CN115576724B - Piu子系统的故障隔离方法、装置、设备、介质及产品 - Google Patents
Piu子系统的故障隔离方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN115576724B CN115576724B CN202211135950.6A CN202211135950A CN115576724B CN 115576724 B CN115576724 B CN 115576724B CN 202211135950 A CN202211135950 A CN 202211135950A CN 115576724 B CN115576724 B CN 115576724B
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- bus
- channel
- piu
- 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.)
- Active
Links
- 238000002955 isolation Methods 0.000 title claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims description 48
- 238000003745 diagnosis Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 4
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/079—Root cause analysis, i.e. error or fault diagnosis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
- G06F11/221—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test buses, lines or interfaces, e.g. stuck-at or open line faults
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本申请公开了一种PIU子系统的故障隔离方法、装置、设备、介质及产品，通过先将待隔离的总线故障数据进行初步判断，确定其出现故障的通道，进而确定其故障大类；再通过已知故障类型的故障数据得到的故障类型特征进行比较，得到总线故障数据与该故障大类中各个故障类型的关联程度，并根据各个故障类型的数据特点确定故障类型，确定故障类型即为实现故障隔离。其中，故障分数矩阵记录有不同参数、不同工况、不同PIU通道数据的特征信息，特征记录全面，提升了故障类型判断的准确性；进一步的，获取已确定故障大类中各个故障类型的数据关联数，根据待隔离的总线故障数据与各个数据关联数的相关性判断故障类型，以数据为驱动，提升故障类型判断的准确性。
Description
技术领域
本申请涉及航空技术领域，尤其涉及一种PIU子系统的故障隔离方法、装置、设备、介质及产品。
背景技术
飞行器中很多部分都是由高水平容错系统建立而成，但随着相关各学科技术的高速发展，它的系统结构日趋复杂、规模不断扩大、自动化程度越来越高，于是故障类型越来越多越来越细，也变得更加难以分辨。于飞机系统而言，它作为一种常用的交通和运输工具，其故障的发生不仅关联着经济损失，很多时候也关系着人们的生命安全，因此其可靠性极为重要，所以需要快速且准确的在故障发生时判断故障类型，确定故障类型即实现故障隔离。这样既可以方便之后的维修工作，大大提高维修效率，又能精准定位各种故障，减少维修后隐患。
PIU(Pilotoperation Interface Unit，飞行员操纵接口单元)子系统可以通过接口采集到飞机系统中各关键组件电信号，并将电信号经其总线网络转为数字信号传输到计算机中，形成测试数据。不仅如此，该子系统中的PIU是飞管/飞控系统的二级控制器，每架份PIU数据产生通过四个通道传输，这四个通道采用异步工作方式，每个通道的软硬件相互独立，工作互不影响，数据较为繁杂。实际生产过程中，经常会出现与PIU子系统其相关的各个功能组件或部件在厂家出厂时各项指标均合格，但是在总装过程中测试无法通过，导致无法精确判定故障类型，进而无法针对性解决故障。
发明内容
本申请的主要目的在于提供一种PIU子系统的故障隔离方法、装置、设备、介质及产品，旨在解决PIU子系统的故障类型判断准确性低的技术问题。
为实现上述目的，本申请提供一种PIU子系统的故障隔离方法，包括：
获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的故障类型以及所述故障类型对应的故障分数均值；
基于所述故障关联数，确定所述总线故障数据的故障类型。
可选地，所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤之前，还包括：
获取带有故障类型标签的故障数据；其中，所述故障数据由所述PIU子系统的四个通道生成，所述故障数据包括n个参数和m个工况，n和m均为正整数；
对所述故障数据进行故障诊断，得到不同通道、不同参数以及不同工况的所述故障数据的故障分数；
