CN105103060A - 对技术系统中不可控的多个故障局部化的方法和实施该方法的设备 - Google Patents

Abstract

本方法和设备能够改善高度复杂的对象的诊断技术状态的效率、深度和可靠性。根据该方法，所述技术效果可获得如下：从被诊断对象(DO)处接收信号；考虑到相对于DO的内部通信的信息，这些信号被转换为DO元素的技术状态的初始估算向量。然后，通过周期性过程和通过使用反向逻辑模型和正向逻辑模型，就能使DO元素的技术状态估算值更为精确。形成技术状态向量估算值，并且在完成该周期性过程后，根据所述估算值的可变向量，得到有关诊断对象元素的技术状态的结论。该设备包括：通信单元，其输入端连接至所述DO的输出端；测量单元，该单元用于产生初始估算值；转换单元；反向三元逻辑模型和正向三元逻辑模型；结果解读单元；以及，控制单元。

Description

对技术系统中不可控的多个故障局部化的方法和实施该方法的设备

技术领域

本发明涉及计算机工程和控制设备领域，并且可以用在功能诊断系统中，该功能诊断系统在故障的外部表现信息的基础上用于提供在工程系统中的故障局部化(failurelocalizing)(跟踪故障点)。

背景技术

在工程系统正常信号的情况下，一般将功能性诊断理解为确定故障且依据工程系统的正常信号跟踪故障点(即，其中系统是根据其目的而被使用的，并且会受到操作(而非测试)影响)的过程，[Machine-Building.Encyclopedia.V.III-7.Measurements,Control,Diagnostics(inRussian)/Ed.byV.V.Klyuev.–M.:Machinostroenie.1996,p.404]、[FundamentalsofTechnicalDiagnostics.Book1.ModelsofObjects,DiagnosticMethodsandAlgorithms(inRussian)/Ed.byP.P.Parkhomenko.–M.:Energia.1976,p.13]。

工程系统的诊断包括至少两个任务：

-检查对象是否正确运行；

-故障检测，即，跟踪引起对象的操作故障或错误运行的故障点和可能原因。

本发明提供了一种用于解决第二种任务(即，故障检测)的方法和设备。

在本发明中将不可控故障理解为在工程系统(以下称为“诊断对象”)的子系统、独立单元、模块或元素中的故障；其中，所述故障可能不会被控制系统本身(包括内置测试元件)检测到。从现代系统理论的角度来看，这种故障可能既涉及可观测量又涉及不可观测量，该可观测量具有被检测到的潜在可能性，该不可观测量不具备这种潜在可能性。第一种情况，正如在此所提出的方法和设备，指出了故障点；第二种情况，形成了一种针对信息不充分的解决方案，以便找到局部化任务的解决方法。

在系统中出现的不可控故障可能导致其操作故障，或在所有或独立模式中导致其错误运行，但是不会产生任何现象(例如，在故障元素冗余的情况下)。因此，可以将不可控故障局部化的任务理解为根据它们的可观测现象而跟踪故障点和可能的原因。

目前，在工程对象中将故障局部化的大多数方法都是基于采用逻辑或布尔模型作为诊断模型[Machine-Building.Encyclopedia.V.III-7.Measurements,Control,Diagnostics(inRussian)/Ed.byV.V.Klyuev.–M.:Machinostroenie.1996]，[FundamentalsofTechnicalDiagnostics.Book1.ModelsofObjects,DiagnosticMethodsandAlgorithms(inRussian)/Ed.byP.P.Parkhomenko.–M.:Energia.1976]，[L.P.Kolodezhny,A.V.Chernodarov.ReliabilityandEngineeringDiagnostics:Textbookforstudentsofair-forcehighereducationinstitutions.–M.:PublishingHouseattheAir-ForceAcademyNamedafterProf.N.E.ZhukovskyandYu.A.Gagarin,2010]。

关于检测的逻辑方法包括与那些图形理论相关的方法。

与本发明要保护的设备和方法在功能上最接近的是功能性诊断设备(DD)[FundamentalsofTechnicalDiagnostics.Book1.ModelsofObjects,DiagnosticMethodsandAlgorithms(inRussian)/Ed.byP.P.Parkhomenko.–M.:Energia.1976,p.38]。

被诊断对象(以下称为“DO”)是相互相关的一组元件(parts)(系统、子系统、单元、设备、模块、元素)，以下通常称其为“元素(elements)”。为了执行诊断，设置故障局部化任务，即，指出故障元素。DO在输入信号的作用下运行，并且形成输出信号，该输出信号可能或不能用于直接测量。被诊断对象通过接口单元(IU)与诊断设备(DD)进行链接。

