CN116108698B - 一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 - Google Patents
一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 Download PDFInfo
- Publication number
- CN116108698B CN116108698B CN202310361174.XA CN202310361174A CN116108698B CN 116108698 B CN116108698 B CN 116108698B CN 202310361174 A CN202310361174 A CN 202310361174A CN 116108698 B CN116108698 B CN 116108698B
- Authority
- CN
- China
- Prior art keywords
- module
- data
- simulation
- fault
- diagnosis
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 266
- 238000012423 maintenance Methods 0.000 title claims abstract description 126
- 238000003745 diagnosis Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000002347 injection Methods 0.000 claims abstract description 19
- 239000007924 injection Substances 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 60
- 238000012544 monitoring process Methods 0.000 claims description 39
- 238000013500 data storage Methods 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 25
- 238000007726 management method Methods 0.000 claims description 25
- 238000002955 isolation Methods 0.000 claims description 22
- 238000009960 carding Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 17
- 230000008030 elimination Effects 0.000 claims description 15
- 238000003379 elimination reaction Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000013075 data extraction Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000004378 air conditioning Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 10
- 230000008859 change Effects 0.000 abstract description 8
- 238000012795 verification Methods 0.000 abstract description 7
- 238000012827 research and development Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F11/0706—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 the processing taking place on a specific hardware platform or in a specific software environment
- G06F11/0736—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 the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function
- G06F11/0739—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 the processing taking place on a specific hardware platform or in a specific software environment in functional embedded systems, i.e. in a data processing system designed as a combination of hardware and software dedicated to performing a certain function in a data processing system embedded in automotive or aircraft systems
