模糊故障Petri網在飛機電源系統故障診斷中研究

楊大光，常 波

（海軍航空兵學院，遼寧葫蘆島125001）

模糊故障Petri網在飛機電源系統故障診斷中研究

楊大光，常 波

（海軍航空兵學院，遼寧葫蘆島125001）

針對飛機電源故障診斷專家系統中存在的知識表示復雜、不確定性等問題，采用一種基于模糊故障Petri網模型來進行知識表示，同時提出一種正向推理和反向推理相結合的推理算法，該推理算法先用正向推理從故障原因出發，正向查找故障原因導致的故障現象，然后再針對故障現象進行反向推理查找產生此故障的原因，驗證故障診斷的真實度。以飛機電源系統中典型故障現象為例，建立故障診斷模型，采用正反結合推理算法加以應用驗證，驗證結果表明該算法對飛機電源系統故障診斷準確，可操作性強。

飛機電源；故障診斷；模糊故障Petri網；專家系統

隨著飛機綜合化和自動化程度不斷提高，大量先進的機載用電設備裝備在飛機上，而這些用電設備完全依靠電力工作，這就對飛機電源系統的可靠性、安全性和可維修性提出了很高的要求[1]。若飛機電源系統中的故障不及時準確地診斷并排除，會引起連鎖反應使其他系統的工作狀態發生改變，嚴重危及飛行安全。

在飛機電源系統中，由于其本身結構復雜、故障較為隱蔽，各種傳統的故障診斷方法不能滿足其故障診斷的需要[2]。隨著專家系統技術的成熟，其廣泛應用于飛機電源系統的故障診斷中。而在專家系統故障診斷和推理過程中，往往存在許多不確定性，為了解決這一問題，何新貴[3]提出模糊Petri網的建模方法，將傳統的Petri網與模糊技術相結合。王修巖[5]等采用故障Petri網來構建專家系統的知識庫，該方法在故障事件因果傳播關系的基礎上，根據故障Petri網的動態運行機制來構造推理機，實現了飛機交流發電機專家系統的故障推理和診斷，但這種方法很難根據已經發生的飛機電源系統故障進行反向推理尋找故障原因。本文針對模糊Petri網和故障Petri網在故障傳播、診斷和推理過程中的不足，將故障Petri網和模糊Petri網相結合，采用模糊故障Petri網來構建專家系統的知識庫、產生式規則和推理算法，從而實現對飛機電源系統的故障診斷。

1 基于模糊故障Petri網的知識表達方法

1.1 模糊故障Petri定義

定義1模糊故障Petri網是一個8元組（P，T，D，F，W，λ，Ts，M）0，其中：P=｛p1，p2，…，pn｝為庫所有限集合；T=｛t1，t2，…，tn｝為變遷有限集合；D=｛d1，d2，…，dn｝為命題有限集合，P∩T∩D=Φ，P＝D；F?（P×T） U（T×P）為庫所和變遷之間的輸入輸出弧的有限集合；W：F∈（0，1]為輸入輸出弧上的權值，其中WI為變遷輸入弧上的權值，表示庫所對變遷的支持度，WO為變遷輸出弧上的權值，表示變遷對庫所的支持度；λ：T∈（0，1]為變遷激活的閾值，當庫所對變遷的置信度大于或等于該閾值（即滿足WI×m（P）≥λ）時，變遷才有可能被激活；Ts為已經激活的變遷有限集合，初始時該集合為空，該集合標識故障的傳播路徑，同時防止變遷的反復發生（即滿足t?Ts，Ts＝Ts+ti｛｝）；為系統的初始置信度，表示系統的初始狀態，其中m（p）表示庫所對于命題成立的置信度。

1.2 復合模糊產生式規則的模糊故障Petri網表示

復合模糊產生式規則是在模糊產生式規則中的前提和結論部分包含“AND”或“OR”等運算符。采用MYCIN系統[6]中基于置信度的方法，主要思想是模糊命題合取式的真值取各子式真值的最小值，模糊命題析取式的真值取各子式真值的最大值。復合模糊產生式規則主要有以下類型：

