,即第i个故障模式发生后,第j个监测征兆测得的变量数值;
步骤三:建立各阶测试门限逻辑矩阵
测试门限逻辑矩阵是指在规定倍数测试门限条件下,产品的故障模式与各监测征兆之间的逻辑关系矩阵,K阶测试门限逻辑矩阵为:
其中,MLK代表K阶测试门限逻辑矩阵;
代表K阶测试门限条件下,第i个故障模式与第j个监测征兆变量之间的二值逻辑关系:
步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵
将步骤三中得到的每一阶测试门限逻辑矩阵进行累加,得到综合阶数矩阵,综合阶数矩阵的累加公式如下:
MI=ML1+ML2+…+MLK (5)
其中,MI代表综合阶数矩阵,
在得到综合阶数矩阵后,对比综合阶数矩阵的各数值,找到最大数值,作为该矩阵的最大阶,记作rmax;
步骤五:根据综合阶数矩阵进行故障隔离
故障隔离的具体步骤如下:
(1)在产品故障后,测取产品的各监测征兆变量数值,形成数值向量V'=[v'1,v'2,…,v'n];
(2)根据数值向量、基准值、测试门限值,计算得到阶数向量E=[e1,e2,…,en],ej的计算公式如下:
(3)根据最大阶数rmax,将阶数向量E转换为匹配阶数向量E'=[e'1,e'2,…,e'n],转换公式如下:
(4)将匹配阶数向量与综合阶数矩阵中的各行进行对比,当某一行的数值与匹配阶数向量相同时,则该行对应的故障模式为发生的故障模式。
本发明的优点在于:
(1)本发明通过测试门限翻倍的方式,将是否超差的二值逻辑判别细化为不同超差程度的多级判别,可有效实现对超差程度不同的故障进行隔离;
(2)本发明中进行测试门限翻倍的终止条件包括两个:一是不存在模糊隔离的故障,二是翻倍后的测试门限已全部大于故障后征兆的最大数值。因此翻倍次数有限,便于工程应用。
附图说明
图1是本发明的方法流程图;
图2是本发明的建立K阶测试门限逻辑矩阵的流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于多阶测试门限判别的故障隔离方法,流程如图1所示,具体包括以下几个步骤:
步骤一:确定产品的监测征兆基线数据
产品的监测征兆基线数据包括监测征兆变量、变量正常范围判据,其三元组模型如下:
MSD=(S,B,Δ) (1)
其中,MSD代表监测征兆基线数据模型;
S代表监测征兆变量集合;S={sj|j=1~n},sj为第j个监测征兆变量值,n为监测征兆变量总数。
B代表监测征兆变量的基准值集合;B={bj|j=1~n},bj为第j个监测征兆变量的基准值,n为监测征兆变量的基准值总数。
Δ代表监测征兆变量的测试门限集合;Δ=(δj|j=1~n),δj为第j个监测征兆变量的测试门限值,n为监测征兆变量的测试门限总数。监测征兆变量的正常范围判据由sj=bj±δj确定。
根据产品的测试需求文件,确定监测征兆基线数据,并采用表1形式进行描述。
表1监测征兆变量的基线数据
步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵
故障—征兆原始矩阵是指产品中各故障模式与各监测征兆之间的数值关系矩阵,其模型如下:
其中,MV代表故障—征兆原始矩阵,即故障模式集合F与监测征兆集合S构成的二元数值关系。
F代表产品的故障模式集合;F={fi|i=1~m},fi为产品的第i个故障模式,m为故障模式总数。
vij代表具体的二元关系值,即第i个故障模式发生后,第j个监测征兆测得的变量数值。
根据产品的可靠性设计报告,确定产品的故障模式集合,通过仿真或实际故障观测等方式确定故障模式发生后各监测变量的数值,建立故障—征兆原始矩阵,并用表2进行描述。
表2故障—征兆原始矩阵表
步骤三:建立各阶测试门限逻辑矩阵
测试门限逻辑矩阵是指在规定倍数测试门限条件下,产品的故障模式与各监测征兆之间的逻辑关系矩阵,K阶测试门限逻辑矩阵的模型如下:
其中,MLK代表K阶测试门限逻辑矩阵。
代表K阶测试门限条件下,第i个故障模式与第j个监测征兆变量之间的二值逻辑关系:
K阶测试门限逻辑矩阵采用表3进行描述
表3K阶测试门限逻辑矩阵表
如图2所示,建立各阶测试门限逻辑矩阵的步骤如下:
(1)建立1阶测试门限逻辑矩阵
令K=1,代入公式(4),同时根据表1得到bj和δj,根据表2得到vij,将这些数据代入公式(4)得到并填写表3得到1阶测试门限逻辑矩阵。
(2)判断是否需要建立K+1阶测试门限逻辑矩阵比较1阶测试门限逻辑矩阵中逻辑数值不全为0的各故障模式对应行,若存在数值完全相同的两行,则存在不能区分的故障模式,需要进一步建立K+1阶测试门限逻辑矩阵;否则1阶测试门限逻辑矩阵即可区分全部故障模式,实现唯一性故障隔离,无需建立K+1阶以上的测试逻辑矩阵,即建立各阶测试门限逻辑矩阵的过程结束。
(3)建立K+1阶测试门限逻辑矩阵
