CN111444035A - 基于故障传播网络的复杂电子系统故障诊断方法 - Google Patents

Abstract

本发明公开基于故障传播网络的复杂电子系统故障诊断方法，利用图论建立复杂电子系统的故障传播有向图，利用矩阵理论实现故障传播有向图的存储和分层优化；再根据故障现象节点对故障传播网络进行精简，通过计算节点的信息输出强度和工作强度建立选候选故障源集，最后利用熵权法计算故障源的综合影响度，以此确定故障源，本发明以复杂电子系统的物理结构为基础建立故障传播网络，解决了复杂电子系统故障诊断的建模问题，利用系统部件的信息输出量、无故障工作时间等设计指标解决了系统故障传播影响关系的量化问题，同时避免了对故障历史数据的依赖，能够快速地识别定位故障源，提高复杂电子系统的故障诊断能力。

Description

基于故障传播网络的复杂电子系统故障诊断方法

技术领域

本发明涉及复杂电子系统故障诊断技术领域，具体涉及一种基于故障传播网络的复杂电子系统故障诊断方法。

背景技术

复杂电子系统是由多个部件(计算机或有计算能力的电子设备)构成的整体，当一个部件出现故障时，故障部件的错误信息往往沿着物理连接路径传输至一个或多个其他部件，错误信息会被累积放大，导致其他部件也不能正常工作，由此引起故障连锁效应，最终影响系统整体性能的发挥。

由于多变的工作环境和复杂的物理连接关系，系统中一个部件不能正常工作的主因，一是自身故障引起，比如硬件断路、短路、接触不良等；二是故障传播所致，即一个部件发生故障后，其输出的错误信息(比如参数错误、时延增大等)沿着物理连接路径传播，引起其他部件不能正常工作。应用实践表明，复杂电子系统中，出现故障现象的节点不一定是故障源，一个故障源可能会造成多个部件不能正常工作，多个故障源也会使一个部件出现工作异常。因此，在系统产生故障时，根据故障现象快速、准确定位故障源，是故障诊断要解决的关键问题，也是提高复杂系统的可用性、可靠性和安全性的重要手段。

近年来，国内外学者在复杂电子系统的故障诊断方面开展了大量研究，提出了多种方法，总体来说，这些故障诊断方法分为三类：

第一类是基于数学模型的方法。这类方法需要得到系统的精确数学模型，通过构造观测器估计系统的输出，与实际系统的输出做差得到残差信号，通过分析残差信号中包含的系统状态信息得到系统故障位置。状态估计、参数估计、等价空间法均属于这类方法。

第二类是基于信号处理的方法。这类方法是利用系统的信号模型提取信号特征值，利用可测信号特征值的变化来识别和判断故障。直接测量系统输入输出法、小波变换法、输出信号处理法等就属于这类方法。

第三类是基于人工智能的方法。这类方法是把已有的系统故障知识、专家经验等利用人工智能方法转化为计算机能够识别的信息，建立系统状态与系统故障之间的映射，由计算机完成故障的快速诊断。基于专家系统的方法、基于神经网络的方法、基于模糊数学、基于图论的方法是研究较多的方法。

上述这些方法虽取得了较好的故障诊断效果，但是与系统级故障诊断的全局性和准确性需求相比，现有方法还存在以下三方面的问题：

一是非线性系统故障建模难的问题。本发明所说的复杂系统是指由几十甚至更多的独立部件组成的大系统，比如飞机系统、石油化工系统、电力控制系统等等，这些系统具有动态、非线性、多参数耦合的特点。基于数学模型的方法采用数学手段描述故障与系统状态变化之间的关系，主要用于线性系统和非线性系统中设备级(比如飞机系统的惯导、雷达)，在系统级的非线性故障建模方面存在诸多困难。

二是复杂系统测试点信号相互影响的问题。为了提高复杂系统的检修效率，通常在系统的有限位置设置测试点，测试点的可测信号(如频率、幅值等)来源于多个设备，且易受到环境、电磁干扰等因素影响，信号处理难度较大。基于信号处理的方法针对可测信号的变化识别单一故障，不考虑多故障时信号的相互影响，限制了该方法在复杂系统中的应用。

