模糊故障Petri网在飞机电源系统故障诊断中研究

杨大光，常 波

（海军航空兵学院，辽宁葫芦岛125001）

模糊故障Petri网在飞机电源系统故障诊断中研究

杨大光，常 波

（海军航空兵学院，辽宁葫芦岛125001）

针对飞机电源故障诊断专家系统中存在的知识表示复杂、不确定性等问题，采用一种基于模糊故障Petri网模型来进行知识表示，同时提出一种正向推理和反向推理相结合的推理算法，该推理算法先用正向推理从故障原因出发，正向查找故障原因导致的故障现象，然后再针对故障现象进行反向推理查找产生此故障的原因，验证故障诊断的真实度。以飞机电源系统中典型故障现象为例，建立故障诊断模型，采用正反结合推理算法加以应用验证，验证结果表明该算法对飞机电源系统故障诊断准确，可操作性强。

飞机电源；故障诊断；模糊故障Petri网；专家系统

随着飞机综合化和自动化程度不断提高，大量先进的机载用电设备装备在飞机上，而这些用电设备完全依靠电力工作，这就对飞机电源系统的可靠性、安全性和可维修性提出了很高的要求[1]。若飞机电源系统中的故障不及时准确地诊断并排除，会引起连锁反应使其他系统的工作状态发生改变，严重危及飞行安全。

在飞机电源系统中，由于其本身结构复杂、故障较为隐蔽，各种传统的故障诊断方法不能满足其故障诊断的需要[2]。随着专家系统技术的成熟，其广泛应用于飞机电源系统的故障诊断中。而在专家系统故障诊断和推理过程中，往往存在许多不确定性，为了解决这一问题，何新贵[3]提出模糊Petri网的建模方法，将传统的Petri网与模糊技术相结合。王修岩[5]等采用故障Petri网来构建专家系统的知识库，该方法在故障事件因果传播关系的基础上，根据故障Petri网的动态运行机制来构造推理机，实现了飞机交流发电机专家系统的故障推理和诊断，但这种方法很难根据已经发生的飞机电源系统故障进行反向推理寻找故障原因。本文针对模糊Petri网和故障Petri网在故障传播、诊断和推理过程中的不足，将故障Petri网和模糊Petri网相结合，采用模糊故障Petri网来构建专家系统的知识库、产生式规则和推理算法，从而实现对飞机电源系统的故障诊断。

1 基于模糊故障Petri网的知识表达方法

1.1 模糊故障Petri定义

定义1模糊故障Petri网是一个8元组（P，T，D，F，W，λ，Ts，M）0，其中：P=｛p1，p2，…，pn｝为库所有限集合；T=｛t1，t2，…，tn｝为变迁有限集合；D=｛d1，d2，…，dn｝为命题有限集合，P∩T∩D=Φ，P＝D；F⊆（P×T） U（T×P）为库所和变迁之间的输入输出弧的有限集合；W：F∈（0，1]为输入输出弧上的权值，其中WI为变迁输入弧上的权值，表示库所对变迁的支持度，WO为变迁输出弧上的权值，表示变迁对库所的支持度；λ：T∈（0，1]为变迁激活的阈值，当库所对变迁的置信度大于或等于该阈值（即满足WI×m（P）≥λ）时，变迁才有可能被激活；Ts为已经激活的变迁有限集合，初始时该集合为空，该集合标识故障的传播路径，同时防止变迁的反复发生（即满足t∉Ts，Ts＝Ts+ti｛｝）；为系统的初始置信度，表示系统的初始状态，其中m（p）表示库所对于命题成立的置信度。

1.2 复合模糊产生式规则的模糊故障Petri网表示

复合模糊产生式规则是在模糊产生式规则中的前提和结论部分包含“AND”或“OR”等运算符。采用MYCIN系统[6]中基于置信度的方法，主要思想是模糊命题合取式的真值取各子式真值的最小值，模糊命题析取式的真值取各子式真值的最大值。复合模糊产生式规则主要有以下类型：

