CN109143189A - 一种雷达发射机故障诊断方法及系统 - Google Patents
一种雷达发射机故障诊断方法及系统 Download PDFInfo
- Publication number
- CN109143189A CN109143189A CN201811354279.8A CN201811354279A CN109143189A CN 109143189 A CN109143189 A CN 109143189A CN 201811354279 A CN201811354279 A CN 201811354279A CN 109143189 A CN109143189 A CN 109143189A
- Authority
- CN
- China
- Prior art keywords
- rule
- condition
- fault tree
- rules
- fault
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003745 diagnosis Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 51
- 230000003993 interaction Effects 0.000 claims description 25
- 230000008094 contradictory effect Effects 0.000 claims description 8
- 241001522296 Erithacus rubecula Species 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 18
- 230000009286 beneficial effect Effects 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 8
- 238000003860 storage Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4008—Means for monitoring or calibrating of parts of a radar system of transmitters
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及雷达技术领域,尤其涉及一种雷达发射机故障诊断方法及系统,该方法包括:将故障树转换为多条规则,使每条规则分别对应故障树中各层节点事件;根据预设的处理规则对多条规则进行优化,得到优化后的多条规则;将获取的雷达发射机的当前工作状态参数转换为计算机系统可识别的条目;将条目与优化后的多条规则进行匹配和查找,定位到故障节点事件。采用本发明提供的雷达发射机故障诊断方法可以有效提高雷达发射机的故障诊断效率,大大的降低成本。
Description
技术领域
本发明涉及雷达技术领域,尤其涉及一种雷达发射机故障诊断方法及系统。
背景技术
现有的测试仪器排故工作均是人工进行的,且对于雷达发射机的排故测试,通常是谁设计的谁来测试,对测试人员的技术要求较高,显然,这种故障诊断方式不仅效率低而且成本高,已不能满足需求。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种雷达发射机故障诊断方法及系统。
本发明解决上述技术问题的技术方案如下:一种雷达发射机故障诊断方法,包括:
将故障树转换为多条规则,使每条所述规则分别对应所述故障树中各层节点事件,其中,所述故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的;
根据预设的处理规则对多条所述规则进行优化,得到优化后的多条所述规则;
将获取的所述雷达发射机的当前工作状态参数转换为计算机系统可识别的条目;
将所述条目与优化后的多条所述规则进行匹配和查找,定位到故障节点事件。
本发明的有益效果是:通过将根据雷达发射机的工作状态参数和预先建立的故障树模型构建的故障树转换为多条规则,使得每条规则分别对应故障树中各层节点事件,并将雷达发射机的当前工作状态参数转换成的条目与经过预设的处理规则处理后得到的多条规则进行匹配和查找,定位到故障节点事件,从而可以有效提高雷达发射机的故障诊断效率,大大的降低成本。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,每条所述规则包括:if条件部分和then结论部分,所述预设的处理规则包括:冗余规则处理、矛盾规则处理和循环规则处理。
进一步地,所述冗余规则处理包括:
当规则R1的if条件部分与then结论部分,和规则R2的if条件部分与then结论部分完全等价,则删除规则R1或者规则R2;
当规则R1的if条件部分为包含规则R2的if条件部分的“与”条件,则删除规则R1;
当规则R1的if条件部分为包含规则R2的if条件部分的“或”条件,则删除规则R2;
当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“与”条件包含规则R2的then结论部分中的“与”条件,则删除规则R2;
当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“或”条件包含规则R2的then结论部分中的“或”条件,则删除规则R2;
根据文字集闭包法判断规则r是否为包含多条所述规则的规则集R中的蕴涵冗余,若是,删除规则r。
采用上述进一步方案的有益效果是:采用上述冗余规则,可以排除多个规则中存在冗余的规则,使得规则更加精简。
