CN104076813A - 基于贝叶斯决策树的tcas系统故障综合诊断方法和系统 - Google Patents

Abstract

本发明公开了一种基于贝叶斯决策树的TCAS系统故障综合诊断方法，包含以下步骤：一、使用故障决策树对飞机电子系统故障进行分解，并给出测量方法；二、根据被测量或被控制对象的需要采集电压、电流、频率、谐波、电阻等参数信息并进行模数转换；三、通过电压、电流、频率进行特征提取，根据提取的电源质量的特征、电压或电阻的测量，获取器件的状态信息；四、通过基于统计的贝叶斯决策方法判断单个器件的故障；五、应用面向对象的决策树进行故障部位的推理，逐个排除故障，进行故障定位；六、输出检测结果。本发明可在排故同时检测飞机可能存在的隐患，实现了以工业控制机为主机的TCAS电子系统故障诊断系统。

Description

基于贝叶斯决策树的TCAS系统故障综合诊断方法和系统

技术领域

本发明属于飞机航电系统故障诊断领域，特别涉及基于贝叶斯决策树的TCAS系统故障综合诊断方法。

背景技术

TCAS系统是现代飞机的重要机载电子设备，其复杂的系统交联和内部构造，对系统维护和故障排除提出了很高的要求。TCAS系统对信号的灵敏度和精度有很高的要求，大量的数据计算是其提供高精度电子识别的基础，再加上机上复杂恶劣的电磁环境，造成了各型飞机上TCAS系统故障率相对较高的情况。因此它的排故也是一个比较复杂的过程。通过对它的常见故障的分析，一般有电源故障、线路故障和组件损坏等。

传统的故障诊断方法主要是依靠传统手工进行故障诊断的方法，已难以满足要求。如何以计算机和人工智能技术为核心的先进诊断技术，来实现机载系统自动检测和故障诊断，是快速恢复、持久保持系统可靠性和安全性的重要手段。

发明内容

针对现有技术的不足，本发明的发明目的在于提供一种基于贝叶斯决策树的TCAS系统故障综合诊断方法，使用防脉冲干扰滤波算法、离散傅立叶变换和特征提取实现了对电源数据和电阻的采集和处理，而后统一通过基于统计的贝叶斯决策，实现器件的故障识别，并使用面向对象的决策树，实现了系统故障的定位和隔离。

本发明的发明目的通过以下技术方案实现:

一种基于贝叶斯决策树的TCAS系统故障综合诊断方法，包含以下步骤：

步骤一、使用故障决策树对飞机电子系统故障进行分解，并给出测量方法；

步骤二、根据被测量或被控制对象的需要采集电压、电流、频率、谐波、电阻等参数信息并进行模数转换；

步骤三、通过电压、电流、频率进行特征提取，根据提取的电源质量的特征、电压或电阻的测量，获取器件的状态信息；

步骤四、通过基于统计的贝叶斯决策方法判断单个器件的故障，；

步骤五、应用面向对象的决策树进行故障部位的推理，逐个排除故障，进行故障定位；

步骤六、输出检测结果。

优选地，所述频率、谐波通过离散傅立叶变换获得。

优选地，离散傅立叶变换前先使用数字滤波器通过防脉冲干扰滤波算法进行频率校准。

依据上述特征，所述贝叶斯决策方法具体为：

设e表示故障，s表示正常，f表示建议更换，并且先验概率p(e)、p(s)和p(f)通过经验获取，设条件概率p(x|e)、p(x|s)和p(x|f)为正态分布，并通过参数估计得出，判别函数为：

$\left\{\begin{array}{c}{g}_e\left(x\right)=p\left(x\right|e)p\left(e\right)\\ g_s\left(x\right)=p\left(x\right|s)p\left(s\right)\\ g_f\left(x\right)=p\left(x\right|f)p\left(f\right)\end{array}\right.,$

