基于专家知识的故障诊断隔离系统研究

宋海靖 陈晓敏 张联禾

（中国飞行试验研究院，陕西 西安 710089）

随着航空机载设备不断集成复杂化，而外场维护信息化程度较低等问题，导致排故成为飞机不必要停放的重要因素之一。长期以来，外场故障诊断基本靠人工完成，机务人员依据告警信息，查阅维护手册确定可能的隔离方法，需用替换法逐步隔离出故障件。若遇到的故障在排故手册中无相应索引，机务人员只能靠实践经验和智慧来诊断，主观性强。本文正是基于上述思路，总结以往飞机排故实例，基于专家知识建立一个故障诊断系统，以期提高机务人员排故效率和飞机试飞任务率。

当前，国内关于故障诊断的研究较多，但实际应用于机务维修系统的较少[1]，国内现有的故障诊断系统为西南航空开发的“波音737飞机故障诊断与维修指导系统”。但考虑到软件本身基于民航系统，且成本昂贵，加上试飞阶段军民机型号较多，各机型故障排故方法存在的不兼容性，直接引入软件系统意义不大。本文建立的故障诊断系统，基于外场维修实践，故障发生后，能基于专家经验对隔离方法进行优化决策，为机务人员提供最佳解决方案；若信息库无此类故障，则基于IEMM分析，查找故障件线路图，快速诊断隔离故障。

1 故障诊断系统架构

依据专家系统原理[2-3]，本文所构建的故障诊断专家系统主要组成有：基于故障信息获取的信息库、基于专家打分法的知识库、基于灰色关联分析法的推理机制及IEMM人机界面等部分，系统的总体结构如图1所示。

图1 故障诊断系统结构原理图

2 基于专家经验的故障诊断系统

2.1 基于故障信息建立数据库

数据库记录的应是飞机外场维修过程，经使用验证有效的排故方法。此外，故障诊断系统数据库还应向机务专家、飞机设计人员获取故障诊断的经验知识，主要包括：故障发生的时间、现象；飞机状态、外场维护对系统故障的影响；及机务专家进行故障诊断时的思维过程、采取的方法、步骤等。

2.2 基于专家打分建立评价知识库

2.2.1 决策对象与评价指标

设关联算法的决策对象为V，有

V中元素vi表示同一故障描述下的第i种排故方法，m表示同一故障描述下信息库中所有排故方法的数量，且元素vi有特征向量Ui， 其中

式中：uin表示Ui中第n个评价指标元素值。

其中，考虑故障诊断涉及多因素，本文实际评

价指标为多因素集，用序列E表示，经专家讨论咨询，确定出对故障隔离方法影响较大的5个评价因素，有：

其中：U1表示排故方法的使用频度；

U2表示故障隔离方法的重要性积累，按隔离方法对排除故障所起的作用不同，由维修工程师根据经验选择，分为一般、较重要和重要3档，对应取值0、1、2；

U3表示机务人员等级积累，根据机务人员的排故水平将其分为一般、较高和高级3档，对应取值为0、1、2，机务水平等级取值由职称及飞行保障单位评定给出；

U4表示基于飞机的分布输出矩阵，见下文介绍；U5表示基于季节的分布输出矩阵。

2.2.2 飞机分布输入矩阵

飞机分布输入矩阵是故障描述下各排故方法的使用次数，记为：A=(Aij)m×p，其中p表示该型飞机的架数，Aij表示第j架飞机第i种排故方法的使用频度。

利用飞机分布输入阵A，可计算各排故方法在不同飞机上的普遍适用性。若说明第i种排故方法普遍适用，则bij=1；否则bij=0，由此得到飞机分布输出阵为B=(bij)m×p，作为灰色关联子算法的第4个评价指标U4，提供各排故方法在飞机使用上的普遍参数阵。

同时，考虑隔离方法在各架飞机上的使用概率，根据贝努里大数定理[4]，可得出使用概率阵：

其中，qj表示针对某飞机该故障描述的次数，n0为常整数，基于大数定理，经验值取2或3可满足排序精度需要[5]，则矩阵C表示同一故障描述各架机排故方法的使用优先顺序集。

2.2.3 时间分布输入集

时间分布输入集是指同一故障描述下知识库中所有方法的使用时间分布集，记为T=(tij)m×q，其中q表示排故方法涉及的月份数，tij表示第i种排故方法在月份j时的使用频度。