进一步地,所述矛盾规则处理包括:当出现以下矛盾规则时,通过人机交互界面显示所述矛盾规则,并根据人机交互界面接收的第一操作指令确定删除的规则,其中,所述矛盾规则包括:
规则R1的if条件部分与then结论部分相反;
规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分和规则R2的then结论部分相反;
规则R1的if条件部分和规则R3的if条件部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R3的then结论部分和规则R4的if条件部分相同,而规则R2的then结论部分与规则R4的then结论部分相反。
采用上述进一步方案的有益效果是:采用上述矛盾规则,可以排除多个规则中存在矛盾的规则,使得规则更加精简。
进一步地,所述循环规则处理包括:当出现以下循环规则时,通过人机交互界面显示所述循环规则,并根据人机交互界面接收的第二操作指令确定删除的规则,其中,所述循环规则包括:
规则R1的if条件部分和R2的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同;
规则R1的if条件部分和R3的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R2的then结论部分和规则R3的if条件部分相同。
采用上述进一步方案的有益效果是:采用上述循环规则,可以排除多个规则中存在循环的规则,使得规则更加精简。
进一步地,在将故障树转换为多条规则之前,还包括:
根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型。
采用上述进一步方案的有益效果是:故障树模型是基于雷达发射机领域的专家经验,根据顶事件、中间事件、底事件之间的逻辑关系来建立的,由此可以确保得到的故障诊断结果更加标准化、公平化。
进一步地,在将故障树转换为多条规则之前,还包括:
获取所述雷达发射机的工作状态参数;
根据所述雷达发射机的工作状态参数和预先建立的故障树模型构建所述故障树;
通过求最小割集的方法对所述故障树进行优化。
采用上述进一步方案的有益效果是:通过根据获取的雷达发射机的工作状态参数和预先建立的故障树模型构建故障树,并通过求最小割集的方法对故障树进行优化,可以大大的简化故障树,从而在将其转换为规则,并基于雷达发射机的当前工作状态参数转换的条目进行匹配查找故障时,可以更加方便快捷。
进一步地,所述通过求最小割集的方法对所述故障树进行优化,包括:
将所述故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理,直至全部的逻辑门都置换为底事件,得到多个割集;
为每一个割集中的每一个底事件赋予一个素数后,将每一个割集中的素数相乘;
当得到的乘积中的第一乘积能整除第二乘积时,保留第一乘积,得到的割集为最小割集,完成对所述故障树的优化,其中,所述第一乘积小于所述第二乘积,
其中,将故障树转换为多条规则,包括:
将经过最小割集优化后的所述故障树转换为多条规则。
进一步地,在为每一个割集中的每一个底事件赋予一个素数之前,还包括:
当一个割集内有重复出现的事件时,只保留一个所述事件。
采用上述进一步方案的有益效果是:可以对故障树进一步优化。
进一步地,为每一个割集中的每一个底事件赋予一个素数,包括:
为每一个割集中的每一个底事件随机的赋予一个素数,或者,针对一个割集中的多个底事件,为每个底事件赋予的素数为从小到大取得。
采用上述进一步方案的有益效果是:可以大大减少运算量。
本发明解决上述技术问题的另一种技术方案如下:一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上述任一项实施例中所述的方法。
本发明解决上述技术问题的另一种技术方案如下:一种雷达发射机故障诊断系统,包括:
知识获取模块,用于将故障树转换为多条规则,使每条所述规则分别对应所述故障树中各层节点事件,其中,所述故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的;
知识库模块,用于根据预设的处理规则对多条所述规则进行优化,得到优化后的多条所述规则;
解释器模块,用于将获取的所述雷达发射机的当前工作状态参数转换为计算机系统可识别的条目;
推理机模块,用于将所述条目与优化后的多条所述规则进行匹配和查找,定位到故障节点事件。
本发明的有益效果是:通过将根据雷达发射机的工作状态参数和预先建立的故障树模型构建的故障树转换为多条规则,使得每条规则分别对应故障树中各层节点事件,并将雷达发射机的当前工作状态参数转换成的条目与经过预设的处理规则处理后得到的多条规则进行匹配和查找,定位到故障节点事件,从而可以有效提高雷达发射机的故障诊断效率,大大的降低成本。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步地,还包括:人机交互模块,用于根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型,并接收用户输入的操作指令,根据所述操作指令显示对应的信息。
进一步地,所述知识获取模块,还用于通过求最小割集的方法对所述故障树进行优化。
本发明附加的方面及其的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种雷达发射机故障诊断方法的示意性流程图;
图2为本发明另一实施例提供的一种雷达发射机故障诊断方法的示意性流程图;
图3为本发明另一实施例提供的一种雷达发射机故障诊断方法的示意性流程图;
