CN112904291A - 一种基于编码的多普勒天气雷达故障诊断系统和方法 - Google Patents
一种基于编码的多普勒天气雷达故障诊断系统和方法 Download PDFInfo
- Publication number
- CN112904291A CN112904291A CN202110117881.5A CN202110117881A CN112904291A CN 112904291 A CN112904291 A CN 112904291A CN 202110117881 A CN202110117881 A CN 202110117881A CN 112904291 A CN112904291 A CN 112904291A
- Authority
- CN
- China
- Prior art keywords
- fault
- radar
- fault diagnosis
- module
- weather radar
- 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.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000004891 communication Methods 0.000 claims abstract description 20
- 210000000349 chromosome Anatomy 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 230000002068 genetic effect Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 6
- 108090000623 proteins and genes Proteins 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 8
- 238000012423 maintenance Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052719 titanium Inorganic materials 0.000 description 1
- 239000010936 titanium Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Images
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
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供一种基于编码的多普勒天气雷达故障诊断系统,包括:通信模块,分别与故障信息采集模块、故障现象描述输入模块相连接,用于分别和雷达、客户端进行通信;故障信息采集模块,用于采集雷达机内的故障监测信息;故障现象描述输入模块,用于输入雷达的故障现象描述;故障诊断计算模块,分别与故障信息采集模块、故障现象描述输入模块相连接,用于根据故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元;还提供了一种基于编码的多普勒天气雷达故障诊断方法。本发明可以解决对多普勒天气雷达故障的诊断不够快速,不能精准定位最小可更换单元的技术问题。
Description
技术领域
本发明涉及雷达故障诊断技术领域,具体涉及一种基于编码的多普勒天气雷达故障诊断系统和方法。
背景技术
多普勒天气雷达在使用过程中会发生各种类型的故障,在对故障进行处理前,首先要进行故障诊断。通过故障诊断可以确定最小可更换单元,通过维修或更换发生故障的单元来排除故障。目前,要快速实现雷达最小可更换单元故障的诊断定位,必须要收集完备的雷达机内故障监测信息或人工测试信息,借助丰富的维修知识,通过足够的逻辑分析和判断能力来完成故障诊断,这也是多普勒天气雷达故障诊断维修时必须依靠经验丰富的工程师的主要原因。然而,故障维修的经验知识难于普及和传授。
现有技术中,可以根据多普勒天气雷达的在线监测信息进行在线故障诊断和维修技术指导。但由于雷达设备自身的监测报警信息不完备,导致相当一部分故障不能通过简单的线性诊断逻辑准确定位至最小可更换单元,只能定位于功能模块,对故障的诊断不够快速,不能精准定位最小可更换单元。
发明内容
