[发明专利]ICNI系统智能故障诊断系统

说明书

技术领域

本发明涉及一种主要应用于航空电子综合化通信导航识别(ICNI)系统的智能故障诊断系统，主要用于对ICNI等航空电子分系统进行自主快速的离线式故障诊断和维护管理，并给出故障解决方案。

背景技术

随着航空电子技术的发展，航电系统变得越来越先进，也越来越复杂，对航电系统的高可靠性要求，使故障诊断成为一个非常重要的问题。为提高战斗机安全性、可维护性和出勤率，对其进行故障诊断，及时作出故障检测、隔离和恢复对策，必然会对战斗机可靠完成各项任务发挥重要作用。目前在航空航天故障诊断专家系统中广泛采用基于规则推理(Rule-BasedReasoning,RBR)的产生式专家系统。专家系统可分为基于规则推理RBR和基于事例推理CBR两大类。RBR系统根据规则库进行推理，规则确定是建立该系统的过程中最为困难的阶段之一。规则库需要领域专家和知识工程师反复交换意见后才能形成。即使这样，由此获取的知识仍然可能是不全面的、不准确的，尤其是这些知识往往是静态的，不能适应领域知识不断发展的要求。这种方法比较成熟，且简单易用，开发周期短，容易被用户理解。但目前采用基于规则推理的专家系统，其知识获取困难，自学习能力差，推理效率低，知识获取困难，尤其是一些知识无法或很难用规则表达。虽然一些文章在航空航天其他分系统的故障诊断中将基于案例推理(Case-BasedReasoning,CBR)的方法与RBR方法相结合,获得了很好的效果。但是在这类系统中规则和案例往往并没有很好地结合，而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面，一定程度上限制了两种推理机模块制各自优点的发挥。事例库是CBR系统的重要组成部分。RBR系统使用CLIPS引擎。该引擎由美国宇航局NASA开发，它是利用事先确立的规则库进行推理的。该系统由推理引擎、事例库和规则库组成。推理引擎通过事例匹配，激发相关规则，得到推理结果。事例库由网络拓扑、设备属性组成。不同的设备生成不同的事例库。规则库保存在文本文件中，可以添加或修改。系统首先对事例进行预处理，利用网络拓扑事例库和设备属性事例库，自动地生成相关器件装置线路关联关系以及相关器件和设备的远后备关系，然后根据相关器件。装置动作与设备故障之间的关系自动生成事例库。由于在实际应用中往往会出现规则获取难,且一些知识无法或很难用规则表达的情况。针对此类问题，一些研究者将基于案例的推理CBR应用到诊断系统中。利用规则获取难、易表示和推理,实例获取容易,推理难的特点将基于规则的推理RBR与CBR方法结合。但这类系统中规则和案例往往并没很好地结合,而只是简单地将规则和案例分别用于故障诊断的不同阶段或不同侧面,一定程度上限制了两种推理机模块制各自优点的发挥。事例量大可以提高可靠性，但如果事例过多造成冗余，则会降低系统的运行速度和可维护性。系统事例量较大，如果完全由人工输入，不仅难以维护而且准确性得不到保证。

CNI是(Communication、Navigation、Identification)三个单词缩写，意为机载通信、导航、识别系统，综合化(Integrated)的通信导航识别系统被称为ICNI系统。随着航空电子综合化程度不断提高，其故障诊断的复杂性和困难度也随之提高。ICNI分系统作为航电系统重要的组成部分，系统交联复杂、测量参数多，其多层级综合化以及可重构设计带来了故障的并发性、关联性、可预测性和隐藏性，一直采用的维护BIT和人工诊断相结合的传统维护诊断方法，故障诊断效率依赖于维护人员经验，维护诊断效率低，维护数据成为“孤岛”不能实现共享，维护诊断经验得不到规范化的传承，已不能满足未来对ICNI集成保障和智能维护的需求。

发明内容

本发明的任务是提供一种故障诊断快速可靠，可减轻运行人员的工作量，能够提高自学习能力，提高维护效率，实现智能化自动化诊断，适用于ICNI系统的智能故障诊断系统，以解决ICNI系统人工维护诊断效率低下、维护数据、经验和领域知识不能共享、存储、评估和优化的问题。