类型1：IF d1and d2and…and diTHEN dk.该类型的模糊故障Petri网表示和激活规则如图1所示。变迁激活需满足t∉Ts和min（m1×w1，m2×w2，…，mi×w）i且∀p∈=｛p1，p2，…，pi｝，变迁ti激活后，Ts=Ts+｛ti｝并且｝，其中F

图1 类型1的模糊故障Petri网表示

类型2：IF dkTHEN d1and…and di.该类型的模糊故障Petri网表示和激活规则如图2所示。变迁激活需满足WI×m（P）≥λ和t∉Ts，变迁ti激活后Ts=Ts+ti｛｝，并且

图2 类型2的模糊故障Petri网表示

类型3：IF d1or d2or…or diTHEN λidk.该类型的模糊故障Petri网表示和激活规则如图3所示。变迁激活需满足WI×m（P）≥λ和t∉Ts，变迁ti激活后，Ts=Ts+ti｛｝并且

图3 类型3的模糊故障Petri网表示

类型4：IF d1THEN d2.该类型的模糊故障Petri网表示和激活规则如图4所示。变迁激活需满足WI×m（P）≥λ和t∉Ts，变迁ti激活后，Ts=Ts+ti｛｝并且

图4 类型4的模糊故障Petri网表示

2 故障诊断推理算法

故障诊断推理算法是专家系统的核心，常用的推理算法有正向推理和反向推理。正向推理是根据已知故障原因推导可能产生的故障现象，具有较强的并行推理能力，并能在推理后计算出全部的值，但在推理时具有盲目性。反向推理是根据已经产生的故障现象来推导故障原因，寻找故障源，具有较高的准确率。对比两种推理算法的优缺点，本文采用正反相结合的推理算法，先用正向推理从故障原因出发，正向查找故障原因导致的故障现象，然后再针对故障现象进行反向推理查找产生此故障的原因，验证故障的真实度。若两者结论吻合，则诊断有效，若不吻合，则需要修改库所和变迁的置信度，阈值和权值，不断调整直到两者吻合。正向推理算法和反向推理算法的流程如图5所示。

图5 模糊故障Petri网的推理算法流程

3 飞机电源系统故障诊断典型实例应用

本文研究的是某型飞机变速恒频的交流电源系统[4]，采用四发电机四汇流条相并联的方式，当一台主发电机通道发生故障时，断路器切断该发电机通道，原来由该发电机通道供电的负载由其他正常发电机通道供电。当两台或三台主发电机通道故障时，对应的断路器切断相应的发电机通道，由正常工作的主发电机通道向整个系统用电负载供电。两个蓄电池为不间断供电的负载提供应急直流电。对于变速恒频的交流电源系统来说，故障现象主要有五大类，分别是过压、欠压、过频、欠频、励磁电流过大。由于引起“励磁电流过大”故障的原因很多，这些原因和故障之间又相互影响，因此故障诊断十分复杂。本文以“励磁电流过大”故障现象为例，应用模糊故障Petri网来对飞机电源系统故障进行推理和诊断。

首先建立飞机电源系统“励磁电流过大”故障的模糊故障Petri网模型，如图6所示。其中库所的含义、初始置信度以及变迁的含义、初始权值和阈值如表1所列。

图6 飞机电源系统“励磁电流过大”故障的模糊故障Petri网模型

Step1：由图6可知，t12属于类型4的关系，由变迁激活需满足WI×m（P）≥λ和t∉Ts条件可知，t12：WI12×m（p12）=0.80×0.65=0.52＞0.51（λ12=0.51）且t12∉Ts，故t12有激活权，得到

