传感器虚警识别方法、装置、计算机设备及存储介质

技术领域

本发明涉及故障诊断技术领域，尤其涉及一种传感器虚警识别方法、装置、计算机设备及存储介质。

背景技术

随着工业技术的发展，在航空航天、船舶交通、能源动力等诸多领域都存在着一大批高技术、高价值、高可靠性要求的复杂系统，如大飞机、轨道交通、核电站、航空发动机等等。一方面，这些系统架构庞大层次复杂，涉及到多学科多领域，他们的正常服役通常需要成千上万的机电液控各类设备可靠的协同工作。另一方面，一旦这些系统发生故障且没有得到妥善的处置往往就会酿成重大的工业事故，带来巨大经济损失的同时直接威胁人的生命安全。因此，这些系统在设计、制造、服役、维护每一个阶段都尤为重视安全性，并配合故障诊断系统可靠服役。

在这类复杂系统中，单个设备的可靠性通常都会存在瓶颈，因此一般都会配置多套冗余子系统、设备或传感器以保证整个大系统的可靠性满足安全需求。以大飞机为例，如今的民用大飞机可靠性最高需达到10-10/h,即飞机平均每飞行小时发生单个灾难性故障的概率要在10-10量级，而在机载设备供应商诸多设备无法满足如此高的可靠性要求的情况下，飞机制造商选择为飞机配置2～4套发动机、3套飞控计算机、3～4套飞机动力与作动系统、数以万计的传感器等满足整机可靠性要求。

在实际使用中，现有的故障诊断系统给出的诊断结果存在大量的虚警，即系统本身并没有故障但故障诊断系统却给出了故障报警。同样以机载系统为例，统计数据显示飞行任务中的传感器报警记录在事后处理时有85％无法检出故障，极大地增加了维护成本，干扰了系统的正常工作。多层冗余系统故障诊断虚警信号的产生难以从根本上避免，因为环境的干扰、设计的不合理、信号处理的不完全、工况的多变和诊断算法的精度都可能给出虚警结果。因此，发展识别虚警的方法对于故障诊断显得尤为重要。

发明内容

本发明提供一种传感器虚警识别方法、装置、计算机设备及存储介质，用于识别传感器虚警。

本发明实施例提供一种传感器虚警识别方法，所述方法应用于多层冗余系统，所述多层冗余系统包括多层系统层级，所述方法包括：

获取所述系统层级中的每个系统部件的故障模式集合

通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；

根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

本发明实施例提供一种传感器虚警识别装置，所述装置应用于多层冗余系统，所述多层冗余系统包括多层系统层级，所述装置包括：

获取模块，用于获取所述系统层级中的每个系统部件的故障模式集合

确定模块，用于通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；

识别模块，用于根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述传感器虚警识别方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述传感器虚警识别方法。

本发明提供的一种传感器虚警识别方法、装置、计算机设备及存储介质，获取系统层级中的每个系统部件的故障模式集合、传感器状态集合和传感器检测结果集合；所述系统部件对应一个或多个所述传感器；通过先验概率和传感器检测结果集合确定系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；根据各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。从而通过本发明可以识别传感器虚警，辅助机组和维护人员确定发生虚警的根源位置。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中传感器虚警识别方法的流程图；

图2是本发明一实施例中多层冗余系统架构示意图；

图3是本发明一实施例中传感器虚警识别方法的流程图；

图4是本发明一实施例中传感器虚警识别方法的流程图；

图5是本发明一实施例某民用飞机液压系统结构图；

图6是本发明一实施例不同证据级别下的故障诊断虚警率的对比图；

图7是本发明一实施例中传感器虚警识别装置的原理框图；

图8是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

如图1所示，本发明实施例提供一种传感器虚警识别方法，所述方法应用于多层冗余系统，所述多层冗余系统包括多个按照层级划分的系统层级，每层系统层级均含有若干子系统、系统部件和传感器。

如图2所示为例，多层冗余系统包括：第一层部件级(最底层)、第二层液压能源系统、第三层动力与作动系统、第四层飞动系统(最顶层)。其中，每一层系统都有对应的证据源，使用LRU(Line Replaceable Unit，现场可更换单元)特征融合模型计算诊断证据的先验概率，进行诊断证据融合计算，根据融合计算结果决策是否为传感器故障引起的虚警，最后还可以通过反馈信息更新迭代自身数据库。具体的，LRU可以理解为飞机的系统部件。例如液压系统中的每个泵都属于LRU，每个LRU会进行BIT(Built-in Test)，即LRU的自我诊断。