图4为本发明实施例提供的“调制器故障”的故障树示例;
图5为本发明实施例提供的通过求最小割集的方法对故障树进行优化之前的故障树示例;
图6为本发明实施例提供的通过求最小割集的方法对故障树进行优化之后的故障树示例;
图7为本发明实施例提供的一种雷达发射机故障诊断系统的结构示意框图;
图8为本发明另一实施例提供的一种雷达发射机故障诊断系统的结构示意框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
专家系统是一个智能计算机系统,它利用知识和推理过程来解决那些需要专家知识才能解决的复杂问题,所用的知识和推理过程可认为是最好的领域专家的专门知识模型。
故障树,是一种特殊的倒立树状逻辑因果关系图。主要通过事件符号、逻辑门符号以及转移符号,来表示故障事件发生的原因及其逻辑关系的逻辑树图。
本发明实施例中提供的雷达发射机故障诊断系统是基于故障树的雷达发射机故障诊断专家系统,将雷达发射机领域内的专家提供的故障树转化为计算机系统能够识别的知识和经验,进行推理和判断,模拟人类专家的决策过程,以便解决那些需要人类专家处理的复杂问题。
基于故障树的雷达发射机故障诊断专家系统,具有解决问题更快,输出结果一致(标准化、公平化),更易推广复制,更方便的汇集领域内更多专家知识和经验等优点。
如图1所示的一种雷达发射机故障诊断方法100,包括:
110、将故障树转换为多条规则,使每条规则分别对应故障树中各层节点事件。其中,故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的。
120、根据预设的处理规则对多条规则进行优化,得到优化后的多条规则。
130、将获取的雷达发射机的当前工作状态参数转换为计算机系统可识别的条目。
140、将条目与优化后的多条规则进行匹配和查找,定位到故障节点事件。
在该实施例中,通过将根据雷达发射机的工作状态参数和预先建立的故障树模型构建的故障树转换为多条规则,使得每条规则分别对应故障树中各层节点事件,并将雷达发射机的当前工作状态参数转换成的条目与经过预设的处理规则处理后得到的多条规则进行匹配和查找,定位到故障节点事件,从而可以有效提高雷达发射机的故障诊断效率,大大的降低成本。
需要说明的是,在该实施例中,条目可以对应到规则中不可再分的基本单元。另外,在该实施例中,步骤130与步骤110-120的直销顺序没有严格的时间先后,可以是同时进行。
可选地,在该实施例中,每条规则可以包括:if条件部分和then结论部分。由雷达发射机的当前工作状态参数转换成的条目可以对应到规则中不可再分的基本单元,那么步骤140具体可以为以下两种情况:一种是从上而下查故障原因,一种是从下而上查故障结果。
在查找故障原因时,可以将雷达发射机的当前工作状态参数转换成的条目与优化后的多条规则的if条件部分进行匹配,查找、定位到故障节点事件,再映射到优化后的故障树,从上至下排查至多个底事件。
在查找故障结果时,可以将雷达发射机的当前工作状态参数转换成的条目与优化后的多条规则的then结论部分进行匹配,查找、定位到故障节点事件,再映射到优化后的故障树,从下至上排查至顶事件。
由此,可以得到最终的故障诊断结果。诊断结果可以为故障节点事件本身,也可以包括导致该故障节点事件事件的原因和/或由其导致的结果,为了使得故障诊断结果的查看更加直观方便,还可以将其以故障树的形式显示在人机交互模块上,并利用鲜亮的颜色显示故障流,即:从顶事件到某一个中间事件再到多个底事件的故障流经过的事件节点和路径。
可选地,在该实施例中,预设的处理规则可以包括:冗余规则处理、矛盾规则处理和循环规则处理。
其中,冗余规则处理可以包括以下6中方式:
1、当规则R1的if条件部分与then结论部分,和规则R2的if条件部分与then结论部分完全等价,则删除规则R1或者规则R2。
也就是说,冗余规则1为等价冗余:一条规则的条件与结论和另一条规则的条件与结论完全等价,例如:
R1:if fly=true and layegg=true then animal=bird
R2:if layegg=true and fly=true then animal=bird
则删除其中任意一条。
2、当规则R1的if条件部分为包含规则R2的if条件部分的“与”条件,则删除规则R1。
也就是说,冗余规则2为“与”条件包含的冗余:一条规则“与”条件的约束包含另一条规则“与”条件的约束,但它们的结论是相同的,例如:
R1:if fly=true and layegg=true then animal=bird
R2:if layegg=true then animal=bird
则删除R1。
3、当规则R1的if条件部分为包含规则R2的if条件部分的“或”条件,则删除规则R2。
也就是说,冗余规则3为“或”条件包含的冗余:一条规则“或”条件的约束包含另一条规则“与”条件的约束,但它们的结论是相同的,例如:
R1:if fly=true or layegg=true then animal=bird
R2:if layegg=true then animal=bird
则删除R2。
4、当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“与”条件包含规则R2的then结论部分中的“与”条件,则删除规则R2。
也就是说,冗余规则4为“与”结果包含的冗余:两条规则的条件是相同的,但是其中一条规则的结果“与”条件包含另一规则的结果“与”条件,例如:
R1:if a then b and c and d
R2:if a then b and c
删除R2。