针对现有技术存在的不足,本发明提出一种基于编码的多普勒天气雷达故障诊断系统和方法,以解决现有技术中存在的对多普勒天气雷达故障的诊断不够快速,不能精准定位最小可更换单元的技术问题。
本发明采用的技术方案如下:
第一方面,提供了一种基于编码的多普勒天气雷达故障诊断系统,包括:通信模块、故障信息采集模块、故障现象描述输入模块、故障诊断计算模块;
通信模块分别与故障信息采集模块、故障现象描述输入模块相连接,用于分别和雷达、客户端进行通信;
故障信息采集模块用于采集雷达机内的故障监测信息;
故障现象描述输入模块用于输入雷达的故障现象描述;
故障诊断计算模块分别与故障信息采集模块、故障现象描述输入模块相连接,用于根据故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元;故障诊断计算模块还与通信模块相连接,将故障诊断结果、定位出的最小可更换单元通过通信模块传给客户端。
在一种可实现方式中,故障现象描述输入模块包括文字输入模块、语音输入模块、图像输入模块,用于通过文字、语音、图像的方式输入雷达的故障现象描述。上述技术方案实现的有益技术效果如下:通过文字、语音、图像多种方式快速、较为准确的获取对故障现象的描述,有助于快速、精准诊断故障。
在一种可实现方式中,故障诊断计算模块按以下步骤进行构建:
设定雷达电路的功能逻辑单元层级;
进行雷达电路和故障关联信息的数字编码;
构建基础技术知识库;
根据数字编码和基础技术知识库建立故障信息与功能逻辑单元的映射关系。
在一种可实现方式中,功能逻辑单元层级分为分机、支路、组件、元件四个层级。
在一种可实现方式中,数字编码采用4位十六进制数表示。
在一种可实现方式中,基础技术知识库包括各种故障监测信息分别代表的故障,各种故障现象的描述分别对应的故障。
上述技术方案实现的有益技术效果如下:多普勒天气雷达故障诊断系统以功能逻辑单位为核心,进行了天气雷达电路和故障关联信息的数字编码,结合故障监测信息、故障现象描述构建的基础技术知识库,实现了天气雷达故障自动诊断,将故障点定位至最小可更换单元;对多普勒天气雷达故障的诊断速度快,定位精准。减少天气雷达故障诊断对少数专家的依赖,提高天气雷达维修能力和自动化水平。
在一种可实现方式中,当故障诊断计算模块根据故障现象描述在基础技术知识库中进行精准匹配失败时,采用遗传算法进行模糊匹配,得出可能性最大的故障,定位到最小可更换单元。上述技术方案实现的有益技术效果如下:使用遗传算法完成模拟匹配,可以在对故障现象描述不够准确的情况下,智能化的诊断出可能性最大的故障类型,定位到最小可更换单元,对故障诊断的准确率不低于85%。
在一种可实现方式中,遗传算法的目标函数满足以下公式:
F(x)=max(X11Y11+X12Y12+X13Y13+……+X1mY1m+X21Y11+X22Y22+X23Y23+……+X2mY2m……+Xn1Y11+Xn2Y22+Xn3Y23+……+XnmYnm)
在上式中,Xij表示对每一个造成故障的相关因素使用各种处理措施的效益做出的测算;Ynm表示决策变量,取值为0或1;
遗传算法的约束条件满足以下公式:
在上式中,n为正整数集,Ynm表示决策变量,取值为0或1。
在一种可实现方式中,遗传算法在计算时,按如下步骤进行计算:
S1、染色体编码:相关因素为m个,将每个相关因素的可能处置建议组成基因片段,然后将每个基因片段联合成染色体;
S2、种群初始化:随机生成N条染色体,N取10000;
S3、交叉:在N条染色体中进行N/2组随机交叉;
S4、遗传:上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体;
S6、达到精度要求,终止计算,精度要求为85%。
第二方面,提供了一种基于编码的多普勒天气雷达故障诊断方法,使用第一方面提供的基于编码的多普勒天气雷达故障诊断系统进行故障诊断,具体步骤如下:
当雷达发生故障后,故障信息采集模块通过通信模块采集雷达机内的各种故障监测信息,传输给故障诊断计算模块;
工作人员在现场或者远程某一地点,将故障现象描述通过装载于客户端的故障现象描述输入模块,采用文字、语音或图像的形式进行输入,传输给故障诊断计算模块;
故障诊断计算模块根据故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元,并将故障诊断结果、定位出的最小可更换单元传给客户端,供工作人员查看、使用。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例1的多普勒天气雷达故障诊断系统框图;