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种机载维护系统故障诊断仿真系统及故障诊断仿真方法，该机载维护系统故障诊断仿真系统包括仿真管理模块、成员系统仿真模块、中央维护计算机模块、状态监控模块、数据存储模块、故障显示模块。本发明的机载维护系统故障诊断仿真系统及故障诊断仿真方法可实现机载维护系统成员系统仿真、可提供源源不断的故障数据来源、并能通过故障注入改变模型状态、更改产生的数据集及故障状态，可实现对机载维护系统的关键技术研究与验证，进而提升机载维护系统的研发技术水平。
Description
技术领域
本发明涉及民用航空技术领域，具体涉及新研民用大型客机机载维护系统设计中的关键技术研究与验证，尤其是涉及一种机载维护系统故障诊断仿真系统及故障诊断仿真方法。
背景技术
根据ARINC624标准的定义：机载维护系统（Onboard Maintenance System, OMS）能实时对飞机各成员系统进行故障探测、故障处理、故障分析和故障整合。OMS系统功能决定了其与全机几乎所有的系统均有交联，是新研大型民用飞机设计重难点之一。在智能维护与预测性维护的背景下，OMS还是新研国产民机交付运营的重要支撑点，其客户化配置工具能充当空中运营维护与地面运营数据分析的媒介，故针对OMS系统的关键技术研究对新研国产大飞机具有重要意义。
目前欧美国家对于OMS的研究广泛而深入，以典型宽体客机A350与B787展开分析：空客飞机的OMS系统包括中央维护系统、飞机状态监控系统、数据机载与配置系统以及飞机运营维护分析系统；波音飞机的OMS系统包括中央维护计算功能、飞机状态监测功能、机载数据加载功能、机载储存管理功能以及飞机健康管理功能。由于国内民机研制起步较晚，C919和ARJ21飞机均选用国外供应商产品，故OMS在国产飞机中对供应商依赖较强。
目前，国内机载维护系统研究在数字化、信息化及智能化水平还有待提高，主要存在以下问题：1）缺乏有效的故障预测方法。传统的故障诊断方式主要是采用机务故障诊断方式是定期故障诊断体制，这种方式虽然比较简单，但是却无法对飞机的健康状况进行预测分析；2）缺乏准确的故障状态识别方法。传统的故障诊断中采用硬件冗余设计，通过双余度技术可以检测到故障的产生，但难以准确判断具体的故障信息；3）缺乏故障原因综合分析方法。机载维护系统获得传感器信号，只能表征飞机目前或一个时期的状况，无法对故障原因、飞机使用寿命等做出综合性判断；4）缺乏有效的仿真系统进行关键技术研究与验证。现在的故障诊断源头是从数据集开始诊断，不能有效进行故障注入、故障数据更改以及故障动态复现；5）缺乏多种方式可选择的综合诊断系统。传统的故障诊断只针对数据集，并使用的是单一方法诊断。因此，针对现阶段机载维护系统国产化研究存在的问题，有必要开展民机机载维护系统故障诊断仿真系统研究。通过该民机机载维护系统故障诊断的仿真系统，实现对机载维护系统的关键技术研究与验证，进而提升我国机载维护系统的技术水平。
根据目前国内技术的现状，国产大飞机制造商提出了“总体可比、适度差异、亮点突出、优势明显”的指导原则，新研飞机的OMS系统研发迫在眉睫。OMS系统对于设计端而言，机载维护系统作为所有机载系统的上层系统，需要与飞机所有系统进行交联，同时还需要对各个系统之间的故障级联进行分析、判断，这使得机载维护系统设计变得异常复杂；OMS系统对于运营端而言，机载维护系统在航司运营维护中处于核心地位，状态监控及故障诊断功能可以实现机载端绝大部分故障隔离。因此，开发出基于模型的机载维护系统故障诊断仿真系统及故障诊断仿真方法用于机载维护系统故障诊断方面的研究就显得尤为重要和迫在眉睫。
发明内容
为解决现有技术中的问题，本发明提供一种可实现机载维护系统成员系统仿真、可提供源源不断的故障数据来源、并能通过故障注入改变模型状态、更改产生的数据集及其故障状态的基于模型的机载维护系统故障诊断仿真系统。该故障诊断仿真系统可以模拟机载维护系统成员系统完全故障、甚至是离线的情况，可覆盖民机50种典型故障情况。该故障诊断仿真系统能够在线监控成员系统，能模拟真实飞机在线实时监控，使用地面配置工具确定配置参数，并将参数信息上传到机载维护系统，将监控到的参数信息进行数据可视化显示，并分别设置不同参数的阈值，当参数发生超限事件时，发出告警并提示可能的故障信息。该故障仿真系统还能提供基于故障树（Fault Tree Analysis, FTA）传播模型的级联故障消除功能，能够模拟消除飞行过程中产生的冗余关联故障，并按照故障严重等级进行排序显示，进而为机载维护系统的研发与验证提供关键技术支持。
为实现上述目的，本发明提供如下技术方案：一种机载维护系统故障诊断仿真系统，其包括仿真管理模块、成员系统仿真模块、中央维护计算机模块、状态监控模块、数据存储模块、故障显示模块；