DO的技术状态由DO技术状态向量X表示，技术状态其包括以与DO元素的技术状态相对应的变量x_j形式示出的n个分量；这里，j是来自DO的n个元素的元素序号。数量n是X向量的长度。DO的直接不可控故障的主要特点是不能获得直接测量的技术状态向量X。因此，DD使用了该向量的特殊形式的估算值来诊断该向量。排除故障的任务就是执行以下等式：

$\hat{X}=X---\left(1\right)$

接口单元(IU)在控制单元(CU)的作用下产生测量单元(MU)与DO的直接链接，被监控的DO参数既包含关于DO操作模式的显式信息Q，也包含关于其元素的技术状态的隐式信息Z。关于DO操作模式的信息被传送至DD中以执行其单元的相应设置。DO的输入和输出信号可能会或可能不会直接包含在参数Q和Z中。并且，不必所有的DO元素都被MU直接控制。测量单元MU是功能性控制设备，基于文中提出的方法(例如，用于监测容差的方法)，该测量单元确定组合中的一些DO元素(主要不是全部)的可操作性或不可操作性。在MU的输出端形成故障表现向量Y。另外，IU产生技术状态向量X的估算值DD包括被诊断对象(DO)的形式化模型(FM)，该被诊断对象形成有关技术状态向量的估算值的故障表现向量的估算值当正确地设置估算值时，即，在故障局部化任务的状态(1)下，测量和计算的DO故障表现向量应当符合：

$Y=\hat{Y}---\left(2\right)$

其由结果解读单元(resultinterpretationunit,RIU)所控制，运行上述等式就会形成诊断结果。否则，RIU向CU发送指令，以通过作用于IU来校正估算值如果发现故障，则RIU也发出重新配置该DO的指令。这表示了在RIU和DO之间的通信。

为了跟踪故障点，现有技术的DD使用正向逻辑模型(directlogicalmodel,DLM)，其描述了系统中故障表现(failuremanifestations)在故障点和特性方面(故障影响传播和相对于正常运行所观测到的偏移量)的相关性。在该种情况下，诊断设备包括：控制单元CU、测量单元MU、正向逻辑模型DLM、结果解读单元RIU。

此外，还使用了反向逻辑模型(RLM)，其描述了故障表现中的可能出现故障(故障类型及故障位置)的相关性。使用RLM，就会极大地减少计算量。如果使用RLM，则该DD包括：控制单元CU、接口单元IU、测量单元MU、结果解读单元RIU和RLM。通常会在不同的功能方案中分别使用DLM和RLM。

为了更加清晰有条理地描述逻辑模型和其他单元的操作过程，使用了逻辑运算符AND、OR、NOT。

已知的方法和设备具有显著的局限性：

1)采用基于局部化故障DLM的DD会导致大量的计算费用，而采用基于RLM的诊断设备会由于所获得结果不清晰而无法制定正确的解决方案。

2)经常地，为了简化DD的实现方式，会引入涉及两个或更多元素同时发生故障的假设，该假设的可能性很低。在这种情况下，基于DLM的DD中的搜索的数量被减少为n(其中，n是向量X的长度，即，欲确定其技术状态的DO元素的数量)。也可以将同一假设用于基于反向逻辑模型建立的DD中。然而，在这种情况下，如果两个或更多的故障同时出现，则DD可能会错误地确定故障元素。

同时，经验显示在工程系统中出现多个故障并不少见，并且，由于在实践中不可能有效地维修某些或其他故障，其常常是导致工程系统累积相似和不相似故障的原因。

3)现有诊断方法的共同缺陷是文中所采用的布尔算法的局限性，该布尔算法在每个运算技法中，将所考虑的被诊断对象(DO)元素处理为可操作的或不可操作的。

发明内容

本发明的任务旨在改善性能。

本发明的技术效果是在高度复杂的对象的诊断技术状态过程中提供较高的诊断效率、深度和可靠性。

为了实现上述任务并且获得所述的技术效果，提出了一种在工程系统中排查不可控的多个故障的周期性方法，包括以下内容：从被诊断对象处接收信号；考虑到该对象的内部链接信息，这些信号被转换为被诊断对象元素的技术状态初始估算向量；DO元素的技术状态估算值通过以下过程被指定：周期性过程和采用反向和正向时间的被诊断对象的形式化模型，而同时又交替采用反向逻辑模型和正向逻辑模型作为该对象的形式化模型；在该周期性过程期间，形成技术状态向量的估算值；其分量变量用于在周期性过程完成之后，确定被诊断对象元素的技术状态。