则判别规则为：

$x\∈\left\{\begin{array}{cc}e& g_e\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\\ s& g_s\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right)).\\ f& g_f\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\end{array}\right.$

本发明的另一目的在于提供一种基于贝叶斯决策树的TCAS系统故障综合诊断系统，包含采集卡控制模块，数据预处理模块，数据存储模块，逻辑模块和交互界面模块，其特征在于：

所述采集卡控制模块用于将采集到的电压、电流信号进行模数转换；

所述数据预处理模块用于根据被测量或被控制对象的需要对采集到的数据进行特征提取，根据提取的电源质量的特征、电压或电阻的测量，获取器件的状态信息；以及通过基于统计的贝叶斯决策方法判断单个器件的故障；

所述逻辑模块对系统内部故障结构采用面向对象的决策树进行故障部位的推理，逐个排除故障，进行故障定位；

所述数据存储模块用于存储各个模块的处理结果；

交换界面模块用于显示与输出故障定位的结果，并提供人机数据交互处理的结果。

优选地，所述数据预处理模块通过防脉冲干扰滤波算法和离散傅立叶变换获取电源特征。

本发明可在排故同时检测飞机可能存在的隐患，实现了以工业控制机为主机的TCAS电子系统故障诊断系统。通过仿真实验证明，该设计具有较强的可扩展性和维护性，具有较强使用价值。

附图说明

图1是飞机TCAS故障决策树示意图；

图2是本发明基于贝叶斯决策树的TCAS系统故障综合诊断方法的流程示意图；

图3是系统硬件设计电压输入通道实现图；

图4是系统硬件设计电阻测量输入通道实现图；

图5是本发明基于贝叶斯决策树的TCAS系统故障综合诊断系统的结构示意图；

图6是数据存储ORM图。

具体实施方式

下面结合附图对本发明作进一步的详细描述。

通过对TCAS系统的常见故障的分析，本发明提出一种基于贝叶斯决策树的飞机故障诊断设计思路，通过飞机电子系统的常见故障原因分析，主要采用软件硬件相结合的思路检测潜在隐患。使用防脉冲干扰滤波算法、离散傅立叶变换和特征提取实现了对电源数据和电阻的采集和处理，而后统一通过基于统计的贝叶斯决策，实现器件的故障识别，并使用面向对象的决策树，实现了系统故障的定位和隔离。

如图5所示，本发明整体通过模块化设计方法，可在排故同时检测可能的隐患，实现了基于贝叶斯决策的飞机系统故障综合诊断方法的设计，包含有采集卡控制模块，数据预处理模块，数据存储模块，逻辑模块和交互界面模块。。

如图2所示，本发明的具体步骤组成如下：

(1)故障分析

本步骤由逻辑模块实现，使用故障决策树对飞机电子系统故障进行分解，并给出测量方法。

图1是飞机TCAS故障决策树示意图，这里列出了TCAS系统的常见故障及测量方法。TCAS有电源、天线、模拟、离散接口和程序销钉,还有数字接口，因为数字接口通过ARINC735A标准定义，而物理连接是ARINC429高速输入通道，这里只检测TCAS系统中的电源、天线、模拟、离散接口和程序销钉等部分。TCAS计算机自检时能给出一些检测信息，这里列出常见故障决策树如图1。此外，抑制总线检测故障直接检测连接TCAS计算机、ATC应答机和DME测距机这几套设备的抑制线电阻。

(2)参数获取

本步骤由采集卡控制模块和采集卡实现。通过测量电源和电阻可为程序的故障诊断提供依据。因为电源质量直接关系到系统能否正常运行，电压、电流、频率是三个基本参数，此外，还有一谐波含量等参数需要得到,可以通过直接测量和间接测量的方法。电压和电流可通过数据采集卡直接获得。