所述仿真管理模块用于初始化机载维护系统故障诊断仿真系统，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入；所述成员系统仿真模块用于仿真机载维护系统中各成员系统功能和模拟故障诊断BIT（内部测试，Built-in Test）自检；所述中央维护计算机模块用于接收成员系统仿真模块处理发送的数据，并分析出故障结果发送给数据存储模块进行存储；所述状态监控模块采用状态监控与告警算法读取成员系统仿真模块中各传感器数据，并进行数据提取、监控与告警，同时状态监控模块还将获得的数据发送给数据存储模块进行储存；所述数据存储模块用于存储中央维护计算机模块和状态监控模块发送来的数据；所述故障显示模块用于显示故障报告，该故障显示模块与所述数据存储模块相连。
优选的技术方案，所述故障显示模块可读取数据存储模块中的数据，并以图形化或者表格化形式显示故障报告；所述仿真管理模块包括仿真管理客户端和综合控制软件；所述仿真管理客户端用于客户端的仿真管理，所述综合控制软件用于对机载维护系统故障诊断仿真系统的集中式控制管理。
优选的技术方案，所述成员系统仿真模块包括机载系统仿真模块、仿真网络、算法选择模块、故障隔离模块；
所述机载系统仿真模块用于模拟机载维护系统中各成员系统状态、典型飞行场景、各种机载传感器、并作为故障数据激励源为机载维护系统故障诊断仿真系统注入故障数据；所述仿真网络用于作为数据软总线，负责连接各个模块之间传递数据；所述算法选择模块用于接受仿真网络传递过来的控制指令，根据使用场景选择故障隔离模块中合适的故障诊断算法进行故障诊断；所述故障隔离模块用于模拟BIT自检，检查是否发生故障，并隔离机载维护系统中各成员系统的故障。
优选的技术方案，所述机载系统仿真模块包括故障注入模块、IO接口仿真模块、航电仿真模块、非航电仿真模块、飞行仿真系统、飞行场景选择模块；所述IO接口仿真模块负责机载系统仿真模块内部各模块之间的数据交互，并负责与仿真网络之间的数据交互；所述飞行场景选择模块用于控制飞行仿真系统中飞机的飞行阶段、飞行状态、以及改变飞机所处飞行场景。
优选的技术方案，所述故障注入模块可模拟典型民机的50种故障（液压泄露、GPS信号丢失、作动器故障、传感器零飘等）；所述IO接口仿真模块按照ICD（接口控制文件，Interface Control Document）文件进行仿真配置。
优选的技术方案，所述航电仿真模块包括飞控系统仿真模型、自动飞行系统仿真模型、通信系统仿真模型、导航系统仿真模型。
优选的技术方案，所述非航电仿真模块包括起落架系统仿真模型、电源系统仿真模型、防火系统仿真模型、动力系统仿真模型、APU（辅助动力系统，Auxiliary Power Unit）系统仿真模型、燃油系统仿真模型、空调系统仿真模型、气源系统仿真模型、液压系统仿真模型、舱门系统仿真模型、防冰系统仿真模型、照明系统仿真模型。
优选的技术方案，所述故障隔离模块包括单特征诊断、多特征诊断和多维度特征诊断；
所述单特征诊断模块接收来自机载系统仿真模块的数据后，先对数据进行滤波、降噪处理，再对数据进行CNN(卷积神经网络，Convolutional Neural Networks)处理，再对CNN处理后的数据进行采样后进行LSTM网络梳理；在所述LSTM(长短期记忆，Long ShortTerm Memory)网络梳理的过程中，采用粒子群算法或者遗传算法或者蚁群算法对LSTM网络参数进行优化；经单特征诊断模块处理的数据发送给中央维护计算机模块进行故障趋势预测；
所述多特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式贴近度对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理，再进行BP神经网络和证据理论的数据融合算法；经多特征诊断的数据发送给中央维护计算机模块进行故障状态诊断；
所述多维度特征诊断可接收来自机载系统仿真模块的数据，还可外接输入辅助文档信息；所述多维度特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理；所述多维度特征诊断将输入的辅助文档信息的非结构化数据变成结构化数据，并对比其冲突性、差异性及不确定性，再采用AHP层次分析法分析各指标的可信度；最后所述多维度特征诊断将LSTM网络梳理后的数据与经AHP层次分析法处理后的数据采用BP神经网络和证据理论的数据融合算法，发送给中央维护计算机模块进行故障状态及原因分析。
优选的技术方案，所述中央维护计算机模块包括级联故障消除算法模块和驾驶舱效应关联模块；
所述级联故障消除算法模块，用于接收来自成员系统仿真模块处理过的数据，并使用级联故障消除算法，消除可能存在的级联故障，使得故障条目减少，并将分析结果发送给驾驶舱效应关联模块；
所述驾驶舱效应关联模块用于将经过级联故障消除算法模块处理后的数据与驾驶舱告警数据相关联结合，并将关联结合后的数据发送给数据储存模块。
本发明的再一目的是提供一种机载维护系统故障诊断仿真方法，其包括以下步骤：
仿真管理模块初始化机载维护系统故障诊断仿真系统，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入；
成员系统仿真模块仿真机载维护系统中各成员系统功能和模拟故障诊断BIT自检；
中央维护计算机模块接收成员系统仿真模块处理发送的数据，并分析出故障结果发送给数据存储模块进行存储；
