機載診斷模型的工程化開發(fā)方法

呂鎮(zhèn)邦, 陶來發(fā), 孫 倩, 丁 宇

(1.航空工業(yè)西安航空計算技術研究所，西安 710068；2.北京航空航天大學 可靠性與系統(tǒng)工程學院，北京 100191)

0 引言

由于機載健康管理系統(tǒng)以監(jiān)測和診斷為主要手段，并完成維修支持，必須建立在狀態(tài)或者信息感知、融合和辨識的基礎上，其功能的實現(xiàn)完全依賴于所大量使用的各種推理模型。因此，機載診斷模型的開發(fā)成為健康管理系統(tǒng)研制中最核心的技術問題。目前國內對故障診斷技術已開展了大量研究，但研究重點主要集中在故障診斷技術的理論研究和實驗室模型/算法的實現(xiàn)方面，在工程應用領域的研究較為薄弱，特別是在機載診斷的數(shù)據建模方面，與國外先進機型相比存在明顯的差距，嚴重制約了機載健康管理系統(tǒng)效能的發(fā)揮。系統(tǒng)的高度復雜性往往導致故障癥狀與故障原因之間的映射關系表現(xiàn)為不清晰、不確定, 系統(tǒng)參數(shù)的變化以及報警提示未必能正確反映故障的類型及位置, 為系統(tǒng)建模帶來困難。本文在分析國內外相關研究現(xiàn)狀和具體型號技術需求的基礎上，對機載診斷模型開發(fā)的工程化方法進行了深入研究，并設計和實現(xiàn)了相應的輔助開發(fā)工具，為機載健康管理系統(tǒng)的診斷能力提升提供支持。

1 研究現(xiàn)狀

國際標準化組織ISO和IEEE等許多國際組織和機構專門組建了聯(lián)盟來推動故障診斷與健康管理技術相關標準的研發(fā)和推廣，由波音等50多家公司和組織組成的機械信息管理開放系統(tǒng)聯(lián)盟(MIMOSA)一直致力于開放的使用與維護信息標準的研發(fā)，這為故障診斷模型開發(fā)工作提供了基礎和指導[1-2]。

Honeywell公司研制的診斷模型開發(fā)工具(DMDT)接收來自各種渠道的信息，包括飛機接口控制數(shù)據庫、機組人員告警信息和故障模式與影響分析報告，然后由飛機系統(tǒng)設計人員輸入子系統(tǒng)特定診斷信息，最終完成診斷模型的構建[3]。Impact技術公司的模型開發(fā)工具NeticaTM，將權重方法和貝葉斯推理方法相結合，可建立貝葉斯認知網絡模型(BBN)，進而描述整個系統(tǒng)的關聯(lián)關系，完成診斷推理[4]。由機載系統(tǒng)部件性能退化而引起的潛在有害事件的早期檢測和緩解是目前健康管理領域所面臨的重要挑戰(zhàn)，IEEE的Daniel L. C. Mack等人采用知識工程方法，將飛行參數(shù)數(shù)據挖掘與專家經驗相結合，對現(xiàn)有貝葉斯推理模型進行修正，建立更為有效的故障早期診斷模型[5]。機載系統(tǒng)的復雜性和工況變化導致機載診斷不確定性問題日益嚴重，針對此問題文獻[6]提出將設計數(shù)據與實時監(jiān)控信息相聯(lián)合的智能診斷建模方法，充分利用可用信息，降低了診斷不確定性，提高維修效率。

