基于模型的飞机燃油系统故障诊断系统的设计与实现

基于模型的飞机燃油系统故障诊断系统的设计与实现　・４３・　基于模型的飞机燃油系统故障诊断系统的设计与实现　宋东，周建民，王彦文　（西北工业大学航空学院，陕西西安７１００７２）　摘要：燃油系统作为飞机不可或缺的功能和保障系统，对飞机的飞行安全有着重大影响。传统故障诊断　方法已经不能满足日益复杂的燃油系统诊断和维护需求。基于模型诊断是为了克服传统诊断方法的缺　点而兴起的一项新型的智能推理诊断技术。研究了基于模型的飞机燃油系统故障诊断方法，建立了故　障诊断模型，给出了基于模型的燃油系统故障诊断推理策略。设计并实现了基于模型的燃油系统故障　诊断系统，并通过诊断实例进行了验证。　关键词：基于模型诊断；故障诊断；飞机燃油系统　中图分类号：ＴＰ１８２；ＴＰ２０６　．３　文献标识码：Ａ　文章编号：１０００—８８２９（２０１１）０４—００４３—０４　Ｄｅｓｉｇｎ　ａｎｄ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　Ｍｏｄｅｌ－Ｂａｓｅｄ　Ｆａｕｌｔ　Ｄｉａｇｎｏｓｉｓ　Ｆｏｒ　Ｆｕｅｌ　Ｓｙｓｔｅｍ　ｏｆ　Ａｉｒｃｒａｆｔ　ＳＯＮＧ　Ｄｏｎｇ，ＺＨＯＵ　Ｊｉａｎ—ｍｉｎ，ＷＡＮＧ　Ｙａｎ—ｗｅｎ　（Ｓｃｈｏｏｌ　ｏｆ　Ａｅｒｏｎａｕｔｉｃｓ，Ｎｏｒｔｈｗｅｓｔｅｒｎ　Ｐｏｌｙｔｅｃｈｎｉｃａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ　７１００７２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｆｕｅｌ　ｓｙｓｔｅｍ　ｉｓ　ａｎ　ｉｎｄｉｓｐｅｎｓａｂｌｅ　ｆｕｎｃｔｉｏｎ　ａｎｄ　ｓｕｐｐｏ￣ｓｙｓｔｅｍ　ｏｆ　ａｉｒｃｒａｆｔ．Ｉｔ　ｈａｓ　ａ　ｓｉｇｎｉｆｉｃａｎｔ　ｉｍ—　ｐａｃｔ　ｆｏｒ　ｔｈｅ　ｆｌｉｇｈｔ　ｓａｆｅｔｙ．Ｔｈｕｓ，ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｆａｕｌｔ－ｄｉａｇｎｏｓｉｓ　ｍｅｔｈｏｄｓ　ｃａｎ　ｎｏｔ　ｓａｔｉｓｆｙ　ｎｅｅｄｓ　ｏｆ　ｄｉａｇｎｏｓｉｓ　ａｎｄ　ｍａ—　ｉｎｔｅｎａｎｃｅ　ｏｆ　ｔｈｅ　ｉｎｃｒｅａｓｉｎｇｌｙ　ｃｏｍｐｌｉｃａｔｅｄ　ｆｕｅｌ　ｓｙｓｔｅｍ．Ｍｏｄｅｌ－ｂａｓｅｄ　ｄｉａｇｎｏｓｉｓ（ＭＢＤ）ｉｓ　ａ　ｎｅｗ　ｔｙｐｅ　ｏｆ　ｉｎｔｅｌｌｉｇｅｎｔ　ｒｅａｓｏｎｉｎｇ　ａｎｄ　ｄｉａｇｎｏｓｉｓ　ｔｅｃｈｎｏｌｏｇｙ　ｏｒｆ　ｏｖｅｒｃｏｍｉｎｇ　ｔｈｅ　ｓｈｏｒｔｃｏｍｉｎｇｓ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｔｅｃｈｎｉｑｕｅ．　Ｔｈｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　ｔｈｅ　ｍｏｄｅｌ—ｂａｓｅｄ　ｃｉｖｉｌ　ａｉｒｃｒａｆｔ　ｆｕｅｌ　ｓｙｓｔｅｍ　ｉｓ　ｄｉｓｃｕｓｓｅｄ．Ｔｈｅ　ｄｉａｇｎｏｓｉｓ　ｍｏｄｅｌｓ　ａｒｅ　ｃｏｎｓｔｒｕｃｔｅｄ．