根据所述故障分数，得到各个参数和工况对应的所述故障数据的所述故障分数均值；
根据所述故障数据和所述故障分数均值，建立不同通道的所述故障分数矩阵。
可选地，所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤，包括：
根据所述故障通道，选择对应的所述故障分数矩阵；
根据所述故障大类，在所述故障分数矩阵中选择与所述故障大类中各个所述故障分类相关的所述故障分数均值；
将所述故障分类相关的所述故障分数均值分别相加，得到各个故障类型的所述故障关联数。
可选地，所述对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道的步骤，包括：
对所述总线故障数据的各个通道数据进行故障诊断，得到通道故障分数；
若所述通道故障分数大于预设故障判断分数下限的数据比例大于预设的故障分数判断比值下限，则该通道为所述故障通道；
根据所述故障通道，获得所述总线故障数据的所述故障大类。
可选地，所述基于所述故障关联数，确定所述总线故障数据的故障类型的步骤，包括：
将所述总线故障数据的数据帧数相加，得到帧数和；
比较所述故障关联数与所述帧数和的比值与所述故障关联下限比值的大小；
对所述比值大于所述故障关联下限比值的所述故障关联数按照数值大小进行排序；
选取数值最大的所述故障关联数所对应的故障类型为所述总线故障数据的故障类型。
可选地，所述比较所述故障关联数与所述帧数和的比值与所述故障关联下限比值的大小的步骤之后，还包括：
若所述比值均不大于所述故障关联下限比值，则该总线故障数据的所述故障类型不是已知的所述故障类型。
此外，为实现上述目的，本申请还提供一种PIU子系统的故障隔离装置，包括：
总线数据获取模块，用于获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
故障初判模块，用于对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
故障关联数选取模块，用于根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的所述故障类型以及所述故障类型对应的故障分数均值；
故障类型判断模块，用于基于所述故障关联数，判断所述总线故障数据的所述故障类型。
此外，为实现上述目的，本申请还提供一种计算机设备，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现上述的方法。
此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现上述的方法。
此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品在被处理器运行时，实现上述的方法。
本申请所能实现的有益效果。
本申请实施例提出的一种PIU子系统的故障隔离方法、装置、设备、介质及产品，通过获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的故障类型以及所述故障类型对应的故障分数均值；基于所述故障关联数，确定所述总线故障数据的故障类型。即通过先将待隔离的总线故障数据进行初步判断，确定其出现故障的通道，进而确定其故障大类；再通过已知故障类型的故障数据得到的故障类型特征进行比较，得到总线故障数据与该故障大类中各个故障类型的关联程度，并根据各个故障类型的数据特点确定故障类型，确定故障类型即为实现故障隔离。本申请方法是基于数据驱动，通过分析比较数据的特点进行故障隔离，对于涉及部件繁杂、数据类型众多且相对独立、故障类型较多的PIU子系统来说，本方法通用性强、适应性强，同时，故障分数矩阵记录有不同参数、不同工况、不同PIU通道数据的特征信息，特征记录全面，便于后续的故障类型判断，提升了故障类型判断的准确性；进一步的，获取已确定故障大类中各个故障类型的数据关联数，根据待隔离的总线故障数据与各个数据关联数的相关性判断故障类型，以数据为驱动，提升故障类型判断的准确性，同时也可判断出隐藏故障，提升维护效率、减少维修后患。
附图说明
图1为本申请实施例涉及的硬件运行环境的计算机设备结构示意图；
图2为本申请实施例提供的一种PIU子系统的故障隔离方法的流程示意图；
图3为本申请实施例提供的一种PIU子系统的故障隔离装置的功能模块示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例的主要解决方案是：提出的一种PIU子系统的故障隔离方法、装置、设备、介质及产品，通过获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的故障类型以及所述故障类型对应的故障分数均值；基于所述故障关联数，确定所述总线故障数据的故障类型。
现有技术中，飞行器中很多部分都是由高水平容错系统建立而成，但随着相关各学科技术的高速发展，它的系统结构日趋复杂、规模不断扩大、自动化程度越来越高，于是故障类型越来越多越来越细，也变得更加难以分辨。于飞机系统而言，它作为一种常用的交通和运输工具，其故障的发生不仅关联着经济损失，很多时候也关系着人们的生命安全，因此其可靠性极为重要，所以需要快速且准确的在故障发生时判断故障类型，找到故障发生的具体位置，这样既可以方便之后的维修工作，大大提高维修效率，又能精准定位各种故障，减少维修后隐患。确定故障类型即实现故障隔离。