國內許多院校開展了故障診斷技術方法和應用方面的相關研究，研究的熱點集中在建立故障診斷模型/算法，實現(xiàn)故障診斷原型系統(tǒng)等方面。為了提高層與層之間的推理準確性，某機液壓系統(tǒng)采用基于狀態(tài)、元件、傳感器和功能的交叉增強校核方法，建立交叉增強校核診斷推理模型，提高診斷精度和準確性[7]。產品設計階段往往缺乏明確的故障模式數(shù)據，文獻[8]通過定義故障與功能的關聯(lián)關系及功能故障率，將故障與功能間的不確定性關聯(lián)轉化為確定性關聯(lián)，從而實現(xiàn)在產品早期設計階段建立混合診斷模型。針對復雜系統(tǒng)故障診斷建模及推理的復雜性、數(shù)據不足、領域知識及監(jiān)測信息不完備等問題，北京航空航天大學研究團隊開展基于動態(tài)不確定因果圖，對權重邏輯推理進行系統(tǒng)化研究，引入綁定權重系數(shù)的邏輯事件推理機制，確保變量狀態(tài)概率的自動歸一性和鏈式推理的自我依賴性，為多賦值因果關系的簡潔、不完備表達提供了解決方案[9]。 但上述工作大都圍繞各自不同的具體成員設備作為研究對象而展開，主要停留在理論研究層面，普遍偏于學術探索性，比較缺乏對通用性和工程化的考慮，也沒有在具體的工程應用中得到驗證。

2 基于模型的故障診斷原理

基于模型的診斷(Model-based diagnosis，MBD)是一種全新的診斷方法，該方法分析、合并和處理系統(tǒng)故障，并將其隔離到產生故障的根源LRU上。MBD方法與傳統(tǒng)診斷方法的本質區(qū)別在于MBD克服了傳統(tǒng)診斷方法的嚴重缺陷，其基本觀點是可以使用系統(tǒng)的內部結構與行為知識模型進行智能推理[10]。該方法從待診斷設備的模型和具體觀測行為出發(fā)，依據系統(tǒng)實際觀測行為和模型預計行為之間的差異，通過診斷推理確定出現(xiàn)故障的組件或單元，并給出診斷結果，其診斷原理如圖1所示。

圖1 基于模型的診斷方法原理

1)模型預計行為和產品實際觀測行為的比對是診斷的基礎，依據診斷知識構建診斷推理模型；

2)當已知系統(tǒng)輸入時，可以獲取系統(tǒng)的實際觀測行為，并通過邏輯推理得到模型的預計行為；

3)將二者進行比較，若存在差異，按照沖突識別、候選診斷和診斷鑒別的步驟進行診斷推理；

4)最后根據診斷鑒別結果，確定下一步的檢測順序，進行故障定位與隔離，直至找到真正的故障原因。

基于模型的故障診斷方法的流程如圖2所示。

圖2 基于模型的故障診斷方法流程

1)系統(tǒng)啟動，針對診斷對象，獲取診斷知識，構建新設備或者選擇已有設備的結構、功能和行為模型；

2)在模型化的基礎上，依據診斷模型和系統(tǒng)輸入得到模型的預計行為；

3)獲取系統(tǒng)當前的實際觀測行為，判斷觀測行為和預計行為之間是否存在差異；

4)若存在差異，則按照沖突識別、候選產生和診斷鑒別的診斷推理順序尋找真正的故障；

5)若沒有差異，則設備正常。

3 機載診斷模型建立流程

盡管飛機安裝有眾多的傳感器，但在實際應用中，大多數(shù)傳感器都是安裝在裝有多個動力傳動模塊的箱體外部，不可能直接監(jiān)測其內部的組件，所以影響系統(tǒng)運行安全的數(shù)百個組件只能依賴于所屬系統(tǒng)的觀測范圍，比如齒輪箱中的軸承和齒輪，它們各自的特性會給齒輪箱外表可觀測系統(tǒng)行為留下持久的征兆。因此，如何從系統(tǒng)級傳感器數(shù)據解讀這些征兆，并利用其進行自動推理，進而診斷出系統(tǒng)組件以及整個系統(tǒng)的健康狀態(tài)就尤為重要?；谀Ｐ偷墓收显\斷用于從可觀測系統(tǒng)行為中檢測并隔離出系統(tǒng)內部的部件故障，并形成部件級故障傳播模型，進而對系統(tǒng)即將發(fā)生的危險進行智能估計。機載診斷模型建立流程如圖3所示。