5、当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“或”条件包含规则R2的then结论部分中的“或”条件,则删除规则R2。
也就是说,冗余规则5为“或”结果包含的冗余:两条规则的条件是相同的,但是其中一条规则的结果“或”条件包含另一规则的结果“或”条件,例如:
R1:if a then b or c or d
R2:if a then b or c
则删除R2。
6、根据文字集闭包法判断规则r是否为包含多条规则的规则集R中的蕴涵冗余,若是,删除规则r。
也就是说,冗余规则6为蕴涵冗余处理:蕴涵冗余处理包含3个步骤。步骤1:计算规则集的最小覆盖;步骤2:检验一条规则在规则集中是否冗余;步骤3:计算文字集闭包。
步骤1:计算规则集的最小覆盖。
输入:规则集R={r1,r2,……rn}
输出:规则集R的最小覆盖
实现:任取规则集R中的一条规则r,用步骤2判定r是否为规则集R-r的蕴涵冗余规则,若是,则从R中去掉r,令R=R-r,重复上述步骤直到规则集中没有蕴涵冗余规则。
步骤2:检验一条规则在规则集中是否蕴涵冗余。
输入:规则r,规则集R
输出:r是否是R的蕴涵冗余规则的真值
实现:取规则r的前提文字集记作P,结论文字集记作q,由步骤3计算文字集P关于规则集R的文字集闭包,记作C。判断q是否属于文字集闭包C,若属于则返回真,否则,返回假。
步骤3:计算文字集闭包。
输入:文字集P,规则集R
输出:文字集P关于规则集R的闭包C。
实现:第一步,设闭包C=P,有空集合S。第二步,逐条判定R中每一条规则r的前提文字是否在C中,若在则将规则r的结论集放在S中,并将C取作C和S的并集,集C=C∪S。第三步,判定经过第二步之后C是否有增加,若有增加则将集合S清空,重复第二步,否则最后得到的C就是文字集P关于规则集R的闭包。
需要说明的是,在该实施例中,文字集为若干个文字的集合,文字表示规则中不可再分割的一个条目,例如:上文中出现的a、b、c、d等。规则集中可以分为条件文字集和结论文字集,简称前提集和文字集。对于给定的文字集和规则集,通过推理可以得到一个以文字集为前提的结论集,这个结论集描述了文字集和规则集可能得到的所有结果,称为文字集关于规则集的闭包。
矛盾规则处理包括:当出现以下3种矛盾规则时,通过人机交互界面显示矛盾规则,并根据人机交互界面接收的第一操作指令确定删除的规则。其中,3种矛盾规则为:
1、规则R1的if条件部分与then结论部分相反。
也就是说,矛盾规则1为自相矛盾:从某一前提直接推导出相反的结论,例如:
R1:if old=true then old!=true
2、规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分和规则R2的then结论部分相反。
也就是说,矛盾规则2为相互矛盾:两条规则的条件相同,但结果相反,例如:
R1:if fly=true then animal=bird
R2:if fly=true then animal!=bird
3、规则R1的if条件部分和规则R3的if条件部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R3的then结论部分和规则R4的if条件部分相同,而规则R2的then结论部分与规则R4的then结论部分相反。
也就是说,矛盾规则3为传递矛盾:两条规则的条件相同,但经过某推理链导出相反的结论,例如:
R1:if a then b
R2:if b then d
R3:if a then c
R4:if c then NOT d
需要说明的是,在该实施例中,如果在判断过程中出现上述3个矛盾规则中的2种或者3种情况时,将其发送至人机交互模块,在人机交互模块中由领域专家衡量,确定矛盾规则中哪些需要删除,哪些需要保留。
循环规则处理包括:当出现以下2种循环规则时,通过人机交互界面显示循环规则,并根据人机交互界面接收的第二操作指令确定删除的规则。其中,2种循环规则包括:
1、规则R1的if条件部分和R2的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同。例如:
R1:if a then b
R2:if b then a
2、规则R1的if条件部分和R3的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R2的then结论部分和规则R3的if条件部分相同。例如:
R1:if a then c
R2:if c then d
R3:if d then a
需要说明的是,在该实施例中,如果在判断过程中出现上述2个循环规则的情况时,将其发送至人机交互模块,在人机交互模块中由领域专家衡量,确定矛盾规则中哪些需要删除,哪些需要保留。
应理解,在该实施例中,上述各个规则包括的各处理方式并不相互排斥,在针对规则处理时,符合哪一个处理方式,就采用哪一个处理方式进行优化,直至遍历所有的规则。
可选地,如图2所示,在步骤110之前,方法100还可以包括:
150、根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型。
需要说明的是,在该实施例中,故障树模型是基于雷达发射机领域的专家经验,根据顶事件、中间事件、底事件之间的逻辑关系来建立的。由此可以确保得到的故障诊断结果更加标准化、公平化。
可选地,如图2所示,在步骤110之前,方法100还可以包括:
160、获取雷达发射机的工作状态参数。
170、根据雷达发射机的工作状态参数和预先建立的故障树模型构建故障树。如图4所示,给出了“调制器故障”的故障树示例。
180、通过求最小割集的方法对故障树进行优化。优化前后的故障树示例分别如图5和图6所示。