还可以提出该方法的另一个实施例，其中，可以建议将反向三元逻辑模型和正向三元逻辑模型分别用作反向逻辑模型和正向逻辑模型，所述三元模型的变量采用下面的三个值的其中之一：

0–被诊断对象的相应元素肯定可操作；

1–被诊断对象的相应元素肯定不可操作；

*–在被诊断对象的相应元素的可操作性上不能做出确定的结论；

被诊断对象元素的初始估算向量的分量变量分别被分配三元值“可操作”、“不可操作”、“未确定的状态”，

在完成估算值定义周期性过程(estimatespecificationcyclicalprocess)之后，基于下述部分来确定被诊断对象元素的技术状态：

可操作–如果技术状态估算向量的相应的分量变量等于“0”，

不可操作–如果技术状态估算向量的相应的分量变量等于“1”，

不能对被诊断对象进行故障局部化，如果估算向量的相应的分量变量等于“*”。

为了实现上述任务并且获得所述的技术效果，提出了一种在工程系统中将不可控的多个故障局部化的设备，包括：包括：接口单元，其两个输入端分别连接至被诊断对象的两个数据输出端；测量单元；初始估算形成单元；转换单元；基于使用正向相关逻辑矩阵的正向相关三重逻辑模型的决策单元，基于使用反向相关逻辑矩阵的反向相关三重逻辑模型的决策单元；结果解读单元；以及控制单元；其中，接口单元的输出端连接至测量单元的输入端，并且测量单元的输出端连接至初始估算形成单元的输入端，初始估算形成单元的第一输出端连接至转换单元的第一输入端，其第二输出端连接至转换单元的第二输入端，转换单元的第一输出端连接至基于使用反向相关逻辑矩阵的反向相关三元逻辑模型决策单元的输入端，其第二输出端连接至基于使用正向相关逻辑矩阵的正向相关三元逻辑模型的决策单元的输入端，基于反向相关三元逻辑模型的决策单元的输出端连接至转换单元的第三输入端，并且，基于正向相关的三元逻辑模型的决策单元的输出端连接至转换单元的第四输入端，转换单元的第三输出端连接至结果解读单元的输入端，该结果解读单元的第一输出端连接至控制单元的输入端，其第二输出端显示诊断结果的数据，控制单元的输出端连接至接口单元的控制输入端。

还可以提出该设备的另一个实施例，其中，可以建议该结果解读单元设有第三输出端，连接至被诊断对象的控制输入端。

本发明与类似解决方案的主要不同之处在于，交替使用反向和正向逻辑模型，这些模型均参照正向和反向相关的故障传播逻辑矩阵进行了介绍。使用反向逻辑模型能够显著地减少硬件的计算负荷或花费，而使用正向逻辑模型能够克服所获得的结果不清晰的问题。

本发明所采用的新的诊断方法由于采用了三元变量而具有可适用性。该三元变量可以将被诊断对象元素划分为三类：可操作、不可操作和那些仍旧不能用形式化非模糊性陈述(unambiguousstatement)描述的元素。采用被诊断对象技术状态的三元描述是所提出的本发明与类似解决方案的另一个实质性区别。

在工程系统中将不可控的多个故障局部化的已知方法作为基础，其包括：首先通过处理来自被诊断对象元素的信号而确定可用于直接控制的被诊断对象元素的状态。然后，基于直接控制部件的状态信息和关于被诊断对象的内部链接信息，确定其他被诊断对象元素的状态，即，那些未被直接控制的状态。本发明采用带有“可操作”、“不可操作”、“未确定的状态”的值的三元变量替代布尔代数变量，以形式化地描述被诊断对象元素的技术状态。基于直接控制元素的可操作性信息而形成被诊断对象元素的初始技术状态估算值。接着，为了指定被诊断对象元素的这些技术状态估算值(即已经给出的“未确定的状态”值)，采用了周期性过程(cyclicalprocesses)，其中，是交替使用被诊断对象的正向和反向三元逻辑模型。在该过程中形成诊断结果并且以所述三元变量的形成给出结果。而且，或者是完成一组周期，或者是在周期性的指定估算值中不存在变化，都可以用作指定被诊断对象元素的技术状态的估算值的周期性过程的结束的规则。