状态监控模块采用状态监控与告警算法读取成员系统仿真模块中各传感器数据，并进行数据提取、监控与告警，同时状态监控模块还将获得的数据发送给数据存储模块进行储存；
数据存储模块存储中央维护计算机模块和状态监控模块发送来的数据；
故障显示模块读取数据存储模块中的数据，并以图形化或者表格化形式显示故障报告。
与现有技术相比，本发明的有益效果是：
1、本发明的机载维护系统故障诊断仿真系统及其故障诊断仿真方法，能实现机载维护系统成员系统仿真，为机载维护系统中的故障诊断提供源源不断的数据来源，并能通过故障注入改变模型状态，更改产生的数据集及其故障状态，能真实实现对机载维护系统的仿真，为更好的研发机载维护系统的故障诊断提供研发基础和可行性判断。通过本发明的故障仿真系统及故障诊断仿真方法可实现对机载维护系统的关键技术研究与验证，进而提升机载维护系统的研发技术水平。
2、本发明的机载维护系统故障诊断系统中采用国际通用的数据软总线（DataDistribution Service, DDS）作为仿真网络，其热插拔的特性可以使个成员系统仿真模型可配置与解耦合，可以模拟机载维护系统成员系统完全故障、甚至是离线的情况，可覆盖民机50种典型故障情况。
3、本发明能够在线监控成员系统，能模拟真实飞机在线实时监控，使用地面配置工具确定配置参数，并将参数信息上传到机载维护系统，将监控到的参数信息进行数据可视化显示，并分别设置不同参数的阈值，当参数发生超限事件时，发出告警并提示可能的故障信息。
4、本系统还能提供基于故障树（Fault Tree Analysis, FTA）传播模型的级联故障消除功能，能够模拟消除飞行过程中产生的冗余关联故障，并按照故障严重等级进行排序显示。
5、本发明还可进行驾驶效应关联，让故障信息关联驾驶舱提示声音、颜色及震动效果。
6、本发明还提供基于多信息融合的机载维护系统故障诊断模拟，并提供可选的单特征信息融合诊断模拟。
7、本发明的机载维护系统包括成员系统仿真模型构建。建立与机载维护系统交联的成员系统数字仿真模型，为机载维护系统故障诊断仿真验证提供数据支撑，包括：飞机本体仿真模型、自动飞行系统仿真模型、飞控系统仿真模型、起落架系统仿真模型、导航系统仿真模型、动力系统仿真模型等。
8、本发明的故障诊断仿真系统具有算法选择模块和故障隔离模块。可以针对机载维护系统数据仿真出来的结果，研究基于多信息融合的机载维护系统故障诊断技术。包括：基于单特征信息融合的故障诊断，实现故障的实时判断和单特征故障预测；基于多特征信息融合的故障诊断，实现故障多状态识别和多特征故障预测；基于多维度信息融合的故障诊断技术，实现故障原因综合分析。
9、本发明的故障诊断仿真系统具有机载维护系统状态监控功能。可仿真分析真实机载维护系统状态监控功能，确定机载维护系统状态监控的参数，将监控到的参数显示到监控屏幕上，并分别设置不同参数的阈值，当参数发生超限事件时，发出告警并提示可能的故障信息。
10、本发明的仿真系统，可以仿真机载维护系统的中央维护计算机模块，参照机载维护系统级联故障消除。仿真出基于故障树传播模型，开发机载维护系统级联故障消除功能，消除飞行过程中产生的冗余关联故障。
附图说明
图1为本发明一种机载维护系统故障诊断仿真系统的整体架构交互示意图；
图2为本发明的中央维护计算机模块组成示意图；
图3为本发明的故障隔离模块组成示意图；
图4为本发明的机载系统仿真模块组成示意图；
图5为本发明的仿真管理模块组成示意图；
图6为本发明的航电仿真模块组成示意图；
图7为本发明的非航电仿真模块组成示意图；
图8为本发明的故障隔离模块工作原理示意图。
实施方式
参照图1至图8对本发明一种机载维护系统故障诊断仿真系统的实施例进一步说明。
如图1至图8所示，在本实施例子中，本发明一种机载维护系统故障诊断仿真系统包括故障显示模块、数据存储模块、中央维护计算机模块、状态监控模块、仿真管理模块、成员系统仿真模块。
故障显示模块主要功能为图形化显示故障结论，供展示与演示使用。该故障显示模块读取数据存储模块中的数据，并自动绘制图像，还能以表格的形式动态展示数据流。数据存储模块接受来自中央维护计算机模块的数据和状态监控模块的数据，其能实现大容量数据储存。图2为中央维护计算机模块组成图，其包括驾驶舱效应关联模块和级联故障消除算法模块，驾驶舱效应关联模块是将经过级联故障消除的故障与驾驶舱告警相结合，告警形式包括视觉、听觉和触觉，并将数据发送给数据存储模块使用；级联故障消除算法模块，使用级联故障消除算法模拟机载维护系统中央维护功能，消除可能存在的级联故障，使得故障条目减少，并快速分析结果，级联故障消除算法模块接收来自成员系统仿真模块处理过的数据。状态监控模块，其使用状态监控与告警算法，读取机载系统仿真模块中的传感器数据，并进行数据提取、监控与告警，状态监控模块可接收来自仿真网络传输的数据。成员系统仿真模块能仿真机载维护系统中各成员系统功能和故障诊断BIT功能，该成员系统仿真模块包含算法选择模块、故障隔离模块、仿真网络、机载系统仿真模块。其中，算法选择模块的功能为根据使用场景选择合适的故障诊断算法，算法选择模块能接受来自仿真网络控制指令，并根据控制指令选择故障隔离模块中的算法进行仿真诊断。故障隔离模块，其功能主要是采用故障算诊断算法模拟BIT自检，目的是隔离成员系统的故障，检查是否发生故障。如图3和图8所示，故障隔离模块包括单特征诊断、多特征诊断、多维度特征诊断，根据算法选择模块的选择，故障隔离模块中的单特征诊断接收来自机载系统仿真模块的数据，然后对数据进行滤波降噪操作，再对滤波降噪后的数据进行CNN处理，接下来将经过处理的数据进行采样，再进行LSTM网络梳理，LSTM网络梳理中使用粒子群算法或者遗传算法或者蚁群算法（当然也可以用粒子群算法、遗传算法、蚁群算法之间的相互组合的算法，本实施例采用遗传算法）对LSTM网络参数进行优化，最终将数据处理结果发送给中央维护计算机模块进行故障趋势预测。根据算法选择模块的选择，故障隔离模块中的多特征诊断接收来自机载维护系统成员系统数据，然后将多个特征数据均进行小波变换操作，然后将变换后的数据进行故障模式贴近度对比，再取基于Lance距离的加权，最后导入LSTM网络中进行网络梳理，再将数据进行基于BP神经网络和证据理论的数据融合算法，最终将多特征诊断的数据发送给中央维护计算机模块进行故障状态诊断。所述多维度特征诊断可接收来自机载系统仿真模块的数据，还可外接输入辅助文档信息；所述多维度特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式贴近度对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理；所述多维度特征诊断将输入的辅助文档信息的非结构化数据变成结构化数据，并对比其冲突性、差异性及不确定性，再采用AHP层次分析法分析各指标的可信度；最后所述多维度特征诊断将LSTM网络梳理后的数据与经AHP层次分析法处理后的数据采用基于BP神经网络和证据理论的数据融合算法，发送给中央维护计算机模块进行故障状态及原因分析。多维度特征诊断的AHP层次分析法可将维修记录、保养文件、飞机报文等word、PDF非结构化数据变成结构化数据，并对比其冲突性、差异性及不确定性，并使用AHP层次分析法分析各指标的可信度。仿真网络，其功能是充当数据软总线，将来自机载系统仿真模块数据转发给算法选择模块与状态监控模块，从而进行故障诊断和中央维护功能操作。图4为机载系统仿真模块示意图，其用于机载维护系统中各成员系统的仿真，机载系统仿真模块主要是模拟机载维护系统中各成员系统状态、典型飞行场景、各种机载传感器等，起到故障数据激励源的作用。机载系统仿真模块包括飞行场景选择模块、飞行仿真系统、非航电仿真模块、IO接口仿真模块、航电仿真模块、故障注入模块。其中，飞行场景选择模块可以控制飞行仿真系统的飞行阶段、飞行状态并改变飞机所处飞行场景，飞行仿真系统接收来自飞行场景选择模块的控制信号，将数据指令及其改变的状态发送给航电仿真模块与非航电仿真模块。如图6所示，所述航电仿真模块包括飞控系统仿真模型、自动飞行系统仿真模型、通信系统仿真模型、导航系统仿真模型。如图7所示，非航电仿真模块包括起落架系统仿真模型、电源系统仿真模型、防火系统仿真模型、动力系统仿真模型、APU系统仿真模型、燃油系统仿真模型、空调系统仿真模型、气源系统仿真模型、液压系统仿真模型、舱门系统仿真模型、防冰系统仿真模型、照明系统仿真模型。故障注入模块与机载系统仿真模块的航电仿真模块与非航电仿真模块通过IO接口仿真模块交互，IO接口仿真模块按照ICD文件进行配置，故障注入模块能模拟典型民机的50种故障场景，能够全场景故障复现及模拟。如图5所示，仿真管理模块主要包括仿真管理客户端和综合控制软件，其主要用于实现对整个仿真系统的集中式控制。
本发明的一种机载维护系统故障诊断仿真系统的操作过程与工作原理如下：
仿真管理模块初始化机载维护系统故障诊断仿真系统，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入。
成员系统仿真模块仿真机载维护系统中各成员系统功能和模拟故障诊断BIT自检。
中央维护计算机模块接收成员系统仿真模块处理发送的数据，并分析出故障结果发送给数据存储模块进行存储。
状态监控模块采用状态监控与告警算法读取成员系统仿真模块中各传感器数据，并进行数据提取、监控与告警，同时状态监控模块还将获得的数据发送给数据存储模块进行储存。
数据存储模块存储中央维护计算机模块和状态监控模块发送来的数据。
故障显示模块读取数据存储模块中的数据，并以图形化或者表格化形式显示故障报告。
故障诊断原理：本发明通过机载系统仿真模块源源不断产生机载仿真数据，该模块包括了机载维护系统所有的成员系统，其产生的系统仿真数据类型包括正常的数据和故障数据，是用于故障诊断与故障隔离的数据集基础。仿真管理模块能够控制机载系统仿真模块，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入，使操作人员可以便捷的产生所需要的仿真数据及仿真故障数据。上述产生的数据通过仿真网络进行数据交互，本发明使用可热插拔的国际通用数据网络DDS进行数据集交互。通过操作人员判断数据属于单特征、多特征或者多维度特征数据，并通过算法选择模块来选择对于数据类型的可用算法，选择完算法后将数据集导入故障隔离模块进行故障隔离。由于隔离出来的故障存在多种可能性，故障可能是其他底层故障导致的中间故障，可根据级联故障消除算法模块滤掉多余的中间故障，只保存故障源头，并将故障源头与驾驶舱效应进行关联，给飞行员驾驶舱最终的故障告警。
状态监控原理：本发明通过机载系统仿真模块源源不断产生机载仿真数据，该模块包括了机载维护系统所有的成员系统，其产生的系统仿真数据类型包括正常的数据和故障数据，是用于故障诊断与故障隔离的数据集基础。仿真管理模块能够控制机载系统仿真模块，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入，使操作人员可以便捷的产生所需要的仿真数据及仿真故障数据。上述产生的数据通过仿真网络进行数据交互，本发明使用可热插拔的国际通用数据网络DDS进行数据集交互。通过设定的阈值去监控通过DDS网络传输过来的数据，超过阈值就发生告警，依次来仿真飞机系统状态监控功能。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，应当指出的是，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种机载维护系统故障诊断仿真系统，其特征在于：其包括仿真管理模块、成员系统仿真模块、中央维护计算机模块、状态监控模块、数据存储模块、故障显示模块；
所述仿真管理模块用于初始化机载维护系统故障诊断仿真系统，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入；所述成员系统仿真模块用于仿真机载维护系统中各成员系统功能和模拟故障诊断BIT自检；所述中央维护计算机模块用于接收成员系统仿真模块处理发送的数据，并分析出故障结果发送给数据存储模块进行存储；所述状态监控模块采用状态监控与告警算法读取成员系统仿真模块中各传感器数据，并进行数据提取、监控与告警，同时状态监控模块还将获得的数据发送给数据存储模块进行储存；所述数据存储模块用于存储中央维护计算机模块和状态监控模块发送来的数据；所述故障显示模块用于显示故障报告，该故障显示模块与所述数据存储模块相连；
所述成员系统仿真模块包括机载系统仿真模块、仿真网络、算法选择模块、故障隔离模块；所述机载系统仿真模块用于模拟机载维护系统中各成员系统状态、典型飞行场景、各种机载传感器、并作为故障数据激励源为机载维护系统故障诊断仿真系统注入故障数据；所述仿真网络用于作为数据软总线，负责连接各个模块之间传递数据；所述算法选择模块用于接受仿真网络传递过来的控制指令，根据使用场景选择故障隔离模块中合适的故障诊断算法进行故障诊断；所述故障隔离模块用于模拟BIT自检，检查是否发生故障，并隔离机载维护系统中各成员系统的故障；
所述故障隔离模块包括单特征诊断、多特征诊断和多维度特征诊断；
所述单特征诊断接收来自机载系统仿真模块的数据后，先对数据进行滤波、降噪处理，再对数据进行CNN处理，再对CNN处理后的数据进行采样后进行LSTM网络梳理；在所述LSTM网络梳理的过程中，采用粒子群算法或者遗传算法或者蚁群算法对LSTM网络参数进行优化；经单特征诊断处理的数据发送给中央维护计算机模块进行故障趋势预测；
所述多特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理，再进行基于BP神经网络和证据理论的数据融合算法；经多特征诊断的数据发送给中央维护计算机模块进行故障状态诊断；
所述多维度特征诊断可接收来自机载系统仿真模块的数据，还可外接输入辅助文档信息；所述多维度特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理；所述多维度特征诊断将输入的辅助文档信息的非结构化数据变成结构化数据，并对比其冲突性、差异性及不确定性，再采用AHP层次分析法分析各指标的可信度；最后所述多维度特征诊断将LSTM网络梳理后的数据与经AHP层次分析法处理后的数据采用BP神经网络和证据理论的数据融合算法，发送给中央维护计算机模块进行故障状态及原因分析。
2.根据权利要求1所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述故障显示模块可读取数据存储模块中的数据，并以图形化或者表格化形式显示故障报告；所述仿真管理模块包括仿真管理客户端和综合控制软件；所述仿真管理客户端用于客户端的仿真管理，所述综合控制软件用于对机载维护系统故障诊断仿真系统的集中式控制管理。
3.根据权利要求1所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述机载系统仿真模块包括故障注入模块、IO接口仿真模块、航电仿真模块、非航电仿真模块、飞行仿真系统、飞行场景选择模块；所述IO接口仿真模块负责机载系统仿真模块内部各模块之间的数据交互，并负责与仿真网络之间的数据交互；所述飞行场景选择模块用于控制飞行仿真系统中飞机的飞行阶段、飞行状态、以及改变飞机所处飞行场景。
4.根据权利要求3所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述故障注入模块可模拟典型民机的50种故障；所述IO接口仿真模块按照ICD文件进行仿真配置。
5.根据权利要求3所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述航电仿真模块包括飞控系统仿真模型、自动飞行系统仿真模型、通信系统仿真模型、导航系统仿真模型。
6.根据权利要求3所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述非航电仿真模块包括起落架系统仿真模型、电源系统仿真模型、防火系统仿真模型、动力系统仿真模型、APU系统仿真模型、燃油系统仿真模型、空调系统仿真模型、气源系统仿真模型、液压系统仿真模型、舱门系统仿真模型、防冰系统仿真模型、照明系统仿真模型。
7.根据权利要求1所述的一种机载维护系统故障诊断仿真系统，其特征在于：所述中央维护计算机模块包括级联故障消除算法模块和驾驶舱效应关联模块；
所述级联故障消除算法模块，用于接收来自成员系统仿真模块处理过的数据，并使用级联故障消除算法，消除可能存在的级联故障，使得故障条目减少，并将分析结果发送给驾驶舱效应关联模块；
所述驾驶舱效应关联模块用于将经过级联故障消除算法模块处理后的数据与驾驶舱告警数据相关联结合，并将关联结合后的数据发送给数据储存模块。
8.一种机载维护系统故障诊断仿真方法，其特征在于，其包括以下步骤：
仿真管理模块初始化机载维护系统故障诊断仿真系统，并发送综合控制指令到成员系统仿真模块，控制仿真开始、终止、单步长运行以及故障注入；
成员系统仿真模块仿真机载维护系统中各成员系统功能和模拟故障诊断BIT自检；其中，成员系统仿真模块的单特征诊断接收来自机载系统仿真模块的数据后，先对数据进行滤波、降噪处理，再对数据进行CNN处理，再对CNN处理后的数据进行采样后进行LSTM网络梳理；在LSTM网络梳理的过程中，采用粒子群算法或者遗传算法或者蚁群算法对LSTM网络参数进行优化；经单特征诊断处理的数据发送给中央维护计算机模块进行故障趋势预测；成员系统仿真模块的多特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理，再进行基于BP神经网络和证据理论的数据融合算法；经多特征诊断的数据发送给中央维护计算机模块进行故障状态诊断；成员系统仿真模块的多维度特征诊断接收来自机载系统仿真模块的数据，外接输入辅助文档信息；多维度特征诊断接收来自机载系统仿真模块的数据后，先将数据进行小波变换，再进行故障模式对比，然后基于Lance距离对数据进行加权，再进行LSTM网络梳理；多维度特征诊断将输入的辅助文档信息的非结构化数据变成结构化数据，并对比其冲突性、差异性及不确定性，再采用AHP层次分析法分析各指标的可信度；最后多维度特征诊断将LSTM网络梳理后的数据与经AHP层次分析法处理后的数据采用BP神经网络和证据理论的数据融合算法，发送给中央维护计算机模块进行故障状态及原因分析；
中央维护计算机模块接收成员系统仿真模块处理发送的数据，并分析出故障结果发送给数据存储模块进行存储；
状态监控模块采用状态监控与告警算法读取成员系统仿真模块中各传感器数据，并进行数据提取、监控与告警，同时状态监控模块还将获得的数据发送给数据存储模块进行储存；
数据存储模块存储中央维护计算机模块和状态监控模块发送来的数据；
故障显示模块读取数据存储模块中的数据，并以图形化或者表格化形式显示故障报告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361174.XA CN116108698B (zh) | 2023-04-07 | 2023-04-07 | 一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310361174.XA CN116108698B (zh) | 2023-04-07 | 2023-04-07 | 一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116108698A CN116108698A (zh) | 2023-05-12 |
| CN116108698B true CN116108698B (zh) | 2023-06-09 |
Family
ID=86265782
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310361174.XA Active CN116108698B (zh) | 2023-04-07 | 2023-04-07 | 一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116108698B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108614539A (zh) * | 2016-12-12 | 2018-10-02 | 中国航空工业集团公司西安航空计算技术研究所 | 机载设备故障诊断与预测模型验证方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2247430C1 (ru) * | 2004-03-10 | 2005-02-27 | ОАО "ОКБ им. А.С. Яковлева" | Авиационный тренажер модульной конструкции |
| CN109813999B (zh) * | 2019-01-22 | 2020-05-19 | 山东大学 | 一种配电网故障诊断算法自动测试平台、方法及应用 |
| CN110884687A (zh) * | 2019-12-11 | 2020-03-17 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种机电系统phm技术半物理实时仿真验证平台 |