令K数值加1,执行与步骤(1)相同的计算过程,得到并填写表3得到K+1阶测试门限逻辑矩阵。
(4)对步骤(3)得到的测试门限逻辑矩阵,比较逻辑数值不全为0的各故障模式对应行,当存在数值完全相同的两行,则需要跳转到步骤(3)继续执行。当测试门限逻辑矩阵的各行逻辑数值都为0时,或者不存在数值完全相同的两个非全0行,则建立各阶测试门限逻辑矩阵的过程结束。
步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵
将步骤三中得到的每一阶测试门限逻辑矩阵进行累加,得到综合阶数矩阵。综合阶数矩阵的累加公式如下:
MI=ML1+ML2+…+MLK (5)
其中,MI代表综合阶数矩阵,
在得到综合阶数矩阵后,对比综合阶数矩阵的各数值,找到最大数值,作为该矩阵的最大阶,记作rmax。
综合阶数矩阵可用表4的形式描述。
表4综合阶数矩阵表
步骤五:根据综合阶数矩阵进行故障隔离
故障隔离的具体步骤如下:
(1)在产品故障后,测取产品的各监测征兆变量数值,形成数值向量V'=[v'1,v'2,…,v'n]。
(2)根据数值向量和表1中的基准值和测试门限值,计算得到阶数向量E=[e1,e2,…,en],ej的计算公式如下:
(3)根据表4的最大阶数rmax,将阶数向量E转换为匹配阶数向量E'=[e'1,e'2,…,e'n],转换公式如下:
(4)将匹配阶数向量与综合阶数矩阵中的各行进行对比,当某一行的数值与匹配阶数向量相同时,则该行对应的故障模式为发生的故障模式。
实施例:
以某热力循环系统为案例,进行多阶测试门限判别故障隔离的实施步骤如下。
步骤一:确定产品的监测征兆基线数据
根据热力循环系统的测试需求文件,确定监测征兆基线数据,如表5所示。
表5某热力循环系统监测征兆变量的基线数据
步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵
根据热力循环系统的可靠性设计报告,确定产品的故障模式集合,通过实际故障观测方式确定故障模式发生后各监测征兆变量的数值,填写表6故障—征兆原始矩阵表。
表6某热力循环系统的故障—征兆原始矩阵表
步骤三:建立各阶测试门限逻辑矩阵
(1)建立1阶测试门限逻辑矩阵
令K=1,代入公式(4),同时根据表5得到监测征兆变量的基准值和测试门限值,以及表6得到故障模式发生后的各监测征兆变量数值,将这些数据代入公式(4)得到1阶测试门限逻辑矩阵,如表7所示。
表7某热力循环系统的1阶测试门限逻辑矩阵表
(2)判断是否需要建立2阶测试门限逻辑矩阵,建立2阶测试门限逻辑矩阵
表7中,“压缩机非正常停转”和“压缩机阀片损坏”所在的行相同,即1阶测试门限逻辑矩阵无法区分这两种故障模式,需要建立2阶测试门限逻辑矩阵。
令K=2,执行与步骤(1)相同的计算过程,得到2阶测试门限逻辑矩阵,如表8所示。
表8某热力循环系统的2阶测试门限逻辑矩阵表
表8中,“压缩机非正常停转”和“压缩机阀片损坏”所在的行仍相同,即2阶测试门限逻辑矩阵无法区分这两种故障模式,需要建立3阶测试门限逻辑矩阵。
(3)建立3阶测试门限逻辑矩阵
令K=3,执行与步骤(1)相同的计算过程,得到3阶测试门限逻辑矩阵,如表9所示。
表9某热力循环系统的3阶测试门限逻辑矩阵
表9中,“压缩机非正常停转”和“压缩机阀片损坏”所在的行仍相同,即3阶测试门限逻辑矩阵无法区分这两种故障模式,需要建立4阶测试门限逻辑矩阵。
(4)建立4阶测试门限逻辑矩阵
令K=4,执行与步骤(1)相同的计算过程,得到4阶测试门限逻辑矩阵,如表10所示。
表10某热力循环系统的4阶测试门限逻辑矩阵
此时,“压缩机非正常停转”和“压缩机阀片损坏”所在的行不再相同,满足终止条件中的不存在模糊隔离的故障,不再进行更高阶的计算。
步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵
将步骤三中得到的4个阶次的测试门限逻辑矩阵进行累加,得到综合阶数矩阵,如表11所示。
表11某热力循环系统的综合阶数矩阵表
对比表11中的各数值,找到矩阵的最大阶rmax=4。
步骤五:根据综合阶数矩阵进行故障隔离
故障隔离的具体步骤如下:
(1)在热力循环系统故障后,测取热力循环系统的各监测征兆变量数值,形成数值向量
V'=[36.8,76.1,21.7,8.1,40.4,37.2,5.59,21.5,15.3,5.06]
(2)根据数值向量和表5中的基准值和测试门限值,计算得到阶数向量
E=[16,4,18,10,10,5,3,4,0,0]
(3)根据表11的最大阶数rmax=4,将阶数向量E转换为匹配阶数向量
E′=[4,4,4,4,4,4,3,4,0,0]
(4)将匹配阶数向量与表11综合阶数矩阵中的各行进行对比,发现其与“压缩机阀片损坏”的所在行相同,即发生的故障模式为“压缩机阀片损坏”。
Claims (1)