如图3所示为本发明的电源输入通道结构图，包括：信号调理电路、数据采集卡和工控机。采用工控机和数集采集卡构成模拟量输入通道，通过测量电压和电阻为程序的故障诊断提供依据。这里使用凌华PCI-981220MHz同步4通道模拟量输入卡，有20MHz采样频率，由香农采样定理可知最大无失真处理10MHz的信号，足够检测TCAS上400Hz的交流电源的。由于TCAS上电源是115伏400Hz交流电，远超过PCI-9812的A/D转换器输入范围，因此必须通过调理电路。

如图4所示为本发明的电阻测量输入通道实现图。由于线路的电阻、继电器、接触器、按钮、开关等触点的接触电阻常是毫欧(1.5-150mΩ)，而天线连接的电阻的阻值也很低，因此使用恒流源四引线法测量电阻。

采集卡控制模块是模拟量到数字量的转换(A/D转换)，把数字量送入计算机，它关系到整个系统的精度、准确性、实时性等，数据采集控制包括电阻信号与电源信号的采集，并进行A/D转换和数据存储，每个模拟量通道提供一个转换器。

(3)提取电源质量的特征，获取器件的状态信息。

本步骤主要由数据预处理模块来实现。数据预处理模块是整个系统的关键部分，主要是根据被测量或被控制对象的需要对采集到的数据进行各种数学上的运算或分析。数据存储模块把处理后的数据保存到数据库中。

电源质量直接关系到TCAS系统能否正常运行，电压、电流、频率是三个基本参数，除外，还有一谐波含量等参数需要得到,这里通过间接测量获得。频率和谐波含量分析采用离散傅立叶变换获得：

$\left\{\begin{array}{c}X\left(k\right)=\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}x\left(n\right)e^{-j\frac{2\mathrm{\π}}{N}\mathrm{nk}}\\ x\left(n\right)=\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}X\left(k\right)e^{-j\frac{2\mathrm{\π}}{N}\mathrm{nk}}\end{array}\right.$

由于直流脉动的频率范围很宽，为了防止频域混叠，比较准确测量这些数据，需要使用数字滤波器进行滤波(防脉冲干扰滤波算法)：

$x=\frac{1}{N-2}(\underset{i=0}{\overset{N}{\mathrm{\Σ}}}{x}_i-\max \left(x_i\right)-\min \left(x_i\right)),$

特征提取需获取频率中心C和频率纯度W，分别定义为：

$\left\{\begin{array}{c}C=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}k\·\left|\right|X\left(k\right)\left|\right|/\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\left|\right|X\left(k\right)\left|\right|\\ W=\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}|k-C|\·\left|\right|X\left(k\right)\left|\right|/\underset{k=0}{\overset{N-1}{\mathrm{\Σ}}}\left|\right|X\left(k\right)\left|\right|\end{array}\right..$

通过检测电源质量的特征提取、电压或电阻的测量，获取器件的状态。

故障诊断就是建立一个从故障征兆到故障类型的映射函数，其实质是根据属性变量(故障征兆)确定类变量(故障类型)的分类过程。贝叶斯网络决策以贝叶斯定理为理论基础，将事件的先验概率与后验概率联系起来，利用先验信息和样本数据确定事件的后验概率。

通过检测电源质量的特征提取、电压或电阻的测量，能获取器件的状态，进一步的故障判断是通过基于统计的贝叶斯决策方法判断。设e表示故障，s表示正常，f表示建议更换，并且先验概率p(e)、p(s)和p(f)通过经验获取。由于条件概率p(x|e)、p(x|s)和p(x|f)各类的值都较多分布在均值周围，设它们是正态分布，并通过参数估计得出。判别函数为：

$\left\{\begin{array}{c}{g}_e\left(x\right)=p\left(x\right|e)p\left(e\right)\\ g_s\left(x\right)=p\left(x\right|s)p\left(s\right)\\ g_f\left(x\right)=p\left(x\right|f)p\left(f\right)\end{array}\right.,$