图2为本发明实施例1的故障诊断计算模块构建流程图;
图3为本发明实施例1的多普勒天气雷达发射机支路及连接关系图;
图4为本发明实施例1的灯丝支路的雷达基础技术知识库示意图;
图5为本发明实施例1的雷达故障信息与功能逻辑单元映射关系示意图;
图6为本发明实施例1的雷达故障诊断方法流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
在本实施例中,基于编码的多普勒天气雷达故障诊断系统为一软件系统,装载于云服务器和客户端上,在下文中简称故障诊断系统。如图1所示,故障诊断系统包括通信模块、故障信息采集模块、故障现象描述输入模块、故障诊断计算模块。
故障诊断系统的使用人员(以下简称工作人员)可以在布设雷达的现场或者远程的某一地点,通过移动终端(比如智能手机)或电脑(比如工控机)连接云服务器,调用故障诊断系统工作,对雷达发生的故障进行诊断。在布设雷达的现场一般使用移动终端,在远程的某一地点一般使用电脑。
通信模块为一软件功能模块,分别与故障信息采集模块、故障现象描述输入模块相连接,用于云服务器和雷达、客户端之间的通信,客户端包括电脑、移动终端。通信模块工作时,故障信息采集模块可以通过通信模块访问雷达的各种接口,获取雷达的运行数据和故障监测信息数据。故障现象描述输入模块可以通过通信模块获取工作人员输入的故障现象。
故障信息采集模块为一软件功能模块,用于采集雷达机内的故障监测信息。故障监测信息的形式以及故障信息的采集方式不作限定,在本实施例中举例说明:使用从雷达反馈的串口数据作为故障监测信息。
故障现象描述输入模块为一软件功能模块。在雷达产生故障时,第一时间发现故障现象的人员往往是一线的雷达使用人员,该类人员一般只会操作使用雷达,不能对故障现象通过专业术语进行准确描述。而且相当多的时候雷达使用人员都会通过售后电话联系,在电话中对故障现象进行描述,有时还需要描述雷达操作界面的显示情况,而雷达操作界面显示情况用语言描述不如看图像直观。为快速、准确的获取雷达的故障现象,在本实施例中故障现象描述输入模块包括文字输入模块、语音输入模块、图像输入模块,用于通过文字、语音、图像的方式输入雷达的故障现象。使用文字输入模块通过文字方式进行输入的方式不作限定,举例说明:在软件界面上会弹出一文本输入框,工作人员通过键盘或者手写笔在文本输入框中输入对故障现象的描述,比如“雷达没有回波”。使用语音输入模块通过语音方式输入雷达的故障现象时,可以由工作人员使用麦克风对电脑或移动终端进行语音输入,语音输入模块会对工作人员的语音输入内容进行语音识别。使用图像输入模块通过图像方式输入雷达的故障现象时,可以由工作人员拍摄雷达显示屏、雷达各部件指示灯的视频、图片,图像输入模块会对视频、图片进行图像识别。故障现象描述输入模块与故障诊断计算模块相连接,将对故障的文字描述、语音描述、图像描述输入给故障诊断计算模块,供故障诊断计算模块进行对故障进行诊断时的计算使用。故障现象描述输入模块通过文字、语音、图像多种方式快速、较为准确的获取对故障现象的描述,有助于快速、精准诊断故障。
故障诊断计算模块为一软件功能模块,分别与故障信息采集模块、故障现象描述输入模块相连接,用于根据故障信息采集模块采集的故障监测信息,以及故障现象描述输入模块输入的故障现象描述,计算得出雷达的故障,定位出最小可更换单元。如图2所示,故障诊断计算模块按以下步骤进行构建:
1、设定雷达电路的功能逻辑单元层级。
在本实施例中,将雷达按照功能逻辑,依次分为分机、支路、组件、元件四个层级。
分机为最高层级,这一层级包括天线、发射机、接收机、信号处理设备、显示设备、电源设备。
分机以下为支路层级。对于支路这一层级,以发射机举例说明:如图3所示,多普勒天气雷达的发射机由速调管、脉压支路、激励支路、输出馈线、灯丝支路、磁场支路、钛泵支路、低压支路和监控支路共计9个支路组成,图中的线条表示功能逻辑支路,方块表示支路交叉连接节点。需要说明的是,在支路这一层级,对于支路的功能逻辑划分方式不是唯一的,划分原则为满足电路完备性、符合电路功能逻辑、关系简单且支路数量少,同时要有利于故障诊断,这样可以提高故障诊断的有效性和准确率。
支路以下为组件层级。对于组件这一层级,如图3所示,以灯丝支路举例说明:灯丝支路的组件包括灯丝电源、中间变压器、灯丝变压器、灯丝。
支路以下为元件层级。元件包括电阻、电容、电感、二极管、三极管、场效应管,等等。
2、进行雷达电路和故障关联信息的数字编码。