参考附图，在下面的具体实施方式的说明中描述了本发明的上述优点以及其独特的特征。

附图说明

图1示出了根据最接近的类似解决方案的诊断设备(DD)的功能性框图；

图2与图1相同，为基于正向逻辑模型的DD；

图3与图1相同，为基于反向逻辑模型的DD；

图4示出了根据本发明的将工程系统(DTF)中的不可控多个故障局部化的设备的功能性框图；

图5示出了直接逻辑算法表；

图6示出了反向逻辑算法表；

图7示出了混和有向图。

具体实施方式

因为可以利用操作设备(图4)来实现该方法，因此会分段给出操作该设备的全部说明。

在工程系统(DTF)中用于将多个故障局部化的设备(图4)包括接口单元1(IU)，其两个输入端连接至被诊断对象2(DO)的数据输出端。该设备进一步包括测量单元3(MU)、初始估算形成单元4(IEFU)、转换单元5(SU)、基于反向相关三元逻辑模型6(DUMRD)的决策单元和基于正向相关三元逻辑模型7(DUMDD)的决策单元、结果解读单元8(RIU)，以及控制单元9(CU)。接口单元的输出端连接至MU3的输入端，并且MU3的输出端连接至初始估算形成单元4的输入端。IEFU4的第一输出端连接至SU5的第一输入端，并且其第二输出端连接至SU5的第二输入端。SU5的第一输出端连接至DUMRD6的输入端，并且其第二输出端连接至DUMRD7的输入端。DUMRD6的输出端连接至转换单元5的第三输入端，并且DUMRD4的输出端连接至SU5的第四输入端。SU5的第三输出端连接至RIU8的输入端，RIU8的第一输出端连接至CU9的输入端，其第二输出端显示诊断结果数据。CU9的输出端连接至接口单元1的控制输入端。

而且，RIU8可以设有第三输出端，其连接到DO2的控制输入端。

该设备(图4)可以按如下操作：

由DO2输出的信号Q和信号Z被输入至DTFIU1的输入端，其中，信号Q包括DO2功能模式的显式信息，信号Z包括关于DO2元素的技术状态的隐式信息。诊断过程具有周期性特点。在每个周期起始时，U1根据来自CU9的指令及信号Q，选择性地向MU3发送信号Z，MU3依次在当前周期中将它们转换为与故障表现向量Y相对应的信号，并且将其发送至IEFU4。该单元4形成与DO技术状态向量的初始估算值相对应的信号。来自IEFU4的这些信号被发送至转换单元5，该转换单元5分析DUMRD6和DUMDD7的操作结果(是在DUMRD6和DUMDD7的输出端与SU5的第三和第四输入端之间提供反馈)。根据分析结果，SU5连接至这些模型的其中之一，并且反馈信号，该信号与DO2技术状态的当前估算值相对应(这里，k是诊断周期当前循环(tact)的次数)，或者向RIU8提供与DO2的技术状态的最后估算值相对应的信号(这里，h为诊断周期最后循环的次数)。RIU8从其第一输出端向CU9提供用于控制诊断处理步骤的信号，并且从其第二输出端发出诊断结果，该诊断结果为与所获得的DO2技术状态的估算值相对应的信号形式。可以从RIU8的第三输出端向DO2提供用于重新配置DO2的信号，如果其是由要完成的任务提供。

本发明所提出的理论基础是基于采用两个逻辑运算符OR和AND的混和有向图(mixeddirectedgraphs)的理论，这里仅大写字母用于表示运算符。

从故障分析的角度看，作为独立的被诊断对象的每一个部分都是子系统、组件或元素，并且可以具有由运算符“OR”和“AND”表示的输入和输出逻辑的其自身的元组(tuple)。

应当注意，在所要求保护的技术方案中，对两个相反方向的过程(process)具有非常重要的意义：首先，在系统中确定结果或显示可能会是由于故障所引起；其次，局部化故障，即查找为什么系统会错误运行的原因。这些过程分别由有向和反向逻辑来支持。

在具有三元描述的被诊断对象DO2中，故障影响传播(failureinfluencepropagation)的过程是根据对该过程的分析逻辑规则来运行的，该规则由图5示出。该过程与故障影响传播(错误运行)相对应，其是从原点开始至各个部分和系统，直到出现故障。

在此之后，在图5和6中，“0”表示故障不存在，“1”表示存在故障、故障表现或影响，“*”表示不确定的状态；小写字母“i”和“o”分别表示与DO2的元素的输入和输出相关的运算符。图5中所示的符号具有下面的含义：

