[发明专利]一种考虑扰动的隐含故障诊断方法及系统

说明书

本发明涉及一种考虑扰动的隐含故障诊断方法及系统。该方法包括：获取隐含故障诊断模型；隐含故障诊断模型包括状态方程和观测方程；状态方程为基于扰动证据推理规则构建的状态方程，状态方程用于估计设备的隐含故障特征；状态方程用于估计设备的实际观测信息；获取当前时刻采集的设备观测信息；根据设备观测信息判断当前时刻设备是否受到扰动；如果是，采用隐含故障诊断模型对设备的隐含故障特征和设备的实际观测信息进行估计，确定设备的隐含故障诊断结果；如果否，采用隐含故障诊断模型对设备的隐含故障特征进行估计，确定设备的隐含故障诊断结果。本发明可以提高隐含故障诊断的准确度。

技术领域

本发明涉及故障诊断领域，特别是涉及一种考虑扰动的隐含故障诊断方法及系统。

背景技术

复杂系统的故障按照可观测性通常分为可观测故障和隐含故障。在工程实际中，技术人员无法直接检测到后一种故障状态，因此，对系统的隐含故障进行诊断也开始受到了广泛关注。以惯性导航系统为例，漂移是决定其导航精度和工作性能的主要因素，直接表征了系统的故障状态。然而，在系统运行过程中，漂移无法被直接获取，只能通过某些特征电压、电流或脉冲信号等状态量来反映。如果技术人员不能有效地掌握系统的漂移状态，系统中潜在的故障就无法被有效识别，甚至可能会造成严重损失。如何有效利用复杂系统的可观测信息，快速准确地对系统的隐含故障进行诊断，保证系统安全可靠运行，是急需解决的问题。

在已有的关于复杂系统隐含故障诊断方法的研究中，典型的有基于模型的方法、数据驱动的方法、基于定性知识的方法和基于半定量信息的方法。虽然前三种方法在不同的工程实际中得到了广泛应用，但仍存在一定的局限性。对于复杂系统而言，其组成部件众多，各部件的工作机理不同且包含不确定性。因此，基于模型的方法无法建立精确的数学模型来描述隐含故障。对于惯性导航系统这类复杂系统来说，受测试频率和测试次数限制，所能获取的故障测试数据往往较少。因此，数据驱动的方法也不能较好地实现隐含故障诊断。基于定性知识的方法可以合理利用专家知识，但也存在一定的主观不确定性，导致隐含故障诊断结果不够准确。相比于前三种方法，基于半定量信息的方法更具综合性，能够更好地处理定量数据和定性知识，并实现更准确的隐含故障诊断。

然而，在基于半定量信息的方法研究中，大部分只考虑了单个隐含故障的诊断，而没有考虑其它隐含故障。以惯性导航系统为例，陀螺仪漂移和加速度计漂移都属于隐含故障特征，有必要对这些状态特征进行有效掌控，即对多隐含故障进行诊断。此外，现有的研究忽略了扰动对故障诊断的影响。当惯性导航系统在强激励信号或旋转平台异常启停等扰动下工作时，其隐含故障的状态可能会发生变化并产生不确定性，这些不确定性将会间接地反映在可观测信息中。

鉴于此，急需一种既能综合利用半定量信息，又能考虑多隐含故障特征，且能有效识别扰动信息的隐含故障诊断方法。

发明内容

本发明的目的是提供一种考虑扰动的隐含故障诊断方法及系统，以考虑扰动对故障诊断的影响，提高隐含故障诊断的准确度。

为实现上述目的，本发明提供了如下方案：

一种考虑扰动的隐含故障诊断方法，包括：

获取隐含故障诊断模型；所述隐含故障诊断模型包括状态方程和观测方程；所述状态方程为基于扰动证据推理规则构建的状态方程，所述状态方程用于估计设备的隐含故障特征；所述状态方程用于估计所述设备的实际观测信息；

获取当前时刻采集的设备观测信息；

根据所述设备观测信息判断当前时刻所述设备是否受到扰动；

当所述设备受到扰动时，采用所述隐含故障诊断模型对所述设备的隐含故障特征和所述设备的实际观测信息进行估计；

根据隐含故障特征的估计值和所述实际观测信息的估计值，确定所述设备的隐含故障诊断结果；

当所述设备未受到扰动时，采用所述隐含故障诊断模型对所述设备的隐含故障特征进行估计；