具体的,在该实施例中,通过根据获取的雷达发射机的工作状态参数和预先建立的故障树模型构建故障树,并通过求最小割集的方法对故障树进行优化,可以大大的简化故障树,从而在将其转换为规则,并基于雷达发射机的当前工作状态参数转换的条目进行匹配查找故障时,可以更加方便快捷。
在该实施例中,步骤140具体可以为以下两种情况:一种是从上而下查故障原因,一种是从下而上查故障结果。
在查找故障原因时,可以将雷达发射机的当前工作状态参数转换成的条目与优化后的多条规则的if条件部分进行匹配,查找、定位到故障节点事件,再映射到优化后的故障树,从上至下排查至多个底事件。
在查找故障结果时,可以将雷达发射机的当前工作状态参数转换成的条目与优化后的多条规则的then结论部分进行匹配,查找、定位到故障节点事件,再映射到优化后的故障树,从下至上排查至顶事件。
由此,可以得到最终的故障诊断结果。诊断结果可以为故障节点事件本身,也可以包括导致该故障节点事件事件的原因和/或由其导致的结果,为了使得故障诊断结果的查看更加直观方便,还可以将其以故障树的形式显示在人机交互模块上,并利用鲜亮的颜色显示故障流,即:从顶事件到某一个中间事件再到多个底事件的故障流经过的时间节点和路径。
在一个实施例中,如图3所示,步骤180具体可以包括:
181、将故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理,直至全部的逻辑门都置换为底事件,得到多个割集。
182、为每一个割集中的每一个底事件赋予一个素数后,将每一个割集中的素数相乘。
183、当得到的乘积中的第一乘积能整除第二乘积时,保留第一乘积,得到的割集为最小割集,完成对故障树的优化。其中,第一乘积小于第二乘积。
其中,110具体为:将经过最小割集优化后的故障树转换为多条规则。
具体的,在该实施例中,在182之前,还包括:将故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理的过程中,如果一个割集内有重复出现的事件时,则只保留一个事件即可。应理解,在该实施例中,每个割集中的底事件数量可以相同也可以不同,不同割集中可以包括相同的底事件。
在另一个实施例中,在为每一个割集中的每一个底事件赋予一个素数时,可以是随机的赋值,或者,也可以针对一个割集中的多个底事件,为每个底事件赋予的素数为从小到大取得。
例如:针对图5所示的故障树,形成割集的过程如下表1所示。
表1
1 | 2 | 3 | 4 | 5 | 6 | 割集 |
T | M1M2 | X1M2 | X1X2 | X1X2 | X1X2 | X1X2 |
M3M2 | X1M4 | X1X3X4 | X1X3X4 | X4X5X3 | ||
M3X2 | M5X3X2 | X5X3X2 | X5X3X2 | |||
M3M4 | M5X3M4 | X4X3X2 | X4X3X2 | |||
X5X3M4 | X5X3X4 | |||||
X4X3M4 | X4X3 |
给割集中的底事件赋予相应的素数:底事件X1赋值为2,底事件X2赋值为3,底事件X3赋值为5,底事件X4赋值为7,底事件X5赋值为11。则通过上述步骤183求最小割集的过程如下表2所示。
表2
底事件 | 赋值 | 割集 | 乘积 | 是否最小割集 | |
X1 | 2 | X1X2 | 6 | 是 | |
X2 | 3 | X4X5X3 | 385 | 否 | |
X3 | 5 | X5X3X2 | 165 | 是 | |
X4 | 7 | X4X3X2 | 105 | 否 | |
X5 | 11 | X5X3X4 | 385 | 否 | |
X4X3 | 35 | 是 |
根据上表2中得到的最小割集对故障树进行优化之后,可以得到图6所示的故障树。
显然,当对每个底事件赋予的素数为从小到大取得的时候,可以大大减少运算量。
需要说明的是,上述所列数据仅仅是为了描述本发明实施例的技术方案所举的例子,并不对本发明实施例构成任何限定。
另外,在步骤183之前,可以将得到的乘积按照大小次序排列,然后执行步骤183,如果小的乘积能整除大的乘积,则大的乘积对应的割集不是最小割集,此时保留乘积小的割集,最后得到的割集系列即是最小割集。
应理解,在本发明的上述各实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明还提供了一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如上述任一项实施例中的方法。
上文结合图1至图6,对本发明实施例提供的一种雷达发射机故障诊断方法进行了详细的描述,下面结合图7和图8对本发明实施例提供的一种雷达发射机故障诊断系统进行详细的描述。
如图7所示的一种雷达发射机故障诊断系统200,包括:知识获取模块210、知识库模块220、解释器模块230和推理机模块240。其中,
知识获取模块210用于将故障树转换为多条规则,使每条规则分别对应故障树中各层节点事件。其中,故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的。
知识库模块220用于根据预设的处理规则对多条规则进行优化,得到优化后的多条规则。解释器模块230用于将获取的雷达发射机的当前工作状态参数转换为计算机系统可识别的条目。推理机模块240用于将条目与优化后的多条规则进行匹配和查找,定位到故障节点事件。
具体的,在该实施例中,每条规则可以包括:if条件部分和then结论部分。预设的处理规则可以包括:冗余规则处理、矛盾规则处理和循环规则处理。其中,冗余规则处理、矛盾规则处理和循环规则处理各种所包括的处理方式与上述方法100中描述的相同,为了描述的简洁,在此不再赘述。
