[發明專利]基于貝葉斯網絡的民機復雜系統故障診斷方法

有效

• 申請號: 201810341681.6
• 申請日: 2018-04-16
• 公開（公告）號: CN109829468B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 孫見忠;李超役;劉翠
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.基于貝葉斯網絡 的民機復雜系統故障診斷方法，其特征在于，包括：

S1、根據飛機維修手冊、故障隔離手冊，確定需要對飛機復雜系統采集的參數，并篩選出其中能夠影響到空調系統工作狀態的參數，作為貝葉斯網絡故障表現層；

S2、采集所述飛機復雜系統中能影響飛機正常放飛的故障作為關鍵故障,將所述關鍵故障的故障模式、故障表現形式以及故障引起的監測參數變化，作為貝葉斯網絡故障原因層；

S3、根據現有樣本, 通過對所述樣本中不同故障所引起的監測參數變化進行分析，然后結合工程人員所積累的排故經驗，建立基于專家經驗的貝葉斯故障診斷網絡，即為依據分析結果建立貝葉斯診斷網絡；

S4、利用故障的數據建立訓練矩陣，所述故障的數據是指根據系統歷史故障記錄所記錄的故障類型以及故障原因，找出故障航班所采集的監測數據，所述訓練矩陣依據貝葉斯網絡結構學習算法，對所述貝葉斯診斷網絡進行結構學習，得到基于結構學習的貝葉斯故障診斷網絡；

S5、將所述貝葉斯診斷網絡和所述貝葉斯故障診斷網絡融合,得到最優貝葉斯診斷網絡;

S6、對所述最優貝葉斯網絡,利用實際數據和貝葉斯網絡參數學習算法進行參數學習，得到所述最優貝葉斯網絡中網絡各節點的條件概率表，所述實際數據即關鍵故障的故障模式、故障表現形式以及故障引起的監測參數變化;

S7、得到所述條件概率表后，利用網絡推理算法對故障和故障表現層各節點的映射關系表進行計算,得到故障原因層的后驗概率，即為診斷結果,概率最大的點就是所述最優貝葉斯網絡給出的最大可能故障原因。

2.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，在所述S1中，所述采集參數包含環境、載荷、狀態和性能。

3.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，在所述S3中，所述貝葉斯診斷網絡是基于專家經驗建立的，所述貝葉斯診斷網絡主要依據復雜系統的工作原理以及航空公司工程人員積累的排故經驗來對網絡故障原因層和故障表現層進行有向邊的連接。

4.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，所述貝葉斯網絡結構學習算法包括K2算法、MCMC算法、TAN算法。

5.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，在S5中,所述貝葉斯故障診斷網絡融合的規則包括:

S51、根據專家經驗所構架的網絡結構，節點與有向邊全保留；

S52、根據結構學習得到的有向邊，如果與專家經驗所建立結構一致，則保留；不一致，按照空調系統自身工作原理與專家經驗判斷是否合理進行取舍。

6.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，所述貝葉斯網絡參數學習算法包括貝葉斯估計和最大似然估計。

7.根據權利要求1所述的基于貝葉斯網絡的民機復雜系統故障診斷方法，其特征在于，所述貝葉斯網絡推理算法包括多樹傳播、聯合樹傳播、MCMC算法。