三是复杂系统工况数据获取难的问题。基于人工智能的方法是目前研究的热点，在解决非线性系统的故障建模、故障源搜索、多故障识别等方面表现较好。但是，这些方法的使用都需要系统实际运行状态、故障数据的支持：神经网络、模型逻辑等方法需要大量数据进行训练和测试，专家系统需要工况数据和领域专家的知识，图论方法要利用故障发生概率解决多故障源影响程度排序问题。复杂系统运行环境复杂，有些故障仅在特定环境条件下才发生，不可能提供上述方法所需的所有数据，因此人工智能方法在复杂系统的故障诊断方面还有待进一步完善。

目前，适应复杂系统规模大、物理交联复杂等特点，满足快速、准确要求的系统级故障诊断方法，仍然没有得到有效解决。

发明内容

本发明目的在于解决上述现有技术存在的缺陷，提供一种基于故障传播网络的复杂电子系统故障诊断方法，针对电子系统部件多、交联关系复杂的电子系统能够快速地识别定位故障源，提高复杂电子系统的故障诊断能力。

为实现上述目的，本发明采用如下技术申请：

基于故障传播网络的复杂电子系统故障诊断方法，包括系统建模算法和故障定位算法；

系统建模算法是利用图论对系统的部件和部件间的信息交互关系进行建模，得到电子系统故障传播有向图，利用矩阵理论再对故障传播有向图进行分层优化，得到分层优化的故障传播网络Net，在故障传播网络Net中，故障信息由高层向低层单向传播；

故障定位算法是先根据故障现象节点对故障传播网络Net进行化简，通过计算节点的信息输出强度和工作强度得到候选故障源集，再分别计算每个节点的信息输出强度和工作负荷强度对候选故障源集进行筛选，得到候选故障源，最后利用熵权法计算候选故障源的综合影响度，得到故障源序列，确定故障源。

进一步，所述系统建模算法具体步骤为：

(a)将系统部件描述为图的节点集V＝{v_i}，i＝1，2，…，n，n为系统部件数；

(b)将部件和部件的连接关系描述为图的有向边集E＝{e_ij}，i，j＝1，2，…，n，n为系统部件数，有向边集E表示节点集V中节点之间的故障传输路径，传播方向由节点v_i指向节点v_j，由节点集V和有向边集E构成有向图G＝{V，E}；

(c)用邻接矩阵A表示有向图G，A＝(a_ij)_n×n，i，j＝1，2，…，n，n为系统部件数；

邻接矩阵A的元素a_ij的取值为：

(d)将邻接矩阵A变换成可达矩阵P，变换方法如下式：

P＝E_n+A+A²+…+A^n-1 (1)

式(1)中，E_n为n阶单位矩阵，n为系统部件数，可达矩阵P＝(p_ij)_n×n，i，j＝1，2，…，n，p_ij取值含义为：

(e)计算节点v_i的可达集R(v_i)：在可达矩阵中P中，v_i到达的其他节点构成的集合，即p_ij＝1的节点构成的集合，i＝1，2，…，n，n为系统部件数；

(f)计算节点v_i的先行集A(v_i)：在可达矩阵P中，到达节点v_i的节点构成的集合，即p_ji＝1的节点构成的集合，i＝1，2，…，n，n为系统部件数；

(g)计算节点v_i的共同集C(v_i)：节点v_i的可达集R(v_i)和先行集A(v_i)的交集，即：C(v_i)＝R(v_i)∩A(v_i)，i＝1，2，…，n，n为系统部件数；

(h)如果节点v_i的共同集C(v_i)等于先行集A(v_i)，即C(v_i)＝A(v_i)，则节点v_i就是第1层节点，即L₁＝{v_i|C(v_i)＝A(v_i)}，i＝1，2，…，n，n为系统部件数；

(i)在可达矩阵P中，移除已被分层的节点v_i和与节点v_i相连的有向边；

(j)重复步骤(e)～(i)，直到将所有节点分层，得到分层优化的故障传播网络Net，在故障传播网络Net中，信息由高层向低层单向传输。

进一步，所述故障定位算法具体步骤为：

(a)假设故障传播网络Net有n个节点，分为L层，第1层为最高层，第L层为最低层；出现故障现象的节点为v_x，x＝1，2，…，n，n为系统部件数；在故障传播网络Net中，先查找有故障现象的节点v_x所处的层级，假设节点v_x在第l层，且1≤l≤L；

