一种基于多源数据的IMA系统迫近故障预测方法技术方案

本发明专利技术实施例公开了一种基于多源数据的IMA系统迫近故障预测方法，包括：步骤1，根据IMA系统的组成部分和结构，构建IMA系统的迫近故障传播模型；步骤2，提取迫近故障传播模型中用于预测迫近故障的信息，将图形化的表达形式转化为数组或矩阵的表达形式；步骤3，根据步骤2中所提取的信息，对IMA系统的迫近故障进行前向推理预测。本发明专利技术实施例解决了由于IMA系统中存在迫近故障，并且该迫近故障的传播导致IMA系统的级联功能失效的问题。IMA系统的级联功能失效的问题。IMA系统的级联功能失效的问题。

【技术实现步骤摘要】
一种基于多源数据的IMA系统迫近故障预测方法


[0001]本专利技术涉及涉及但不限于IMA系统健康管理领域，尤指一种基于多源数据的IMA系统迫近故障预测方法。

技术介绍

[0002]迫近故障预测是健康管理和系统管理的重要组成部分，与长期退化和工作应力影响导致的远期故障或失效不同，迫近故障(impending fault)指的是由于临近或周边系统故障及其影响传播时延导致的功能失效，对该类失效的有效预测可以帮助系统在指定时间内完成相应的系统管理(如重构、重启动等)，从而缓解故障带来的恶劣影响，为飞行器的任务可靠性提升奠定基础。
[0003]由于综合模块化航电(IMA)系统各组成部分交联关系较为紧密，某个组成部分的迫近故障会导致其其他组成部分功能异常，从而导致IMA系统级联功能失效。

技术实现思路

[0004]本专利技术的目的：本专利技术实施例提供一种基于多源数据的IMA系统迫近故障预测方法，以解决由于IMA系统中存在迫近故障，并且该迫近故障的传播导致 IMA系统的级联功能失效的问题。
[0005]本专利技术的技术方案：
[0006]本专利技术实施例提供一种基于多源数据的IMA系统迫近故障预测方法，包括：
[0007]步骤1，根据IMA系统的组成部分和结构，构建IMA系统的迫近故障传播模型；
[0008]步骤2，提取所述迫近故障传播模型中用于预测迫近故障的信息，将图形化的表达形式转化为数组或矩阵的表达形式；
[0009]步骤3，根据步骤2中所提取的信息，对IMA系统的迫近故障进行前向推理预测。
[0010]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤1包括：
[0011]根据IMA系统中故障模式、差异点信息以及传播关系，对IMA系统的故障模式、BIT监测方式和功能失效影响进行建模，构建出从故障模式到系统功能失效的迫近故障传播模型。
[0012]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤1具体包括：
[0013]步骤11，构建迫近故障元模型，包括：根据IMA系统中各个LRU的TFPG 模型规范对应的建模元素及其属性，确定各个LRU的故障模式之间的层次关系和交联关系，从而建立IMA系统的迫近故障元模型；
[0014]步骤12，采用迫近故障元模型模板来建立TFPG专用模型，包括：根据迫近故障元模型中限定的建模元素、层次关系、交联关系以及相关属性，针对特定IMA系统，构建TFPG专用模型，明确故障模式
‑
差异点、差异点
‑
差异点的具体传播关系，并对传播时间间隔进行赋
值。
[0015]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，
[0016]所述迫近故障元模型中包括：IMA系统包含各个LRU的故障模式类型、路径类型、逻辑类型及前述元素的属性设置；
[0017]所述TFPG专用模型中包括：针对特定IMA系统中各个LRU的具体的故障模式、故障模式
‑
差异点及差异点
‑
差异点的路径，并对属性的具体赋值。
[0018]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤2中所提取的用于预测迫近故障的信息包括：
[0019]故障模式节点、差异点、邻接矩阵A、可达矩阵A*、最小传播时间矩阵t
min
、最大传播时间矩阵t
max
、最小可达时间矩阵A
min
、最大可达时间矩阵A
max
。
[0020]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤2所提取的预测迫近故障的信息中，具体包括：m个故障模式节点和n个差异点；
[0021]其中，n个差异点包括普通差异节点和虚拟节点，虚拟节点包括“与”逻辑节点和“或”逻辑节点，且n1+n2+n3＝n；其中，n1为普通差异节点的个数，n2为“或”逻辑节点的个数，n3为“与”逻辑节点的个数；
[0022]所述邻接矩阵A、可达矩阵A*、最小传播时间矩阵t
min
、最大传播时间矩阵t
max
、最小可达时间矩阵A
min
、最大可达时间矩阵A
max
均为(n+m)
×
(n+m)维矩阵。
[0023]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤2所提取的预测迫近故障的信息中，
[0024]邻接矩阵A，用于反映节点之间的连接关系，A
ij
＝1表示节点v
i
和节点v
j
之间存在连接；
[0025]可达矩阵A*，用于反映的是两个节点之间是否具有通路，表示模型中存在一条从v
i
到v
j
的路径；
[0026]最小传播时间矩阵t
min
与邻接矩阵A中的元素一一对应，其中，元素表示故障从父节点v
i
传播到子节点v
j
所需要的最小传播时间(A
ij
＝1)；且邻接矩阵中的A
ij
＝0，则最小传播时间矩阵中的对应元素
[0027]最大传播时间矩阵t
max
与邻接矩阵A中的元素一一对应，其中，元素表示故障从父节点v
i
传播到子节点v
j
所需要的最大传播时间(A
ij
＝1)；且邻接矩阵中的A
ij
＝0，则最大传播时间矩阵中的对应元素
[0028]最小可达时间矩阵A
min
与可达矩阵A*中的元素一一对应，其中，元素表示故障从一个节点v
i
传播到另一个节点v
j
的最小时间且可达矩阵中的则最小可达时间矩阵中的对应元素
[0029]最大可达时间矩阵A
max
与可达矩阵A*中的元素一一对应，其中，元素表示故障从一个节点v
i
传播到另一个节点v
j
的最大时间且可达矩阵中的则最大可
达时间矩阵中的对应元素
[0030]可选地，如上所述的基于多源数据的IMA系统迫近故障预测方法中，所述步骤3包括：迫近故障传播逻辑分析和时间范围匹配分析；
[0031]其中，所述故迫近障传播逻辑分析，包括：分析出节点之间是否存在直接连接或间接连接，并且分析出差异点激活的要求；
[0032]所述时间范围匹配分析，包括：判断实际的差异点激活时间与TFPG专用模型中故障传播时间约束是否存在矛盾。
[0033]本专利技术的优点：本专利技术实施例提供的一种基于多源数据的IMA系统迫近故障预测方法，具体为基于多个LRU/LRM(外场可更换模块)的BIT数据和功能差异数据的短期迫近故障预测方法；该迫近故障预测方法的方案中，一方面，利用IMA系统内部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源数据的IMA系统迫近故障预测方法，其特征在于，包括：步骤1，根据IMA系统的组成部分和结构，构建IMA系统的迫近故障传播模型；步骤2，提取所述迫近故障传播模型中用于预测迫近故障的信息，将图形化的表达形式转化为数组或矩阵的表达形式；步骤3，根据步骤2中所提取的信息，对IMA系统的迫近故障进行前向推理预测。2.根据权利要求1所述的基于多源数据的IMA系统迫近故障预测方法，其特征在于，所述步骤1包括：根据IMA系统中故障模式、差异点信息以及传播关系，对IMA系统的故障模式、BIT监测方式和功能失效影响进行建模，构建出从故障模式到系统功能失效的迫近故障传播模型。3.根据权利要求2所述的基于多源数据的IMA系统迫近故障预测方法，其特征在于，所述步骤1具体包括：步骤11，构建迫近故障元模型，包括：根据IMA系统中各个LRU的TFPG模型规范对应的建模元素及其属性，确定各个LRU的故障模式之间的层次关系和交联关系，从而建立IMA系统的迫近故障元模型；步骤12，采用迫近故障元模型模板来建立TFPG专用模型，包括：根据迫近故障元模型中限定的建模元素、层次关系、交联关系以及相关属性，针对特定IMA系统，构建TFPG专用模型，明确故障模式
‑
差异点、差异点
‑
差异点的具体传播关系，并对传播时间间隔进行赋值。4.根据权利要求3所述的基于多源数据的IMA系统迫近故障预测方法，其特征在于，所述迫近故障元模型中包括：IMA系统包含各个LRU的故障模式类型、路径类型、逻辑类型及前述元素的属性设置；所述TFPG专用模型中包括：针对特定IMA系统中各个LRU的具体的故障模式、故障模式
‑
差异点及差异点
‑
差异点的路径，并对属性的具体赋值。5.根据权利要求1所述的基于多源数据的IMA系统迫近故障预测方法，其特征在于，所述步骤2中所提取的用于预测迫近故障的信息包括：故障模式节点、差异点、邻接矩阵A、可达矩阵A*、最小传播时间矩阵t
min
、最大传播时间矩阵t
max
、最小可达时间矩阵A
min
、最大可达时间矩阵A
max
。6.根据权利要求5所述的基于多源数据的IMA系统迫近故障预测方法，其特征在于，所述步骤2所提取的预测迫近故障的信息中，具体包括：m个故障模式节点和n个差异点；其中，n个差异点包括普通差异节点和虚拟节点，虚拟节点包括“与”逻辑节点和“或”逻辑节点，且n1+n2+n3＝n；其中，n1为普通差异节点的个数，n2为“或”逻辑节点的个数，n3为“与”逻辑节点...

【专利技术属性】
技术研发人员：张竞凯，颜瑾，李铁颖，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：