ORi--元素输入端的运算符“OR”，

ANDi--元素输入端的运算符“AND”，

ORo--元素输出端的运算符“OR”，

ANDo--元素输出端的运算符“AND”。

应当注意，在表格(图5)的最后两行中，有一些组合不存在(横线划过的)，即，对应的公式本身不存在，并且所提供的组合与对应的运算符“OR”或“AND”的定义相矛盾。

反向分析逻辑相当于当输出为已知时，判断元素的输入可能是什么。这相当于从其表现开始时的故障局部化(跟踪)的方向。在图6中呈现了图5所示的公式求逆后的结果，其中，在求逆(inversion)后获得的运算符由字母“r”另外示出。

产生变量增值的单元由图6中的灰色背景示出。每次出现这种情况，这里没有被显式计算的“故障树”就会分支。因此，对于反向(求逆的情况)分析，可以这样说，就是逻辑运算符OR的输出为1的情况可以与其两个输出都为1的情况、或任意一个输出为1的情况相关。

在图5所示表格中一些不存在的公式会导致其与表6中对应单元出现的情况相冲突(或矛盾)。这些单元包含词“冲突”。如果冲突出现了，那么根据所使用的逻辑，应当将整个假想分支(假设)至离步骤最近的分支作为不予接受而被删除。

故障建模

本发明预先假定，对于任何真实的被诊断对象2，可以基于对DO2的分析来形成在该DO2中的表现(manifesting)故障和发生(occurring)故障的有向混和图。

作为示例，图7示出了具有6个顶点(其表示被诊断对象2的元素)的假想DO2的方法有向混和图。图形顶点的一部分可以是具有可能故障的元素，一部分表示内部过程，并且另一部分表示这些故障的显示。因此，仅通过顶点序号来定义输入和输出。例如，顶点1和3是系统元素，其可以包含故障；顶点2和5是系统元素，这些故障表现(并且可以被检测和修理)在该系统元素上；相应地，顶点4和6是一些内部元素，其不与任何类型相关，但会确保所研究过程的逻辑呈现(presentation)。为了实施逻辑运算符Oro，应当另外指定优选的输出规则(确定的规定或随机分布)。

为了简化方案形式，采用了矩阵表示法(matrixnotation)。让我们介绍以下符号：x_j(k)为三元值(triplevalue)，其是在有规律的第k次循环起始处的图形条件(顶点)下的j分量的三元值(x_j＝0表示j元素不存在故障，x_j＝1表示j元素出现(presence)、影响(influence)或表现(manifest)故障，x_j＝*表示j元素的无限定条件)；x_j(k+1)是在有规律的第k次循环结束处的图形条件(顶点)下的j分量的三元值；上标(upperindex)是在图形顶点输入端的逻辑运算符的符号(例如，x^ORi表示在元素输入端的OR运算符)；下标(lowerindex)是逻辑运算符在其输出端的符号(例如，x_ORo表示在元素输出端的运算符OR)。每个分量的序号j对物理内容进行加密，并与类别(如：故障、其表现或内部变量)相关。另外，假设在图7中的(弧形)图形的链接结构不包含任何不确定性，那么下面的公式等同于图7中所示的图形：

$\left[\begin{array}{c}{x}_{ORo}^{ORi}(k+1)\\ x_{ANDo}^{ORi}(k+1)\\ x_{ANDo}^{ANDi}(k+1)\\ x_{ORo}^{ANDi}(k+1)\\ x_{ORo}^{ORi}(k+1)\\ x_{ORo}^{ANDi}(k+1)\end{array}\right]=\left[\begin{array}{cccccc}0& 0& 1& 1& 0& 0\\ 1& 0& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 1\\ 0& 0& 0& 1& 0& 1\\ 1& 1& 0& 0& 0& 0\end{array}\right]\left[\begin{array}{c}{x}_{ORo}^{ORi}\left(k\right)\\ x_{ANDo}^{ORi}\left(k\right)\\ x_{ANDo}^{ANDi}\left(k\right)\\ x_{ORo}^{ANDi}\left(k\right)\\ x_{ORo}^{ORi}\left(k\right)\\ x_{ORo}^{ANDi}\left(k\right)\end{array}\right],---\left(3\right)$

其中，仅由0和1来表示系数矩阵的元素。

在每一个顶点的输入端和输出端的逻辑运算符的符号都分别与二元系数矩阵(binarycoefficientmatrix)的行和列相关。基于此，我们将公式(3)重写为：

其中，通常将二元系数矩阵表示为DM。

种类(4)的模型是正向三元逻辑模型(directtriplexlogicalmodel,DTLM)，并且系数矩阵是正向相关DM(DependencyMatrix,相关矩阵)矩阵。作为混和图形(该情况由图7示出)的该矩阵的主要独特性是将特定的逻辑运算符分配给了特定的逻辑运算符的行和列。

