基于有向圖模型的故障診斷方法研究及其在航天中的應用.pdf

1、故障診斷技術是航天器安全、可靠運行的保障。本文研究了基于有向圖模型的航天器故障診斷方法。該方法能夠描述復雜系統(tǒng)的故障傳播機理以及系統(tǒng)元素間的因果關系，是一種基于深層知識的診斷方法，而且緩解了診斷知識獲取瓶頸問題，能夠對某些未預知的故障進行識別。因此該方法為航天器故障診斷技術的研究提供了一種新的途徑。本論文的主要目的是通過對基于有向圖模型的診斷方法的研究，找到適用于航天器在軌自主診斷的方法。為了這樣的目的，本論文主要進行如下幾方面的研究工

2、作。
　　針對航天器故障診斷領域的特點，本文將故障傳播有向圖和符號有向圖（SDG）兩種系統(tǒng)描述方法的優(yōu)點結合起來，提出了一個基于分層有向圖的定性診斷模型。它具有 SDG模型固有的良好完備性，又能夠清楚的反映部件間的連接作用關系，同時對該模型采用了有向圖分層策略，并利用測試節(jié)點間的定性關系來回溯搜索不相容支路找出故障源候選集合，而且可以根據(jù)故障可能性對候選故障源進行的排序。最后將該方法應用到衛(wèi)星一次電源系統(tǒng)，驗證了該方法的有效性。<

3、br>　　航天器的故障樣本和診斷經驗的不足，給建模帶來了困難，因此，本文采用了根據(jù)系統(tǒng)正常的工作模式進行建模的思想，建立系統(tǒng)診斷模型。另外，航天器的許多系統(tǒng)具有多種工作模式，系統(tǒng)關鍵變量間的定性關系隨著工作模式的改變而變化。由于傳統(tǒng) SDG模型對這種變化的定性關系的表達還不夠完備，采用這種模型進行故障診斷，將會導致診斷分辨率低的問題出現(xiàn)。因此，本文將模糊理論引入到SDG模型中來，提出了一種基于SDG模型和模糊理論相結合的模糊 SDG模型

4、。節(jié)點變量變?yōu)槟：兞?，它的每一個模糊子集代表了一種工作模式下的狀態(tài)；節(jié)點間的定性關系通過模糊關系矩陣來表達。通過回溯搜索模糊不相容支路來找出故障源候選集合。實例分析表明了該方法的有效性。
　　對于前面提出的基于模糊 SDG的方法，如果模型中存在不可測量節(jié)點，該診斷系統(tǒng)將無法進行診斷推理。為了解決該問題，提出了基于模糊SDG模型和貝葉斯推理相結合的模糊－概率 SDG模型。該模型節(jié)點間的定性關系用條件概率表（CPT）來表達，通過貝葉

5、斯的不確定性推理和不相容支路的判斷，可以在不可測節(jié)點存在的情況下，完成不確定性推理，找出故障源候選集合。最后建立了某衛(wèi)星一次電源系統(tǒng)的診斷模型，故障診斷的仿真結果驗證了該方法的有效性。
　　故障診斷的準確性依賴于系統(tǒng)模型的精確性，為了提高診斷模型的精確性，在以往建模方法的基礎上，本文提出了利用定性趨勢分析（QTA）技術來輔助建模的方法。趨勢分析能夠為 SDG模型提供充足的定性趨勢信息，通過分析這些信息，可以找出節(jié)點變量的工作閾值區(qū)

6、間，還有節(jié)點變量間的多值邏輯關系。最后，本文提出了結合了其它建模方法的綜合建模策略，并針對前面提出的模糊-概率SDG模型給出了建模的步驟。將上面提出的方法應用到某衛(wèi)星一次電源系統(tǒng)中，建立了更為精確的診斷模型，診斷的仿真結果表明該輔助建模方法提高了診斷的準確性。
　　故障檢測的核心問題是傳感器的分布問題。針對有向圖模型，分別給出了基于可觀測性和可靠性的傳感器設計方案，并進行了實例分析。最后，通過綜合分析前面的研究，提出了新的可靠性設