应理解,在本发明实施例中,根据本发明实施例的系统200,可对应于根据本发明实施例的方法100的执行主体,并且该系统200中的各个器件的上述和其它操作和/或功能分别为了实现图1至图6中的各个方法的相应流程,为了简洁,在此不再赘述。
在该实施例中,通过将根据雷达发射机的工作状态参数和预先建立的故障树模型构建的故障树转换为多条规则,使得每条规则分别对应故障树中各层节点事件,并将雷达发射机的当前工作状态参数转换成的条目与经过预设的处理规则处理后得到的多条规则进行匹配和查找,定位到故障节点事件,从而可以有效提高雷达发射机的故障诊断效率,大大的降低成本。
可选地,如图8所示,系统200还可以包括:人机交互模块250。
人机交互模块250用于根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型,并接收用户输入的操作指令,根据操作指令显示对应的信息。
例如:在矛盾规则处理过程中,可以显示矛盾规则,并根据人机交互界面接收的第一操作指令确定删除的规则。在循环规则处理过程中,可以显示循环规则,并根据人机交互界面接收的第二操作指令确定删除的规则。
在该实施例中,由于故障树模型是基于雷达发射机领域的专家经验建立的,基于此和雷达发射机的工作状态参数构建故障树,因此,可以汇集领域内更多专家知识和经验等优点,使得该系统输出的结果更加标准化。
另外,人机交互模块250还可以用于显示最终的故障诊断结果。可以使得故障诊断结果的查看更加直观方便。
可选地,知识获取模块220还用于通过求最小割集的方法对故障树进行优化。具体的,将故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理,直至全部的逻辑门都置换为底事件,得到多个割集。为每一个割集中的每一个底事件赋予一个素数后,将每一个割集中的素数相乘,当得到的乘积中的第一乘积能整除第二乘积时,保留第一乘积,得到的割集为最小割集,完成对故障树的优化。其中,第一乘积小于第二乘积。由此,可以大大的简化故障树,有效的加快运算速率。
另外,将故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理的过程中,如果一个割集内有重复出现的事件时,则只保留一个事件即可。且在为每一个割集中的每一个底事件赋予一个素数时,可以是随机的赋值,或者,也可以针对一个割集中的多个底事件,为每个底事件赋予的素数为从小到大取得。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种雷达发射机故障诊断方法,其特征在于,包括:
将故障树转换为多条规则,使每条所述规则分别对应所述故障树中各层节点事件,其中,所述故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的;
根据预设的处理规则对多条所述规则进行优化,得到优化后的多条所述规则;
将获取的所述雷达发射机的当前工作状态参数转换为计算机系统可识别的条目;
将所述条目与优化后的多条所述规则进行匹配和查找,定位到故障节点事件。
2.根据权利要求1所述的雷达发射机故障诊断方法,其特征在于,每条所述规则包括:if条件部分和then结论部分,所述预设的处理规则包括:冗余规则处理、矛盾规则处理和循环规则处理。
3.根据权利要求2所述的雷达发射机故障诊断方法,其特征在于,所述冗余规则处理包括:
当规则R1的if条件部分与then结论部分,和规则R2的if条件部分与then结论部分完全等价,则删除规则R1或者规则R2;
当规则R1的if条件部分为包含规则R2的if条件部分的“与”条件,则删除规则R1;
当规则R1的if条件部分为包含规则R2的if条件部分的“或”条件,则删除规则R2;
当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“与”条件包含规则R2的then结论部分中的“与”条件,则删除规则R2;
当规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分中的“或”条件包含规则R2的then结论部分中的“或”条件,则删除规则R2;
根据文字集闭包法判断规则r是否为包含多条所述规则的规则集R中的蕴涵冗余,若是,删除规则r。
4.根据权利要求2所述的雷达发射机故障诊断方法,其特征在于,所述矛盾规则处理包括:当出现以下任一矛盾规则时,通过人机交互界面显示所述矛盾规则,并根据人机交互界面接收的第一操作指令确定删除的规则,其中,所述矛盾规则包括:
规则R1的if条件部分与then结论部分相反;
规则R1的if条件部分和规则R2的if条件部分相同,且规则R1的then结论部分和规则R2的then结论部分相反;
规则R1的if条件部分和规则R3的if条件部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R3的then结论部分和规则R4的if条件部分相同,而规则R2的then结论部分与规则R4的then结论部分相反。
5.根据权利要求2所述的雷达发射机故障诊断方法,其特征在于,所述循环规则处理包括:当出现以下任一循环规则时,通过人机交互界面显示所述循环规则,并根据人机交互界面接收的第二操作指令确定删除的规则,其中,所述循环规则包括:
规则R1的if条件部分和R2的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同;
规则R1的if条件部分和R3的then结论部分相同,规则R1的then结论部分和规则R2的if条件部分相同,规则R2的then结论部分和规则R3的if条件部分相同。