本文首先根据外场维修所在地季节情况，设定四季时间段，查询时间分布输入集Tv1到Tvm，计算各方法在不同季节使用的频率。若存在各季度均使用的排故方法，说明该排故方法在使用时间上覆盖程度广，则sij=1；否则sij=0。由此得时间分布输出阵为S=(sij)m×4，输出到灰色关联子算法中作为第5个评价指标U5，提供各方法在使用时间上的覆盖程度参数阵。

同样，若设某隔离方法在各季节的使用概率阵为P，算法参考公式（4），可得出同一故障描述下针对各季节的排故方法使用优先顺序集。

2.3 基于灰色关联法优化故障隔离方法

本文应用关联算法对各隔离方法使用的优先顺序进行计算，灰色关联算法是建立在外场故障信息库的基础上[6]，考虑针对不同飞机个性、不同季节个性、所有同型飞机共性等因素。算法框图如图2所示。

图2 基于关联算法的故障隔离方法优化框图

灰色关联算法分3个步骤[7]。

2.3.1 建立原始数据阵R

根据决策对象V及其评价指标E，统计同一故障描述下各隔离方法的评价指标U1、U2、U3，再由飞机分布子算法得到U4和时间分布子算法得到U5，共同构成原始数据矩阵R=(uij)m×n。

2.3.2 原始数据阵R的规范化处理

为消除量纲影响，需对R作规范化处理，得到矩阵RI。由于本文评价指标均为“正向指标”（值越大越好），无量纲处理即对每个评价指标的各个参数归一化。

2.3.3 计算灰色关联度

建立RI后，基于V的最优评价指标，确定最优母序列Y0=( y0( j ))，( j=1,2,3,4,5)。此外，设y0为参考序列，yi( j=1,2,3,…,m)为比较序列，则y0与yi的关联系数ϕ( j )，算法如下：

由于灰色关联度Gi的大小得出对某故障描述下的各排故方法优先排序集。

3 基于IEMM的故障诊断系统

外场机务新兴故障的诊断存在经验少、技术难、无从下手等问题，如何对新故障快速诊断隔离，成为当前必须解决的一项严峻问题[8]。

本文分析目前外场维修人员水平和任务承担量，确定基层级维修需要交互式电子维护手册（IEMM）。为满足飞机外场维护，本文所构建的IEMM系统方式和功能如下。

3.1 技术信息的选择

根据外场维修的特点，收集信息主要包括以下方面：

法规规程，为保证维修活动顺利进行，制定各种制度。

技术文件，主要包括设备使用手册和技术维护手册等。

维修卡片，包括按计划或状态监控进行的预防性维修方法和步骤等。

故障定位，包括维护人员找出设备中故障定位的全部图表和文字资料，及判断、隔离新故障的步骤和方法。

零件分解图及元件表。

3.2 系统体系结构

基于IEMM的新兴故障诊断系统，旨在将飞机各系统设备的纸质资料、操作规程、三维模型、故障处理、维修规范等信息，以文字、图像、表格、动画及视频等形式显示，以方便维修人员查询使用，提供故障诊断与分析，利于维修保障活动的实施。

IEMM 系统总体框架如图3所示。

3.3 系统功能实现

图3 IEMM 系统框架图

3.3.1 信息交互功能

实现各种维修信息的下达上传，包括维修任务发布、指令卡片收发等。

3.3.2 资料查询功能

帮助维护人员快速获取所需资料，包括维修手册规范、设备技术参数等。

3.3.3 故障诊断功能

基于故障信息，调出故障件的线路图或三维模型，实现对设备的快速诊断。

3.3.4 备件查询功能

查询备件使用情况，为设备经济性可靠性分析做准备。

4 基于某民用飞机飞控故障的专家系统实例

本文以某型民机飞控系统实际故障为例[9]，构建飞控系统排故方法优化实例。现该民机试飞阶段有故障描述：FLIGHT CONTROL SYS（飞行控制系统故障）。对应该故障描述下知识库中有排故方法如下：

v1：飞行滑行时，CMS上闪现“FLT CTRL NO DISPATCH”。经TIU检测为飞控计算机FCC故障，串换FCC后，TIU检查结果正常。

v2：通电检查EICAS报黄色“飞控不派遣”故障信息，且不能消除。方向舵作动器压差传感器故障，更换新件后，系统工作正常。

v3：通电检查EICAS报黄色告警信息“FLT CTRL NO DISPATCH”，且不能消除。升降舵作动器压力传感器值不正常，更换升降舵作动器后，系统工作正常。

