一种射频电子设备模块级故障诊断方法及系统技术方案

本发明专利技术涉及电子设备故障诊断技术领域，公开了一种射频电子设备模块级故障诊断方法及系统，该方法，采用同层分级策略，基于专家知识对射频电子设备中的模块进行局部BN建模，然后根据信号流上的依赖关系并通过节点归并自动构建整个射频电子设备的BN；其中，BN指贝叶斯网络。本发明专利技术解决了现有技术存在的诊断工作效率低、工程实用性低等问题。工程实用性低等问题。工程实用性低等问题。

【技术实现步骤摘要】
一种射频电子设备模块级故障诊断方法及系统


[0001]本专利技术涉及电子设备故障诊断
，具体是一种射频电子设备模块级故障诊断方法及系统。

技术介绍

[0002]射频电子设备是一种利用射频信号进行信息传输或处理的设备，如无线电、雷达、手机等。射频电子设备信号具有高频率、高速度、高宽带、高功率等特性，实现远距离多点通信。
[0003]射频电子设备一般需要使用特殊的射频器件和电路，包括放大器、滤波器、混频器和振荡器等，结构十分复杂。这些器件和电路长期工作在高频段或大功率条件下，再考虑工作环境等因素，使得射频电子设备出故障几率远高于低频模拟电子设备[1]。
[0004]针对复杂射频电子设备，当前故障诊断技术的发展水平还不足以支持将故障一次性定位到底层元器件。分层逐步逼近故障是一种实用的解决思路。这就对模块级的故障诊断提出了需求，能够首先将故障定位到一个较小的区域，然后再进行更详细的排查。
[0005]贝叶斯网络(BN，Bayesian network)是一种基于概率图模型的故障诊断方法，可以利用先验知识和观测数据来推断故障原因和后验概率[2]。已有研究中通常基于历史观测数据来对BN的结构和参数进行训练，如文献[3]针对电池管理系统，手动构建BN拓扑结构后，利用维修记录获取条件概率；文献[4]公开的设备故障诊断方法包括从存储器中获取设备的BN模型和训练数据集，从训练数据集中挖掘关联规则；文献[5]从核心网的故障受理中心获取样本数据，构造BN分类器，推断告警信息对应的故障类型。文献[6]研究了通信系统故障预处理、连续特征离散化和专家知识融合方法，提高了BN模型的构建效率。
[0006]基于BN对射频电子设备进行故障诊断面临的主要问题是：
[0007]1.针对复杂对象直接构建BN需要考虑众多原因和结果，工作量巨大且繁琐；
[0008]2.由于故障数据集稀缺，采用机器学习方法构建BN是不现实的；
[0009]3.射频器件和电路故障模式和信号状态的多样性使得BN的条件概率容易出现组合爆炸问题。
[0010]针对问题1，文献[7]提出一种针对系统中单个组件构建依赖关系，然后生成总体模型的方法，但没有考虑信号上的多故障模式和条件概率，本质上不属于BN方法；文献[8]研究了一种针对无线通信网络复杂多层次结构的自顶向下的动态故障诊断策略，不同于本专利技术采用的同层分级策略。针对问题2，可以更多依赖专家知识来构建BN，但需要借助于所述分级策略降低专家分析问题的规模。针对问题3，需要结合射频电子设备的故障特点进行合理的简化假设(如常用的单故障假设)，忽略实际影响甚微的排列组合。
[0011]参考文献：
[0012][1]西安电子科技大学.一种射频低噪放电路故障诊断方法、系统、介质及应用[P].CN202011395989.2，2020.
[0013][2]基于深度动态贝叶斯网络的服务功能链故障诊断算法[J].电子与信息学报，
2021，43(12)：3588
‑
3596.
[0014][3]四川长虹电器股份有限公司.基于贝叶斯网络的故障检测方法[P].CN201811196358.0，2018.
[0015][4]广东电网有限责任公司广州供电局.基于贝叶斯网络的设备故障诊断方法及系统[P].CN201810915922.3，2018.
[0016][5]烽火通信科技股份有限公司.基于贝叶斯网络的核心网故障诊断方法及系统[P].CN201010265476.X，2010.
[0017][6]李浩.基于贝叶斯网络的通信系统故障诊断研究[D].武汉邮电科学研究院，2021.
[0018][7]唐小峰，曾庆华.基于单组件信号模型的系统可测试性分析[J].中国测试，2010，36(6)：86
‑
90.
[0019][8]李享.基于动态贝叶斯网络的无线通信系统可靠性分析与故障诊断[D].电子科技大学，2021.

技术实现思路

[0020]为克服现有技术的不足，本专利技术提供了一种射频电子设备模块级故障诊断方法及系统，解决现有技术存在的诊断工作效率低、工程实用性低等问题。
[0021]本专利技术解决上述问题所采用的技术方案是：
[0022]一种射频电子设备模块级故障诊断方法，采用同层分级策略，基于专家知识对射频电子设备中的模块进行局部BN建模，然后根据信号流上的依赖关系并通过节点归并自动构建整个射频电子设备的BN；其中，BN指贝叶斯网络。
[0023]作为一种优选的技术方案，包括以下步骤：
[0024]S1，BN局部结构构建：构建射频电子设备功能模块的BN局部结构；
[0025]S2，节点条件概率确定：确定BN局部结构节点条件概率；
[0026]S3，完整网络整合：将BN局部结构整合为完整的网络；
[0027]S4，故障诊断：利用观测信息进行故障诊断推理。
[0028]作为一种优选的技术方案，S1包括以下步骤：
[0029]S11，根据信号流向，从头至尾遍历当前射频电子设备E中包含的全部功能模块m
i
，假设模块m
i
的输入信号集合为I＝{I1，I2，...，I
N2
}，输出信号集合为O＝{O1，O2，...，O
N3
}；其中，i表示当前模块m
i
所在的层次上功能模块的编号，i＝1，2，...，N1，N1为当前模块m
i
所在的层次上功能模块的总数。
[0030]作为一种优选的技术方案，S1还包括以下步骤：
[0031]S12，对I和O中的每个信号s
i
∈I∪O，定义s
i
的状态取值范围为F(s
i
)＝{f0，f1，...，f
N4
}；其中，f0表示信号状态正常，其余表示某种故障状态或已有故障状态的组合，所述信号状态均为当前射频电子设备工况下状态。
[0032]作为一种优选的技术方案，S1还包括以下步骤：
[0033]S13，定义模块m
i
的状态取值范围为F(m
i
)＝{f0，f1}，对O中的每个信号O
i
，依次判断输入信号I
i
∈I对O
i
的状态是否有影响：若I
i
的状态对O
i
的状态有影响，则创建一条从节点I
i
指向节点O
i
的有向边，并创建一条从节点m
i
指向节点O
i
的有向边；从而构成针对当前模块m
i
的贝叶斯网络局部结构BN(m
i
)；其中，f1表示信号状态为故障。
[0034]作为一种优选的技术方案，S2包括以下步骤：
[0035]S21，针对BN(m
i
)中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种射频电子设备模块级故障诊断方法，其特征在于，采用同层分级策略，基于专家知识对射频电子设备中的模块进行局部BN建模，然后根据信号流上的依赖关系并通过节点归并自动构建整个射频电子设备的BN；其中，BN指贝叶斯网络。2.根据权利要求1所述的一种射频电子设备模块级故障诊断方法，其特征在于，包括以下步骤：S1，BN局部结构构建：构建射频电子设备功能模块的BN局部结构；S2，节点条件概率确定：确定BN局部结构节点条件概率；S3，完整网络整合：将BN局部结构整合为完整的网络；S4，故障诊断：利用观测信息进行故障诊断推理。3.根据权利要求2所述的一种射频电子设备模块级故障诊断方法，其特征在于，S1包括以下步骤：S11，根据信号流向，从头至尾遍历当前射频电子设备E中包含的全部功能模块m
i
，假设模块m
i
的输入信号集合为I＝{I1，I2，...，I
N2
}，输出信号集合为O＝{O1，O2，...，O
N3
}；其中，i表示当前模块m
i
所在的层次上功能模块的编号，i＝1，2，...，N1，N1为当前模块m
i
所在的层次上功能模块的总数。4.根据权利要求3所述的一种射频电子设备模块级故障诊断方法，其特征在于，S1还包括以下步骤：S12，对I和O中的每个信号s
i
∈I∪O，定义s
i
的状态取值范围为F(s
i
)＝{f0，f1，...，f
N4
}；其中，f0表示信号状态正常，其余表示某种故障状态或已有故障状态的组合，所述信号状态均为当前射频电子设备工况下状态。5.根据权利要求4所述的一种射频电子设备模块级故障诊断方法，其特征在于，S1还包括以下步骤：S13，定义模块m
i
的状态取值范围为F(m
i
)＝{f0，f1}，对O中的每个信号O
i
，依次判断输入信号I
i
∈I对O
i
的状态是否有影响：若I
i
的状态对O
i
的状态有影响，则创建一条从节点I
i
指向节点O
i
的有向边，并创建一条从节点m
i
指向节点O
i
的有向边；从而构成针对当前模块m
i
的贝叶斯网络局部结构BN(m
i
)；其中，f1表示信号状态为故障。6.根据权利要求5所述的一种射频电子设备模块级故障诊断方法，其特征在于，S2包括以下步骤：S21，针对BN(m
i
)中的节点m
i
，分别指定其正常状态f0和故障状态f1的先验概率；针对BN(m
i
)中的信号类节点s
i
，若其条件概率表PT(s
i
...

【专利技术属性】
技术研发人员：唐小峰，邹建，马雅男，胡宇，
申请(专利权)人：成都天奥测控技术有限公司，
类型：发明
国别省市：