执行DM的规则如下：如通常进行的一样，所有乘以向量X的操作都写在右侧，但是要受两个附加条件的限制：

1.根据运算符，实现每一个在先图形顶点的输出逻辑(例如，运算符写在图7中各自行的下部)(见图5的运算符ANDo和ORo)。对于运算符ANDo的该列的所有1等同且对应于1，并且要考虑运算符ORo的各种变量，其中，一个1等于1，其他等于0，反之亦然(例如，根据在图7的图形中提供的逻辑)。

2.根据运算符，实现各自顶点(运算符写在各自行的左侧)的输入逻辑(见图5中的运算符ANDi和ORi)。对于运算符AND，仅在两个被加数(得到有关列x(k)的元素的值和运算符ANDo、ORo)都等于1的情况下会得到1，并且对于运算符OR，是在至少一个被加数(近似获得)等于1的情况下。

除了正向相关矩阵DM之外，还引入另一个二元矩阵，即退出矩阵EM(ExitMatrix)，其是根据矩阵代数的规则来使用的。将位于左侧的技术状态向量X与该矩阵相乘，就能够从被诊断对象DO2的所有元素中仅选择那些与所观测到的故障表现相对应的元素(或在一般情况下，为其组合)。该矩阵由测量单元3(图4)来实现。对于所考虑的方法性示例，该退出矩阵由以下等式定义：

其中，y_l(k)是在诊断周期中的第k次循环中的故障表现向量Y的l分量，向量Y总共具有m个分量。

最后，在故障条件对象中的影响传播的多变量模型可以由以下等式来描述：

X(k+1)＝DMX(k)+X(0),(6)

Y(k)＝EMX(k),(7)

其中，X(0)为在条件时刻0下故障出现。

等式(6)为从顶点到顶点(DO2的从元素到元素)的故障影响的普遍性的传播，等式(4)描述了(在DO2的一些元素上的，该元素与DO2的物理特性相对应)故障表现。

特定的DO模型适合真实系统中的故障发展过程，其由系统、专家意见和半自然实验(semi-naturalexperiments)结果的正式描述支持。在确认了模型可靠性之后，便可以进行故障局部化了。

故障局部化

在该技术方案中先验地假定故障可以是既简单(单个)又复杂(多个)的。这里所介绍的唯一限制是，故障在其局部化的整个周期内不会改变。

以上所介绍的模型的反向变换步骤，请参见等式(6)和(7)，包括数个步骤。

假定测量单元MU3正确地确定了在对应于有规律的局部化周期的起始处的时刻0下，所观测到的故障表现向量Y(0)。

步骤1.在对应于有规律的局部化周期的起始处的时刻0下，形成对于系统的所有技术状态向量X(0)的估算值下面的值被分配到向量的各元素：“0”–相应的元素肯定可操作；“1”–相应的元素肯定不可操作；“*”–不确定元素，从目前进行的观测到的故障表现来看，可能无法评估其操作性。

该过程确定了有关向量X(0)的等式的所有全部解：

Y(0)＝EM·X(0),m<n,(8)

这里及以下，Y(0)是具有m个分量的故障表现向量，X(0)是具有n个分量的DO2元素的技术状态向量，EM是具有m行和n列的二元矩阵；在行中间的点表示矩阵乘法运算。

在一般的情况下，通过以下公式来确定等式(8)的解：

其中，波形括号表示多个不可识别的解，该多个是由改变具有随机元素的向量μ而产生的。在公式(9)中，μ是具有n阶EM元素的向量，即，元素的数量等于矩阵EM的线性相关行的数量；是矩阵EM的规范形式(canonizer)，即，保证识别完成的矩阵；是最大秩矩阵EM的0的右除数，即，该矩阵是能实现条件的具有n×(n-EM阶)阶的矩阵。

在所考虑的任务中的矩阵规范形式(EM)^～(矩阵EM的所有元素都仅由0和1表示，并且矩阵本身具有最大的行秩)等于源矩阵的转置值(transposedvalue)：(EM)^～＝(EM)^Т。因此，得到的公式具有下面的形式：

${\left\{X\left(0\right)\right\}}_{\mathrm{\&mu;}}={\left(EM\right)}^{T}Y\left(0\right)+{\stackrel{\&OverBar;}{EM}}^R\mathrm{\&mu;},---\left(10\right)$

并且，向量μ的所有元素在下文中由星号*(条件不确定)表示。

步骤2.基于已知的矩阵DM，并且具体地说，在故障影响传播的反向序列中指定了其反向rDM(反向相关矩阵(reverseDependencyMatrix))，其向量X的元素标记为“*”，即，有规律地不确定。

