一种考虑测试不确定性的故障诊断策略优化方法

技术领域：

本发明涉及一种考虑测试不确定性的故障诊断策略优化方法，其属于系统的测试性 分析与设计领域。

背景技术：

测试性表示系统能够及时准确地确定其状态并有效地隔离其内部故障的一种特性， 测试性水平直接影响系统的故障诊断能力。传统的测试性分析是基于测试完全可靠的假 设，测试与故障是非0即1的布尔关系。事实上，测试往往受到包括环境干扰、传感器 故障以及固有的测试误差等因素影响。研究表明，忽略外界因素对于测试的影响，会出 现测试性指标虚高的问题。为了能够提高系统的测试性能力，亟需一种考虑测试不确定 性的故障诊断策略优化方法。

在不考虑环境因素对测试的干扰条件下，测试与故障的关系通过“测试-故障”确定性 矩阵表示：

式(1)中，第i行[b

当测试点完全可靠时，测试与故障的关系可以通过式(1)表示，而当测试受到包括测试点设置不当、人工操作不当、环境干扰以及不合理的阈值设置等情况干扰时，测试 与故障不再是0或1的布尔关系。当考虑测试不确定性后，可能发生以下四种情况：

情况1：故障f

情况2：故障f

情况3：故障f

情况4：故障f

因此，在考虑了测试不确定性以后，测试点可能发生漏检和虚警的情况。由于假设测试点完全可靠，计算出来的测试性指标必然存在虚高的问题。此外，包括贪婪算法、 信息熵算法等都是一种局部最优的算法，得到的诊断策略不是最优解，而全局最优的 AO*算法虽然能够得到最优的诊断策略，但是当故障数量大于50时，算法复杂度过高导 致求解时间过长，难以满足诊断策略对于快速性的要求，甚至出现局部最优的情况。

发明内容：

为了克服以上提及的测试性分析存在测试性指标虚高、诊断策略局部最优等不足， 本发明提供一种考虑测试不确定性的故障诊断策略优化方法。

本发明所采用的技术方案有：一种考虑测试不确定性的故障诊断策略优化方法，具 体步骤如下：

(1).基于Modelica语言建立被测对象的仿真模型；

(2).基于仿真模型统计测试点与故障的关系，建立测试-故障不确定性矩阵；

(3).在建立测试-故障不确定性矩阵基础上，引入测试不确定性带来的错误诊断代 价，改进信息熵算法，基于改进信息熵算法获得诊断策略。

进一步地，步骤(1)的具体步骤如下：

a、明确被测对象的基本结构，根据独立性原则和物理划分原则对被测对象进行模块划分，建立部件级模型；

b、通过Modelica语言写入表示组件物理特性的数学方程组，建立组件的仿真模型；

c、验证仿真模型的准确性，将仿真所得的关键运行参数的特征值、特征变化趋势、分布规律与实测数据进行相似性对比分析，验证模型的准确性。

进一步地，步骤(2)的具体步骤如下：

a、采集各个测试点的实测数据，通过极大似然估计获得各个测试点的具体分布函数；

b、根据环境干扰对象的不同分为对测试点的干扰以及对被测对象本身的干扰，通过FMEA分析，明确各个故障与所在部件参数的对应关系；

c、通过多次仿真，统计获得测试点与故障的关系，测试与故障的关系由故障检测率 和故障虚警率两部分组成；

d、建立“测试-故障”不确定性矩阵。

进一步地，建立“测试-故障”不确定性矩阵的构建方法为：

首先，根据被测对象的组成、功能以及历史故障信息，确定其故障集合 F＝{f

其次，通过故障模式影响分析FMEA明确各个故障的表征，获得各个故障与仿真模型中部件参数的映射关系，修改对应的组件参数实现虚拟故障注入；

然后，根据实测数据估计各个测试点的分布函数，根据不同的干扰对象，分别在模型的不同处加载干扰量，模拟实际测试工作中存在的环境干扰；

最后，在注入故障f

进一步地，步骤(3)中改进信息熵算法的计算步骤如下：

step1：初始化“测试-故障”不确定性矩阵D

step2：基于信息熵算法，在考虑错误诊断费用基础上得出各个测试点t

step3：计算各个临时诊断树的平均信息量，选择最大平均信息量所在的测试点作为 最优测试点，平均信息量表示为：

式(3)中，step(j)表示执行测试点t

本发明具有如下有益效果：与现有的测试性诊断策略优化方法相比，本发明首先提 出了基于仿真模型建立“测试-故障”不确定性矩阵；然后，在信息熵算法中引入错误诊断 代价，提高诊断策略的准确度。最后，在信息熵算法中加入回溯步骤，避免算法陷入局部最优。开展基于测试不确定性的故障诊断策略优化研究，对提高被测对象的故障诊断 能力具有重要意义。通过将诊断策略反馈到系统的正向设计中去，为被测对象的设计提 供参考。