1.一种基于多阶测试门限判别的故障隔离方法,具体包括以下几个步骤:
步骤一:确定产品的监测征兆基线数据
产品的监测征兆基线数据包括监测征兆变量、变量正常范围判据,其三元组模型如下:
MSD=(S,B,Δ) (1)
其中,MSD代表监测征兆基线数据模型;
S代表监测征兆变量集合;S={sj|j=1~n},sj为第j个监测征兆变量,n为监测征兆变量总数;
B代表监测征兆变量的基准值集合;B={bj|j=1~n},bj为第j个监测征兆变量的基准值,n为监测征兆变量的基准值总数;
Δ代表监测征兆变量的测试门限集合;Δ=(δj|j=1~n),δj为第j个监测征兆变量的测试门限值,n为监测征兆变量的测试门限总数,监测征兆变量的正常范围判据由sj=bj±δj确定;
步骤二:确定产品的故障模式集以及各故障模式的监测征兆数值,构建故障—征兆原始矩阵
故障—征兆原始矩阵是指产品中各故障模式与各监测征兆之间的数值关系矩阵:
其中,MV代表故障—征兆原始矩阵,即故障模式集合F与监测征兆集合S构成的二元数值关系;
F代表产品的故障模式集合;F={fi|i=1~m},fi为产品的第i个故障模式,m为故障模式总数;
vij代表具体的二元关系值,即第i个故障模式发生后,第j个监测征兆测得的变量数值;
步骤三:建立各阶测试门限逻辑矩阵
测试门限逻辑矩阵是指在规定倍数测试门限条件下,产品的故障模式与各监测征兆之间的逻辑关系矩阵,K阶测试门限逻辑矩阵为:
其中,MLK代表K阶测试门限逻辑矩阵;
代表K阶测试门限条件下,第i个故障模式与第j个监测征兆变量之间的二值逻辑关系:
建立各阶测试门限逻辑矩阵的步骤如下:
(1)建立1阶测试门限逻辑矩阵
令K=1,根据公式(4)得到得到1阶测试门限逻辑矩阵;
(2)判断是否需要建立K+1阶测试门限逻辑矩阵
比较1阶测试门限逻辑矩阵中逻辑数值不全为0的各故障模式对应行,若存在数值完全相同的两行,则存在不能区分的故障模式,进一步建立K+1阶测试门限逻辑矩阵;否则1阶测试门限逻辑矩阵能够区分全部故障模式,实现唯一性故障隔离,无需建立K+1阶以上的测试逻辑矩阵,即建立各阶测试门限逻辑矩阵的过程结束;
(3)建立K+1阶测试门限逻辑矩阵
令K数值加1,执行与步骤(1)相同的计算过程,得到得到K+1阶测试门限逻辑矩阵;
(4)对步骤(3)得到的测试门限逻辑矩阵,比较逻辑数值不全为0的各故障模式对应行,当存在数值完全相同的两行,则需要跳转到步骤(3)继续执行;当测试门限逻辑矩阵的各行逻辑数值都为0时,或者不存在数值完全相同的两个非全0行,则建立各阶测试门限逻辑矩阵的过程结束;
步骤四:将各阶测试门限逻辑矩阵进行累加,建立综合阶数矩阵
将步骤三中得到的每一阶测试门限逻辑矩阵进行累加,得到综合阶数矩阵,综合阶数矩阵的累加公式如下:
MI=ML1+ML2+…+MLK (5)
其中,MI代表综合阶数矩阵,
在得到综合阶数矩阵后,对比综合阶数矩阵的各数值,找到最大数值,作为该矩阵的最大阶,记作rmax;
步骤五:根据综合阶数矩阵进行故障隔离
故障隔离的具体步骤如下:
(1)在产品故障后,测取产品的各监测征兆变量数值,形成数值向量V'=[v'1,v'2,…,v'n];
(2)根据数值向量、基准值、测试门限值,计算得到阶数向量E=[e1,e2,…,en],ej的计算公式如下:
(3)根据最大阶数rmax,将阶数向量E转换为匹配阶数向量E'=[e'1,e'2,…,e'n],转换公式如下:
(4)将匹配阶数向量与综合阶数矩阵中的各行进行对比,当某一行的数值与匹配阶数向量相同时,则该行对应的故障模式为发生的故障模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158704.1A CN103927447B (zh) | 2014-04-18 | 2014-04-18 | 一种基于多阶测试门限判别的故障隔离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410158704.1A CN103927447B (zh) | 2014-04-18 | 2014-04-18 | 一种基于多阶测试门限判别的故障隔离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103927447A CN103927447A (zh) | 2014-07-16 |
CN103927447B true CN103927447B (zh) | 2017-02-15 |
Family