在前一步骤建立了雷达电路的四级功能逻辑单元表示方法后,在此基础上进行雷达电路和故障关联信息的数字编码,实现雷达电路四个层级和故障关联信息的唯一编码。在本实施例中,数字编码采用4位十六进制数表示,数字编码的格式为0xNMXY,N表示分机编码,M表示支路编码,X表示组件编码,Y表示元件编码,四位编码均使用1-E,其中0和F作为特殊编码保留。以下用雷达的发射机举例说明,发射机的数字编码如下表表1所示:
表1多普勒天气雷达发射机数字编码
仍以发射机的灯丝支路举例说明:从在上表表1中可以看出,发射机的数字编码为3,灯丝电源编码为0x351F,其中第四位F表示灯丝电源为组件,此处未列出元件编码。相较于传统的雷达返回的二进制故障数据信息,将雷达电路的功能逻辑单元分层级设定,采用十六进制表征故障信息,能够更有利于故障现象的分类识别,以及人机交互的理解。
3、构建基础技术知识库。
根据多普勒天气雷达在运行过程中的实测数据,以及故障诊断的历史数据,构建建立关于多普勒天气雷达的基础技术知识库。仍以发射机的灯丝支路举例说明:如图4所示,基础技术知识库中包括电气指标、电参数指示、参数调整点、信号测试点、监测电路、报警指示、报警信息、组件接口;还包括对故障现象的描述。通过构建基础技术知识库,可以得到雷达机内的各种故障监测信息分别代表的故障,各种人工测试结果分别对应的故障,人工测试结果主要体现在对故障现象的描述,描述的方式包括文字、语音、图像。
4、根据数字编码和基础技术知识库,建立故障信息与功能逻辑单元的映射关系。
图5为雷达故障信息与功能逻辑单元的映射关系示意图。在图5中,A为分机集合,A1~Ai分别表示不同的分机所对应的数字编码。B为支路集合,B1~Bj分别表示不同的支路所对应的数字编码。C为组件集合,C11~Cjm分别表示不同的组件所对应的数字编码。D为元件集合,D111~Djmn分别表示不同的元件所对应的数字编码。P为雷达故障表象集合,包括雷达机内的故障监测信息代表的故障,以及对故障现象的描述所对应的故障。故障信息与功能逻辑单元的映射关系表示式为AiBjCjmDjmn。基础技术知识库中的故障现象的描述,包括文字、语音、图像,可以依据过往的诊断维修经验,和某一种雷达故障相对应。比如:语音描述“接收机失锁”、图像上接收的某一频点一直在不停跳动,可以对应到接收机本振的锁相环出现故障,或者参考源出现故障。
按照上述步骤构建的故障诊断计算模块,可以根据故障监测信息,以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元。故障诊断计算模块还与通信模块相连接,将故障诊断结果、定位出的最小可更换单元通过通信模块传给客户端,供工作人员查看、使用。
以下就实施例1提供的基于编码的多普勒天气雷达故障诊断系统的工作原理进行说明,如图6所示,具体如下:
当雷达发生故障后,故障诊断系统使用故障信息采集模块,通过通信模块采集雷达机内的各种故障监测信息,传输给故障诊断计算模块;
工作人员在现场或者远程某一地点,将故障现象描述通过装载于客户端的故障现象描述输入模块,采用文字、语音或图像的形式进行输入,传输给故障诊断计算模块;
故障诊断计算模块根据故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元,并将故障诊断结果、定位出的最小可更换单元传给客户端,供工作人员查看、使用。
本实施例的多普勒天气雷达故障诊断系统,以功能逻辑单位为核心,进行了天气雷达电路和故障关联信息的数字编码,结合故障监测信息、故障现象描述构建的基础技术知识库,实现了天气雷达故障自动诊断,将故障点定位至最小可更换单元;对多普勒天气雷达故障的诊断速度快,定位精准。减少天气雷达故障诊断对少数专家的依赖,提高天气雷达维修能力和自动化水平。
实施例2
在实际工作中,通过故障现象描述输入模块,采用文字、语音或图片的形式输入的故障现象描述,可能因为人为原因,不同的人对同一现象,文字、语音的描述都不尽相同;而图像可能由于拍摄的角度、镜头框选的尺寸,对同一现象拍摄到的图像也不一定完全相同。这样,故障诊断计算模块在根据故障现象描述,到基础技术知识库匹配对应的故障时,可能会出现没有完全匹配的选项,而出现匹配错误,进而造成故障诊断错误。
为解决上述技术问题,在实施例1的基础上采用以下技术方案:
当故障诊断计算模块根据故障现象描述在基础技术知识库中进行精准匹配失败时,采用遗传算法进行模糊匹配,得出可能性最大的故障,定位到最小可更换单元。
以下对实施例2的工作原理作详细说明:
