CN109298706A - 一种基于贝叶斯网络的飞控系统故障诊断方法 - Google Patents

一种基于贝叶斯网络的飞控系统故障诊断方法 Download PDF

Info

Publication number
CN109298706A
CN109298706A CN201811306822.7A CN201811306822A CN109298706A CN 109298706 A CN109298706 A CN 109298706A CN 201811306822 A CN201811306822 A CN 201811306822A CN 109298706 A CN109298706 A CN 109298706A
Authority
CN
China
Prior art keywords
control system
flight control
field replaceable
replaceable unit
signal
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
Application number
CN201811306822.7A
Other languages
English (en)
Inventor
柳楠
宋少鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Aircraft Design and Research Institute of AVIC
Original Assignee
Xian Aircraft Design and Research Institute of AVIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Aircraft Design and Research Institute of AVIC filed Critical Xian Aircraft Design and Research Institute of AVIC
Priority to CN201811306822.7A priority Critical patent/CN109298706A/zh
Publication of CN109298706A publication Critical patent/CN109298706A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model

Abstract

一种基于贝叶斯网络的飞控系统故障诊断方法，对整个系统做相关性分析，建立每一个外场可更换单元的信号输入和信号输出关系，形成飞控系统的从顶层信号输入到末端信号响应的多个信号链关系，模拟每个外场可更换单元的实体模块发生故障，形成飞控系统各类故障描述清单，将飞控系统的每个外场可更换单元及实体模块之间的关系对应成贝叶斯网络的父节点与子节点关系，形成整个系统的贝叶斯诊断模型。

Description

一种基于贝叶斯网络的飞控系统故障诊断方法
技术领域
本发明属于飞机飞控系统故障诊断，具体是一种基于贝叶斯网络的飞控系统故障诊断方法。
背景技术
机载诊断涉及到飞行器的自我诊断与报告能力。应用适当的推理逻辑后，诊断系统可以给出特定的大型机载系统健康状况，据此，飞行员或地勤人员可以掌握飞机的实时健康状况。自从20世纪80年代机载计算机引入以来，诊断信息发生了巨大的变化。早期的版本仅可以指示特定失效模式是否发生，并不含用于纠正的决策信息。现代机载故障诊断系统引用标准化的数字信息通信端口来获取实时数据，可以识别、隔离及修复故障。
然而，未发现故障的问题在近十几年非常盛行，主要表现在以下方面。第一，故障的现象不能被复现，导致难以定位故障源。第二，故障现象可以被复现，但是检查可疑的外场可更换单元后，无法找到故障源。第三，可疑外场可更换单元被检测且恢复到装机正常状态后，同样的故障现象又会出现。
针对上述问题，欧洲某调研机构调查了国际上流行的解决未发现故障的措施。主流的前三项措施(分别为借鉴过往维护数据、维修技师培训、寻求供应商协助)，解决未发现故障会耗费大量的时间以及人力物力，给航空公司或其他用户带来巨大的成本，影响装备的出勤率及使用效能。
如何及时准确发现飞控系统的故障源是飞机飞控系统故障诊断的难题。
发明内容
本发明的目的在于提出一种基于贝叶斯网络的飞控系统故障诊断方法，依据当前故障现象、结合数据分析与逻辑推理，协助飞行员及地勤人员定位故障、排除故障。
一种基于贝叶斯网络的飞控系统故障诊断方法，该飞控系统含有多个分系统，每个分系统含有多个外场可更换单元，每个外场可更换单元含有多个实体模块，已知飞控系统的架构关系以及该飞控系统内各外场可更换单元的交联关系，其特征在于，1)对整个系统做相关性分析，建立每一个外场可更换单元的信号输入和信号输出关系，形成飞控系统的从顶层信号输入到末端信号响应的多个信号链关系；2)以上述的信号链关系为依据，对飞控系统做失效模式影响分析，模拟每个外场可更换单元的实体模块发生故障，该故障对外场可更换单元及该外场可更换单元所在的分系统的影响，形成飞控系统各类故障描述清单；3)根据步骤1)和步骤2)搭建贝叶斯诊断模型，首先获取实体模块发生故障的先验概率供贝叶斯网络推理使用(该先验概率可从外场可更换单元供应商的测试性文件获取)，其次将飞控系统的每个外场可更换单元及实体模块之间的关系对应成贝叶斯网络的父节点与子节点关系，上述父节点与子节点关系依赖上述的信号链关系和故障描述清单，形成整个系统的贝叶斯诊断模型。
所述的顶层信号输入含有各类传感器输入信号、飞行员操作信号以及外场可更换单元的自检测报告，所述的末端信号响应含有飞机姿态响应、飞机控制面响应等其他可观测的响应。
本申请的有益效果在于：1)本发明可在飞控系统发生故障后，根据故障现象由诊断系统给出可能故障点供飞行员及地勤人员参考。2)本发明提供了一种飞控系统故障诊断方法，具备实时、自动、高效的特点，可以大幅缩减未发现故障所带来的巨大成本。
以下结合实施例附图对本申请做进一步详细说明。
附图说明
图1是大气数据计算机诊断模型
具体实施方式
参见附图，本申请以某飞控系统的大气数据计算机为案例，建立故障诊断模型。大气数据计算机为外场可更换单元，含有自检测模块、中央处理组合模块、输入输出接口组合模块等实体模块，实体模块之间传递有攻角传感器电压(输入信号)、垂直速度(输出信号)、自检测结果(输入信号)等信号。首先进行上述步骤1)对整个系统做相关性分析，建立每一个外场可更换单元的信号输入和信号输出关系，形成飞控系统的从顶层信号输入到末端信号响应的多个信号链关系；实例中，输出的垂直速度依赖于大气数据计算机攻角传感器电压信号、中央处理组合模块以及输入输出接口组合模块，形成一个信号链；其次进行步骤2)，以上述的信号链关系为依据，对飞控系统做失效模式影响分析，模拟每个外场可更换单元的实体模块发生故障，该故障对外场可更换单元及该外场可更换单元所在的分系统的影响，形成飞控系统各类故障描述清单；实例中，模拟大气数据计算机攻角传感器电压信号，或者中央处理组合模块，或者输入输出接口组合模块至少有一个故障时，会导致大气数据计算机无法计算垂直速度，使飞控系统无法获取垂直速度来给出控制指令，形成飞控系统的一个故障描述清单。只有当大气数据计算机攻角传感器电压信号、中央处理组合模块以及输入输出接口组合模块同时完好时，输出的垂直速度才会有效；最后进行步骤3)，根据步骤1)和步骤2)搭建贝叶斯诊断模型，首先获取实体模块发生故障的先验概率供贝叶斯网络推理使用(该先验概率可从外场可更换单元供应商的测试性文件获取)，其次将飞控系统的每个外场可更换单元及实体模块之间的关系对应成贝叶斯网络的父节点与子节点关系，上述父节点与子节点关系依赖上述的信号链关系和故障描述清单，形成整个系统的贝叶斯诊断模型。实例中，依据大气数据供应商的测试性文件给出中央处理组合模块以及输入输出接口组合模块故障的先验概率，将上述攻角传感器电压(输入信号)、垂直速度(输出信号)、自检测结果(输入信号)信号以及自检测模块、中央处理组合模块、输入输出接口组合模块三个实体模块对应到贝叶斯网络中，同时给出子节点“垂直速度”和“自检测结果”与其对应父节点“攻角传感器电压信号”、“中央处理组合模块”、“输入输出接口组合模块”、“自检测模块”，上述父节点与子节点关系依赖上述的信号链关系和故障描述清单，形成大气数据计算机的贝叶斯诊断模型。

Claims (2)

1.一种基于贝叶斯网络的飞控系统故障诊断方法，该飞控系统含有多个分系统，每个分系统含有多个外场可更换单元，每个外场可更换单元含有多个实体模块，已知飞控系统的架构关系以及该飞控系统内各外场可更换单元的交联关系，其特征在于，1)对整个系统做相关性分析，建立每一个外场可更换单元的信号输入和信号输出关系，形成飞控系统的从顶层信号输入到末端信号响应的多个信号链关系；2)以上述的信号链关系为依据，对飞控系统做失效模式影响分析，模拟每个外场可更换单元的实体模块发生故障，该故障对外场可更换单元及该外场可更换单元所在的分系统的影响，形成飞控系统各类故障描述清单；3)根据步骤1)和步骤2)搭建贝叶斯诊断模型，首先获取实体模块发生故障的先验概率供贝叶斯网络推理使用，其次将飞控系统的每个外场可更换单元及实体模块之间的关系对应成贝叶斯网络的父节点与子节点关系，上述父节点与子节点关系依赖上述的信号链关系和故障描述清单，形成整个系统的贝叶斯诊断模型。
2.如权利要求1所述的基于贝叶斯网络的飞控系统故障诊断方法，其特征在于，所述的顶层信号输入含有传感器输入信号、飞行员操作信号以及外场可更换单元的自检测报告，所述的末端信号响应含有飞机姿态响应、飞机控制面响应响应。
CN201811306822.7A 2018-11-02 2018-11-02 一种基于贝叶斯网络的飞控系统故障诊断方法 Pending CN109298706A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811306822.7A CN109298706A (zh) 2018-11-02 2018-11-02 一种基于贝叶斯网络的飞控系统故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811306822.7A CN109298706A (zh) 2018-11-02 2018-11-02 一种基于贝叶斯网络的飞控系统故障诊断方法

Publications (1)

Publication Number Publication Date
CN109298706A true CN109298706A (zh) 2019-02-01

Family

ID=65145994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811306822.7A Pending CN109298706A (zh) 2018-11-02 2018-11-02 一种基于贝叶斯网络的飞控系统故障诊断方法

Country Status (1)

Country Link
CN (1) CN109298706A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785636B1 (en) * 1999-05-14 2004-08-31 Siemens Corporate Research, Inc. Fault diagnosis in a complex system, such as a nuclear plant, using probabilistic reasoning
CN102880170A (zh) * 2012-10-08 2013-01-16 南京航空航天大学 基于基线模型和贝叶斯因子的系统故障早期预警方法
CN104865956A (zh) * 2015-03-27 2015-08-26 重庆大学 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
CN105607618A (zh) * 2015-12-23 2016-05-25 苏州汇莱斯信息科技有限公司 一种基于通道故障逻辑算法的飞控计算机系统
CN106250631A (zh) * 2016-08-03 2016-12-21 中国科学院西安光学精密机械研究所 一种基于故障‑测试相关矩阵的故障诊断方法
US20170046462A1 (en) * 2012-10-09 2017-02-16 The Boeing Company Methods and systems for structural health monitoring
CN108345723A (zh) * 2018-01-24 2018-07-31 江苏新中天塑业有限公司 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法
CN108519769A (zh) * 2018-04-09 2018-09-11 电子科技大学 一种基于规则的飞控系统故障诊断方法
CN108594793A (zh) * 2018-04-17 2018-09-28 电子科技大学 一种改进的rbf飞控系统故障诊断网络训练方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6785636B1 (en) * 1999-05-14 2004-08-31 Siemens Corporate Research, Inc. Fault diagnosis in a complex system, such as a nuclear plant, using probabilistic reasoning
CN102880170A (zh) * 2012-10-08 2013-01-16 南京航空航天大学 基于基线模型和贝叶斯因子的系统故障早期预警方法
US20170046462A1 (en) * 2012-10-09 2017-02-16 The Boeing Company Methods and systems for structural health monitoring
CN104865956A (zh) * 2015-03-27 2015-08-26 重庆大学 一种基于贝叶斯网络的复杂系统中传感器故障诊断方法
CN105607618A (zh) * 2015-12-23 2016-05-25 苏州汇莱斯信息科技有限公司 一种基于通道故障逻辑算法的飞控计算机系统
CN106250631A (zh) * 2016-08-03 2016-12-21 中国科学院西安光学精密机械研究所 一种基于故障‑测试相关矩阵的故障诊断方法
CN108345723A (zh) * 2018-01-24 2018-07-31 江苏新中天塑业有限公司 一种基于决策树和贝叶斯网络的电机故障诊断系统及方法
CN108519769A (zh) * 2018-04-09 2018-09-11 电子科技大学 一种基于规则的飞控系统故障诊断方法
CN108594793A (zh) * 2018-04-17 2018-09-28 电子科技大学 一种改进的rbf飞控系统故障诊断网络训练方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
唐甜: "贝叶斯网络在飞控系统可靠性评估中的应用", 《民用飞机设计与研究》 *
陈康: "基于贝叶斯网络的飞行控制系统安全分析方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Similar Documents

Publication Publication Date Title
US11514567B2 (en) On-line real-time diagnosis system and method for wind turbine blade (WTB) damage
US8914149B2 (en) Platform health monitoring system
CN107272653B (zh) 一种飞行控制系统故障诊断方法
CN104504248B (zh) 一种基于设计数据分析的故障诊断建模方法
CN106649915A (zh) 一种输配电网设备缺陷预警系统
CN103925853B (zh) 一种运载火箭地面测试系统装置
CN109086470A (zh) 一种基于模糊偏好关系与d-s证据理论的故障诊断方法
CN111639467A (zh) 一种基于长短期记忆网络的航空发动机寿命预测方法
US11442095B2 (en) Cable harness test system and test method for checking cable harnesses
CN107544458A (zh) 空空导弹机载检测装置及检测方法
CN110728879B (zh) 一种用于飞机训练模拟器的安全监测系统
US20090292951A1 (en) Method and device for fault location in a system
KR102118748B1 (ko) 플랫폼 건전성 모니터링 시스템
CN114692416A (zh) 一种智能模拟仿真飞行中飞机故障分析系统及方法
CN104536970A (zh) 遥信数据设备故障判断与分类系统及方法
CN109359662A (zh) 一种面向百万千瓦超超临界机组非平稳特性的基于因果分析的多层贝叶斯网络故障诊断方法
CN204189339U (zh) 一种机载电子干扰吊舱维护训练系统
CN105700379A (zh) 一种系统自适应的近地告警仿真测试设备
CN109298706A (zh) 一种基于贝叶斯网络的飞控系统故障诊断方法
Stankunas et al. Experimental research of wireless sensor network application in aviation
CN115903760A (zh) 一种无人机系统的故障诊断和性能评定的方法
CN110888011A (zh) 一种基于测试性建模的原位测试方法及测试装置
Raptis et al. A particle filtering-based framework for real-time fault diagnosis of autonomous vehicles
KR102091204B1 (ko) 무인 비행체 비행 제어 검사 시스템 및 그 방법
Zhang et al. A methodology for optimum sensor localization/selection in fault diagnosis

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190201

WD01 Invention patent application deemed withdrawn after publication