通过换位(transposing)(相互改变行和列的元素，包括改变逻辑运算符的总体)和用运算符求逆(inversionsoftheoperators)来替换源运算符(通过使用反向分析逻辑)，我们从等式(4)获得了反向时间的递归关系(recurrentrelation)：

其中，τ＝0,1,2,...-反向时间节拍的数量(从当前时间到过去)。

模型种类(11)是反向三元逻辑模型(RTLM)，并且系数矩阵是反向相关矩阵rDM。

rDM的运行规则与上述规则相似，考虑到两种情况：

1.现在，根据图6，解的变化形式(solutionvariants)是由运算符rORi和rANDi(其中，在列中有两个1)所引起的。这些是有待于进一步分析的故障传播先前历史的可替换的变化形式(假设)。在每一个这样的运算符通过之后，需要将分析过的变化形式的数量变成三倍，因为变量的可能值的数量是等于三个(0,1,*)。

2.在值的计算期间，有可能相对于不同的行会出现冲突，如图6所示。那么就省略有关故障传播先前历史的相应的假设。

在这种情况下，第一情况限定“故障树”的分支的规则，而第二种情况排除无效(与被诊断对象逻辑矛盾)的分支。

通常，具有执行返回步骤的局部化故障的迭代过程可以写为下面的公式：

$\hat{X}\left(\mathrm{\&tau;}\right)=rDM\&CenterDot;\left(rDM\left(\mathrm{...}\left(rDM\left({\mathrm{EM}}^{T}Y\left(0\right)+{\stackrel{\&OverBar;}{EM}}^R\mathrm{\&mu;}\right)\right)\right)\right)---\left(12\right)$

一些周期的循环次数(cycletacts)τ或者是选自提供的状态向量X(τ+1)＝X(τ)终止变形(改变)时，或者是选自对某个值τ＝τ_max的限制。下面示出了实现局部化故障的迭代(图4中DTF操作的)过程的简化结构图。

步骤3.已证明故障的可能点由已获的技术状态向量估算值的分量的一个值示出。出现0元素表示是DO2的可靠的可操作元素。出现星号*表示相对于那些对故障或缺陷没有明确说明的元素，可以基于可获得的信息来形成DO2的那些元素(模块、单元、设备、子系统)。这表现出DO2固有的不完全控制特性(DO2的目标属性)。

因此，被诊断对象2的技术状态完全由仅具有布尔元素(“0”–元素可操作，“1”–元素故障)的向量X确定。DTF通过接口单元IU1连接到被诊断对象2上。根据控制的设置方法，测量单元MU3在状态时刻下(这里称为初始时刻)控制被诊断对象Y的某些元素的技术状态，并且MU3形成该时刻的观测到的故障表现向量Y(0)。基于Y(0)的信息，初始估算形成单元IEFU4形成条件向量的初始估算值，该估算值是三元值。根据公式(9)、(10)，通过退出矩阵EM零的除数结构，即，通过DO2的关于结构独特性的先验信息，就可以确定不确定事件的具体位置。

设备的工作具有周期性。在接收到来自IEFU4的信息X(0)之后，就开始了技术状态向量估算值的不确定分量的指定周期。直到完成该周期的计算，才能接收来自初始估算形成单元IEFU4的新信息。

而后，为了指定技术状态向量X值，采用三重逻辑模型RTLM或DTLM中的其中一个，采用基于反向和正向相关的逻辑矩阵的采用单元的解决方案的形式。对模型连接的控制和对一些周期的控制都按SU5给出的指令来完成。诊断结果由RIU8的第二输出端显示。

仅在下一个指定元素等于“*”(即，其保持不确定)的情况下才使用基于直接相关模型DUMDD7的决策单元。在这种情况下，DUMRD6的使用是不具复制性的(参见图6：对具有“*”值的输出的反向转换总是导致输入的不确定性，即，导致在系统中的不确定性加倍，直接模型DUMDD7未被充分使用，只是用到了对应于指定分量的那一部分，即只有对应的逻辑模型中的一行被使用了。在所有其他情况下，只有DUMRD6被使用了)。这大大地减少了计算量。

如果执行X(k)＝X(k-1)或2n次或更多阶次，则就完成停止提供(stopprovision)。因此，迭代的数量不超过2n，其中，n是DO2的被诊断元素的数量。