对于故障现象描述,包括文字、语音、图像,当故障诊断计算模块根据故障现象描述的内容,在基础技术知识库中进行精准匹配时,需要完全对应才能匹配成功,但实际情况中工作人员在进行故障现象描述时的内容有可能会和基础技术知识库中存储的历史数据不完全一致(历史数据比如是既往的雷达故障诊断维修过程中对故障现象的描述)。当精准匹配失败后,故障诊断计算模块会采用遗传算法进行模糊匹配,遗传算法的实现原理具体如下:
设与故障现象描述所对应的故障为某一类或某几类故障(因为一个故障可能产生的原因有多种,不一定是单一原因),与这某一类或某几类故障发生的相关因素为m个、定位到最小可更换单元进行单元更换的处理措施有n种。使用遗传算法,按照每一个相关因素使用这n种处理措施时、每一种处理措施所获得的效益,来对多个处理措施进行测算,将最后计算得出最优解作为可能性最大的故障,并且根据能够获得最大效益的处理措施定位出最小可更换单元。遗传算法的函数及约束条件具体如下:
遗传算法的目标函数满足公式(1),如下:
F(x)=max(X11Y11+X12Y12+X13Y13+……+X1mY1m+X21Y11+X22Y22+X23Y23+……+X2mY2m……+Xn1Y11+Xn2Y22+Xn3Y23+……+XnmYnm) (1)
公式(1)表征使处理措施在消除雷达故障的可能性方面,总效益最大。在公式(1)中,Xij表示对每一个造成故障的相关因素使用各种处理措施的效益做出的测算,即:第m个相关因素如果采用第n种处理措施,产生效益Xnm。Ynm表示决策变量,取值为0或1,每个相关因素只有一个1,当值为1时表示该相关因素采用某一处理措施,而不采用其余处理措施。
遗传算法的约束条件满足公式(2),如下:
∑m=1Ynm=1 (2)
公式(2)表示每一个相关因素只能应一种处理措施,其中n为正整数集,Ynm表示决策变量,取值为0或1。
遗传算法在计算时,按如下步骤进行计算:
S1、染色体编码:相关因素为m个,将每个相关因素的可能处理措施组成基因片段,然后将每个基因片段联合成染色体。
S2、种群初始化:随机生成N条染色体,N为一自然数;在本实施例中,考虑到雷达结构复杂,元件数量多,将N取10000。
S3、交叉:在N条染色体中进行N/2组随机交叉,即在10000条染色体中进行5000组随机交叉。
S4、遗传:上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体,即保留10000条适应度较好的染色体。
S5、进化:所保留的N条染色体自身随机进化,如果进化染色体优于原染色体,则替换原染色体。
S6、达到精度要求,终止计算:相邻两代染色体对应的适应度差值满足精度要求。预设精度要求为遗传算法测算得出的、使故障消除的百分比数值。在本实施例中,精度要求的限定值设为85%,85%表明使故障消除的百分比为85%。若不满足预设的精度要求,返回步骤S3继续下一代优化,直至完成计算。
在本实施例的技术方案中,故障诊断计算模块使用上述遗传算法完成模拟匹配,可以在对故障现象描述不够准确的情况下,智能化的诊断出可能性最大的故障类型,定位到最小可更换单元,对故障诊断的准确率等于使用遗传算法计算得到的使故障消除的百分比,故对故障诊断的准确率不低于85%。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于编码的多普勒天气雷达故障诊断系统,其特征在于,包括:通信模块、故障信息采集模块、故障现象描述输入模块、故障诊断计算模块;
所述通信模块分别与故障信息采集模块、故障现象描述输入模块相连接,用于分别和雷达、客户端进行通信;
所述故障信息采集模块用于采集雷达机内的故障监测信息;
所述故障现象描述输入模块用于输入雷达的故障现象描述;
所述故障诊断计算模块分别与所述故障信息采集模块、所述故障现象描述输入模块相连接,用于根据所述故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元;所述故障诊断计算模块还与通信模块相连接,将故障诊断结果、定位出的最小可更换单元通过通信模块传给客户端。
2.根据权利要求1所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于:所述故障现象描述输入模块包括文字输入模块、语音输入模块、图像输入模块,用于通过文字、语音、图像的方式输入雷达的故障现象描述。
3.根据权利要求1所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于,故障诊断计算模块按以下步骤进行构建:
设定雷达电路的功能逻辑单元层级;
进行雷达电路和故障关联信息的数字编码;
构建基础技术知识库;