PIU(Pilot operation Interface Unit，飞行员操纵接口单元)子系统可以通过接口采集到飞机系统中各关键组件电信号，并将电信号经其总线网络转为数字信号传输到计算机中，形成测试数据。不仅如此，该子系统中的PIU是飞管/飞控系统的二级控制器，每架份PIU数据产生通过四个通道传输，这四个通道采用异步工作方式，每个通道的软硬件相互独立，工作互不影响，数据较为繁杂。实际生产过程中，经常会出现与PIU子系统其相关的各个功能组件或部件在厂家出厂时各项指标均合格，但是在总装过程中测试无法通过，导致无法精确判定故障类型，进而无法针对性解决故障。
为此，本申请提供一种解决方案，通过先将待隔离的总线故障数据进行初步判断，确定其出现故障的通道，进而确定其故障大类；再通过已知故障类型的故障数据得到的故障类型特征进行比较，得到总线故障数据与该故障大类中各个故障类型的关联程度，并根据各个故障类型的数据特点确定故障类型，确定故障类型即为实现故障隔离。本申请方法是基于数据驱动，通过分析比较数据的特点进行故障隔离，对于涉及部件繁杂、数据类型众多且相对独立、故障类型较多的PIU子系统来说，本方法通用性强、适应性强，同时，故障分数矩阵记录有不同参数、不同工况、不同PIU通道数据的特征信息，特征记录全面，便于后续的故障类型判断，提升了故障类型判断的准确性；进一步的，获取已确定故障大类中各个故障类型的数据关联数，根据待隔离的总线故障数据与各个数据关联数的相关性判断故障类型，以数据为驱动，提升故障类型判断的准确性，同时也可判断出隐藏故障，提升维护效率、减少维修后患。
参照图1，图1为本申请实施例方案涉及的硬件运行环境的计算机设备结构示意图。
如图1所示，该计算机设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及电子程序。
在图1所示的计算机设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明计算机设备中的处理器1001、存储器1005可以设置在计算机设备中，所述计算机设备通过处理器1001调用存储器1005中存储的PIU子系统的故障隔离装置，并执行本申请实施例提供的PIU子系统的故障隔离方法。
参照图2，基于前述实施例的硬件设备，本申请的实施例提供一种PIU子系统的故障隔离方法，包括：
S10：获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
在具体实施过程中，PIU子系统是指飞行员操纵接口单元子系统，作为一种飞管/飞控系统的二级控制器，可提供与驾驶杆、油门台、脚蹬、速率陀螺组件、加速度计组件、以及座舱内的航电、机电系统的相关成品的接口，并将采集到的电信号转换为数字信号传送至PIU子系统中相应的计算机。不仅如此，针对同一组件，每架份PIU提供四个相互独立的通道，可大大削弱测试器件对测试数据的影响，得到精确的飞机测试数据。本申请使用的PIU子系统的总线故障数据是取自某部件单次试验产生的PIU多通道数据，每个通道数据都相对独立。
S20：对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
在具体实施过程中，对总线故障数据进行故障诊断，判断其故障大类以及出现故障的通道。目前PIU子系统现有故障类型可分为PIU故障、部件故障以及线缆故障这几个大类，每一个大类可有多种故障类型。
PIU故障一般在数据上表现为部分PIU通道数据正常，部分PIU通道数据有故障。且数据偏离正常阈值的程度大小也可与故障具体原因相结合。以下为典型故障：1.某部件CHD通道电源的断线故障可以体现在不同通道的数据中。在CHA，CHB，CHC，CHD四个通道的数据中CHA，CHB，CHC通道数据正常，而CHD通道各工况数据偏离正常阈值范围且偏离程度较小。2.某部件CHC通道无激磁电压故障可以体现在不同通道的数据中，在CHA，CHB，CHC，CHD四个通道的数据中CHA，CHB，CHD通道数据正常，CHC通道数据最高位数据与零位数据重合，偏离正常阈值范围较大，而零位数据正常。
部件故障在数据中一般体现为所有PIU通道数据都有相同的故障，例如某部件共有CHC，CHD两个通道的数据，两个通道零位数据都与零位数据的正常阈值有较大偏差。
线缆故障在数据中一般体现为PIU某一通道故障，通道中电压/电流与正常阈值有较大偏差。
作为一种可选的实施方式，所述对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道的步骤，包括：对所述总线故障数据的各个通道数据进行故障诊断，得到通道故障分数；若所述通道故障分数大于预设故障判断分数下限的数据比例大于预设的故障分数判断比值下限，则该通道为所述故障通道；根据所述故障通道，获得所述总线故障数据的所述故障大类。
在具体实施过程中，对总线故障数据的各个通道每帧数据都进行故障诊断生成通道故障分数。具体生成方式为各帧数据的各参数对应数据与对应的数据阈值进行比较，若在预设的阈值范围内，通道故障分数值为0；若不在预设的阈值范围内，数据与阈值上限或该数据与阈值下限的差的绝对值与阈值范围极差的商即为该数据的通道故障分数。