具体的，所述传感器虚警识别方法包括以下步骤S10-步骤S30：

S10，获取系统层级中的每个系统部件的故障模式集合、传感器状态集合和传感器检测结果集合。

其中，所述系统部件对应一个或多个所述传感器；传感器具体可以为传感器由压力传感器、温度传感器、流量传感器、转速传感器和转矩传感器等，本发明实施例不做具体限定。

具体的，系统部件的故障模式集合为

例如，若系统部件为电驱动泵、油滤和作动器，则分别有下述故障模式：

电驱动泵的故障模式为{正常、磨损、调压机构失效}

油滤的故障模式为{正常、堵塞}

单向阀的故障模式为{正常、卡死}

作动器的故障模式为{正常、失效}；

传感器的状态均分为正常、失效两种；

传感器检测结果集合均由正常、偏高、偏低三种状态组成。

S20，通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度。

需要说明的是，在确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度之前，本发明实施例还需要建立每层系统层级的概率证据融合模型并设置先验概率。即根据多层冗余系统的工作机理和物理拓扑架构，建立各层系统的证据融合概率模型。其建模基础为贝叶斯网络联合概率分布：

式中，

具体的，所述通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度，包括：

通过下述公式计算所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度：

具体的，通过先验概率和所述传感器检测结果集合确定所述传感器状态集合中各传感器在不同在状态下的置信度，包括：

通过下述公式计算所述传感器状态集合中各传感器在不同在状态下的置信度：

S30，根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

具体的如图3所示，根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警，包括：

S301，确定所述传感器在失效状态下的置信度是否大于预置数值。

其中，预置数值具体可以根据实际需求进行设置，如预置数值为0.7、0.8等，本发明实施例不做具体限定。

S302A，若所述传感器在失效状态下的置信度大于预置数值，则确定所述在失效状态下的传感器对应的告警为虚警。

其中，传感器的状态均分为正常、失效两种，若传感器在失效状态下的置信度大于预置数值，则说明该传感器失效了，此时可以确定失效状态下的传感器对应的告警为虚警。

例如，泵出口压力传感器故障的置信度为0.822，即泵出口压力传感器的失效状态的置信度为0.822，此时可确定该传感器对应的告警为虚警。

S302B，若所述传感器在失效状态下的置信度小于等于预置数值，获取上一层系统层级中传感器检测结果集合

S303B，将上一层系统层级中传感器检测结果集合

S304B，通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度。

本发明提供的一种传感器虚警识别方法，获取系统层级中的每个系统部件的故障模式集合、传感器状态集合和传感器检测结果集合；所述系统部件对应一个或多个所述传感器；通过先验概率和传感器检测结果集合确定系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；根据各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。从而通过本发明可以识别传感器虚警，辅助机组和维护人员确定发生虚警的根源位置。

如图4所示，本发明实施例提供一种传感器虚警识别方法，主要包括以下步骤：

步骤一，分析多层冗余系统的系统架构，设定整个系统的系统层级数为k。

步骤二，建立每层每个LRU的故障模式、传感器状态和观测结果集合。梳理多层冗余系统的结构组成，LRU故障模式与状态数。对第i个LRU，定义该LRU故障模式集合

步骤三，建立每层的概率证据融合模型并设置先验概率。根据多层冗余系统的工作机理和物理拓扑架构，建立各层系统的证据融合概率模型。其建模基础为贝叶斯网络联合概率分布：

式中的贝叶斯先验概率由该多层冗余系统的历史故障数据和参数相关性决定。若缺乏相关数据，可人为设置初始先验概率，然后在后期的运行中调试和更新数据。

步骤四，多层冗余系统在实际运行的时候，在k层对于实际故障诊断时观测结果，提取诊断特征。

步骤五，第k层的该结果由LRU的故障模式状态和传感器与LRU状态共同决定，其表示为

传感器状态估计：

LRU状态估计:

步骤六，若各层级计算完，则完毕；若未计算完，则回到k-1层，进行步骤四。

本发明实施例提供一个具体的应用场景，以某型民用飞机液压系统为例，实现多层冗余系统的故障诊断中的虚警结果识别。如下图5所示，为某型民用飞机液压系统的结构图。

步骤一，分析该民用飞机液压系统的系统架构，设定整个系统的系统层级数为2，分别为部件级和系统级。

步骤二，建立该民用飞机液压系统的每层每个LRU的故障模式、传感器状态和观测结果集合。

该民用飞机液压系统由增压油箱、开关选择阀、发动机驱动泵、电驱动泵、油滤、单向阀和作动器等LRU组成，

其中增压油箱故障模式集为{正常、泄漏}、

开关选择阀的故障模式集为{正常、不能打开、不能关闭}、

发动机驱动泵的故障模式为{正常、磨损、调压机构失效}、

电驱动泵的故障模式为{正常、磨损、调压机构失效}、

油滤的故障模式为{正常、堵塞}、

单向阀的故障模式为{正常、卡死}、

作动器的故障模式为{正常、失效}；

传感器由压力传感器、温度传感器、流量传感器、转速传感器和转矩传感器等组成，

传感器的状态均分为正常、失效两种；

传感器检测特征集均由正常、偏高、偏低三种状态组成。

步骤三，建立每层的概率证据融合模型并设置先验概率。根据多层冗余系统的工作机理和物理拓扑架构，建立各层系统的证据融合概率模型。以发动机驱动泵为例建立区域级的证据融合模型，其贝叶斯网络联合概率分布模型下所示，传感器状态集m

步骤四，得到传感器检测结果，即证据组合，为{泵出口压力＝偏高、泵入口压力＝正常、泵出口温度＝正常、泵入口温度＝正常、泵回油压力＝偏高、泵回油流量＝正常、泵回油温度＝正常}。

步骤五，根据特征融合模型计算出传感器状态估计和LRU状态估计，状态估计模型如所示。

传感器状态估计：

LRU状态估计：

得到的故障诊断结果中(如表1所示)存在模糊结果(置信度小于预置数值)，无法准确判断是泵失效还是传感器虚警。

表1

步骤六，在系统级根据特征融合模型计算出传感器状态估计和LRU状态估计。相对于部件级来说，在系统级加入新的传感器检测特征集，即新的证据组合，为{系统出口流量＝正常、系统出口压力＝正常、系统出口温度＝正常、系统回油压力＝正常、系统回油流量＝正常、系统回油温度＝正常}，则贝叶斯网络联合概率模型更新为下述公式，传感器状态集m

在发动机驱动泵通道传感器和系统传感器信息融合的情况下，得到新的状态估计模型。

传感器状态估计：

LRU状态估计：

诊断结果如表2所示。结果表明，传感器发生虚警的可能性比较大。

表2

分别在部件级、区域级和系统级的不同证据组合下，得到故障诊断的虚警率如表3和图6所示，从诊断结果可以看出，随机证据级别的加深，故障诊断的虚警率逐渐下降，结果表明一种适用于多层冗余系统的故障诊断虚警结果识别方法有效。

表3

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种传感器虚警识别装置，该传感器虚警识别装置与上述实施例中传感器虚警识别方法一一对应。如图7所示，所述装置应用于多层冗余系统，所述多层冗余系统包括多层系统层级，该传感器虚警识别装置包括：获取模块10、确定模块20、识别模块30。各功能模块详细说明如下：

获取模块10，用于获取所述系统层级中的每个系统部件的故障模式集合

确定模块20，用于通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；

识别模块30，用于根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

进一步的，所述装置还包括：

建立模块40，用于建立每层系统层级的概率证据融合模型并设置先验概率；

其中，所述概率证据融合模型为：

先验概率

所示确定模块20，用于通过下述公式计算所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度：

所示确定模块20，用于通过下述公式计算所述传感器状态集合中各传感器在不同在状态下的置信度：

所述识别模块30，具体用于：

确定所述传感器在失效状态下的置信度是否大于预置数值；

若所述传感器在失效状态下的置信度大于预置数值，则确定所述在失效状态下的传感器对应的告警为虚警。

获取上一层系统层级中传感器检测结果集合

将上一层系统层级中传感器检测结果集合

通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过装置总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种传感器虚警识别方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

获取主层项中架构层、设备层、集成层分别对应的子层项的指标数据，所述架构层、所述设备层和所述集成层中分别对应有多个子层项；

获取所述系统层级中的每个系统部件的故障模式集合

通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；

根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取所述系统层级中的每个系统部件的故障模式集合

通过先验概率和所述传感器检测结果集合确定所述系统部件的故障模式集合中各系统部件的在不同故障模式下的置信度、所述传感器状态集合中各传感器在不同在状态下的置信度；

根据所述各系统部件的在不同故障模式下的置信度、所述各传感器在不同在状态下的置信度识别传感器虚警。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。