本发明专利技术属于微波固态功率放大器领域，涉及固态功放和故障诊断，提供了一种基于模糊故障树与贝叶斯网络的固态功放故障诊断方法。该方法结合了模糊故障树与贝叶斯网络两者的优点，将T-S模糊故障树转换为贝叶斯网络，再根据贝叶斯网络的规则进行推导，求得各个底事件即部件故障的关键重要度，最后根据关键重要度的大小进行故障排除，从而实现故障诊断。本发明专利技术提供的固态功放故障诊断方法，不但填补了固态功放故障诊断这一领域的空白，而且由于结合了模糊故障树与贝叶斯网络两者的优点，与传统的故障诊断方法相比，计算简单，实用性更强。
【技术实现步骤摘要】
本专利技术涉及固态功放和故障诊断，提供了一种基于模糊故障树与贝叶斯网络的固 态功放故障诊断方法。属于微波固态功率放大器领域。
技术介绍
随着电子技术的发展，测控、通信、雷达的工作频率已经发展到毫米波频段，处于 发射链路末端的功放单元是发射链路中的核心设备，对系统的测控精度、通信质量、作用半 径等方面有决定性影响。 固态功放作为其中的关键部件，其重要性不言而喻，只有保证固态功放的正常工 作，才能实现整个系统的正常运行。为了保障固态功放的正常工作，就需要在固态功放发生 故障时，做出迅速应对，这就需要对固态功放进行故障诊断，而关于固态功放的故障诊断方 法几乎没有。因此业内需要一种能对固态功放进行故障诊断的方法。
技术实现思路
针对上述存在问题或不足，本专利技术提供了。该方法基 于模糊故障树与贝叶斯网络，结合了两者的优点，具体包括如下步骤： 步骤1、根据固态功放组成原理构建一个T-S模糊故障树； 步骤2、将T-S模糊故障树转换为贝叶斯网络： 将T 一 S模糊故障树中的每个事件与贝叶斯网络中的节点--对应，底事件对应 根节点，中间事件对应中间节点，顶事件对应叶节点； 步骤3、将T 一 S门规则转化为贝叶斯网络中固态功放故障发生的条件概率： 根据T-S门的规则 得到不同情况下固态功放故障的条件概率，其中a JO < i Sn)表示底事件，η为 底事件的个数，β表示中间事件或者顶事件，X1 (〇 < i < 表示Ct1的故障程度，Ic1表示 Ct1的故障程度划分个数、β y表示β故障程度，故障程度划分为3类，分别用0、0. 5、1表示 无故障、半故障、完全故障。 步骤4、根据贝叶斯网络的规则进行推导： 由事件后验概率公式 求出特定的顶事件发生时底事件发生的概率。由概率重要度公式： 得到底事件a i关于顶事件状态为β y的概率重要度，其中 由关键重要度公式： 得到底事件a i关于顶事件状态为β y的关键重要度，其中 步骤5、根据步骤4求得的关键重要度，将其从大到小进行排序，在发生故障时，按 照此顺序进行故障排查。 综上所述，本专利技术提出的方法计算简单，易于实现，是一种高效的固态功放故障诊 断方法，填补了微波固态功率放大器领域故障诊断的空白。【附图说明】 图1为一种固态功放组成原理； 图2为固态功放故障树模型； 图3为贝叶斯网络模型； 附图标记：a i-底事件电缆故障，α 2-风扇故障，α 3-电源故障，α 4-温度超限故 障，α5-电流超限故障，α6-正向功率超限故障，α7-反射功率超限故障，β「中间事件末 级模块故障，β -顶事件固态功放故障。【具体实施方式】 实施例1 根据一种固态功放的组成原理，如图1所示，构建固态功放的T-S模糊故障树，如 图2所示。T-S门规则的建立需要先对故障程度进行划分，这里将其划分为三类，分别用0、 0. 5、1表示无故障、半故障、完全故障，如表三所示，而发生故障的概率就需要结合已有的数 据，或者进行大量的实验，进而构建T-S门规则，如表一、表二所示。其中 αι、α2、α3、α4、 α 5、α 6、α 7分别表示底事件电缆故障、风扇故障、电源故障、温度超限故障、电流超限故障、 正向功率超限故障、反射功率超限故障，0 1表示中间事件末级模块故障，β表示顶事件固 态功放故障。 然后将T-S模糊故障树转换为贝叶斯网络，如图3所示。 再根据贝叶斯网络规则进行推导。由公式2求得事件的后验概率，由公式5求得 各个底事件关键重要度，如表四所示。 最后将各个底事件的关键重要度按从大到小进行排序，在进行故障诊断时，根据 这个顺序来故障排查，最终实现故障诊断。 根据公式5计算所得的各个底事件的关键重要度可知，α5的关键重要度最大，即 电流超限故障对于固态功放故障的影响最大，也就是说最有可能导致固态功放发生故障的 原因是电流超限故障，所以当固态功放发生故障时，优先排除a i电流超限故障，然后依次 排除α2风扇故障、α 6正向功率超限故障、α 7反射功率超限故障、α 3电源故障、α 4温度 超限故障、<^电缆故障，实现故障诊断。 表一功放故障T-S门规则（部分） 表二末级模块故障T-S门规则（部分） 表三各事件不同程度的故障概率实例（k = 0· 000001) 表四各底事件的关键重要度【主权项】1. ，具体包括如下步骤： 步骤1、根据固态功放组成原理，划分其故障程度，再构建其T-S模糊故障树； 步骤2、构建的T-S模糊故障树转换为贝叶斯网络： 将T 一 S模糊故障树中的每个事件与贝叶斯网络中的节点一一对应，底事件对应根节 点，中间事件对应中间节点，顶事件对应叶节点； 步骤3、T 一 S门规则转化为贝叶斯网络中固态功放故障发生的条件概率： 根据T-S门的规则得到不同情况下固态功放故障的条件概率，其中a "(Ki < η)表示底事件，η为底事件 的个数，β表示中间事件或者顶事件，Xl(〇〈i < 表示a i的故障程度，Ic1表示a i的故 障程度划分个数、Py表示β故障程度，故障程度划分为3类，分别用0、0. 5、1表示无故障、 半故障、完全故障； 步骤4、根据贝叶斯网络的规则进行推导： 由事件后验概率公式求出特定的顶事件发生时底事件发生的概率，由概率重要度公式：得到底事件Ct1关于顶事件状态为β y的概率重要度，其中由关键重要度公式：得到底事件Ct1关于顶事件状态为β y的关键重要度，其中步骤5、根据步骤4求得的关键重要度，将其从大到小进行排序，在发生故障时，按照此 顺序进行故障排查。【专利摘要】本专利技术属于微波固态功率放大器领域，涉及固态功放和故障诊断，提供了一种基于模糊故障树与贝叶斯网络的固态功放故障诊断方法。该方法结合了模糊故障树与贝叶斯网络两者的优点，将T-S模糊故障树转换为贝叶斯网络，再根据贝叶斯网络的规则进行推导，求得各个底事件即部件故障的关键重要度，最后根据关键重要度的大小进行故障排除，从而实现故障诊断。本专利技术提供的固态功放故障诊断方法，不但填补了固态功放故障诊断这一领域的空白，而且由于结合了模糊故障树与贝叶斯网络两者的优点，与传统的故障诊断方法相比，计算简单，实用性更强。【IPC分类】G06F19/00【公开号】CN105160170【申请号】CN201510536505【专利技术人】于永斌, 程诗叙, 门乐飞, 杨辰宇, 刘兴文, 胡青青, 李成, 张欢, 雷飞, 邓建华, 张容权, 蔡竟业 【申请人】电子科技大学【公开日】2015年12月16日【申请日】2015年8月27日本文档来自技高网...
【技术保护点】
一种固态功放故障诊断方法，具体包括如下步骤：步骤1、根据固态功放组成原理，划分其故障程度，再构建其T‑S模糊故障树；步骤2、构建的T‑S模糊故障树转换为贝叶斯网络：将T－S模糊故障树中的每个事件与贝叶斯网络中的节点一一对应，底事件对应根节点，中间事件对应中间节点，顶事件对应叶节点；步骤3、T－S门规则转化为贝叶斯网络中固态功放故障发生的条件概率：根据T‑S门的规则P(β=βy|α1=α1x1,α2=α2x2,......,αn=αnxn)=PL(βy)]]> 式1，得到不同情况下固态功放故障的条件概率，其中αi(0<i≤n)表示底事件，n为底事件的个数，β表示中间事件或者顶事件，xi(0<i≤ki)表示αi的故障程度，ki表示αi的故障程度划分个数、βy表示β故障程度，故障程度划分为3类，分别用0、0.5、1表示无故障、半故障、完全故障；步骤4、根据贝叶斯网络的规则进行推导：由事件后验概率公式P(β=βy|αj=αjxj)=P(αj=αjxj,β=βy)P(αj=αjxj)=Σα1,α2,α3,...,αnP(α1,α2,...,αj=αjxj,...,αn,β=βy)P(αj=αjxj)]]> 式2求出特定的顶事件发生时底事件发生的概率，由概率重要度公式：CβyPR(αj)=1kj-1Σxj=1kjCβyPR(αj=αjxj)]]> 式3得到底事件αi关于顶事件状态为βy的概率重要度，其中CβyPR(αj=αjxj)=P(β=βy|αj=αjxj)-P(β=βy|αj=0)]]> 式4；由关键重要度公式：CβyCR(αj)=1kj-1Σxj=1kjCβyCR(αj=αjxj)]]> 式5得到底事件αi关于顶事件状态为βy的关键重要度，其中CβyCR(αj=αjxj)=P(αj=αjxj)CβyPR(αj=αjxj)P(β=βy)]]> 式6；步骤5、根据步骤4求得的关键重要度，将其从大到小进行排序，在发生故障时，按照此顺序进行故障排查。...
【技术特征摘要】
【专利技术属性】
技术研发人员：于永斌，程诗叙，门乐飞，杨辰宇，刘兴文，胡青青，李成，张欢，雷飞，邓建华，张容权，蔡竟业，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。