通道故障分数可体现该数据对应故障的故障程度，同时，引入阈值范围极差可以使故障分数更为通用，使得在数据对应阈值范围不同的情况下，相同的故障分数可体现出相同程度的故障，提升了该方法针对于PIU子系统数据的通用性和实用性。
设故障判断分数下限为score_thre(默认为0.5)，故障分数判断比值下限ratio_thre(默认为0.4)，当总线故障数据的各PIU通道数据对应的通道故障分数大于score_thre的比例大于ratio_thre，则该通道数据存在故障，得到故障通道；若仅有某一通道存在故障，其故障大类为PIU故障或线缆故障，若故障通道的零位数据与零位数据的正常阈值的偏差值较大，即为线缆故障，若偏差值较小即为PIU故障；若所有通道均为故障通道，则其故障大类为部件故障。
作为一种可选的实施方式，所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤之前，还包括：获取带有故障类型标签的故障数据；其中，所述故障数据由所述PIU子系统的四个通道生成，所述故障数据包括n个参数和m个工况，n和m均为正整数；对所述故障数据进行故障诊断，得到不同通道、不同参数以及不同工况的所述故障数据的故障分数；根据所述故障分数，得到各个参数和工况对应的所述故障数据的所述故障分数均值；根据所述故障数据和所述故障分数均值，建立不同通道的所述故障分数矩阵。
在具体实施过程中，获取足量的已知故障类型的故障数据，对其进行故障诊断，获得对应数据的故障分数，因各通道数据都存在多个工况和参数，在分析数据实现故障隔离过程中需要综合考虑多个工况数据情况，即记录各个通道故障类型的特征。
设PIU子系统的四个通道分别为CHA、CHB、CHC、CHD，共有n个参数和m个工况，每个PIU子系统通道的故障数据对应一个故障分数矩阵，共得到4个故障分数矩阵。矩阵的各列依次对应参数1到参数n，矩阵的各行依次对应工况1到工况m，矩阵内部的值为该元素对应参数、工况所对应数据的故障分数均值，生成故障分数矩阵即完成了对应故障类型的特征记录。数据故障类型特征记录过程记录了不同工况与PIU通道数据的多种特征信息，特征记录全面，便于故障类型判断。
S30：根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的故障类型以及所述故障类型对应的故障分数均值；
在具体实施过程中，根据该总线故障数据的故障通道选择相应的故障分数矩阵，根据故障分数矩阵中得到其故障大类所包含的各个故障类型的故障关联数。
作为一种可选的实施方式，所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤，包括：根据所述故障通道，选择对应的所述故障分数矩阵；根据所述故障大类，在所述故障分数矩阵中选择与所述故障大类中各个所述故障分类相关的所述故障分数均值；将所述故障分类相关的所述故障分数均值分别相加，得到各个故障类型的所述故障关联数。
在具体实施过程中，根据该总线故障数据的故障通道选择相应的故障分数矩阵，在本实施例中，根据其故障大类判断该部件共有3种可能的故障类型，分别为故障1、故障2和故障3，每个故障类型都有其对应的阈值范围，将故障分数矩阵中各个参数、工况对应的故障分数均值分别与各个故障的阈值范围进行比较，并记录在阈值范围中的数据，将每个故障类型的阈值范围所包含的故障分数均值求和，得到各个故障类型的故障关联数count1、count2以及count3。
S40：基于所述故障关联数，确定所述总线故障数据的故障类型。
在具体实施过程中，故障关联数是由各个故障类型的特征、带标签的故障数据得到，根据其数据特点确定总线故障数据的故障类型，实现故障隔离。这是基于统计学知识，根据待故障隔离的数据为不同故障类型的概率，进而判断出故障类型，故障隔离较为准确高效。
作为一种可选的实施方式，所述基于所述故障关联数，确定所述总线故障数据的故障类型的步骤，包括：将所述总线故障数据的数据帧数相加，得到帧数和；比较所述故障关联数与所述帧数和的比值与所述故障关联下限比值的大小；对所述比值大于所述故障关联下限比值的所述故障关联数按照数值大小进行排序；选取数值最大的所述故障关联数所对应的故障类型为所述总线故障数据的故障类型。
在具体实施过程中，将总线故障数据各参数各通道的数据帧数相加，得到帧数和N，设故障关联下限比值为Count_ratio(默认为0.4)。选择步骤S30得到的故障关联数中Count/N>Count_ratio的故障关联数，进行排序，其中数值最大的故障关联数所对应的故障类型即为该总线故障数据的故障类型。
作为一种可选的实施方式，所述比较所述故障关联数与所述帧数和的比值与所述故障关联下限比值的大小的步骤之后，还包括：若所述比值均不大于所述故障关联下限比值，则该总线故障数据的所述故障类型不是已知的所述故障类型。
在具体实施过程中，若步骤S30中得到的数据关联数均不满足Count/N>Count_ratio，则该总线故障数据的数据类型不是已知的故障类型。应当反馈至相应工作人员对整体飞行器进行监测，判断是否为多处部件故障导致的本部件测试故障出现问题，或是本部件测试时操作不规范导致原始数据出现问题而无法判断故障类型，再或是获得故障分数矩阵的带标签故障数据并没有包含全部故障类型，根据具体情况进行相应处理。
应当理解的是，以上仅为举例说明，对本申请的技术方案并不构成任何限制，本领域的技术人员在实际应用中可以基于需要进行设置，此处不做限制。