Ｔｈｅ　ｄｉａｇｎｏｓｉｓ　ｒｅａｓｏｎｉｎｇ　ｓｔｒａｔｅｇｙ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ　ｆｏｒ　ｔｈｅ　ｍｏｄｅｌ－ｂａｓｅｄ　ｆｕｅｌ　ｓｙｓｔｅｍ　ｉｓ　ｄｅｓｉｇｎｅｄ　ａｎｄ　ｄｅｖｅｌｏｐｅｄ，ａｎｄ　ａ　ｄｅｍｏｎｓｔｒａｔｉｏｎ　ｄｉａｇｎｏｓｉｓ　ｒｅｓｕｌｔ　ｉｓ　ｇｉｖｅｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｍｏｄｅ１．ｂａｓｅｄ　ｄｉａｇｎｏｓｉｓ；ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ；ｆｕｅｌ　ｓｙｓｔｅｍ　ｏｆ　ａｉｒｃｒａｆｔ　基于模型诊断（ＭＢＤ，ｍｏｄｅｌ—ｂａｓｅｄ　ｄｉａｇｎｏｓｉｓ）是为　了克服传统诊断方法的严重缺陷而提出来的一种新型　的智能诊断方法。ＭＢＤ起源于２０世纪７０年代，被一　些人工智能专家誉为诊断理论和技术上的革命，经过　几十年的发展，已成为人工智能（ａｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ）　领域中一个十分活跃的研究分支¨ｊ。它是根据系统　实际行为与预期行为的差别，利用系统模型，通过逻辑　推导得出引发故障的元件集合。　燃油系统是影响飞机性能、飞行安全和适航取证　的关键系统。对飞机燃油系统进行故障诊断方法研究　收稿日期：２０１０—０６—３０　可以实现更好的飞机燃油系统管理，保障飞机的飞行　安全，提高其生存能力。而传统故障诊断方法都是基　于经验知识的，需要按照故障隔离手册和维修手册按　部就班地进行，没有很好地利用机载设备自身结构之　间的关联关系。基于模型诊断以燃油系统结构模型、　行为模型和功能模型为诊断基础，利用模型自身的知　识，很好地解决了机载设备故障传播路径的不唯一性　和故障的关联性，并且在缺少经验知识的情况下，可有　效地实施诊断。　１　基于模型的故障诊断技术　基于模型诊断方法的基本观点是使用待诊断设备　的内部结构与行为的知识来诊断该设备。首先，根据　实际燃油系统，通过知识获取和知识表示，得到设备的　结构描述和行为功能模型，即设备模型；然后判断设备　实际观测和模型预测之间是否存在差异，若存在差异，　证明设备存在故障，则通过冲突识别求解能够解释观　作者简介：宋东（１９６３一），男，河北安国县人，副教授，主要研究　方向为航空电子系统、自动测试；周建民（１９８５一），男，黑龙江　肇东人，硕士研究生，主要研究方向为测控网络与虚拟仿真技　术；王彦文（１９８４一），男，宁夏固原人，硕士研究生，主要研究方　向为交通信息与电子系统。　・４４・　《测控技术￣２０１１年第３Ｏ卷第４期　测和预测之间差异的部件集合作为极小冲突集；最后　这时就需要对系统进行进一步的诊断来确定是哪些部　求解所有极小冲突集的极小碰集，极小碰集就是一个　件出现了故障。系统的诊断可表示为　候选诊断；为了将诊断进一步区分，获得更精确的诊断　△＝｛ａｂ（ｃ）１　ｃ∈Ｃ｝Ｕ　ｔ　ａｂ（ｃ）Ｉｃ∈ＣＯＭＰＳ—ｃｔ　结果，进行诊断鉴别，确定测量次序，完成设备检测与　即诊断就是一个可以解释系统观测或征兆的故障部件　修复。如图１所示，其基本观点为：使用一个设备的内　集合。　部结构与行为知识来诊断该设备。　２飞机燃油系统　基于　诊　飞机燃油系统储存燃油，并根据需要将燃油供应　模型　————诊断　■　断　结　到发动机和辅助动力装置（ＡＰＵ）。燃油系统包括以　推理　果　下子系统：储油系统、压力加油、发动机燃油供给、ＡＰＵ　燃油供给、排油系统、燃油量指示系统和燃油温度指示　图１基于模型的故障诊断　系统　Ｊ。