圖3 機載診斷模型建立流程

其實施步驟如下：

1)在系統(tǒng)部件功能知識庫的輔助下，建立系統(tǒng)知識模型；

2)基于診斷過程中提取并合的系統(tǒng)內部部件臨近關系信息，構建故障傳播模型；

3)使用工程化平臺語言將系統(tǒng)知識模型和故障傳播模型整合在總體的基于模型的診斷推理架構中；

4)將上述模型開發(fā)結果應用于飛機系統(tǒng)的智能診斷中，依據可見的系統(tǒng)行為對不可見的故障部件實施基于模型的診斷推理；

5)對所開發(fā)的診斷模型庫中的推理算法進行計算復雜性分析，進而確保其性能可以滿足在線執(zhí)行。

機載診斷建模就是要清晰地描述設備之間的關聯(lián)關系，從模型上反映實際系統(tǒng)的結構和行為，機載系統(tǒng)診斷模型庫就是要建立能夠描述系統(tǒng)結構和行為信息的推理模型，根據輸入的故障現(xiàn)象，依據各LRU之間的故障關系推理出可能的故障源。

3.1 系統(tǒng)知識模型建立

知識獲取歷來是知識工程與人工智能中的瓶頸問題，機載診斷模型相關知識包括有關設備的功能結構、工作原理、接口關系、使用記錄及案例等，也包括領域專家的經驗及個性知識。機載診斷模型知識獲取的難度在于恰當?shù)靥崛『蜌w納診斷對象的特點、關系，及相應的診斷方法，并把它們用規(guī)范的形式化語言精確地表示出來，是不斷重復、漸進完善的過程。

機載系統(tǒng)知識模型是基于模型的故障診斷的基礎。知識模型不僅需要充分反映系統(tǒng)工作原理、故障傳播路徑以及部件的故障率等基本信息，而且還要結合故障診斷算法建立算法能夠識別的數(shù)據庫形式，根據輸入的故障征兆信息，通過模型判斷邏輯推導出故障源。系統(tǒng)知識模型庫的建立過程如圖4所示。

圖4 系統(tǒng)知識模型庫建立過程

要建立系統(tǒng)知識模型，就需要對機載系統(tǒng)的故障征兆和故障原因進行透徹地分析，分析結果的正確性將直接影響到診斷結論的正確性，故障分析過程主要包括以下兩方面工作。

1)確定故障征兆表現(xiàn)形式和所有具體的故障模式。飛機故障報告一般有如下多種形式：駕駛艙面板故障燈指示、駕駛艙儀表故障指示和故障報告、中央顯示單元(Central Display Unit，CDU)上的BITE故障信息、中央維護系統(tǒng)故障信息等。建立機載系統(tǒng)診斷模型庫首先明確本飛機系統(tǒng)的故障表現(xiàn)形式，然后將每種形式下的故障全部收集。此項工作需要參考飛機系統(tǒng)培訓手冊、故障報告手冊等資料進行。

2)根據相關資料，確定機載系統(tǒng)總體和子系統(tǒng)結構，研究部件工作原理。分析每個LRU主要可能發(fā)生的故障及每個故障的表現(xiàn)形式即故障征兆，進而確定故障在不同部件間的傳播路徑。

3.2 故障傳播模型建立

為了對機載系統(tǒng)進行有效的故障診斷，需要考慮系統(tǒng)的功能知識，建立其故障傳播模型?；谠淼墓收蟼鞑ビ邢驁D模型可用來描述故障現(xiàn)象及該故障在LRU間的傳播關系。建立故障傳播模型需將子系統(tǒng)分解為各個組成單元，針對各個組成單元的功能模型所表達的輸入-輸出連接關系，組成整個系統(tǒng)的故障傳播模型。針對機載設備的各個組成單元而言，其故障傳播模型在滿足單元的輸入彼此獨立和單元的故障模式之間彼此獨立兩種假設的前提下建立。