通过上述描述不难发现，本实施例是通过先将待隔离的总线故障数据进行初步判断，确定其出现故障的通道，进而确定其故障大类；再通过已知故障类型的故障数据得到的故障类型特征进行比较，得到总线故障数据与该故障大类中各个故障类型的关联程度，并根据各个故障类型的数据特点确定故障类型，确定故障类型即为实现故障隔离。本申请方法是基于数据驱动，通过分析比较数据的特点进行故障隔离，对于涉及部件繁杂、数据类型众多且相对独立、故障类型较多的PIU子系统来说，本方法通用性强、适应性强，同时，故障分数矩阵记录有不同参数、不同工况、不同PIU通道数据的特征信息，特征记录全面，便于后续的故障类型判断，提升了故障类型判断的准确性；进一步的，获取已确定故障大类中各个故障类型的数据关联数，根据待隔离的总线故障数据与各个数据关联数的相关性判断故障类型，以数据为驱动，提升故障类型判断的准确性，同时也可判断出隐藏故障，提升维护效率、减少维修后患。
参照图3，基于相同的发明思路，本申请的实施例还提供一种PIU子系统的故障隔离装置，包括：
总线数据获取模块，用于获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
故障初判模块，用于对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
故障关联数选取模块，用于根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的所述故障类型以及所述故障类型对应的故障分数均值；
故障类型判断模块，用于基于所述故障关联数，判断所述总线故障数据的所述故障类型。
需要说明的是，本实施例中PIU子系统的故障隔离装置中各模块是与前述实施例中PIU子系统的故障隔离方法中的各步骤一一对应，因此，本实施例的具体实施方式可参照前述PIU子系统的故障隔离方法的实施方式，这里不再赘述。
此外，在一种实施例中，本申请的实施例还提供一种计算机设备，所述设备包括处理器，存储器以及存储在所述存储器中的计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
此外，在一种实施例中，本申请的实施例还提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中，计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言(包括编译或解释语言，或者声明性或过程性语言)来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以可被存储在保存其它程序或数据的文件的一部分，例如，存储在超文本标记语言(HTML，Hyper TextMarkup Language)文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件(例如，存储一个或多个模块、子程序或代码部分的文件)中。
作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
此外，在一个实施例中，本申请的实施例还提供一种计算机程序产品，所述计算机程序产品在被处理器运行时实现前述实施例中方法的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的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(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台多媒体终端设备(可以是手机，计算机，电视接收机，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (7)
1.一种PIU子系统的故障隔离方法，其特征在于，包括以下步骤：
获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的故障类型以及所述故障类型对应的故障分数均值；所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤，包括：
根据所述故障通道，选择对应的所述故障分数矩阵；
根据所述故障大类，在所述故障分数矩阵中选择与所述故障大类中各个故障分类相关的所述故障分数均值；
将所述故障分类相关的所述故障分数均值分别相加，得到各个故障类型的所述故障关联数；
基于所述故障关联数，确定所述总线故障数据的故障类型；其中，所述基于所述故障关联数，确定所述总线故障数据的故障类型的步骤，包括：
将所述总线故障数据的数据帧数相加，得到帧数和；
比较所述故障关联数与所述帧数和的比值与故障关联下限比值的大小；
对所述比值大于所述故障关联下限比值的所述故障关联数按照数值大小进行排序；
选取数值最大的所述故障关联数所对应的故障类型为所述总线故障数据的故障类型。
2.如权利要求1所述的PIU子系统的故障隔离方法，其特征在于，所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤之前，还包括：
获取带有故障类型标签的故障数据；其中，所述故障数据由所述PIU子系统的四个通道生成，所述故障数据包括n个参数和m个工况，n和m均为正整数；