v4：CMS告警信息报“FLT CTRL NO DISPATCH”。经TIU检测为副翼作动器故障，更换新件后，系统工作正常。

v5：飞行员反映左副翼进入直接模式，并有飞控丢失余度的青色信息。主作动器控制电子设备PACE内部故障，更换新件后，系统工作正常。

此外，该民机飞控系统在试飞过程中还出现过自动驾驶仪、飞控控制盒、回油液压导管等部件故障，但以上述几种故障发生频次较多。

4.1 原始数据

根据信息库中该故障描述下各飞机使用的故障隔离方法次数，统计如表1。

由表1显然可知飞机输入矩阵 ，同时，根据各故障隔离方法的使用时间统计，可得时间分布输入集Tv1到Tv5：

表1 故障隔离方法使用频次统计表（单位：次）

4.2 基于单因素的隔离方法使用优先集

基于飞机输入阵A，若设公式（4）中n0=2，则q＞n0×m=10，且相对频度的门限为1/m=0.2，计算可得矩阵C。同样，可求得矩阵P。

显然，可知针对飞机B970L故障隔离方法的使用优选顺序为{v4,v2}；针对飞机B1110L为{v1,v4,v5}。

同时，可知故障发生后，首先考虑冬季故障，且故障隔离方法的使用优选顺序为{v1,v4}。

4.3 基于多因素集的隔离方法使用优先集

基于原始数据飞机输入阵A，且根据2.2.2节飞机分布子算法，得输出阵B=[1 0 0 1 0]T。

结合实际，设春季时间段2～4月、夏季时间段5～7月、秋季时间段8～10月、冬季时间段11～1月。根据时间分布子算法，由时间分布输入集得输出矩阵 S=[1 0 0 0 1]T。

统计评价指标U1、U2、U3，再根据上述得到的矩阵B、S，得到原始数据矩阵R，并对R作规范化处理，得到矩阵RI：

由于决策对象V的最有规范化指标均为1，确定最优母序列Y0={1,1,1,1,1}，根据RI和Y0，并利用公式（5），并取ρ=0.5，可计算关联系数矩阵ϕ如下：

利用关联度公式（6）可计算各故障隔离方法（决策对象）的关联度G如下：

由此可知，一般情况下，针对F L I G H T CONTROL SYS故障描述下，使用5种故障隔离方法的优化排序集为：{v1,v4,v5,v3,v2}，即遇到飞控系统故障，先考虑是因飞控计算机FCC故障，其次因副翼作动器故障。

5 结论

本文基于专家知识的排故方法，统计故障隔离经验数据，利用知识库和多因素灰色关联理论，优化决策同一种故障描述下的多种故障原因及隔离方法，得到不同飞机、季节和一般情况3种角度的优先顺序集，解决了故障诊断隔离多解和难以选择的问题。该方法基于经验数据处理，突破了传统故障诊断力求精确解概念，对排故指导作用更大。将本文基于排故经验的故障诊断系统应用于其他飞机外场维护工作，获得了良好的效果。

[1] 李小青，张文祥．液压系统故障诊断专家系统[J]．工矿自动化，2005，8(4)：11-13．

[2] 吴今培，肖健华．智能故障诊断与专家系统[M]．北京：科学出版社，1997：24．

[3] JOSEPH GIARRATANO, GARY RILEY.专家系统原理与编程[M]．印鉴，刘星成，汤庸等译．北京：机械工业出版社，2000：175．

[4] Pal N R, Bezdek J C.On cluster validity for the fuzzy C-means model [J].IEEE Trans Fuzzy Syst,1995, 3(3):5-9.

[5] 黄健元．模糊ISODA TA 聚类分析方法的改进[J]．南京航空航天大学学报，2000， 32(2)：180-182．

[6] Rousseau P J, Trauwaert E, Kaufman L.Fuzzy clustering with high contrast [J].Computer App l Math, 1997, 64 (2):81-90.

[7] Wong W G.Grey evaluation method of concrete pavement comprehensive condition [J].Journal of Transportation Engineering, 1999, 25 (6):27-31.

[8] ZHU Jiayuan, ZHANG Hengxi, REN Bo.Design and development of interactive electronic technical manual [J] .Material Quality ,2004 ,5(1):9～19.