故障傳播模型建立的步驟如圖5所示。

圖5 故障傳播模型建立步驟框圖

1)首先根據飛機的自檢和告警信息以及人為觀察信息，提取故障征兆；

2)結合機載系統(tǒng)工作原理推斷出相應的故障傳播路徑，抽象出相應故障傳播有向圖模型；

3)在此基礎上，建立故障傳播鄰接矩陣模型。

故障模式與故障征兆之間的相互作用，以及故障傳播方向，可以采用有向圖的方式將其簡潔、直觀的表示出來，如圖6所示。其中矩形框代表LRU故障而圓圈代表故障征兆，節(jié)點之間的箭頭代表故障傳播路徑。

圖6 故障傳播有向圖

圖中有3個LRU，分別是C1、C2和C3，兩個工作模式A和B。C1的故障征兆是D1～D3，C2的故障征兆是D4～D7，C3的故障征兆是D8～D10。該圖還包含一個系統(tǒng)故障征兆D11，不與任何LRU相關聯(lián)。

另外，采用鄰接矩陣也可以表示各要素之間的連接關系，建立故障傳播模型就是建立對應與不同故障征兆的故障傳遞鄰接模型。由圖論的知識可知，有向圖與鄰接矩陣有一一對應關系，因此為了便于計算機進行分析計算，在工程上常常以鄰接矩陣的方式來表示有向圖中的全部信息，包括故障傳播圖結構和故障傳播方向。

故障傳播有下向圖模型{S,R}的鄰接矩陣(Adjacency matrix)A=(aij)n×n定義如下，在一般情況下，對于含有n個節(jié)點的模型S={s1,s2, …,sn}，則n×n的鄰接矩陣A中的元素aij規(guī)定為：當si對sj有影響時，aij為1；否則，aij為0。也就是說在結構模型有向圖中元素si與sj相鄰(有從si到sj的箭頭)，aij為1；否則，aij為0。由于它表示的是要素之間的鄰接關系，所以這個方陣叫做鄰接矩陣。如果A和B都是n階鄰接矩陣(n階方陣)，則A、B的邏輯和用A∪B表示，它也是n階布爾方陣。若A∪B=C，則C的各元素與A、B各元素的關系是：cij=aij∪bij=max{aij,bij}，即aij和bij中只要有一個為1，cij就為1，只有當aij=bij=0時，cij才為0。

4 機載診斷模型的工程化開發(fā)實踐

機載診斷模型適用于航電和非航電系統(tǒng)突發(fā)性故障的在線自主診斷、以及漸發(fā)性故障的在線異常檢測。為了保證所創(chuàng)建機載診斷模型的完備性和一致性等，通常借助知識建模輔助工具進行模型開發(fā)、模型檢查和模型修改。機載診斷模型基本開發(fā)流程如圖7所示。

4.1 模型開發(fā)步驟

4.1.1 數(shù)據準備

通過對機載系統(tǒng)/設備的設計分析文檔、FMECA、測試性建模、故障樹分析、“四性”分析數(shù)據、維修案例、系統(tǒng)需求和數(shù)據定義等知識的梳理和分析，獲取系統(tǒng)中每個組件的以下信息：

1)組件的結構信息描述；

2)組件的功能信息描述；

3)組件的故障模式定義；

4)組件的故障特征定義(名稱、閾值等)。

4.1.2 創(chuàng)建結構模型

通過對系統(tǒng)的各組件物理連接進行分析，提取，并以數(shù)據庫的形式進行存儲。包含系統(tǒng)中每個組件的類型、位置信息和互聯(lián)關系，以及組件的故障屬性(故障模式、故障特征等)。

4.1.3 獲取功能模型

通過對系統(tǒng)的結構模型進行遍歷，結合數(shù)據庫中組件的功能描述信息及故障特征相關屬性，對每個組件的結構信息、功能描述信息及相關屬性進行綜合，提取出系統(tǒng)的功能模型，并以數(shù)據庫的形式進行存儲。