根据数字编码和基础技术知识库建立故障信息与功能逻辑单元的映射关系。
4.根据权利要求3所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于:所述功能逻辑单元层级分为分机、支路、组件、元件四个层级。
5.根据权利要求3所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于:所述数字编码采用4位十六进制数表示。
6.根据权利要求3所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于:所述基础技术知识库包括各种故障监测信息分别代表的故障,各种故障现象的描述分别对应的故障。
7.根据权利要求1所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于:当故障诊断计算模块根据故障现象描述在基础技术知识库中进行精准匹配失败时,采用遗传算法进行模糊匹配,得出可能性最大的故障,定位到最小可更换单元。
9.根据权利要求8所述的基于编码的多普勒天气雷达故障诊断系统,其特征在于,所述遗传算法在计算时,按如下步骤进行计算:
S1、染色体编码:相关因素为m个,将每个相关因素的可能处置建议组成基因片段,然后将每个基因片段联合成染色体;
S2、种群初始化:随机生成N条染色体,N取10000;
S3、交叉:在N条染色体中进行N/2组随机交叉;
S4、遗传:上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体;
S6、达到精度要求,终止计算,精度要求为85%。
10.一种基于编码的多普勒天气雷达故障诊断方法,其特征在于:使用权利要求1-9中任一所述的基于编码的多普勒天气雷达故障诊断系统进行故障诊断,具体步骤如下:
当雷达发生故障后,故障信息采集模块通过通信模块采集雷达机内的各种故障监测信息,传输给故障诊断计算模块;
工作人员在现场或者远程某一地点,将故障现象描述通过装载于客户端的故障现象描述输入模块,采用文字、语音或图像的形式进行输入,传输给故障诊断计算模块;
故障诊断计算模块根据故障监测信息以及故障现象描述,计算得出雷达的故障,定位出最小可更换单元,并将故障诊断结果、定位出的最小可更换单元传给客户端,供工作人员查看、使用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110117881.5A CN112904291B (zh) | 2021-01-28 | 2021-01-28 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110117881.5A CN112904291B (zh) | 2021-01-28 | 2021-01-28 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904291A true CN112904291A (zh) | 2021-06-04 |
CN112904291B CN112904291B (zh) | 2024-01-16 |
Family
ID=76119519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110117881.5A Active CN112904291B (zh) | 2021-01-28 | 2021-01-28 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904291B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419226A (zh) * | 2021-08-24 | 2021-09-21 | 四川锦美环保股份有限公司 | 一种雷达故障检修系统 |
CN114814720A (zh) * | 2022-06-20 | 2022-07-29 | 成都市克莱微波科技有限公司 | 微波测向装置、系统、方法及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10187482A (ja) * | 1996-12-19 | 1998-07-21 | Nec Eng Ltd | 障害診断器 |