系统结构框图如图２所示，系统组成图如图　在基于模型诊断中，系统被模型化为三元组（ＳＤ，　３所示。　ＣＯＭＰＳ，ＯＢＳ）。ＳＤ（ｓｙｓｔｅｍ　ｄｅｓｃｒｉｐｔｉｏｎ）表示系统描述　３基于模型的飞机燃油系统故障诊断　的一阶逻辑语句集合；ＣＯＭＰＳ（ｃｏｍｐｏｎｅｎｔｓ）表示系统　部件的有限集合；ＯＢＳ（ｏｂｓｅｒｖａｔｉｏｎｓ）表示系统观测行　系统设计　为或征兆的有限集合。将系统的部件分为两种模式，　基于模型的燃油系统故障诊断系统的设计目标　正常模式　０６（ｃ）和故障模式口６（ｃ）　ｊ，其中，口６（ｃ）　是：当燃油系统自检报故或产生其他告警信号时，证明　谓词表示部件ｃ故障。如果观测到的系统行为与假设　燃油系统已处于不正常状态，则必须从待诊断设备的　系统中所有部件都工作正常得到的预测行为不一致，　模型和具体观测出发，依据系统实际观测行为和模型　那么就说明系统中所有部件都工作正常的假设是错误　预测行为之间的差异，通过诊断推理决定哪些组件或　的，也就是说系统中的某些部件出现了故障，用一阶逻　单元出现故障，才能解释出现的差异，并给出诊断结　辑公式来表示的话就是　果；根据上面的分析，系统的功能模块主要包括模型表　ｓＤ　Ｕ　ＯＢＳ　Ｕ｛　０６（ｃ）１　ｃ∈ＣＯＭＰＳ｝ｌ：上　示模块、观测和预测获取模块、冲突识别模块、候选产　ＡＰｕ燃油切断活门｝—　ＡＰＵ　ｔ　发动机启动电门　发动机防火电门　———●　加油关断活门　ｌ　Ｉ加油关断活门　加油关断活门　放泄活门　ｌ　Ｉ　放泄活门　放泄活门　加油面板　浮子电门　Ｉ　Ｉ　浮子电门　浮子电门　加油接头　加油总管本体　——＿．　发动机燃油翼梁活门ｌ　发动机燃油翼梁活门　加油单向活门　加油本体／弯头组件　加油关断活门　前／后增压泵　Ｉ　Ｉ　左／右增压泵　。　前／后增压泵　放油电源控制继电器　旁通活门　ｌ　旁通活门　加油站　排水引射泵　ｌ　ｌ排水引射泵（２）　排水引射泵　燃油系统面板　●—　防波油箱　燃油温度元件　Ｉ　防波油箱　放泄单向活门　放泄单向活门　通气斗　油箱组（１２）　Ｊ　Ｊ￣ｇｔ４５（８）　油箱组件（１２）　通气斗　燃油量处理器组件　一　（前设备中心）　防波（通气）　补偿器（１）　Ｊ　｝补偿器…　补偿器（１）　防波（通气）　主油箱１（左）　中央油箱（中）　主油箱２（右）　ｔ　Ｊ　３　ｌ　‘ｌ　１　ｒｈ　，ｎ（、　Ｉ　　．Ｉ¨　ＬＪｍ　Ｊ‘ｈ　：ｃｎ　＾．Ｉ　　。删　¨由。　ｍ、　ｌ　Ｉ　从　仉　佃　图２燃油系统框图　基于模型的飞机燃油系统故障诊断系统的设计与实现　・４５・　生模块及诊断鉴别模块。系统功能模块如图４所示。　的极小碰集。算法描述如图５所示。　①模型表示模块：依据系统设计文件和设计工程　师提供的领域知识，构建诊断对象的结构模型，将其表　示为邻接矩阵形式，通过Ｗａｒｓｈａｌｌ算法ｌ＿３　转换为可　达矩阵，方便冲突识别模块求解极小冲突集。　②观Ｎ／预测获取模块：针对燃油系统而言，当出　现告警信号、ＢＩＴ信息或其他驾驶舱效应时，意味着设　螽　面　图３燃油系统组成图　备的实际观测和模型的预测已经出现差异，则依据他　们所提供的信息开始诊断推理。　③冲突识别模块：根据出现的差异进行逻辑推　理，获取故障传播路径或信息传播路径，构成极小冲突　集或极小依赖集，最后求解所有极小冲突集。　④候选产生模块：极小碰集就是候选诊断。系统　中采用改进的ＨＳＳＥ－ｔｒｅｅ　算法求解所有极小冲突集　函　图４系统功能模块划分　图５改进的ＨＳＳＥ—ｔｒｅｅ算法流程图　・４６・　《测控技术））２０１１年第３０卷第４期　成的集合～　，因为观测表示了包含在集合Ⅳ　中真实　的系统状态Ｘ。则系统状态　的后验概率可以通过下　式计算　输入：长度为ｒｔ的集合簇Ｆ＝｛Ｓ　－－，ｓ　｝；输出：　集合簇的所有极小碰集。　算法执行过程中，对极小碰集节点标识“、／”；对　不可扩展的非极小碰集节点和可扩展但节点对应的集　合最末元素在ＣＯＭＰＳ中的标号大于ｍｉｎｉｎｄｅｘ的节点　标识“×”，以关闭该类节点，终止扩展，这样提高了搜　索效率。而其他非终止节点则为待扩展的节点，加入　揣　Ｘ∈Ｎｄ（１）　待扩展链。　∑ＸＥＮａ，　∈ｘ兀ｐ７　（１一Ｐｉ）　对符合上述条件的节点再无需扩展，因为ＣＯＭＰＳ　式中，Ｐ（Ｎｄ）为集合　中所有系统状态的概率的总　是有序的，若当前节点的标签集合不能与集合簇中所　和　。　有集合都相关，则证明它不是碰集，并且其最末元素在　若要求解特定部件的后验概率，Ⅳｌ表示所有状态　ＣＯＭＰＳ中的标号大于和它不相关的所有集合的最末　中　＝０的状态的集合，即　代表部件ｃ　出现故障　元素在ＣＯＭＰＳ中标号的最小值，这说明当前节点继　的事件。则它们的后验概率分别表示为　续扩展也不可能与和它不相关且最末元素在ＣＯＭＰＳ　Ｐ　（ｃｉ）＝ｐ（ｃ／Ｎｄ）　（２）　中的标号最小值小于节点集合的最末元素在ＣＯＭＰＳ　中的标号的集合相关，即该节点无需扩展，标识“×”，　Ｐ　（　）：ｐ（Ｎｉ　ＩⅣ　）＝　＝　（ｑ）（３）　终止扩展。对ＨＳＳＥ．ｔｒｅｅ算法做上述改进的基础是集　比如部件ｃ　和ｃｊ所处某种状态的后验概率，可以通过　合簇中集合和ＣＯＭＰＳ中的元素都是有序的（比如按　式（２）计算得到，而当部件Ｃ　处于该状态下，系统状态　字典有序）。　的后验概率则可以由式（３）计算得到。　⑤诊断鉴别模块：在已知单元或部件先验概率的　前提下，结合概率推理理论将候选诊断进行区分，缩小　４系统的实现与验证　诊断空间，以定量的后验概率大小来确定测量顺序，指　本系统的实现采用Ｍｉｃｒｏｓｏｆｔ　Ｖｉｓｕａｌ　Ｓｔｕｄｉｏ　２００５系　导设备检测维修。　列中的Ｖｉｓｕａｌ　ｃ＃作为开发环境。下面以故障加油指　在概率理论框架下，观测到的事件为系统观测组　示灯闪烁为例，系统运行结果如图６所示。　图６诊断系统运行结果　（下转第５０页）　・５０・　《测控技术）２０１１年第３０卷第４期　时可损坏激光器。　在图８中，上方波形是Ｄ／Ａ输出波形，下方波形　是对图６与图７两种不良波形经过调整后的波形，最　终电源输出的电流幅值为５０　Ａ、脉宽为３００　ｓ，从图　３．２波形分析　在图６中，上方波形是Ｄ／Ａ输出波形，下方波形　是电源输出不良波形的一种，可以看到其下降沿延时　很厉害，这种波形会使电源效率大大降低。　在图７中，上方波形是Ｄ／Ａ输出波形，下方波形　是电源输出不良波形的另一种，可以看到其上升沿过　冲得很厉害，这种波形会使激光器输出光不稳定，严重　中可以看出其上升沿没有过冲，下降沿没有反冲，且延　时都小于２５　ｓ，是理想波形，此波形基本可以验证该　电源系统，取得了良好效果。　图６电源输出波形图（１）　图７　电源输出波形图（２）　图８　电源输出波形图（３）　４　结束语　利用ＤＳＰ控制的电源系统顺利实现了数字化闭　而不增加硬件的复杂性。　参考文献：　［１］　马骁宇，王俊，刘素平．国内大功率半导体激光器研究及　环实时控制，并且使电源控制具有柔性。通过建立输　入输出查询表克服了功率管的栅极电压与漏极电流对　应关系为非线性的难点，引入ＰＩＤ控制算法在较短的　处理时间内完成控制，并根据具体情况选择了合适的　控制参数，以消除静差、抑制超调量，不但如此，以后还　可以通过采用效率更高的先进控制方案来进行优化，　应用现状［Ｊ］．红外与激光工程，２００８，３７（２）：１９０．　［２］Ｔｅｘａｓ　Ｉｎｓｔｒｕｍｅｎｔｓ　Ｉｎｃｏｒｐｏｒａｔｅｄ．ＴＭＳ３２０Ｃ２８Ｘ系列ＤＳＰ的　ＣＰＵ与外设（上、下）［Ｍ］．张卫宁，译．北京：清华大学出　版社，２００５．　［３］　杨银堂，马峰，刘毅．ＤＳＰ应用开发从实践到提高［Ｍ］．北　京：中国电力出版社，２００７．　口　（上接第４６页）　首先，通过建立的故障传播图模型（ｃ１：飞机不水　平；Ｃ２：油箱测量组件；Ｃ３：加油浮子活门；Ｃ４：加油关　断活门；Ｃ５：ＦＱＰＵ；Ｃ６：ＣＤＵ；Ｃ７：加油指示灯）输入系　统的部件数，进而通过输入建立系统的邻接矩阵，通过　模型表示调用Ｗａｒｓｈａｌｌ算法建立系统的可达矩阵。然　后，通过实际观测（加油指示灯闪烁）和ＣＤＵ的ＢＩＴ信　息（ＴＡＮＫ　ＵＮＩＴ　ＬＯ．Ｚ　ＯＰＥＮ／ＧＮＤ）作为系统观测。通　过冲突识别求取最小冲突集｛ｃ１，ｃ２，ｃ３，ｃ４，ｃ５，ｃ７｝　和｛ｃｌ，ｃ２，ｃ３，ｃ４，ｃ５，ｃ６｝，候选产生求最小碰集为：　｛ｃｌ｝，｛ｃ２｝，｛ｃ３｝，｛ｃ４｝，｛ｃ５｝，｛ｃ６，ｃ７｝，最小碰集　就是诊断结果。　最后，通过读取存储在文档的各个部件的先验概　率，计算各个部件的后验概率，从而给出故障检修时各　个部件的检修顺序｛ｃ１，ｃ２，ｃ３，ｃ４，ｃ５，Ｃ７，Ｃ６｝。　为诊断基础，利用模型自身的知识，在缺少经验知识的　情况下，采用基于一致性诊断算法，可有效的实施诊　断。并将可能的故障部件予以排序，为后续检测和维　修奠定基础。但是由于检测点的不足使得诊断结果存　在一定的冗余。　参考文献：　［１］Ｄｅ　Ｋｌｅｅｒ　Ｊ，Ｋｕｒｉｅｎ　Ｊ．Ｆｕｎｄａｍｅｎｔａｌｓ　ｏｆ　ｍｏｄｅｌ—ｂａｓｅｄ　ｄｉａｇｎｏｓｉｓ　［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　Ｆｉｆｆｈ　ＩＦＡＣ　Ｓｙｓｐｏｓｉｕｍ　ｏｎ　Ｆａｕｈ　Ｄｅ—　ｔｅｃｔｉｏｎ，Ｓｕｐｅｒｖｉｓｉｏｎ，ａｎｄ　Ｓａｆｅｔｙ　ｏｆ　Ｔｅｃｈｎｉｃｌａ　Ｐｒｏｃｅｓｓｅｓ［Ｃ］．　２００３．　［２］Ｒｅｉｔｅｒ　Ｒ．Ａ　ｔｈｅｏｒｙ　ｏｆ　ｄｉａｇｎｏｓｉｓ　ｆｒｏｍ　ｉｆｒｓｔ　ｐｒｉｎｃｉｐｌｅｓ［Ｊ］．Ａｒｔｉ－　ｉｆｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，１９８７，３２（１）：５７—９６．　［３］　王彦文．基于模型的机载设备故障诊断技术研究［Ｄ］．西　安：西北工业大学，２００９．　［４］上海商飞客服公司．波音７３７飞机技术说明书［ｚ］．２００９—　０５．　［５］　欧阳丹彤，欧阳继红，刘大有．基于模型诊断的研究与新　进展［Ｊ］．吉林大学自然科学学报，２００１（２）：３８—４６．　［６］　杨占才．王红，朱永波，等．飞机航电设备综合智能故障诊　断专家系统研究［Ｊ］．测控技术，２００６，２５（４）：４—７．　口　５　结束语　以上所研究的基于模型的飞机燃油系统故障诊断　系统，以燃油系统结构模型　、行为模型和功能模型