類型1：IF d1and d2and…and diTHEN dk.該類型的模糊故障Petri網表示和激活規則如圖1所示。變遷激活需滿足t?Ts和min（m1×w1，m2×w2，…，mi×w）i且?p∈=｛p1，p2，…，pi｝，變遷ti激活后，Ts=Ts+｛ti｝并且｝，其中F

圖1 類型1的模糊故障Petri網表示

類型2：IF dkTHEN d1and…and di.該類型的模糊故障Petri網表示和激活規則如圖2所示。變遷激活需滿足WI×m（P）≥λ和t?Ts，變遷ti激活后Ts=Ts+ti｛｝，并且

圖2 類型2的模糊故障Petri網表示

類型3：IF d1or d2or…or diTHEN λidk.該類型的模糊故障Petri網表示和激活規則如圖3所示。變遷激活需滿足WI×m（P）≥λ和t?Ts，變遷ti激活后，Ts=Ts+ti｛｝并且

圖3 類型3的模糊故障Petri網表示

類型4：IF d1THEN d2.該類型的模糊故障Petri網表示和激活規則如圖4所示。變遷激活需滿足WI×m（P）≥λ和t?Ts，變遷ti激活后，Ts=Ts+ti｛｝并且

圖4 類型4的模糊故障Petri網表示

2 故障診斷推理算法

故障診斷推理算法是專家系統的核心，常用的推理算法有正向推理和反向推理。正向推理是根據已知故障原因推導可能產生的故障現象，具有較強的并行推理能力，并能在推理后計算出全部的值，但在推理時具有盲目性。反向推理是根據已經產生的故障現象來推導故障原因，尋找故障源，具有較高的準確率。對比兩種推理算法的優缺點，本文采用正反相結合的推理算法，先用正向推理從故障原因出發，正向查找故障原因導致的故障現象，然后再針對故障現象進行反向推理查找產生此故障的原因，驗證故障的真實度。若兩者結論吻合，則診斷有效，若不吻合，則需要修改庫所和變遷的置信度，閾值和權值，不斷調整直到兩者吻合。正向推理算法和反向推理算法的流程如圖5所示。

圖5 模糊故障Petri網的推理算法流程

3 飛機電源系統故障診斷典型實例應用

本文研究的是某型飛機變速恒頻的交流電源系統[4]，采用四發電機四匯流條相并聯的方式，當一臺主發電機通道發生故障時，斷路器切斷該發電機通道，原來由該發電機通道供電的負載由其他正常發電機通道供電。當兩臺或三臺主發電機通道故障時，對應的斷路器切斷相應的發電機通道，由正常工作的主發電機通道向整個系統用電負載供電。兩個蓄電池為不間斷供電的負載提供應急直流電。對于變速恒頻的交流電源系統來說，故障現象主要有五大類，分別是過壓、欠壓、過頻、欠頻、勵磁電流過大。由于引起“勵磁電流過大”故障的原因很多，這些原因和故障之間又相互影響，因此故障診斷十分復雜。本文以“勵磁電流過大”故障現象為例，應用模糊故障Petri網來對飛機電源系統故障進行推理和診斷。

首先建立飛機電源系統“勵磁電流過大”故障的模糊故障Petri網模型，如圖6所示。其中庫所的含義、初始置信度以及變遷的含義、初始權值和閾值如表1所列。

圖6 飛機電源系統“勵磁電流過大”故障的模糊故障Petri網模型

Step1：由圖6可知，t12屬于類型4的關系，由變遷激活需滿足WI×m（P）≥λ和t?Ts條件可知，t12：WI12×m（p12）=0.80×0.65=0.52＞0.51（λ12=0.51）且t12?Ts，故t12有激活權，得到

Step2：由圖1可知，t10與t11關系屬于類型3的關系，t10：WI10×m（p10）=0.85×0.75=0.64＞0.60（λ10=0.60）且t10?Ts，故t10有激活權；

t11：WI11×m（p11）=0.86×0.78=0.67＞0.68（λ11=0.65）且t11?Ts，故t11有激活權，得到

t13與t14關系屬于類型3的關系，由變遷激活需滿足WI×m（P）≥λ和t?Ts條件可知，t13：WI13×m（p13）=0.85×0.57=0.48＜0.60（λ13=0.60），故t13沒有激活權；t14有激活權，得到

同理t15沒有激活權，故t16有激活權，得到

m（p）9=0.60，Ts=｛t12，t10，t14，t16｝

t4、t5、t6關系也屬于類型3的關系，由變遷激活條件可知，t4沒有激活權，t5有激活權，t6有激活權，得到

m（p）1=0.88，Ts=｛t12，t10，t14，t16，t5｝

t7、t8、t9關系也屬于類型3的關系，由變遷激活條件可知，t7有激活權，t8有激活權，t9沒有激活權，得到

m（p）2=0.78，Ts=｛t12，t10，t14，t16，t5，t7｝

Step3：t1、t2、t3關系也屬于類型3的關系，由變遷激活條件可知，t1有激活權，t2有激活權，t3沒有激活權，得到

m（p）0=0.93，Ts=｛t12，t10，t14，t16，t5，t7，t1｝

正向推理的結論是：p0的故障傳播路徑是P14→t14→p5→t5→p1→t1→p0，并且要防范t12，t10，t16，t7.

現假設已知“勵磁電流過大”故障現象p0，采用反向推理來尋找故障原因，推理過程如下：

Step1：由于p0故障現象已經產生，故m（p0）=1.

Step2：t1、t2、t3關系屬于類型3的關系，計算可得p1，p2，p3的置信度：

Step3：由Step2可看到置信度最大的是p3，可能是故障原因，通過檢查，發現故障原因不在這里，且與正向推理的結論不符，需要調整表1中的初始置信度、權值和閾值。由于p3的置信度比實際的大，需要增大t3的輸入權值WI3和輸出權值WO3，現將其調整為WI3=0.82，WO3=0.79，此時m（p3）=0.88，取p1，p2，p3中置信度最大的p1繼續反向推理。

Step4：p1是由t4，t5，t6變遷而來，計算得出：

置信度最大的是p5.而p5是由t13，t14變遷而來，計算得出

由結果可看到置信度最大的是p13，可能是故障原因，通過檢查，發現故障原因不在這里，且與正向推理的結論不符，需要調整表1中的初始置信度、權值和閾值。由于p13的置信度比實際的大，需要增大t13的輸入權值WI13和輸出權值WO13，現將其調整為WI13=0.75，WO13=0.79，此時

取置信度最大的p14，則推理到終點，通過實際檢查，發現故障原因就在這里，推理結束。

反向推理的結論是：p0的故障來源于p14，與正向推理結論相符。同時其結論與文獻[4]中的故障原因相符。

4 結束語

本文針對模糊Petri網和故障Petri網在故障傳播、診斷和推理過程中的不足，采用一種基于模糊故障Petri網模型來進行知識表示，同時采用正向和反向相結合推理算法，有效解決了飛機電源故障診斷專家系統中存在的知識表示復雜、不確定性等問題。最后對飛機交流電源系統中的“勵磁電流過大”故障實例進行了診斷應用，驗證了該方法的正確性和可行性。

[1]楊海濤，于克杰，曹俊彬.某型飛機電源系統故障診斷專家系統設計與實現[J].計算機應用與軟件，2013，30（4）：204-207.

[2]郭亞中，左洪福.Petri網理論在民航飛機故障診斷中的應用[C]//可持續發展的中國交通—2005全國博士生學術論壇（交通運輸工程學科）論文集.北京：2005：1677-1681.

[3]何新貴.模糊Petri網[J].計算機學報，1994，17（12）：946-950.

[4]姚靜，齊蓉，林輝.飛機電源系統故障診斷專家系統的分析和設計[J].航空計算技術，2003，33（3）：104-106.

[5]王修巖，薛斌斌，李宗帥.基于Petri網的飛機交流發電機故障診斷系統研究[J].中國民航大學學報，2012，30（1）：23-25.

[6]劉海榮，劉金琨.基于MYCIN不精確推理的專家系統C++程序設計[J].計算機工程與設計，2001，22（2）：47-51.

圖5 不同拉線反力下的軸承端受力以及扭矩值變化圖

4 結束語

通過Pro/e建立實體模型，將文件導入ADAMS中，再添加約束和驅動，在ADAMS中建立了仿真模型，獲得針頭運動的各種曲線及數據，驗證了聯合仿真的可行性。

從圖2可以得出機構在運動過程中實現變加速快進勻加速慢回的機構運動方式，滿足設備預定運動要求，并且運動過程中無死點。

從不同工況方面進行變量實驗得出，在拉線反力成比例增加時，軸承端受力以及所受扭矩值不僅在最大值上為等比例增加，并且受力曲線變化緩和，機構可靠性優良。

參考文獻：

[1]朱引引，曹巨江，馬金鋒.縫紉機挑線機構的仿真分析[J].制造業自動化，2013，35（20）：81-82.

[2]張侃曼，馬曉建，郭金柱.高速工業縫紉機動力學仿真與分析[J].輕工機械，2010，28（2）：17-21.

[3]鄒慧君，田永利，張青，等.縫紉機創新設計的基本理論與方法[J].機械設計與研究，2002，6（3）：56-60.

[4]陳立平，張云清，任衛群，等.機械系統動力學分析及ADAMS應用教程[M].北京：清華大學出版社，2005.

[5]劉新勝，慶華.Pro-engineer和ADAMS在機構設計仿真中的應用[J].機械設計與自動化，2010，4（2）：127-129.

Abstract：The use of Pro/E to establish the simplified model of sewing machine pick line agencies，import ADAMS for dynamic simulation，the relationship between displacement，velocity and acceleration of the end thread take-up mechanism，obtained and analyzed under different thread end pull force of the force and torque change diagram，verify the mechanism of the rationality and reliability of design.All kinds of parameters and analysis results are obtained by dynamic analysis，which provide a theoretical basis for the design and improvement of the mechanism of the machine in the future.?

Key words：pick line agencies；ADAMS；dynamics

Research Method of Fault Diagnosis Based on Fuzzy Fault Petri Net for Aircraft Electrical Power System

YANG Da-guang，CHANG Bo
（Naval Aviation Academy，Huludao Liaoning 125001，China）

According to the complexity and uncertainty of expert system of aircraft electrical power fault diagnosis，the fuzzy fault petri net is proposed to knowledge representation，the combine algorithm of the forward reasoning and backward reasoning is given in this paper.Firstly，the combine algorithm with forward reasoning from the cause of this fault to find the phenomenon of the fault，and then backward reasoning from the phenomenon of the fault to find the cause of this fault，the truth is verified in fault diagnosis.The fault diagnosis model is established and the combine algorithm is verified by the example of the fault phenomenon of aircraft electrical power system. The results show that the method is accurate and feasible.

aircraft electrical power；fault diagnosis；fuzzy fault petri net；expert system

The Dynamics Research of a Sewing Oick-line Agencies Based on ADAMS

WANG Peng-cheng，YANG Bing，YANG Jing-jing，MO Yu-mei，QIN Xian-hong，LI Qiao
（Guangdong Polytechnic College，Zhaoqing Guangdong 526100，China）

TP182

A

1672-545X（2016）11-0018-05

2016-08-09

楊大光（1982-），男，遼寧葫蘆島人，講師，碩士，研究方向：飛機電源系統方面的故障診斷與狀態評估；常波（1974-），男，遼寧東港人，副教授，研究方向：飛機電源系統方面的故障診斷與狀態評估。