US20070143076A1 (en) * | 2005-12-05 | 2007-06-21 | Joe Walacavage | Identifying and visualizing faults in PLC-based manufacturing systems |
JP2010230413A (ja) * | 2009-03-26 | 2010-10-14 | Toshiba Corp | 送受信モジュール故障分離自己診断システム |
CN104459642A (zh) * | 2013-09-17 | 2015-03-25 | 应璐 | 一种雷达远程故障诊断系统 |
CN106842152A (zh) * | 2015-12-03 | 2017-06-13 | 中国航空工业集团公司雷华电子技术研究所 | 机载火控雷达在线故障诊断系统 |
CN106932764A (zh) * | 2017-04-01 | 2017-07-07 | 中国电子科技集团公司第三十八研究所 | 雷达接收分系统模块的指标测试与故障定位系统及其方法 |
CN209070097U (zh) * | 2018-11-15 | 2019-07-05 | 成都傅立叶电子科技有限公司 | 一种通用化雷达屏幕监测显示系统 |
CN209640478U (zh) * | 2019-01-23 | 2019-11-15 | 闫海涛 | 一种天气雷达故障检修系统 |
CN111488946A (zh) * | 2020-04-28 | 2020-08-04 | 东南大学 | 基于信息融合的雷达伺服系统故障诊断方法 |
CN111652520A (zh) * | 2020-06-04 | 2020-09-11 | 招商局重庆交通科研设计院有限公司 | 一种基于大数据的路面养护智能决策系统及方法 |
CN112180336A (zh) * | 2020-09-30 | 2021-01-05 | 云南省大气探测技术保障中心 | 一种固定式雷达故障诊断维修处理系统 |
-
2021
- 2021-01-28 CN CN202110117881.5A patent/CN112904291B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10187482A (ja) * | 1996-12-19 | 1998-07-21 | Nec Eng Ltd | 障害診断器 |
US20070143076A1 (en) * | 2005-12-05 | 2007-06-21 | Joe Walacavage | Identifying and visualizing faults in PLC-based manufacturing systems |
JP2010230413A (ja) * | 2009-03-26 | 2010-10-14 | Toshiba Corp | 送受信モジュール故障分離自己診断システム |
CN104459642A (zh) * | 2013-09-17 | 2015-03-25 | 应璐 | 一种雷达远程故障诊断系统 |
CN106842152A (zh) * | 2015-12-03 | 2017-06-13 | 中国航空工业集团公司雷华电子技术研究所 | 机载火控雷达在线故障诊断系统 |
CN106932764A (zh) * | 2017-04-01 | 2017-07-07 | 中国电子科技集团公司第三十八研究所 | 雷达接收分系统模块的指标测试与故障定位系统及其方法 |
CN209070097U (zh) * | 2018-11-15 | 2019-07-05 | 成都傅立叶电子科技有限公司 | 一种通用化雷达屏幕监测显示系统 |
CN209640478U (zh) * | 2019-01-23 | 2019-11-15 | 闫海涛 | 一种天气雷达故障检修系统 |
CN111488946A (zh) * | 2020-04-28 | 2020-08-04 | 东南大学 | 基于信息融合的雷达伺服系统故障诊断方法 |
CN111652520A (zh) * | 2020-06-04 | 2020-09-11 | 招商局重庆交通科研设计院有限公司 | 一种基于大数据的路面养护智能决策系统及方法 |
CN112180336A (zh) * | 2020-09-30 | 2021-01-05 | 云南省大气探测技术保障中心 | 一种固定式雷达故障诊断维修处理系统 |
Non-Patent Citations (7)
Title |
---|
