基于相关矩阵与概率模型的故障模糊诊断

张 弢, 王金波, 张 涛

(1. 中国科学院大学, 北京 100049;2. 中国科学院空间应用工程与技术中心, 北京 100094)

0 引 言

随着航空航天、机械、信息等领域的快速发展,复杂工作环境对系统装备的快速反应需求日益提高,系统级故障快速诊断、以及信息获取不充分或不确定条件下的故障模糊诊断正成为研究的热点[1-10]。围绕故障诊断问题,国内外学者已基于信息流、多信号等系统可测性模型开展了大量卓有成效的研究[11-13];文献[14-15]基于节约覆盖集理论推理出故障最大似然概率诊断模型;文献[16-19]提出基于机器学习及证据理论的故障诊断改进方法;文献[20-22]提出基于图论方法的诊断改进模型;文献[23-24]提出基于贝叶斯网络的混合诊断方法。上述研究成果已成功应用于航空航天、高压输变电、电子信息、机械控制等工程领域。

对于复杂系统而言,故障与其征兆之间通常存在不确定性,此时诊断问题将超出理想假设下故障推理方法的适用范围,并且故障源发概率通常难于获取,传统基于贝叶斯理论的故障诊断方法也将面临失效。针对此问题,基于有向图模型的模糊故障诊断算法[3]提供了新的解决思路,该算法将故障发生的判定依据选取为测试向量与故障特性向量的空间向量夹角大小,并已在航天工程领域验证了算法的有效性。但该算法未从故障特征模糊性角度深入剖析模糊诊断机理,未能利用概率空间中的标量运算特性降低算法复杂度,未考虑利用最小模原则筛选故障诊断结果以降低虚警,在载人航天、载人深潜等快速反应需求较高的应用场景中存在明显局限性。……