6.根据权利要求1-5中任一项所述的雷达发射机故障诊断方法,其特征在于,在将故障树转换为多条规则之前,还包括:
根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型。
7.根据权利要求1-5中任一项所述的雷达发射机故障诊断方法,其特征在于,在将故障树转换为多条规则之前,还包括:
获取所述雷达发射机的工作状态参数;
根据所述雷达发射机的工作状态参数和预先建立的故障树模型构建所述故障树;
通过求最小割集的方法对所述故障树进行优化。
8.根据权利要求7所述的雷达发射机故障诊断方法,其特征在于,所述通过求最小割集的方法对所述故障树进行优化,包括:
将所述故障树从顶事件开始由上而下,进行逻辑与门增加割集容量和逻辑或门增加割集数量的处理,直至全部的逻辑门都置换为底事件,得到多个割集;
为每一个割集中的每一个底事件赋予一个素数后,将每一个割集中的素数相乘;
当得到的乘积中的第一乘积能整除第二乘积时,保留第一乘积,得到的割集为最小割集,完成对所述故障树的优化,其中,所述第一乘积小于所述第二乘积,
其中,将故障树转换为多条规则,包括:
将经过最小割集优化后的所述故障树转换为多条规则。
9.一种雷达发射机故障诊断系统,其特征在于,包括:
知识获取模块,用于将故障树转换为多条规则,使每条所述规则分别对应所述故障树中各层节点事件,其中,所述故障树根据雷达发射机的工作状态参数和预先建立的故障树模型构建的;
知识库模块,用于根据预设的处理规则对多条所述规则进行优化,得到优化后的多条所述规则;
解释器模块,用于将获取的所述雷达发射机的当前工作状态参数转换为计算机系统可识别的条目;
推理机模块,用于将所述条目与优化后的多条所述规则进行匹配和查找,定位到故障节点事件。
10.根据权利要求9所述的雷达发射机故障诊断系统,其特征在于,还包括:人机交互模块,用于根据雷达发射机领域的专家经验,建立雷达发射机领域的故障树模型,并接收用户输入的操作指令,根据所述操作指令显示对应的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811354279.8A CN109143189A (zh) | 2018-11-14 | 2018-11-14 | 一种雷达发射机故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811354279.8A CN109143189A (zh) | 2018-11-14 | 2018-11-14 | 一种雷达发射机故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109143189A true CN109143189A (zh) | 2019-01-04 |
Family
ID=64805941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811354279.8A Pending CN109143189A (zh) | 2018-11-14 | 2018-11-14 | 一种雷达发射机故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109143189A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337891A (zh) * | 2020-03-23 | 2020-06-26 | 中国人民解放军陆军炮兵防空兵学院士官学校 | 活动目标侦察校射雷达故障诊断仪及诊断方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869295A (zh) * | 2012-12-17 | 2014-06-18 | 现代摩比斯株式会社 | 车辆用雷达故障诊断方法及用于其的系统 |
US20140369389A1 (en) * | 2013-06-12 | 2014-12-18 | Broadcom Corporation | Cellular-to-GNSS Fine Time Assistance and Power Amplifier (PA) Blanking |
CN104569934A (zh) * | 2014-12-31 | 2015-04-29 | 中国气象局气象探测中心 | 一种雷达故障处理系统 |
CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
CN107966701A (zh) * | 2017-11-14 | 2018-04-27 | 北京无线电测量研究所 | 一种雷达倾角测量方法及装置 |
-
2018
- 2018-11-14 CN CN201811354279.8A patent/CN109143189A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103869295A (zh) * | 2012-12-17 | 2014-06-18 | 现代摩比斯株式会社 | 车辆用雷达故障诊断方法及用于其的系统 |
US20140369389A1 (en) * | 2013-06-12 | 2014-12-18 | Broadcom Corporation | Cellular-to-GNSS Fine Time Assistance and Power Amplifier (PA) Blanking |
CN104569934A (zh) * | 2014-12-31 | 2015-04-29 | 中国气象局气象探测中心 | 一种雷达故障处理系统 |
CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
CN107966701A (zh) * | 2017-11-14 | 2018-04-27 | 北京无线电测量研究所 | 一种雷达倾角测量方法及装置 |
Non-Patent Citations (3)
Title |
---|
李林林: "高炉专家系统中知识库的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
郑裕国: "故障树定性和定量分析的算法", 《浙江工业大学学报》 * |
黄裔诚: "基于故障树的CINRAD/SA雷达故障诊断系统", 《气象科技》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111337891A (zh) * | 2020-03-23 | 2020-06-26 | 中国人民解放军陆军炮兵防空兵学院士官学校 | 活动目标侦察校射雷达故障诊断仪及诊断方法 |
CN111337891B (zh) * | 2020-03-23 | 2023-05-12 | 中国人民解放军陆军炮兵防空兵学院士官学校 | 活动目标侦察校射雷达故障诊断仪及诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8732107B2 (en) | Method and system for capturing business rules for automated decision procession | |
US7188091B2 (en) | Rule processing system | |
Liu et al. | Dynamic adaptive fuzzy Petri nets for knowledge representation and reasoning | |
US10878324B2 (en) | Problem analysis and priority determination based on fuzzy expert systems | |
US20040260667A1 (en) | Method of providing decision automation | |
US20210319333A1 (en) | Methods and systems for detection and isolation of bias in predictive models | |
US20190266506A1 (en) | System and method for semantics based probabilistic fault diagnosis | |
CN116771576B (zh) | 水电机组故障综合诊断方法 | |
CN104506340A (zh) | 基于工业以太网故障诊断方法中决策树的创建方法 | |
CN105956665A (zh) | 一种基于动态不确定因果图的启发式检测系统异常原因的方法 | |
CN106951963B (zh) | 一种知识精炼的方法以及装置 | |
CN113900845A (zh) | 一种基于神经网络的微服务故障诊断的方法和存储介质 | |
CN109964182A (zh) | 用于车辆分析的方法和系统 | |
US20170103168A1 (en) | Knowledge-based personal intelligent health consulting system | |
CN109143189A (zh) | 一种雷达发射机故障诊断方法及系统 | |
CN110502432A (zh) | 智能测试方法、装置、设备及可读存储介质 | |
Fossier et al. | Maintenance of complex systems—from preventive to predictive | |
JPH0855029A (ja) | 原因の推論装置 | |
US8170970B2 (en) | Constraint based system that identifies top constraint expressions | |
Strasser et al. | An empirical evaluation of Bayesian networks derived from fault trees | |
CN108416443A (zh) | 一种故障诊断方法及装置 | |
US9229898B2 (en) | Causation isolation using a configuration item metric identified based on event classification | |
Valdés-Souto et al. | Evaluating the software quality non-functional requirement through a fuzzy logic-based model based on the ISO/IEC 25000 (SQuaRE) standard | |
CN112906891A (zh) | 基于机器学习的专家系统知识库构建方法及装置 | |
CN114548930B (zh) | 一种综合能源管理平台的信息智能处理方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190104 |