4.1.4 建立故障征兆矩陣和診斷樹

通過對系統(tǒng)的功能模型進行遍歷，結合組件的故障特征，提取出每種故障模式的故障觸發(fā)診斷邏輯，并以矩陣的形式表示故障模式和與其相關的故障特征的映射關系，再轉化為診斷樹，如圖8所示。

圖8 診斷樹示意圖

1)根節(jié)點和中間節(jié)點：表示監(jiān)測的系統(tǒng)內部信號；

2)葉子節(jié)點(含有文字說明)：表示發(fā)生故障的組件；

3)葉子節(jié)點(空心圓)：表示關聯(lián)的故障模式；

4)葉子節(jié)點(含有黑色正方形)：表示未檢測或未隔離故障。

4.1.5 建立故障傳播樹

通過對系統(tǒng)的結構模型進行遍歷，根據系統(tǒng)組件包含的故障模式以及連接關系，梳理故障傳播路徑、建立故障傳播鄰接矩陣，并生成故障傳播樹。

4.1.6 模型集成與管理

對機載系統(tǒng)各級的診斷模型進行集成和必要的修正及維護，完善故障相關維護信息、模型存儲方式、故障相關聯(lián)的FDE信息，并可導出統(tǒng)一格式的.XML數(shù)據文件。

4.2 模型實現(xiàn)

機載診斷模型的實現(xiàn)成需要通過圖形化輔助工具來進行開發(fā)和集成。模型實現(xiàn)過程由數(shù)據輸入、內部操作和數(shù)據輸出3部分共同完成，具體實現(xiàn)過程如圖9所示。

圖9 機載診斷模型的圖形化輔助開發(fā)與集成過程

機載診斷模型融合來自LRU的多個BIT信息，通過模型數(shù)據解算，盡可能地將故障隔離到單個的LRU或接口。機載診斷模型的工程化實現(xiàn)示例如圖10所示。

圖10 機載診斷模型實現(xiàn)示例

具體實現(xiàn)步驟如下：

1)建立I/O信息(系統(tǒng)信息，LRU類型，LRU實例，數(shù)據源)；

2)建立變量信息(變量關聯(lián)的數(shù)據源，變量基本信息定義)；

3)建立異常模型信息(異常屬性信息，異常模型邏輯定義)；

4)建立故障模型信息(故障屬性信息，故障轉播鄰接矩陣，故障模型邏輯定義)；

5)建立FDE信息(FDE描述，F(xiàn)DE等級，關聯(lián)故障列表)；

6)建立健康狀態(tài)信息(健康狀態(tài)信息，觸發(fā)此健康狀態(tài)的關聯(lián)故障列表)；

7)工具內部操作(文件和數(shù)據管理，邏輯運算和規(guī)則運算，報告生成)；

8)輸出數(shù)據庫信息(以*.XML格式存放)；

9)輸出機載診斷模型數(shù)據文件；

10)輸出多種格式的文件報告，如PDF，WORD, HTML文件。

4.3 效果分析

通過使用圖形化機載診斷模型開發(fā)工具，使工程應用中機載診斷邏輯的獲取、整理、表示和求解過程規(guī)范化，模型判定規(guī)則和診斷邏輯確定性較強，執(zhí)行效率高，適于工程應用。該方法重點解決信息增強診斷和接口關聯(lián)診斷問題，突破了診斷策略的提取和轉換瓶頸，形成具有對內部故障、外部接口故障、潛在故障等進行綜合診斷和辨識的完整推理體系。

5 總結

本文在分析國內外相關研究現(xiàn)狀和具體型號技術需求的基礎上，對故障診斷模型開發(fā)的工程化方法進行了深入研究。重點闡述了基于模型的故障診斷方法原理、推理架構和建模流程，并設計和實現(xiàn)了相應的機載診斷模型工程化開發(fā)輔助工具，為機載健康管理系統(tǒng)的診斷能力提升提供支持。但為實現(xiàn)建立統(tǒng)一、可靠、完備的工程適用化機載診斷模型庫，還需要進行大量的基礎研究和工程實踐工作。