Step2：由图1可知，t10与t11关系属于类型3的关系，t10：WI10×m（p10）=0.85×0.75=0.64＞0.60（λ10=0.60）且t10∉Ts，故t10有激活权；

t11：WI11×m（p11）=0.86×0.78=0.67＞0.68（λ11=0.65）且t11∉Ts，故t11有激活权，得到

t13与t14关系属于类型3的关系，由变迁激活需满足WI×m（P）≥λ和t∉Ts条件可知，t13：WI13×m（p13）=0.85×0.57=0.48＜0.60（λ13=0.60），故t13没有激活权；t14有激活权，得到

同理t15没有激活权，故t16有激活权，得到

m（p）9=0.60，Ts=｛t12，t10，t14，t16｝

t4、t5、t6关系也属于类型3的关系，由变迁激活条件可知，t4没有激活权，t5有激活权，t6有激活权，得到

m（p）1=0.88，Ts=｛t12，t10，t14，t16，t5｝

t7、t8、t9关系也属于类型3的关系，由变迁激活条件可知，t7有激活权，t8有激活权，t9没有激活权，得到

m（p）2=0.78，Ts=｛t12，t10，t14，t16，t5，t7｝

Step3：t1、t2、t3关系也属于类型3的关系，由变迁激活条件可知，t1有激活权，t2有激活权，t3没有激活权，得到

m（p）0=0.93，Ts=｛t12，t10，t14，t16，t5，t7，t1｝

正向推理的结论是：p0的故障传播路径是P14→t14→p5→t5→p1→t1→p0，并且要防范t12，t10，t16，t7.

现假设已知“励磁电流过大”故障现象p0，采用反向推理来寻找故障原因，推理过程如下：

Step1：由于p0故障现象已经产生，故m（p0）=1.

Step2：t1、t2、t3关系属于类型3的关系，计算可得p1，p2，p3的置信度：

Step3：由Step2可看到置信度最大的是p3，可能是故障原因，通过检查，发现故障原因不在这里，且与正向推理的结论不符，需要调整表1中的初始置信度、权值和阈值。由于p3的置信度比实际的大，需要增大t3的输入权值WI3和输出权值WO3，现将其调整为WI3=0.82，WO3=0.79，此时m（p3）=0.88，取p1，p2，p3中置信度最大的p1继续反向推理。

Step4：p1是由t4，t5，t6变迁而来，计算得出：

置信度最大的是p5.而p5是由t13，t14变迁而来，计算得出

由结果可看到置信度最大的是p13，可能是故障原因，通过检查，发现故障原因不在这里，且与正向推理的结论不符，需要调整表1中的初始置信度、权值和阈值。由于p13的置信度比实际的大，需要增大t13的输入权值WI13和输出权值WO13，现将其调整为WI13=0.75，WO13=0.79，此时

取置信度最大的p14，则推理到终点，通过实际检查，发现故障原因就在这里，推理结束。

反向推理的结论是：p0的故障来源于p14，与正向推理结论相符。同时其结论与文献[4]中的故障原因相符。

4 结束语

本文针对模糊Petri网和故障Petri网在故障传播、诊断和推理过程中的不足，采用一种基于模糊故障Petri网模型来进行知识表示，同时采用正向和反向相结合推理算法，有效解决了飞机电源故障诊断专家系统中存在的知识表示复杂、不确定性等问题。最后对飞机交流电源系统中的“励磁电流过大”故障实例进行了诊断应用，验证了该方法的正确性和可行性。

[1]杨海涛，于克杰，曹俊彬.某型飞机电源系统故障诊断专家系统设计与实现[J].计算机应用与软件，2013，30（4）：204-207.

[2]郭亚中，左洪福.Petri网理论在民航飞机故障诊断中的应用[C]//可持续发展的中国交通—2005全国博士生学术论坛（交通运输工程学科）论文集.北京：2005：1677-1681.

[3]何新贵.模糊Petri网[J].计算机学报，1994，17（12）：946-950.