则判别规则为：

$x\∈\left\{\begin{array}{cc}e& g_e\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\\ s& g_s\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right)).\\ f& g_f\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\end{array}\right.$

通过上面算法可以判断单个器件的故障。

(4)贝叶斯决策树处理流程

本步骤由逻辑模块实现。从前面对TCAS常见故障的分析可知，需要一个故障推理机制来逐个排除故障，从上面分析可知，它们具有树状组织结构，并且为了可扩展性，使用面向对象的决策树结构进行组织。将各个决策树节点的属性和方法进行封装。

图6为节点存储格式图。软件界面设计方式是按照向导模式设计，能使故障隔离和排除过程更加友好和便捷。为了便于决策树的维护，这里将整个决策树的数据存储于面向对象的轻量级数据库XML文件中。

数据存储模块把处理后的数据保存到数据库中。

交换界面模块就是显示与输出数据处理的结果并提供人机数据交互处理的结果。

Claims (6)

1.一种基于贝叶斯决策树的TCAS系统故障综合诊断方法，包含以下步骤：

步骤一、使用故障决策树对飞机电子系统故障进行分解，并给出测量方法；

步骤二、根据被测量或被控制对象的需要采集电压、电流、频率、谐波、电阻等参数信息并进行模数转换；

步骤三、通过电压、电流、频率进行特征提取，根据提取的电源质量的特征、电压或电阻的测量，获取器件的状态信息；

步骤四、通过基于统计的贝叶斯决策方法判断单个器件的故障，；

步骤五、应用面向对象的决策树进行故障部位的推理，逐个排除故障，进行故障定位；

步骤六、输出检测结果。

2.根据权利要求1所述的TCAS系统故障综合诊断方法，其特征在于所述频率、谐波通过离散傅立叶变换获得。

3.根据权利要求2所述的TCAS系统故障综合诊断方法，其特征在于在离散傅立叶变换前先使用数字滤波器通过防脉冲干扰滤波算法进行频率校准。

4.根据权利要求1所述的TCAS系统故障综合诊断方法，其特征在于所述步骤四中贝叶斯决策方法具体为：

设e表示故障，s表示正常，f表示建议更换，并且先验概率p(e)、p(s)和p(f)通过经验获取，设条件概率p(x|e)、p(x|s)和p(x|f)为正态分布，并通过参数估计得出，判别函数为：

$\left\{\begin{array}{c}{g}_e\left(x\right)=p\left(x\right|e)p\left(e\right)\\ g_s\left(x\right)=p\left(x\right|s)p\left(s\right)\\ g_f\left(x\right)=p\left(x\right|f)p\left(f\right)\end{array}\right.,$

则判别规则为：

$x\∈\left\{\begin{array}{cc}e& g_e\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\\ s& g_s\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right)).\\ f& g_f\left(x\right)=\max (g_e\left(x\right),g_s\left(x\right),g_f\left(x\right))\end{array}\right.$

5.一种基于贝叶斯决策树的TCAS系统故障综合诊断系统，包含采集卡控制模块，数据预处理模块，数据存储模块，逻辑模块和交互界面模块，其特征在于：

所述采集卡控制模块用于将采集到的电压、电流信号进行模数转换；

所述数据预处理模块用于根据被测量或被控制对象的需要对采集到的数据进行特征提取，根据提取的电源质量的特征、电压或电阻的测量，获取器件的状态信息；以及通过基于统计的贝叶斯决策方法判断单个器件的故障；

所述逻辑模块对系统内部故障结构采用面向对象的决策树进行故障部位的推理，逐个排除故障，进行故障定位；

所述数据存储模块用于存储各个模块的处理结果；

所述交换界面模块用于显示与输出故障定位的结果，并提供人机数据交互处理的结果。

6.根据权利要求5所述的TCAS系统故障综合诊断系统，其特征在于所述数据预处理模块通过防脉冲干扰滤波算法和离散傅立叶变换获取电源特征。