由于考虑到了实际运行在DO2中的物理过程的所有复杂性，所以确保了所要求保护的技术方案的技术效果(即，效率)。而用于局部化故障的该方法和设备仅是通过逻辑变量来进行操作，而且采用简单的代数规则大大加快了处理信息的时间。因此，几乎可以实时地就能获得诊断结果。

通过在所采用的三元逻辑模型中使用DO2的实际所有的(所有显著的或所有已知的)内部链接来保证深度。在该模型中能够考虑到，且能以可接受的方式关注各元件的实际存在的相互影响，各元件根据环境而被理解为元素、模块、单元、设备或子系统。

通过将被诊断对象元素的技术状态的三元描述(triplexdescription)置于可控状态下就能确保可靠性。这样，在确定的状态下(即，与任何随机因素的动作不相关)，就能够严格地将所有目标元件划分为两组：一组能明确确定其操作性，而另一组则将各被诊断对象元素进行组合，因为在客观意义上不可能明确地确定这些被诊断对象元素的技术状态。

通过交替使用反转三元逻辑模型和正向三元逻辑模型以确保检测到多个故障的可能性。而交替使用反转三元逻辑模型和正向三元逻辑模型能够在没有关于唯一故障的简化假设的支持下完成诊断目标。

另外，从所提出的发明的使用结果中获得的一个明显的提示就是，对于那些明确判断其技术状态不能形成公式化的被诊断对象的显示和排列，给出了进一步改进的唯一可能性，就是既通过引入对其元件的额外控制点，又通过增加在这些元件之间的许多内部链接(即，互连)，来获得被诊断对象的深层控制。

工业适用性

所要求保护的用于在工程系统中将不可控的多个故障局部化的方法和用于实现该方法的设备可以最成功地应用于业内的复杂工程对象的功能诊断系统中，以便实现相对于自然信号的前提下实时地实现故障局部化的目的，并且也应用在设计复杂的工程系统整体以及具体地其子系统的功能诊断的过程中。

Claims (4)

1.一种对工程系统中不可控的多个故障局部化的方法，包括：接收来自被诊断对象的信号，考虑到该被诊断对象的内部链接信息，这些信号被转换为被诊断对象元素的技术状态初始估算向量；被诊断对象元素的技术状态估算值通过以下过程被指定：周期性过程和采用反向和正向时间的被诊断对象的形式化模型，而同时又交替采用反向逻辑模型和正向逻辑模型作为所述被诊断对象的形式化模型；在该周期性过程期间，形成技术状态向量的估算值；并且估算值的可变分量用于在周期性过程完成之后，确定被诊断对象元素的技术状态。

2.根据权利要求1所述的方法，其特征在于：分别采用反向三元逻辑模型和正向三元逻辑模型作为反向逻辑模型和正向逻辑模型，其变量采用以下三个值的其中之一：

0–被诊断对象的相应元素肯定可操作；

1–被诊断对象的相应元素肯定不可操作；

*–在被诊断对象的相应元素的可操作性上不能做出确定的结论；

相应地，将三元值“可操作”、“不可操作”、“条件不确定”分配给被诊断对象元素的初始技术状态估算向量的可变分量；

在完成估算值定义周期性过程之后，基于下述部分来确定被诊断对象元素的技术状态：

可操作–如果技术状态估算向量的相应的可变分量等于“0”，

不可操作–如果技术状态估算向量的相应的可变分量等于“1”，

不能对被诊断对象进行故障局部化，如果估算向量的相应的可变分量等于“*”。

3.一种对工程系统中不可控的多个故障局部化的设备，包括：接口单元，其两个输入端分别连接至被诊断对象的两个数据输出端；测量单元；初始估算形成单元；转换单元，其是由反向三元逻辑模型和正向三元逻辑模型构成的形式化模型；结果解读单元；以及控制单元；其中，接口单元的输出端连接至测量单元的输入端，并且接口单元的输出端连接至初始估算形成单元的输入端，初始估算形成单元的第一输出端连接至转换单元的第一输入端，其第二输出端连接至转换单元的第二输入端，转换单元的第一输出端连接至反向三元逻辑模型的输入端，其第二输出端连接至正向三元逻辑模型的输入端，反向三元逻辑模型的输出端连接至转换单元的第三输入端，并且，正向三元逻辑模型的输出端连接至转换单元的第四输入端，转换单元的第三输出端连接至结果解读单元的输入端，该结果解读单元的第一输出端连接至控制单元的输入端，其第二输出端用于显示诊断结果的数据，控制单元的输出端连接至接口单元的控制输入端。

4.根据权利要求3所述的设备，其特征在于，该结果解读单元设有第三输出端，连接至被诊断对象的控制输入端。