(b)删除故障传播网络Net中位于l+1～L层的所有节点和与这些节点相关的边；

(c)删除故障传播网络Net中位于1～l层且与节点v_x没有可达关系的所有节点，得到新的故障传播网络Net′；

(d)在Net′中，通过公式(2)计算节点出度不为零的信息输出强度d_i→j：

d_i→j＝|D′_i→j-D_i→j|/D_i→j (2)

式(2)中，D′_i→j为节点v_i向节点v_j实际输出的信息量，D_i→j为节点v_i向节点v_j正常输出的信息量；

(e)当0＜d_i→j＜ε_i→j时，说明节点v_i向节点v_j的信息传输强度正常；否则按照d_i→j降序将节点v_i记录在候选故障源集H中，同时将节点v_i的信息输出强度d_i→j记录在集合O＝{d_i→j}中，ε_i→j为节点v_i向节点v_j输出信息量的最大偏差，可根据工程实际需要进行设置；

(f)计算候选故障源集H中每个节点的工作负荷强度W_i，并记录在集合W中，W_i的计算方法如下式：

W_i＝T_iZ/T_iMTBF (3)

式(3)中，T_iZ为H中第i个节点的累积工作时间，T_iMTBF为H中第i个节点的平均无故障工作时间；

(g)计算候选故障源集H中每个节点的综合影响度，如下式：

R_i＝λE_i+(1-λ)W_i (4)

式(4)中，i＝1，2，…，h，h为H中节点个数，E_i和W_i分别为节点的信息输出强度和工作负荷强度，λ为权重系数，根据信息输出强度和工作负荷强度对故障的影响程度确定；

(h)确定故障源

将R_i值降序排列得到的序列为故障源序列，位于序列前面的节点，信息输出强度和工作负荷强度越大，引发故障的概率就越大，按照故障源序列排故，确定故障源。

本发明具备以下有益效果：

本发明的复杂电子系统故障诊断方法，以复杂电子系统的物理结构为基础建立故障传播网络，利用图和矩阵理论直观清晰地描述了系统部件的故障传播关系，解决了故障传播在计算机中的表示和化简问题；利用系统部件的信息输出量、无故障工作时间等设计指标解决了系统故障传播影响关系的量化问题，解决了复杂电子系统故障诊断建模的问题，同时减少了对系统故障数据的依赖，适应复杂系统规模大、物理交联复杂等特点，能偶快速、准确识别定位故障源，提高复杂电子系统的故障诊断能力。

附图说明

图1综合航电系统部件有向图

图2优化后的故障传播网络图

图3删除第L₅层节点后的故障传播网络图

具体实施方式

下面结合具体实施例对本发明作进一步详细描述，但不作为对本发明的限定。

本发明以综合航电系统为例说明故障诊断实施方法，综合航电系统是作战飞机的重要组成部分，主要完成通信、导航、武器控制、自我防御、显示控制等功能，综合航电系统的组成如表1所示。

表1本发明的综合航电系统组成部件名称和编号

火控计算机是综合航电系统中信息交互关系最复杂的一个部件，接收大气计算机、惯导计算机、目标处理机、外挂管理机等部件的数据，进行综合计算，并将计算后的结果输出给显示控制处理机、告警输出计算机等部件。在一次地面通电检查过程中，维护人员发现火控计算机输出的中距空空导弹攻击数据错误。维护人员采取了重启再试、更换火控计算机等措施，该问题仍未排除。这是一个典型的由故障传播引起的系统故障，按照本发明提出的方法找到导致火控计算机输出数据错误的故障源。

一、系统建模算法

(1)将综合航电系统的组成部分(见表1)抽象为图的节点集V＝{v₁，v₂，v₃，v₄，v₅，v₆，v₇，v₈，v₉，v₁₀，v₁₁，v₁₂，v₁₃}，为表述方便，节点集V中元素下标与表1中部件编号相同；

(2)根据综合航电系统各部件的功能和部件之间的信息交互关系，得到有向图G，如图1所示；

(3)将有向图G表示成邻接矩阵A，表示方法：将节点集V中的元素按照下标顺序分别构成A的行和列，第1行元素是“大气计算机”，第2行元素是“惯导计算机”，第1列元素是“大气计算机”，第2列元素是“惯导计算机”，以此类推；再分别从第1行开始，在有向图G中依次找出第1行元素输出信息的有向边，如果有向边存在，就将矩阵A的第1行相应列的元素置1，否则置0；比如第1行元素是“大气计算机”，“大气计算机”分别向“7火控计算机、8导航管理计算机、13显示控制处理机”输出信息，则将A的第1行的第7、8、13列的元素值设为“1”，第1行其他列的元素值设为“0”。依次类推，得到有向图G的邻接矩阵A；