刘涌 等: "一种基于二叉树的测控设备故障诊断方法", 电讯技术, vol. 56, no. 08 * |
张开根: "雷达数字电路的故障检测方法", 雷达科学与技术, no. 03 * |
张晶 等: "遗传算法在航电故障诊断规则优化中的应用", 计算机应用与软件, vol. 27, no. 08 * |
彭涛;郑伟;胡春;刘兴忠;: "四川省新一代天气雷达远程视频监控系统研究", 现代商贸工业, no. 12 * |
李合平 等: "基于D-S证据理论的雷达故障诊断方法", 系统工程与电子技术, vol. 27, no. 08, pages 1 - 2 * |
杨传凤;袁希强;景东侠;吕庆利;隋岩;: "CINRAD/SA雷达天伺系统疑难故障原因剖析", 气象科技, no. 04 * |
胡斌 等: "CINRAD/CD天气雷达因-600伏电源引起的回波异常故障排查", 气象研究与应用, vol. 35, no. 04 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419226A (zh) * | 2021-08-24 | 2021-09-21 | 四川锦美环保股份有限公司 | 一种雷达故障检修系统 |
CN114814720A (zh) * | 2022-06-20 | 2022-07-29 | 成都市克莱微波科技有限公司 | 微波测向装置、系统、方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112904291B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021017679A1 (zh) | 地址信息解析方法、装置、系统及数据获取方法 | |
CN112037760B (zh) | 语音频谱生成模型的训练方法、装置及电子设备 | |
CN112904291B (zh) | 一种基于编码的多普勒天气雷达故障诊断系统和方法 | |
CN112446025A (zh) | 联邦学习防御方法、装置、电子设备及存储介质 | |
CN111176953B (zh) | 一种异常检测及其模型训练方法、计算机设备和存储介质 | |
CN111178537B (zh) | 一种特征提取模型训练方法及设备 | |
CN111431537A (zh) | 数据压缩方法、装置及计算机可读存储介质 | |
CN112579789A (zh) | 一种设备故障诊断的方法和装置及设备 | |
US20220027854A1 (en) | Data processing method and apparatus, electronic device and storage medium | |
CN112750529A (zh) | 智能医疗问诊装置、设备及介质 | |
CN113516417A (zh) | 基于智能建模的业务评估方法、装置、电子设备及介质 | |
CN112102011A (zh) | 基于人工智能的用户等级预测方法、装置、终端及介质 | |
CN114399212A (zh) | 生态环境质量评估方法、装置、电子设备及存储介质 | |
CN113706322A (zh) | 基于数据分析的服务分发方法、装置、设备及存储介质 | |
CN113627160A (zh) | 文本纠错方法、装置、电子设备及存储介质 | |
CN110889392B (zh) | 人脸图像处理的方法及装置 | |
CN116861189A (zh) | 基于大语言模型构建设备故障诊断维修知识库的方法 | |
CN112613494A (zh) | 基于深度对抗网络的电力线路监控异常识别方法及系统 | |
CN108121796A (zh) | 基于可信度的电能计量装置故障分析方法及装置 | |
CN112199805A (zh) | 一种输电线路隐患识别模型评估方法及装置 | |
CN110009260B (zh) | 污水处理厂的交接班信息处理方法和装置 | |
CN116435995A (zh) | 时间序列的处理方法、计算机可读存储介质和电子设备 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN115904916A (zh) | 一种硬盘故障预测的方法、装置、电子设备以及存储介质 | |
CN114758788A (zh) | 异常场所识别方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |