CN116149297B - 基于性能-故障关系图谱的故障诊断能力评估方法和装置 - Google Patents
基于性能-故障关系图谱的故障诊断能力评估方法和装置 Download PDFInfo
- Publication number
- CN116149297B CN116149297B CN202310095643.8A CN202310095643A CN116149297B CN 116149297 B CN116149297 B CN 116149297B CN 202310095643 A CN202310095643 A CN 202310095643A CN 116149297 B CN116149297 B CN 116149297B
- Authority
- CN
- China
- Prior art keywords
- entity
- fault
- performance
- entities
- unknown
- 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
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
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种基于性能‑故障关系图谱的故障诊断能力评估方法和装置,该方法包括:对航天器控制系统的模型进行实体‑关系的抽取,构建航天器控制系统的性能‑故障关系图谱,性能‑故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;并利用TransE算法对性能‑故障关系图谱中剩余的每个实体和关系进行训练,以得到性能‑故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;基于三元组的向量表示,判断三元组中的未知量实体与已知量实体之间是否存在路径,若存在,则表明未知量实体是推导可知实体;基于未知量实体、已知量实体和推导已知实体,对基于性能‑故障关系图谱的故障诊断能力评估能力进行评估。
Description
技术领域
本发明涉及航空航天技术领域,特别涉及一种基于性能-故障关系图谱的故障诊断能力评估方法和装置。
背景技术
航天器控制系统工作时间长、精度要求高、环境特殊,并受重量和能量消耗等条件的限制,导致航天器控制系统的故障类型多、故障原因复杂、影响因素广泛。
众所周知,基于性能-故障关系图谱的故障诊断能力评估能力依赖于控制系统的配置情况。当系统配置较少时,某些故障有可能检测不到或不能准确定位,此时即使设计了先进的故障诊断方法也无计于事。因此在设计故障诊断方法前,非常有必要对基于性能-故障关系图谱的故障诊断能力评估能力进行评估,只有能够检测或定位的故障才能设计相应的故障诊断方法。
发明内容
为了有效对基于性能-故障关系图谱的故障诊断能力评估能力进行评估,本发明实施例提供了一种基于性能-故障关系图谱的故障诊断能力评估方法和装置。
第一方面,本发明实施例提供了一种基于性能-故障关系图谱的故障诊断能力评估方法,包括:
对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到所述航天器控制系统的性能-故障关系图谱;其中,所述性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
将所述性能-故障关系图谱中的故障实体删除,并利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,所述三元组包括头实体、关系和尾实体;
基于所述三元组的向量表示,判断所述三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
第二方面,本发明实施例还提供了一种基于性能-故障关系图谱的故障诊断能力评估装置,包括:
构建模块,用于对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到所述航天器控制系统的性能-故障关系图谱;其中,所述性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
训练模块,用于将所述性能-故障关系图谱中的故障实体删除,并利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,所述三元组包括头实体、关系和尾实体;
判断模块,用于基于所述三元组的向量表示,判断所述三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
评估模块,用于基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
第三方面,本发明实施例还提供了一种电子设备,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时,实现本发明任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本发明任一实施例所述的方法。
本发明实施例提供了一种基于性能-故障关系图谱的故障诊断能力评估方法和装置,面向知识关系图谱在航天器故障诊断中的应用需求,为了给故障诊断方法设计提供必要依据,基于航天器控制系统模型,提出实体与关系抽取原则,构建航天器控制系统性能-故障关系图谱,通过训练TransE算法,获得实体和关系的低维向量表示。在此基础上,识别推导可知实体,基于未知量实体、已知量实体和推导已知实体,来对基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种基于性能-故障关系图谱的故障诊断能力评估方法流程图;
图2是本发明一实施例提供的一种电子设备的硬件架构图;
图3是本发明一实施例提供的一种基于性能-故障关系图谱的故障诊断能力评估装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,本发明实施例提供了一种基于性能-故障关系图谱的故障诊断能力评估方法,该方法包括:
步骤100:对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到航天器控制系统的性能-故障关系图谱;其中,性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
步骤102:将性能-故障关系图谱中的故障实体删除,并利用TransE算法对性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,三元组包括头实体、关系和尾实体;
步骤104:基于三元组的向量表示,判断三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
步骤106:基于未知量实体、已知量实体和推导已知实体,对基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
本发明实施例中,面向知识关系图谱在航天器故障诊断中的应用需求,为了给故障诊断方法设计提供必要依据,基于航天器控制系统模型,提出实体与关系抽取原则,构建航天器控制系统性能-故障关系图谱,通过训练TransE算法,获得实体和关系的低维向量表示。在此基础上,识别推导可知实体,基于未知量实体、已知量实体和推导已知实体,来对基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
可以知道的是,知识关系图谱能够借助其在构建知识网络与展现知识关联方面的巨大优势,为具有复杂关系的航天器故障知识信息提供一种新的获取、存储、组织、管理、更新和展示的手段,并提供更符合认知习惯的故障知识应用与故障推理方式,从而提高故障诊断的效率和精准度,因此利用知识关系图谱知识,构建航天器性能-故障关系图谱,在此基础上开展故障诊断方法研究,可以有效对基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
目前,由于缺乏理论指导,设计师对航天器的诊断能力认识模糊,难以获知航天器是否具备充分的诊断能力,导致故障诊断方法的设计过程过于盲目,缺乏针对性。本发明对基于性能-故障关系图谱的故障诊断能力评估能力进行评估,以开展故障诊断方法的设计。具体地,本发明将航天器控制系统模型转换为性能-故障关系图谱,在此基础上,通过分析故障实体到已知量实体之间是否存在路径来对诊断能力进行评估,这个过程中得到的故障实体到已知量实体之间的路径上的所有实体和关系都直观形象地展示出来,使故障溯源过程一目了然。
下面描述图1所示的各个步骤的执行方式。
针对步骤100:
在本发明一个实施例中,航天器控制系统的模型包括航天器姿态动力学方程、航天器姿态运动学方程、红外地球敏感器模型、陀螺测量模型和动量轮模型中的至少一种,其中:
航天器姿态动力学方程为:
式中,Ix,Iy,Iz为三轴转动惯量,ωx,ωy,ωz为航天器空间转动角速度ω沿主惯量轴的分量,hx,hy,hz为动量轮三轴角动量;
航天器姿态运动学方程为:
式中,为欧拉角,ω0为航天器绕中心引力体旋转的轨道角速度;
红外地球敏感器模型为:
式中,为地敏的测量输出,/>为地敏的常值误差,/>为地敏的测量噪声,/>为地敏的故障;
陀螺测量模型为:
式中,gi为陀螺测量输出,di为陀螺指数相关漂移项,bi为陀螺的常值漂移项,fg,i为陀螺的故障,i=1,2,3;
动量轮模型为:
式中,J1,J2,J3为动量轮转动惯量,为动量轮转速,ux,uy,uz为动量轮期望输出力矩,/>为动量轮故障。
根据上述航天器控制系统各部分模型,依据下列原则提取性能-故障关系图谱的实体与关系:
A、对于航天器控制系统各部分模型,将已知量、未知量和故障分别看作“已知量实体”、“未知量实体”和“故障实体”。
B、由于本发明评估的是固有诊断能力,因此不考虑各种误差、噪声以及常值参数。
C、当等式某一边存在多个变量时,需要增加一个“与实体”。例如,的等式右边存在多个变量,因此将/>看做一个“与实体”,这有利于找到下文提及的未知量实体到已知量实体之间的与构建的性能-故障关系图谱不同的路径。
D、根据等式中各变量的关系,得到“等式关系”、“加关系”、“减关系”、“乘关系”。
根据上述原则,抽取得到的实体为:性能-故障关系图谱中的已知量实体包括未知量实体包括/>故障实体包括/>
针对步骤102:
将航天器控制系统性能-故障关系图谱中的故障实体删除,对于剩余关系图谱中的每个实体和关系利用TransE算法进行训练,将实体和关系嵌入到低维向量空间中。
在本发明一个实施例中,步骤102具体可以包括:
将性能-故障关系图谱以三元组(h,r,t)的形式表示;其中,h表示头实体,r表示关系,t表示尾实体,性能-故障关系图谱中的已知量实体和未知量实体均可作为头实体或尾实体;
对三元组中的头实体、关系和尾实体进行初始化;(例如对于每个头实体、关系向量和尾实体向量的每个维度在内随机取一个值,k为低维向量的维数)
以正确的三元组(h,r,t)作为正采样样本,替换正确的三元组头实体或尾实体构建负采样样本(h1,r,t1),(h2,r,t2),…,基于正采样样本和负采样样本建立T-batch;其中,T-batch={[(h,r,t),(h1,r,t1)],[(h,r,t),(h2,r,t2)],……};
利用T-batch训练TransE模型,并采用梯度下降算法进行参数调整;其中,TransE模型的目标函数为:
式中,S为正采样样本,S1为负采样样本,γ表示距离参数(γ>0),d(h+r,t)为h+r与t之间的距离,d(hi+r,ti)为hi+r与ti之间的距离;
利用训练好的TransE模型获得三元组的向量表示。
针对步骤104:
在本发明一个实施例中,步骤104具体可以包括:
当下列两个条件同时满足时,则认为三元组中的未知量实体与已知量实体之间存在路径,否则不存在路径:
a.三元组中的未知量实体到已知量实体的路径上的所有实体与关系的向量和为0;
b.三元组中的未知量实体到已知量实体的路径上的与实体,除了本路径外,另外一个输入实体到已知量实体至少存在一条路径;其中,所述与实体为所述航天器控制系统的模型中等式的一边存在多个变量时所述性能-故障关系图谱所增加的实体。
在本实施例中,如果三元组中的未知量实体与已知量实体之间存在路径,则证明未知量实体到已知量实体是“有解”的,因此可以得出未知量实体是推导可知实体的结论。
针对步骤106:
在本发明一个实施例中,步骤106具体可以包括:
针对性能-故障关系图谱中的每一个故障实体,若当前故障实体到已知实体或推导可知实体的路径上的与实体,除了本路径外,另外一个输入实体是已知量实体或推导可知实体,则表明当前故障实体具有故障可检测性。
在本发明一个实施例中,步骤106具体还可以包括:
针对性能-故障关系图谱中的每两个故障实体,若当前两个故障实体均具有故障可检测性,且当前两个故障实体到已知量实体的路径不同,则表明当前两个故障实体具有故障可分离性。
如图2、图3所示,本发明实施例提供了一种基于性能-故障关系图谱的故障诊断能力评估装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的一种基于性能-故障关系图谱的故障诊断能力评估装置所在电子设备的一种硬件架构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。
如图3所示,本实施例提供的一种基于性能-故障关系图谱的故障诊断能力评估装置,包括:
构建模块300,用于对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到所述航天器控制系统的性能-故障关系图谱;其中,所述性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
训练模块302,用于将所述性能-故障关系图谱中的故障实体删除,并利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,所述三元组包括头实体、关系和尾实体;
判断模块304,用于基于所述三元组的向量表示,判断所述三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
评估模块306,用于基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估。
在本发明实施例中,构建模块300可用于执行上述方法实施例中的步骤100,训练模块302可用于执行上述方法实施例中的步骤102,判断模块304可用于执行上述方法实施例中的步骤104,评估模块306可用于执行上述方法实施例中的步骤106。
在本发明的一个实施例中,所述航天器控制系统的模型包括航天器姿态动力学方程、航天器姿态运动学方程、红外地球敏感器模型、陀螺测量模型和动量轮模型中的至少一种,其中:
所述航天器姿态动力学方程为:
式中,Ix,Iy,Iz为三轴转动惯量,ωx,ωy,ωz为航天器空间转动角速度ω沿主惯量轴的分量,hx,hy,hz为动量轮三轴角动量;
所述航天器姿态运动学方程为:
式中,为欧拉角,ω0为航天器绕中心引力体旋转的轨道角速度;
所述红外地球敏感器模型为:
式中,为地敏的测量输出,/>为地敏的常值误差,/>为地敏的测量噪声,/>为地敏的故障;
所述陀螺测量模型为:
式中,gi为陀螺测量输出,di为陀螺指数相关漂移项,bi为陀螺的常值漂移项,fg,i为陀螺的故障,i=1,2,3;
所述动量轮模型为:
式中,J1,J2,J3为动量轮转动惯量,为动量轮转速,ux,uy,uz为动量轮期望输出力矩,/>为动量轮故障。
在本发明的一个实施例中,所述性能-故障关系图谱中的已知量实体包括未知量实体包括/>故障实体包括/>
在本发明的一个实施例中,所述训练模块,用于执行如下操作:
将所述性能-故障关系图谱以三元组(h,r,t)的形式表示;其中,h表示头实体,r表示关系,t表示尾实体,所述性能-故障关系图谱中的已知量实体和未知量实体均可作为头实体或尾实体;
对所述三元组中的头实体、关系和尾实体进行初始化;
以正确的三元组(h,r,t)作为正采样样本,替换正确的三元组头实体或尾实体构建负采样样本(h1,r,t1),(h2,r,t2),…,基于正采样样本和负采样样本建立T-batch;其中,T-batch={[(h,r,t),(h1,r,t1)],[(h,r,t),(h2,r,t2)],……};
利用所述T-batch训练TransE模型,并采用梯度下降算法进行参数调整;其中,所述TransE模型的目标函数为:
式中,S为正采样样本,S1为负采样样本,γ表示距离参数(γ>0),d(h+r,t)为h+r与t之间的距离,d(hi+r,ti)为hi+r与ti之间的距离;
利用训练好的TransE模型获得三元组的向量表示。
在本发明的一个实施例中,所述判断模块,用于执行如下操作:
当下列两个条件同时满足时,则认为所述三元组中的未知量实体与已知量实体之间存在路径,否则不存在路径:
a.所述三元组中的未知量实体到已知量实体的路径上的所有实体与关系的向量和为0;
b.所述三元组中的未知量实体到已知量实体的路径上的与实体,除了本路径外,另外一个输入实体到已知量实体至少存在一条路径;其中,所述与实体为所述航天器控制系统的模型中等式的一边存在多个变量时所述性能-故障关系图谱所增加的实体。
在本发明的一个实施例中,所述评估模块,用于执行如下操作:
针对所述性能-故障关系图谱中的每一个故障实体,若当前故障实体到已知实体或推导可知实体的路径上的与实体,除了本路径外,另外一个输入实体是已知量实体或推导可知实体,则表明当前故障实体具有故障可检测性。
在本发明的一个实施例中,所述评估模块,还用于执行如下操作:
针对所述性能-故障关系图谱中的每两个故障实体,若当前两个故障实体均具有故障可检测性,且当前两个故障实体到已知量实体的路径不同,则表明当前两个故障实体具有故障可分离性。
可以理解的是,本发明实施例示意的结构并不构成对一种基于性能-故障关系图谱的故障诊断能力评估装置的具体限定。在本发明的另一些实施例中,一种基于性能-故障关系图谱的故障诊断能力评估装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种电子设备,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时,实现本发明任一实施例中的一种基于性能-故障关系图谱的故障诊断能力评估方法。
本发明实施例还提供了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,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种基于性能-故障关系图谱的故障诊断能力评估方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
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精神和范围。
Claims (7)
1.一种基于性能-故障关系图谱的故障诊断能力评估方法,其特征在于,包括:
对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到所述航天器控制系统的性能-故障关系图谱;其中,所述性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
将所述性能-故障关系图谱中的故障实体删除,并利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,所述三元组包括头实体、关系和尾实体;
基于所述三元组的向量表示,判断所述三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估;
所述判断所述三元组中的未知量实体与已知量实体之间是否存在路径,包括:
当下列两个条件同时满足时,则认为所述三元组中的未知量实体与已知量实体之间存在路径,否则不存在路径:
a.所述三元组中的未知量实体到已知量实体的路径上的所有实体与关系的向量和为0;
b.所述三元组中的未知量实体到已知量实体的路径上的与实体,除了本路径外,另外一个输入实体到已知量实体至少存在一条路径;其中,所述与实体为所述航天器控制系统的模型中等式的一边存在多个变量时所述性能-故障关系图谱所增加的实体;
所述基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估,包括:
针对所述性能-故障关系图谱中的每一个故障实体,若当前故障实体到已知实体或推导可知实体的路径上的与实体,除了本路径外,另外一个输入实体是已知量实体或推导可知实体,则表明当前故障实体具有故障可检测性;
所述基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估,还包括:
针对所述性能-故障关系图谱中的每两个故障实体,若当前两个故障实体均具有故障可检测性,且当前两个故障实体到已知量实体的路径不同,则表明当前两个故障实体具有故障可分离性。
2.根据权利要求1所述的方法,其特征在于,所述航天器控制系统的模型包括航天器姿态动力学方程、航天器姿态运动学方程、红外地球敏感器模型、陀螺测量模型和动量轮模型中的至少一种,其中:
所述航天器姿态动力学方程为:
式中,Ix,Iy,Iz为三轴转动惯量,ωx,ωy,ωz为航天器空间转动角速度ω沿主惯量轴的分量,hx,hy,hz为动量轮三轴角动量;
所述航天器姿态运动学方程为:
式中,θ,ψ为欧拉角,ω0为航天器绕中心引力体旋转的轨道角速度;
所述红外地球敏感器模型为:
式中,为地敏的测量输出,/>为地敏的常值误差,/>为地敏的测量噪声,/>为地敏的故障;
所述陀螺测量模型为:
式中,gi为陀螺测量输出,di为陀螺指数相关漂移项,bi为陀螺的常值漂移项,fg,i为陀螺的故障,i=1,2,3;
所述动量轮模型为:
式中,J1,J2,J3为动量轮转动惯量,为动量轮转速,ux,uy,uz为动量轮期望输出力矩,/>为动量轮故障。
3.根据权利要求2所述的方法,其特征在于,所述性能-故障关系图谱中的已知量实体包括g1,g2,g3,ux,uy,uz,/>hx,hy,hz,未知量实体包括ωx,ωy,ωz,/>θ,ψ,故障实体包括/>fg,1,fg,2,fg,3,/>
4.根据权利要求1所述的方法,其特征在于,所述利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示,包括:
将所述性能-故障关系图谱以三元组(h,r,t)的形式表示;其中,h表示头实体,r表示关系,t表示尾实体,所述性能-故障关系图谱中的已知量实体和未知量实体均可作为头实体或尾实体;
对所述三元组中的头实体、关系和尾实体进行初始化;
以正确的三元组(h,r,t)作为正采样样本,替换正确的三元组头实体或尾实体构建负采样样本(h1,r,t1),(h2,r,t2),…,基于正采样样本和负采样样本建立T-batch;其中,T-batch={[(h,r,t),(h1,r,t1)],[(h,r,t),(h2,r,t2)],……};
利用所述T-batch训练TransE模型,并采用梯度下降算法进行参数调整;其中,所述TransE模型的目标函数为:
式中,S为正采样样本,S1为负采样样本,γ表示距离参数(γ>0),d(h+r,t)为h+r与t之间的距离,d(hi+r,ti)为hi+r与ti之间的距离;