附图说明：

图1为整体流程图。

图2为建立“测试-故障”不确定性矩阵流程图。

图3为基于改进信息熵算法的诊断策略优化流程图。

图4为T

图5为基于改进信息熵算法的诊断策略。

图6为基于信息熵算法的诊断策略。

具体实施方式：

下面结合附图对本发明作进一步的说明。

本发明考虑测试不确定性的故障诊断策略优化方法，具体步骤如下：

(1).基于Modelica语言建立被测对象的仿真模型；

(2).基于仿真模型统计测试点与故障的关系，建立测试-故障不确定性矩阵；

(3).在建立测试-故障不确定性矩阵基础上，引入测试不确定性带来的错误诊断代 价，改进信息熵算法，基于改进信息熵算法获得诊断策略。

其中：步骤(1)的具体步骤如下：

a、明确被测对象的基本结构。分析被测对象的结构和功能实现过程，根据测试性要 求，将被测对象划分到指定层级，采用自顶向下的方式建模。根据独立性原则和物理划分原则对被测对象进行模块划分，建立部件级模型。

b、建立组件模型。通过Modelica语言写入表示组件物理特性的数学方程组，建立组件的仿真模型。同时，将组件定义为抽象类型，以继承派生和重申明的方式提高模型 的可重用性。

c、验证仿真模型的准确性。将仿真所得的关键运行参数的特征值、特征变化趋势、分布规律等与实测数据进行相似性对比分析，验证模型的正确性。

如图2所示，步骤(2)的具体步骤为：

a、测试点分布函数的估计。由于测试点受到包括测试点设置不当、人工操作不当、环境干扰以及不合理的阈值设置等情况干扰。本发明主要研究测试受到环境干扰的情 况，通过采集被测对象的测试性数据，通过极大似然估计获得各个测试点的具体分布函 数。当缺乏实测数据时，可以参考同类型系统的测试性数据。

b、根据环境干扰对象的不同分为对测试点的干扰以及对被测对象本身的干扰，在FMEA分析基础上，基于仿真模型实现虚拟故障注入，为了能够准确的模拟指定故障发 生，通过FMEA分析，明确各个故障与所在部件参数的对应关系。在明确故障与参数映 射关系基础上，通过修改对应的部件参数即可实现虚拟故障注入。生成服从各个测试点 分布函数的随机干扰量，根据不同的干扰对象，分别在模型的不同处加载干扰量。

c、通过多次仿真，统计获得测试点与故障的关系。测试与故障的关系由故障检测率 和故障虚警率两部分组成。在注入故障f

d、建立“测试-故障”不确定性矩阵。在“测试-故障”确定性矩阵中，当测试点t

d

式(2)中，b

当b

如图3所示，步骤(3)具体步骤为：

a、明确测试不确定条件下的错误诊断代价。由于测试点可能发生漏检和虚警等情况，导致出现两种错误的诊断结论：

诊断结论1：假设系统发生的故障为f

诊断结论2：假设系统发生的故障为f

在诊断结论1中，会导致应该得到维修的部件没有进行维修，其损失可以描述为漏诊费用；在诊断结论2中，导致其他不该维修的部件进行了不必要的拆换或停机维修， 其损失可以描述为误诊费用。

b、通过加入回溯步骤，改进信息熵算法

由于信息熵算法是一种局部寻优的算法，为了得到最优的诊断策略，改进信息熵算 法的基本思路为：

通过两次计算确定单个测试点。第一步，将测试点集合中的所有测试点对初始的“测 试-故障”矩阵进行信息熵的计算，确定各个测试点的临时诊断树。第二步，计算各个临时诊断树带来的平均信息量，选择平均信息量最大的诊断树所在的测试点作为最优测试点。改进信息熵算法的计算步骤如下：

step1：初始化“测试-故障”不确定性矩阵D

step2：基于信息熵算法，在考虑错误诊断费用基础上得出各个测试点t

step3：计算各个临时诊断树的平均信息量，选择最大平均信息量所在的测试点作为 最优测试点。选择最大平均信息量而不是选择最大信息量的目的是为了避免算法陷入深 度搜索。平均信息量是在诊断树总信息量基础上考虑诊断步骤，避免算法过度追求信息量而造成隔离每个故障需要耗费更多的步骤。平均信息量表示为：

式(3)中，step(j)表示执行测试点t

Step4：重复执行step1～step3，直到测试-故障不确定性矩阵不可再分。

本发明以某复杂系统为例进行诊断策略优化，具体步骤如下：

基于步骤(1)，在明确复杂系统功能结构基础上，基于Modelica语言建立的仿真模型。

基于步骤(2)，复杂系统有5个测试点，7个故障，其“测试-故障”矩阵如表1所示：

表1“测试-故障”确定性矩阵

以测试点T

表2“测试-故障”不确定性矩阵

基于步骤(3)，在信息熵算法中考虑错误诊断代价和加入回溯步骤得到的诊断树如 图6所示。

图6表示不考虑测试不确定性条件下，基于信息熵算法得到的诊断策略。

表3给出了不同诊断策略的测试性指标值。根据表3可知，基于改进信息熵算法生成的诊断策略的准确性更高。

表3诊断策略对比

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员 来说，在不脱离本发明原理的前提下还可以作出若干改进，这些改进也应视为本发明的保护范围。