| CN114925536A (zh) * | 2022-05-31 | 2022-08-19 | 南京航空航天大学 | 机载系统phm测试性建模与诊断策略优化方法和装置 |
-
2023
- 2023-04-07 CN CN202310361174.XA patent/CN116108698B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108614539A (zh) * | 2016-12-12 | 2018-10-02 | 中国航空工业集团公司西安航空计算技术研究所 | 机载设备故障诊断与预测模型验证方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116108698A (zh) | 2023-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110884687A (zh) | 一种机电系统phm技术半物理实时仿真验证平台 | |
| CN105425619B (zh) | 用于在交通工具中产生多个数据报告的方法和系统 | |
| EP3254928A1 (en) | System and method for the asset management of railway trains | |
| GB2492328A (en) | Updating troubleshooting procedures for aircraft maintenance | |
| TWI731146B (zh) | 飛機故障處理系統和方法及電腦設備 | |
| Chen et al. | Aircraft maintenance decision system based on real-time condition monitoring | |
| CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
| US20140214263A1 (en) | Method, device and computer program for assisting the maintenance of an aircraft system using a diagnostic assistance tool and experience feedback data | |
| CN111123739A (zh) | 一种用于全自动无人驾驶模式下的网络控制系统半实物仿真实验平台 | |
| US11760507B2 (en) | Onboard diagnosis and correlation of failure data to maintenance actions | |
| CN108595959B (zh) | 基于确定性随机Petri网的AADL模型安全性评估方法 | |
| CN116108698B (zh) | 一种机载维护系统故障诊断仿真系统及故障诊断仿真方法 | |
| CN110689147A (zh) | 一种飞机故障快速诊断系统及方法 | |
| Gomes et al. | System level RUL estimation for multiple-component systems | |
| CN110264585A (zh) | 公交售后诊断系统 | |
| CN110057590B (zh) | 面向机群的航空发动机外场数据管理系统及方法 | |
| CN112671627B (zh) | 一种机载飞行控制系统的体系化总线选型方法及装置 | |
| Xu et al. | Application of PHM Technology in the Design of Tank Fire Control System | |
| Chen et al. | Research on the requirement analysis and management method of aircraft PHM system | |
| Gao et al. | Design requirements of PHM system fault diagnosis capability | |
| CN113095624A (zh) | 一种民航机场不安全事件分类方法及系统 | |
| CN113759873B (zh) | 一种飞控系统加电机内自检测故障处置方法 | |
| Jia et al. | Application and design of PHM in aircraft’s integrated modular mission system | |
| CN114627686B (zh) | 航班撤轮挡时间协同管理的方法、系统、设备及介质 | |
| Qiang et al. | Scenarios Analysis and Development Strategy for Aircraft Integrated Health Management (AIHM) |
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 |