[4]姚静，齐蓉，林辉.飞机电源系统故障诊断专家系统的分析和设计[J].航空计算技术，2003，33（3）：104-106.

[5]王修岩，薛斌斌，李宗帅.基于Petri网的飞机交流发电机故障诊断系统研究[J].中国民航大学学报，2012，30（1）：23-25.

[6]刘海荣，刘金琨.基于MYCIN不精确推理的专家系统C++程序设计[J].计算机工程与设计，2001，22（2）：47-51.

图5 不同拉线反力下的轴承端受力以及扭矩值变化图

4 结束语

通过Pro/e建立实体模型，将文件导入ADAMS中，再添加约束和驱动，在ADAMS中建立了仿真模型，获得针头运动的各种曲线及数据，验证了联合仿真的可行性。

从图2可以得出机构在运动过程中实现变加速快进匀加速慢回的机构运动方式，满足设备预定运动要求，并且运动过程中无死点。

从不同工况方面进行变量实验得出，在拉线反力成比例增加时，轴承端受力以及所受扭矩值不仅在最大值上为等比例增加，并且受力曲线变化缓和，机构可靠性优良。

参考文献：

[1]朱引引，曹巨江，马金锋.缝纫机挑线机构的仿真分析[J].制造业自动化，2013，35（20）：81-82.

[2]张侃曼，马晓建，郭金柱.高速工业缝纫机动力学仿真与分析[J].轻工机械，2010，28（2）：17-21.

[3]邹慧君，田永利，张青，等.缝纫机创新设计的基本理论与方法[J].机械设计与研究，2002，6（3）：56-60.

[4]陈立平，张云清，任卫群，等.机械系统动力学分析及ADAMS应用教程[M].北京：清华大学出版社，2005.

[5]刘新胜，庆华.Pro-engineer和ADAMS在机构设计仿真中的应用[J].机械设计与自动化，2010，4（2）：127-129.

Abstract：The use of Pro/E to establish the simplified model of sewing machine pick line agencies，import ADAMS for dynamic simulation，the relationship between displacement，velocity and acceleration of the end thread take-up mechanism，obtained and analyzed under different thread end pull force of the force and torque change diagram，verify the mechanism of the rationality and reliability of design.All kinds of parameters and analysis results are obtained by dynamic analysis，which provide a theoretical basis for the design and improvement of the mechanism of the machine in the future.ө

Key words：pick line agencies；ADAMS；dynamics

Research Method of Fault Diagnosis Based on Fuzzy Fault Petri Net for Aircraft Electrical Power System

YANG Da-guang，CHANG Bo
（Naval Aviation Academy，Huludao Liaoning 125001，China）

According to the complexity and uncertainty of expert system of aircraft electrical power fault diagnosis，the fuzzy fault petri net is proposed to knowledge representation，the combine algorithm of the forward reasoning and backward reasoning is given in this paper.Firstly，the combine algorithm with forward reasoning from the cause of this fault to find the phenomenon of the fault，and then backward reasoning from the phenomenon of the fault to find the cause of this fault，the truth is verified in fault diagnosis.The fault diagnosis model is established and the combine algorithm is verified by the example of the fault phenomenon of aircraft electrical power system. The results show that the method is accurate and feasible.

aircraft electrical power；fault diagnosis；fuzzy fault petri net；expert system

The Dynamics Research of a Sewing Oick-line Agencies Based on ADAMS

WANG Peng-cheng，YANG Bing，YANG Jing-jing，MO Yu-mei，QIN Xian-hong，LI Qiao
（Guangdong Polytechnic College，Zhaoqing Guangdong 526100，China）

TP182

A

1672-545X（2016）11-0018-05

2016-08-09

杨大光（1982-），男，辽宁葫芦岛人，讲师，硕士，研究方向：飞机电源系统方面的故障诊断与状态评估；常波（1974-），男，辽宁东港人，副教授，研究方向：飞机电源系统方面的故障诊断与状态评估。