利用训练好的TransE模型获得三元组的向量表示。
5.一种基于性能-故障关系图谱的故障诊断能力评估装置,其特征在于,包括:
构建模块,用于对预设的航天器控制系统的模型进行实体-关系的抽取,以构建得到所述航天器控制系统的性能-故障关系图谱;其中,所述性能-故障关系图谱中的实体包括已知量实体、未知量实体和故障实体;
训练模块,用于将所述性能-故障关系图谱中的故障实体删除,并利用TransE算法对所述性能-故障关系图谱中剩余的每个实体和关系进行训练,以得到所述性能-故障关系图谱中剩余的每个实体和关系所组成的三元组的向量表示;其中,所述三元组包括头实体、关系和尾实体;
判断模块,用于基于所述三元组的向量表示,判断所述三元组中的未知量实体与已知量实体之间是否存在路径;其中,若存在,则表明未知量实体是推导可知实体,否则未知量实体不是推导可知实体;
评估模块,用于基于未知量实体、已知量实体和推导已知实体,对所述基于性能-故障关系图谱的故障诊断能力评估能力进行评估;
所述判断模块,用于执行如下操作:
当下列两个条件同时满足时,则认为所述三元组中的未知量实体与已知量实体之间存在路径,否则不存在路径:
a.所述三元组中的未知量实体到已知量实体的路径上的所有实体与关系的向量和为0;
b.所述三元组中的未知量实体到已知量实体的路径上的与实体,除了本路径外,另外一个输入实体到已知量实体至少存在一条路径;其中,所述与实体为所述航天器控制系统的模型中等式的一边存在多个变量时所述性能-故障关系图谱所增加的实体;
所述评估模块,用于执行如下操作:
针对所述性能-故障关系图谱中的每一个故障实体,若当前故障实体到已知实体或推导可知实体的路径上的与实体,除了本路径外,另外一个输入实体是已知量实体或推导可知实体,则表明当前故障实体具有故障可检测性;
所述评估模块,还用于执行如下操作:
针对所述性能-故障关系图谱中的每两个故障实体,若当前两个故障实体均具有故障可检测性,且当前两个故障实体到已知量实体的路径不同,则表明当前两个故障实体具有故障可分离性。
6.一种电子设备,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时,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,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310095643.8A CN116149297B (zh) | 2023-01-18 | 2023-01-18 | 基于性能-故障关系图谱的故障诊断能力评估方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310095643.8A CN116149297B (zh) | 2023-01-18 | 2023-01-18 | 基于性能-故障关系图谱的故障诊断能力评估方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116149297A CN116149297A (zh) | 2023-05-23 |
CN116149297B true CN116149297B (zh) | 2023-09-08 |
Family
ID=86340258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310095643.8A Active CN116149297B (zh) | 2023-01-18 | 2023-01-18 | 基于性能-故障关系图谱的故障诊断能力评估方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116149297B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7117397B1 (en) * | 1999-12-15 | 2006-10-03 | Fujitsu Limited | Apparatus and method for preventing an erroneous operation at the time of detection of a system failure |
US7983174B1 (en) * | 2005-12-19 | 2011-07-19 | Cisco Technology, Inc. | Method and apparatus for diagnosing a fault in a network path |
DE102010001776A1 (de) * | 2010-02-10 | 2011-08-11 | Siemens Aktiengesellschaft, 80333 | Verfahren und System zur Behebung eines an einer technischen Anlage auftretenden Fehlers |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
CN113112123A (zh) * | 2021-03-22 | 2021-07-13 | 西北工业大学 | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11176474B2 (en) * | 2018-02-28 | 2021-11-16 | International Business Machines Corporation | System and method for semantics based probabilistic fault diagnosis |
-
2023
