[发明专利]基于测试顺序概率矩阵的装备故障诊断方法

说明书

本发明提供了一种基于测试顺序概率矩阵的装备故障诊断方法，包括：构建表示装备故障原因、故障模式、测试项目节点之间确定的因果关系的双边相关性矩阵；获取装备测试数据，并将测试数据按照双边相关性矩阵测试项目行向量顺序进行排序转化成一个向量，该向量中元素的值取决于测试数据与测试项目和待测参数指标预先设定值的范围相比是否符合规范要求；对向量中元素值表示不符合规格要求的测试项目进行报故，并对双边相关性矩阵中的测试项目行向量进行匹配，获取与报故测试项目相关的故障模式集合，通过所述双边相关性矩阵，获取与故障模式集合相关的故障原因集合。本发明无需大量数据样本，能够解决复杂系统中数据不完备情况下的故障诊断问题。

技术领域

本发明涉及故障诊断技术领域，尤其是涉及一种基于测试顺序概率矩阵的装备故障诊断方法。

背景技术

已知地，针对装备进行故障诊断的方法可分为三大类：基于数学模型的方法、基于信号处理的方法以及基于知识的方法。基于知识的方法中，例如可以利用多信号流图模型生成故障模式-测试相关性矩阵，然后通过测试数据与相关性矩阵进行匹配的方式进行故障隔离。或者利用二元决策图进行故障树定性分析的方法，将故障树原理和专家系统有机融合，以此实现故障诊断。利用上述方法能够实现较为精准的故障隔离，但需要完备的测试数据，否则会导致诊断的结果模糊度较大，即该方法对于不确定信息的处理能力较弱。

为解决测试数据不完备情况下的故障诊断问题，有人提出了将有向图、模糊理论和遗传算法相结合的智能故障诊断方法，用有向图来构造系统模型，模糊集来解决模型中的不确定性问题，遗传算法来对可能的故障传播路径进行搜索。此外，还有人通过粗糙集和遗传算法来减少冗余属性和冲突样本，然后提取最简单的故障属性作为SVM的训练样本，用作分类器快速隔离故障。这些方法很好的解决了信息不确定性带来的模糊度问题，但均需要大量的样本数据去训练模型。

发明内容

本发明旨在提供一种基于测试顺序的装备故障诊断方法，以解决复杂装备系统中测试数据不完备情况下的不确定性故障诊断问题。

为实现上述目的，本发明采用如下技术方案：

根据本发明的第1方面，提供了一种装备故障诊断模型构建方法，该故障诊断模型能够表示故障原因、故障模式、测试项目节点之间确定的因果关系，通过所述因果关系能够实现装备故障的诊断，该方法包括：

构建故障原因和故障模式间的第一相关性矩阵C，该矩阵C为一二值矩阵，其行向量表示所有的故障原因对故障模式产生的影响情况，列向量表示故障原因对应的所有故障模式产生的影响情况；

构建故障模式和测试项目间的第二相关性矩阵D，该矩阵D为一二值矩阵，其行向量表示所有的测试对故障模式激励信号的响应，列向量表示测试对应的所有故障模式激励信号的响应；

将所述第一相关性矩阵C与所述第二相关性矩阵D合并，生成双边相关性矩阵B，该双边相关性矩阵B中，故障模式-测试项目相关性矩阵元素表示故障模式和测试项目间的相关关系，故障原因-故障模式相关性矩阵元素表示故障模式和故障原因间的相关关系。

在一些实施例中，还包括基于所述双边相关性矩阵以及专家知识构建能够表示测试时序、故障原因和故障模式发生相关程度的双边矢量概率矩阵

进一步地，构建所述双边矢量概率矩阵包括：将双边相关性矩阵中测试项目的顺序按照装备测试顺序进行排列，将故障模式顺序按照测试项目与其相关程度进行排序获得双边矢量矩阵，并采用专家知识获取各测试项目与相应故障模式以及各故障模式与相应故障原因的相关程度。

更进一步地，应用三角模糊数层次分析法，对专家知识进行最置信应用。

根据本发明的第2方面，提供了一种装备故障诊断方法，包括：

构建表示装备故障原因、故障模式、测试项目节点之间确定的因果关系的双边相关性矩阵；