对所述故障数据进行故障诊断，得到不同通道、不同参数以及不同工况的所述故障数据的故障分数；
根据所述故障分数，得到各个参数和工况对应的所述故障数据的所述故障分数均值；
根据所述故障数据和所述故障分数均值，建立不同通道的所述故障分数矩阵。
3.如权利要求1所述的PIU子系统的故障隔离方法，其特征在于，所述对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道的步骤，包括：
对所述总线故障数据的各个通道数据进行故障诊断，得到通道故障分数；
若所述通道故障分数大于预设故障判断分数下限的数据比例大于预设的故障分数判断比值下限，则该通道为所述故障通道；
根据所述故障通道，获得所述总线故障数据的所述故障大类。
4.如权利要求1所述的PIU子系统的故障隔离方法，其特征在于，所述比较所述故障关联数与所述帧数和的比值与所述故障关联下限比值的大小的步骤之后，还包括：
若所述比值均不大于所述故障关联下限比值，则该总线故障数据的所述故障类型不是已知的所述故障类型。
5.一种PIU子系统的故障隔离装置，其特征在于，包括：
总线数据获取模块，用于获取PIU子系统的总线故障数据，所述总线故障数据由所述PIU子系统的不同通道生成；
故障初判模块，用于对所述总线故障数据进行故障诊断，确定所述总线故障数据的故障大类和故障通道；其中，所述故障大类为PIU故障、部件故障或线缆故障中的至少一种，每个所述故障大类包含多种故障类型；
故障关联数选取模块，用于根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数；其中，所述故障分数矩阵中包括PIU子系统中各个故障大类涉及的所述故障类型以及所述故障类型对应的故障分数均值；所述根据所述故障大类和所述故障通道，从对应通道预设的故障分数矩阵中得到所述故障大类中各个所述故障类型的故障关联数的步骤，包括：
根据所述故障通道，选择对应的所述故障分数矩阵；
根据所述故障大类，在所述故障分数矩阵中选择与所述故障大类中各个故障分类相关的所述故障分数均值；
将所述故障分类相关的所述故障分数均值分别相加，得到各个故障类型的所述故障关联数；
故障类型判断模块，用于基于所述故障关联数，判断所述总线故障数据的所述故障类型；其中，所述基于所述故障关联数，确定所述总线故障数据的故障类型的步骤，包括：
将所述总线故障数据的数据帧数相加，得到帧数和；
比较所述故障关联数与所述帧数和的比值与故障关联下限比值的大小；
对所述比值大于所述故障关联下限比值的所述故障关联数按照数值大小进行排序；
选取数值最大的所述故障关联数所对应的故障类型为所述总线故障数据的故障类型。
6.一种计算机设备，其特征在于，该计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211135950.6A CN115576724B (zh) | 2022-09-19 | 2022-09-19 | Piu子系统的故障隔离方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211135950.6A CN115576724B (zh) | 2022-09-19 | 2022-09-19 | Piu子系统的故障隔离方法、装置、设备、介质及产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115576724A CN115576724A (zh) | 2023-01-06 |
| CN115576724B true CN115576724B (zh) | 2024-04-12 |
Family
ID=84581413
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211135950.6A Active CN115576724B (zh) | 2022-09-19 | 2022-09-19 | Piu子系统的故障隔离方法、装置、设备、介质及产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115576724B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106405339A (zh) * | 2016-11-11 | 2017-02-15 | 中国南方电网有限责任公司 | 基于高低频小波特征关联的输电线路故障原因辨识方法 |
| CN111722953A (zh) * | 2020-06-17 | 2020-09-29 | 成都美迅检测设备有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
| CN112290546A (zh) * | 2020-10-27 | 2021-01-29 | 海南电网有限责任公司电力科学研究院 | 一种基于人机共融的变电站一次设备故障判别方法 |
| CN113095395A (zh) * | 2021-04-07 | 2021-07-09 | 深圳市道通科技股份有限公司 | 汽车总线故障分析方法、装置、电子设备及存储介质 |
