[发明专利]基于故障树和案例推理的直升机智能故障诊断方法

权利要求书

1.一种基于故障树和案例推理的直升机智能故障诊断方法，其特征在于，包括以下步骤：

第1步：飞行参数经过译码得到飞行参数的工程值；

第2步：根据故障判据知识库分析飞行参数的工程值，根据分析结果判断直升机的故障征兆；

第3步：结合飞行参数的曲线和空/地勤的反馈，判断直升机的故障事件；

第4步：根据故障事件进行目标案例描述，输入目标案例n个故障征兆信息并赋予数值；

第5步：检索故障案例数据库，计算故障案例数据库中的各个案例C_n与目标案例C_r的相似度D_s；

第6步：当案例的相似度D_s大于相似度阀值λ时，则输出该案例；

第7步：根据输出的案例，指导排除直升机故障；

如果指导排除了直升机故障，则结束故障诊断；

若果指导未排除直升机故障，输入直升机的故障现象，检索故障树数据库；

第8步：根据故障树数据库，进行基于规则和框架的故障树推理；

第9步：根据推理结果，定位故障原因并给出解决方案。

2.根据权利要求1所述的方法，其中，第2步包括：

分析历史故障案例发生时直升机各类飞行参数的数值及其组合关系，得到直升机飞行参数故障判据库，实现飞参数据的判断。

3.根据权利要求1所述的方法，其中，第3步包括：

数据回放模块以飞行数据为基础，通过飞参二维曲线回放、驾驶舱仪表再现模式，重现飞行数据的变化情况，以直观地发现飞行过程中出现的各种故障现象。

4.根据权利要求1所述的方法，其中，第4步包括：

输入目标案例n个故障征兆信息并赋值，故障征兆值有两种类型：确定性数值征兆和非确定性数值征兆。确定性数值征兆通过数据值表达出故障征兆；而非确定性数据征兆是用文字语言描述其现象，借助模糊理论，将模糊的语言表达转换成非模糊的具体数据。

5.根据权利要求4所述的方法，其中，非模糊的具体数据包括：

逻辑型数值或者数值型数值。

6.根据权利要求1所述的方法，其中，第5步包括：

领域专家根据目标案例中每个故障征兆的影响程度赋予故障征兆权重；

采用基于距离的相似算法依次计算各个案例C_n的故障征兆与目标案例C_r故障征兆的相似度：

D_si(C_ri,C_ni)＝1-|C_ri-C_ni|/β-α (1)

其中：D_si(C_ri,C_ni)-案例库案例C_n与目标案例C_r第i个故障征兆相似度；

C_ri-目标案例C_r第i个故障征兆的取值；

C_ni-案例库C_n第i个故障征兆的取值；

β-案例第i个故障征兆的取值的上限值；

α-案例第i个故障征兆的取值的下限值；

根据征兆相似度计算2个案例C_n与目标案例C_r的相似度D_s；

根据使用频率依次从案例集中选取案例C_n，计算其与目标案例C_r相似度D_s(C_r,C_n)。

7.根据权利要求1所述的方法，其中，第8步包括：

根据系统原理，建立故障树，综合采用框架和规则表示法描述故障树知识库；

根据规则和框架推理进行故障诊断，找到确定的故障原因和处理方法。

8.根据权利要求1-7中任一项所述的方法，其中，故障判据知识库包括：

基于信息类、告警类、危险类、测试类、发动机工作时间中的一种或者多种统计数据。