- 2023-01-18 CN CN202310095643.8A patent/CN116149297B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7117397B1 (en) * | 1999-12-15 | 2006-10-03 | Fujitsu Limited | Apparatus and method for preventing an erroneous operation at the time of detection of a system failure |
US7983174B1 (en) * | 2005-12-19 | 2011-07-19 | Cisco Technology, Inc. | Method and apparatus for diagnosing a fault in a network path |
DE102010001776A1 (de) * | 2010-02-10 | 2011-08-11 | Siemens Aktiengesellschaft, 80333 | Verfahren und System zur Behebung eines an einer technischen Anlage auftretenden Fehlers |
CN112269901A (zh) * | 2020-09-14 | 2021-01-26 | 合肥中科类脑智能技术有限公司 | 一种基于知识图谱的故障判别推理方法 |
CN113112123A (zh) * | 2021-03-22 | 2021-07-13 | 西北工业大学 | 一种基于关联矩阵的飞机航电系统故障诊断评估方法 |
Non-Patent Citations (1)
Title |
---|
基于改进距离相似度的故障可分离性分析方法;宋洋;《山东大学学报(工学版)》;第47卷(第5期);第103-109页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116149297A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111259927B (zh) | 基于神经网络和证据理论的火箭发动机故障诊断方法 | |
US5751609A (en) | Neural network based method for estimating helicopter low airspeed | |
JP4783394B2 (ja) | センサの故障適応方法 | |
CN110196049A (zh) | 一种动态环境下四陀螺冗余式捷联惯导系统硬故障检测与隔离方法 | |
Zhang et al. | Autonomous vehicle battery state-of-charge prognostics enhanced mission planning | |
CN104048675A (zh) | 一种基于高斯过程回归的组合导航系统故障诊断方法 | |
CN116519021A (zh) | 一种惯性导航系统故障诊断方法、系统及设备 | |
CN116149297B (zh) | 基于性能-故障关系图谱的故障诊断能力评估方法和装置 | |
CN117216454B (zh) | 基于模糊非概率的可靠性评估方法、装置、终端及存储介质 | |
AU2009245507B2 (en) | Assisting failure diagnosis in a system using Bayesian Network | |
CN117254981A (zh) | 一种工控网络安全态势预测方法及装置 | |
CN115993138B (zh) | 一种多表冗余激光惯组故障诊断方法及系统 | |
Bittner et al. | Fault detection, isolation, and recovery techniques for large clusters of inertial measurement units | |
Blachuta et al. | Attitude and heading reference system based on 3D complementary filter | |
CN115218927B (zh) | 基于二次卡尔曼滤波的无人机imu传感器故障检测方法 | |
CN113432623B (zh) | 一种陀螺仪系统测试用漂移解算分析方法 | |
RU2658571C1 (ru) | Способ коррекции инерциальной навигационной системы | |
CN110231122A (zh) | 用于验证空气数据探针的操作的装置和方法 | |
CN116360387B (zh) | 融合贝叶斯网络和性能-故障关系图谱的故障定位方法 | |
US9342907B1 (en) | Method and system for analyzing ballistic trajectories | |
Vitanov et al. | Fault detection and isolation in an inertial navigation system using a bank of unscented H∞ filters | |
JPH0694830A (ja) | 同一航跡判定装置 | |
CN113720355B (zh) | 一种陀螺输出饱和自主诊断方法及系统 | |
CN116203926B (zh) | 基于性能-故障关系图谱的航天器故障分级诊断方法 | |
CN113532482B (zh) | 一种冗余惯性测量系统故障检测装置及检测方法 |
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 |