| WO2022105266A1 (zh) * | 2020-11-17 | 2022-05-27 | 日立楼宇技术（广州）有限公司 | 电梯故障预测方法、系统、装置、计算机设备和存储介质 |
| CN114661506A (zh) * | 2022-03-02 | 2022-06-24 | 中国工商银行股份有限公司 | 故障隔离方法和故障隔离装置 |
-
2022
- 2022-09-19 CN CN202211135950.6A patent/CN115576724B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106405339A (zh) * | 2016-11-11 | 2017-02-15 | 中国南方电网有限责任公司 | 基于高低频小波特征关联的输电线路故障原因辨识方法 |
| CN111722953A (zh) * | 2020-06-17 | 2020-09-29 | 成都美迅检测设备有限公司 | 故障诊断方法、装置、电子设备及存储介质 |
| CN112290546A (zh) * | 2020-10-27 | 2021-01-29 | 海南电网有限责任公司电力科学研究院 | 一种基于人机共融的变电站一次设备故障判别方法 |
| WO2022105266A1 (zh) * | 2020-11-17 | 2022-05-27 | 日立楼宇技术（广州）有限公司 | 电梯故障预测方法、系统、装置、计算机设备和存储介质 |
| CN113095395A (zh) * | 2021-04-07 | 2021-07-09 | 深圳市道通科技股份有限公司 | 汽车总线故障分析方法、装置、电子设备及存储介质 |
| CN114661506A (zh) * | 2022-03-02 | 2022-06-24 | 中国工商银行股份有限公司 | 故障隔离方法和故障隔离装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115576724A (zh) | 2023-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
| CN110674009B (zh) | 应用服务器性能监测方法、装置、存储介质及电子设备 | |
| CN109408361A (zh) | Monkey测试复原方法、装置、电子设备及计算机可读存储介质 | |
| US10591529B2 (en) | Wiring safety evaluation system and wiring safety evaluation method | |
| CN115576724B (zh) | Piu子系统的故障隔离方法、装置、设备、介质及产品 | |
| CN113495842B (zh) | 一种批产卫星自动化测试系统及测试方法 | |
| CN114860518A (zh) | 功能安全系统的检测方法、系统、电子设备、存储介质 | |
| CN111123000A (zh) | 电子集成化单机自动化测试系统、方法及介质 | |
| CN112256576B (zh) | 人机对话语料测试方法、装置、设备及存储介质 | |
| KR20190110871A (ko) | 목표 신뢰성 지수를 만족하도록 전장용 소프트웨어 안전성을 시뮬레이션하는 방법 및 장치 | |
| CN114358627A (zh) | 一种电力运维管理系统及其运维方法 | |
| CN111143206B (zh) | 一种数据获取方法、装置、电子设备及存储介质 | |
| CN114987773A (zh) | 飞机液压系统性能异常识别方法、装置、设备及介质 | |
| CN116830178A (zh) | 用于评估技能的设备和方法 | |
| CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
| CN113781068A (zh) | 线上问题解决方法、装置、电子设备和存储介质 | |
| JP2525867B2 (ja) | プラント分散制御システムの故障診断装置 | |
| JP2022002029A (ja) | データ解析システム、データ解析方法及びデータ解析プログラム | |
| CN112583660A (zh) | 一种推荐平台的主域、备域测试对比方法、装置及系统 | |
| CN116126738B (zh) | 接口异常的识别方法、装置及电子设备 | |
| CN115186735B (zh) | 一种数据阈值挖掘方法、装置、设备及介质 | |
| Basili et al. | Obtaining valid safety data for software safety measurement and process improvement | |
| Dey | Practical Statistical Analysis for the Reliability Engineer: Spring, 1983 | |
| CN117061377A (zh) | 一种设备测试方法、装置、设备及存储介质 | |
| CN117331806A (zh) | 微软日志异常点分析方法、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 |