(4)利用式(1)计算邻接矩阵A的可达矩阵P，式(1)中n＝13。本发明利用MatlabR2016a软件计算可达矩阵，源程序如下：

(5)计算节点v_i的可达集R₁(v_i)，以节点v₁为例说明。节点v₁可达集R₁(v₁)就是在可达矩阵P中p_1j＝1的节点构成的集合，j＝1，2，…，13(此处为了表述方便，直接用节点编号表示)，R₁(v₁)＝{1，7，8，13}；按照此方法，分别计算其他节点的可达集，结果如表2所示；

(6)计算节点v_i的先行集A₁(v_i)，以节点v₁为例说明。节点v₁的先行集A₁(v₁)就是在可达矩阵中，p_j1＝1的节点构成的集合，j＝1，2，…，13(此处为了表述方便，直接用节点编号表示)，A₁(v₁)＝(1，10)；按照此方法，分别计算其他节点的先行集，结果如表2所示；

(7)计算R₁(v_i)和A₁(v_i)的交集，得到每个节点的共同集C₁(v_i)，结果如表2所示；

表2本发明的可达集R₁(v_i)、先行集A₁(v_i)、共同集C₁(v_i)

(8)在表2中，由于C₁(v₁₀)＝A₁(v₁₀)＝10，由此得节点v₁₀(数据传输控制机)为第1层节点，即L₁＝{v₁₀}；

(9)删除可达矩阵P中节点v₁₀所在的行和列，得到新的可达矩阵P₁；

(10)再计算可达矩阵P₁中每一个节点的可达集R₂(v_i)、先行集A₂(v_i)、共同集C₂(v_i)，计算方法分别如(5)～(7)，计算结果如表3所示；

表3本发明的可达集R₂(v_i)、先行集A₂(v_i)、共同集C₂(v_i)

(11)在表3中，因为C₂(v₁)＝A₂(v₁)＝1，C₂(v₂)＝A₂(v₂)＝2，C₂(v₄)＝A₂(v₄)＝4，C₂(v₅)＝A₂(v₅)＝5，C₂(v₆)＝A₂(v₆)＝6，C₂(v₁₁)＝A₂(v₁₁)＝11，C₂(v₁₂)＝A₂(v₁₂)＝12，由此得到节点v₁(大气计算机)，v₂(惯导计算机)，v₄(无线电导航计算机)，v₅(防御计算机)，v₆(状态监控计算机)，v₁₁(操作输入处理机)，v₁₂(显示控制处理机)为第2层节点，即v₂＝{v₁，v₂，v₄，v₅，v₆，v₁₁，v₁₂}；

(12)删除可达矩阵P₁中节点v₁，v₂，v₄，v₅，v₆，v₁₁，v₁₂所在的行和列，得到新的可达矩阵P₂。

(13)再计算可达矩阵P₂中每一个节点的可达集R₃(v_i)、先行集A₃(v_i)、共同集C₃(v_i)，计算方法分别如(5)～(7)，计算结果如表4所示；

表4本发明的可达集R₃(v_i)、先行集A₃(v_i)、共同集C₃(v_i)

v<sub>i</sub>	R<sub>3</sub>(v<sub>i</sub>)	A<sub>3</sub>(v<sub>i</sub>)	C<sub>3</sub>(v<sub>i</sub>)
				v<sub>3</sub>	3，7，13	3	3
v<sub>7</sub>	7，13	3，7，9	7
				v<sub>8</sub>	8，13	8	8
v<sub>9</sub>	7，9，13	9	9
				v<sub>13</sub>	13	3，7，8，9，13	13

(14)因为C₃(v₃)＝A₃(v₃)＝3，C₃(v₈)＝A₃(v₈)＝8，C₃(v₉)＝A₃(v₉)＝9，由此得到节点v₃(目标处理机)，v₈(目标处理机)，v₉(外挂管理机)为第3层节点，即L₃＝{v₃，v₈，v₉}；

(15)删除可达矩阵P₂中节点v₃，v₈，v₉所在的行和列，得到新的可达矩阵P₃；

(16)再计算可达矩阵P₃中每一个节点的可达集R₄(v_i)、先行集A₄(v_i)、共同集C₄(v_i)，计算方法分别如(5)～(7)，计算结果如表5所示；

表5本发明的可达集R₄(v_i)、先行集A₄(v_i)、共同集C₄(v_i)

v<sub>i</sub>	R<sub>4</sub>(v<sub>i</sub>)	A<sub>4</sub>(v<sub>i</sub>)	C<sub>4</sub>(v<sub>i</sub>)
				v<sub>7</sub>	7，13	7	7
v13	13	7，13	13

(17)因为C₄(v₇₁)＝A₄(v₇)＝7，由此得到节点v₇(火控计算机)为第4层节点，v₁₃(显示控制处理机)为第5层节点，即L₄＝{v₇}，L₅＝{v₁₃}；分层优化后的故障传播网络如图2所示；

二、故障定位算法

根据图2，当火控计算机不能正常工作，查找故障源的步骤如下。

(1)根据图2可知火控计算机在第L₄层；

(2)删除图2的第L₅层节点和与第L₅层节点相关的边，并删除L₁～L₄层中与“火控计算机”没有信息传播关系的节点和边，得到删除节点后的故障传播网络图如图3所示。

(3)在图3中，根据式(2)计算出度不为零的节点的信息输出强度，综合航电系统的每个部件的信息传输量的正常值和实际值如表6所示，计算结果如下：

表6本发明的节点正常数据传输量和实际数据传输量(单位：字节/秒)

(4)本发明的一个实例中取节点信息传输强度ε_i→j＝5.0％，信息输出强度大于ε_i→j的节点分别为：d_2→7＝9.375％，d_3→7＝6.25％，d_11→9＝25.0％，d_10→1＝37.5％，按照信息输出强度降序构成候选故障源集H＝{v₁₀，v₁₁，v₂，v₃}，节点的信息输出强度集合O＝{37.5％，25.0％，9.375％，6.25％}。

(5)根据式(3)计算候选故障源集H中每个节点的工作负荷强度，本发明的一个实例中节点的平均无故障工作时间和累积工作时间如表7所示，计算结果为：

表7本发明的部件平均无故障工作时间和累积工作时间(单位：小时)

(6)根据式(4)计算候选故障源集H中每个节点的故障综合影响度R_i，本发明的一个实施例中λ＝0.5，即信息输出强度和工作负荷强度对故障的影响同等重要：

R₁₀＝0.5*37.5％+0.5*57.8571％＝47.42855％

R₁₁＝0.5*25.0％+0.5*71.2％＝48.1％

R₂＝0.5*9.375％+0.5*45.4％＝27.3875％

R₃＝0.5*6.25％+0.5*45.75％＝26.0％

(7)将故障综合影响度R_i降序排列，可得对故障影响程度从高到低排列的节点分别是：v₁₁，v₁₀，v₂，v₃，即地面维护时先检测操作输入处理机，再依次检测数据传输控制机、惯导计算机、目标处理机，每检测完一个部件后再通电重试，这样可以快速地找到影响“火控计算机”不能工作的故障源。

参照上述实施例对本发明进行了详细说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本专利要求范围当中。

Claims (3)

1.基于故障传播网络的复杂电子系统故障诊断方法，其特征在于：包括系统建模算法和故障定位算法；

系统建模算法是利用图论对系统的部件和部件间的信息交互关系进行建模，得到电子系统故障传播有向图，利用矩阵理论再对故障传播有向图进行分层优化，得到分层优化的故障传播网络Net，在故障传播网络Net中，故障信息由高层向低层单向传播；

故障定位算法是先根据故障现象节点对故障传播网络Net进行化简，通过计算节点的信息输出强度和工作强度得到候选故障源集，再分别计算每个节点的信息输出强度和工作负荷强度对候选故障源集进行筛选，得到候选故障源，最后利用熵权法计算候选故障源的综合影响度，得到故障源序列，确定故障源。

2.根据权利要求1所述的基于故障传播网络的复杂电子系统故障诊断方法，其特征在于：所述系统建模算法具体步骤为：

(a)将系统部件描述为图的节点集V＝{v_i},i＝1,2,…,n，n为系统部件数；

(b)将部件和部件的连接关系描述为图的有向边集E＝{e_ij},i,j＝1,2,…,n，n为系统部件数，有向边集E表示节点集V中节点之间的故障传输路径，传播方向由节点v_i指向节点v_j，由节点集V和有向边集E构成有向图G＝{V,E}；

(c)用邻接矩阵A表示有向图G，A＝(a_ij)_n×n，i,j＝1,2,…,n，n为系统部件数；

邻接矩阵A的元素a_ij的取值为：

(d)将邻接矩阵A变换成可达矩阵P，变换方法如下式：

P＝E_n+A+A²+…+A^n-1(1)

式(1)中，E_n为n阶单位矩阵，n为系统部件数，可达矩阵P＝(p_ij)_n×n，i,j＝1,2,…,n，p_ij取值含义为：

(e)计算节点v_i的可达集R(v_i)：在可达矩阵中P中，v_i到达的其他节点构成的集合，即p_ij＝1的节点构成的集合，i＝1,2,…,n，n为系统部件数；

(f)计算节点v_i的先行集A(v_i)：在可达矩阵P中，到达节点v_i的节点构成的集合，即p_ji＝1的节点构成的集合，i＝1,2,…,n，n为系统部件数；

(g)计算节点v_i的共同集C(v_i)：节点v_i的可达集R(v_i)和先行集A(v_i)的交集，即：C(v_i)＝R(v_i)∩A(v_i)，i＝1,2,…,n，n为系统部件数；

(h)如果节点v_i的共同集C(v_i)等于先行集A(v_i)，即C(v_i)＝A(v_i)，则节点v_i就是第1层节点，即L₁＝{v_i|C(v_i)＝A(v_i)}，i＝1,2,…,n，n为系统部件数；

(i)在可达矩阵P中，移除已被分层的节点v_i和与节点v_i相连的有向边；

(j)重复步骤(e)～(i),直到将所有节点分层，得到分层优化的故障传播网络Net，在故障传播网络Net中，信息由高层向低层单向传输。

3.根据权利要求1所述的基于故障传播网络的复杂电子系统故障诊断方法，其特征在于：所述故障定位算法具体步骤为：

(a)假设故障传播网络Net有n个节点，分为L层，第1层为最高层，第L层为最低层；出现故障现象的节点为v_x，x＝1,2,…,n，n为系统部件数；在故障传播网络Net中，先查找有故障现象的节点v_x所处的层级，假设节点v_x在第l层，且1≤l≤L；

(b)删除故障传播网络Net中位于l+1～L层的所有节点和与这些节点相关的边；

(c)删除故障传播网络Net中位于1～l层且与节点v_x没有可达关系的所有节点，得到新的故障传播网络Net′；

(d)在Net′中，通过公式(2)计算节点出度不为零的信息输出强度d_i→j：

d_i→j＝|D′_i→j-D_i→j|/D_i→j (2)

式(2)中，D′_i→j为节点v_i向节点v_j实际输出的信息量，D_i→j为节点v_i向节点v_j正常输出的信息量；

(e)当0<d_i→j<ε_i→j时，说明节点v_i向节点v_j的信息传输强度正常；否则按照d_i→j降序将节点v_i记录在候选故障源集H中，同时将节点v_i的信息输出强度d_i→j记录在集合O＝{d_i→j}中，ε_i→j为节点v_i向节点v_j输出信息量的最大偏差，根据工程实际需要进行设置；

(f)计算候选故障源集H中每个节点的工作负荷强度W_i，并记录在集合W中，W_i的计算方法如下式：

W_i＝T_iZ/T_iMTBF (3)

式(3)中,T_iZ为H中第i个节点的累积工作时间，T_iMTBF为H中第i个节点的平均无故障工作时间；

(g)计算候选故障源集H中每个节点的综合影响度，如下式：

R_i＝λE_i+(1-λ)W_i (4)

式(4)中，i＝1,2,…,h,h为H中节点个数，E_i和W_i分别为节点的信息输出强度和工作负荷强度，λ为权重系数，根据信息输出强度和工作负荷强度对故障的影响程度确定；

(h)确定故障源

将R_i值降序排列得到的序列为故障源序列，位于序列前面的节点，信息输出强度和工作负荷强度越大，引发故障的概率就越大，按照故障源序列排故，确定故障源。

Images