ID=51145665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410158704.1A Active CN103927447B (zh) | 2014-04-18 | 2014-04-18 | 一种基于多阶测试门限判别的故障隔离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103927447B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN103196691A (zh) * | 2013-04-08 | 2013-07-10 | 北京航空航天大学 | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 |
-
2014
- 2014-04-18 CN CN201410158704.1A patent/CN103927447B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722471A (zh) * | 2012-05-21 | 2012-10-10 | 北京航空航天大学 | 一种基于综合相关性矩阵的模糊关系矩阵生成方法 |
CN103196691A (zh) * | 2013-04-08 | 2013-07-10 | 北京航空航天大学 | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 |
Non-Patent Citations (2)
Title |
---|
故障诊断策略的优化方法;石君友;《航空学报》;20030531;第24卷(第3期);第212-215页 * |
考虑多故障的测试性建模改进方法;石君友等;《北京航空航天大学学报》;20100331;第36卷(第3期);第270-273页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103927447A (zh) | 2014-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101299004B (zh) | 一种基于确定学习理论的振动故障诊断方法 | |
CN109218114A (zh) | 一种基于决策树的服务器故障自动检测系统及检测方法 | |
CN106443556A (zh) | 电能表智能诊断方法 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN108414896B (zh) | 一种电网故障诊断方法 | |
CN110399986A (zh) | 一种泵站机组故障诊断系统的生成方法 | |
CN105487009A (zh) | 基于k均值的RBF神经网络算法的电机故障诊断方法 | |
CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN102184291A (zh) | 一种针对全测试无反馈系统的系统级故障诊断方法 | |
CN109254219A (zh) | 一种考虑多元因素态势演变的配变迁移学习故障诊断方法 | |
CN107807860A (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN105510729A (zh) | 一种变压器过热故障诊断方法 | |
CN109389325A (zh) | 基于小波神经网络的变电站电子式互感器状态评估方法 | |
CN106546278A (zh) | 验证核安全级仪控平台安全失效率的统计测试装置及方法 | |
CN103927447B (zh) | 一种基于多阶测试门限判别的故障隔离方法 | |
CN107358297A (zh) | 一种状态检测数据的快速索引方法 | |
CN106093626A (zh) | 一种用于诊断crh5型高铁逆变器的微小故障的方法 | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
CN103245373B (zh) | 一种水下机器人传感器故障诊断方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN102778632A (zh) | 对变压器绕组故障类型直接预报和识别的双规识别法 | |
CN103196691A (zh) | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 | |
CN106295712A (zh) | 一种故障检测方法和系统 | |
CN103076556A (zh) | 航电组件功能维护测试点选取方法 | |
CN107727392B (zh) | 基于信号检测和roc分析的状态指数评估和优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |