杜 瑩，周海東，胡紹林，王 飛，彭俊杰

（西安衛(wèi)星測控中心廈門測控站，廈門361023）

航天測控網(wǎng)設(shè)備通用故障診斷系統(tǒng)研究

杜 瑩，周海東，胡紹林，王 飛，彭俊杰

（西安衛(wèi)星測控中心廈門測控站，廈門361023）

為解決航天測控設(shè)備故障診斷系統(tǒng)通用性不強、知識獲取能力不足、推理效率低等問題，提出了一種基于二叉故障樹的航天測控網(wǎng)設(shè)備通用故障診斷系統(tǒng)，分析了通用系統(tǒng)的體系結(jié)構(gòu)、可視化二叉樹的設(shè)計模型和生成流程，探討了通用診斷系統(tǒng)的知識獲取方法、推理機制等關(guān)鍵技術(shù)。知識庫基于可視化二叉故障樹，通過最小割集的自動求解和知識的自動轉(zhuǎn)換，能夠有效獲取診斷知識；推理機采用正向推理機制和基于階段事件重要度的二級推理模式，有效提高了推理效率。通過在多型號航天測控網(wǎng)設(shè)備故障診斷中的應(yīng)用，驗證了該系統(tǒng)的有效性。

故障診斷；通用系統(tǒng)；航天測控；二叉樹；最小割集；知識獲取

1　引言

航天測控網(wǎng)測控點分散、測控設(shè)備結(jié)構(gòu)復(fù)雜、系統(tǒng)子系統(tǒng)交叉耦合、故障模式繁多，研究適用于復(fù)雜航天測控網(wǎng)設(shè)備的可靠性建模分析方法，是提高測控網(wǎng)設(shè)備運行管理的自動化水平的重要保障。故障樹分析法（FTA），是一種復(fù)雜系統(tǒng)的可靠性分析方法，具有直觀形象、層次清晰、靈活方便和通用可靠的特點，已在航天故障診斷領(lǐng)域得到廣泛應(yīng)用［1］。文獻［2］采用故障樹分析法構(gòu)建了面向航天測控設(shè)備的故障樹模型，文獻［3］研究了基于案例推理和故障樹分析相結(jié)合的航天發(fā)射場測試發(fā)射系統(tǒng)的故障診斷方法，文獻［4］將故障樹分析法應(yīng)用于航天測量船通信裝備故障診斷系統(tǒng)設(shè)計中。然而，當(dāng)前國內(nèi)航天測控領(lǐng)域中基于故障樹的診斷系統(tǒng)往往都是面向某一特定測控設(shè)備對象構(gòu)建，存在知識獲取難、建樹工作量大、故障樹分析復(fù)雜、知識難以維護等問題［4-6］。

為了解決航天測控故障診斷系統(tǒng)在通用性、知識獲取能力、知識管理能力以及靈活的推理組合能力等實際工程方面存在的問題，適應(yīng)航天測控網(wǎng)設(shè)備的長期運行需求，本文基于故障樹方法和專家系統(tǒng)技術(shù)，構(gòu)建基于故障樹的航天測控網(wǎng)設(shè)備故障診斷通用系統(tǒng)，從系統(tǒng)的體系架構(gòu)、知識自動生成、推理技術(shù)等幾個方面，研究基于可視化二叉樹的知識自動獲取與基于任務(wù)階段事件重要度的推理機制，為航天測控網(wǎng)設(shè)備的安全可靠運行提供有效保障。

2　通用系統(tǒng)體系結(jié)構(gòu)設(shè)計

基于故障樹的通用故障診斷系統(tǒng)的體系結(jié)構(gòu)設(shè)計如圖1，其核心部分是知識庫模塊、推理機模塊以及數(shù)據(jù)庫模塊，外圍部分是測控狀態(tài)采集與處理模塊、可視化二叉樹編輯平臺、知識智能生成模塊以及診斷結(jié)果顯示模塊。

圖1　基于故障樹的通用故障診斷系統(tǒng)體系結(jié)構(gòu)Fig.1 The general fault diagnosis system architecture based on fault tree

系統(tǒng)工作原理如下：首先知識智能生成模塊從可視化二叉樹編輯平臺獲取初始任務(wù)信息、資源信息及各種規(guī)則信息，經(jīng)MCS自動劃分、MCS重要度求解以及知識生成后送入知識庫存儲。然后，推理機模塊從測控狀態(tài)采集與處理模塊獲取診斷初始事實，從知識庫中獲取診斷規(guī)則，生成相應(yīng)的事實和規(guī)則文件。最后，推理機模塊根據(jù)事實和規(guī)則文件，加載對應(yīng)的階段事件重要度，依次進行測控任務(wù)模式下的故障推理，并解釋推理結(jié)果。

構(gòu)建通用故障診斷系統(tǒng)，關(guān)鍵要解決不同型號設(shè)備的知識可視化編輯、知識智能獲取、故障知識庫的建立以及測控模式下的推理控制策略等技術(shù)問題。本文采用通用監(jiān)控代理模式設(shè)計測控狀態(tài)采集與處理模塊，既能處理不同型號設(shè)備的共性問題，實現(xiàn)各型號設(shè)備監(jiān)控信息及測試信息的解析和邏輯處理，同時也針對個性問題提供了專用監(jiān)測接口；通過設(shè)計可視化二叉樹來進行知識自動獲取，為故障知識庫提供各型號設(shè)備故障診斷知識源；故障知識庫采用數(shù)據(jù)庫設(shè)計模式，分為規(guī)則庫、樹節(jié)點庫以及模板庫；最后，推理機模塊通過分析測控任務(wù)不同階段獲取階段事件重要度，從而有效指導(dǎo)測控模式下的設(shè)備故障診斷問題。

3　基于可視化二叉樹的知識自動獲取機制設(shè)計

3.1 可視化二叉樹

3.1.1 可視化二叉樹設(shè)計模型

與傳統(tǒng)的多叉故障樹不同，二叉樹每個知識節(jié)點最多兩子樹，常用于知識存儲中。本文設(shè)計的可視化二叉樹采用面向?qū)ο蟮目梢暬瘶鋱D元拖拉式手段，從根節(jié)點開始，逐層進行樹的顯示，并將各層節(jié)點按父子邏輯關(guān)系進行連接，直觀形象地展示具有層次結(jié)構(gòu)與邏輯關(guān)系的系統(tǒng)知識［7］。因此，故障樹可視化模型設(shè)計需要考慮一定的設(shè)計約束，同時要考慮設(shè)計要素的可視化編輯。

故障樹的設(shè)計約束是：設(shè)計的故障樹為二分支的二元決策樹；樹節(jié)點為知識節(jié)點的邏輯組合，根節(jié)點具有唯一性；故障樹同層節(jié)點間只有“或”的關(guān)系，下層節(jié)點和上層節(jié)點間是“與”的關(guān)系［8］。

設(shè)計要素包括故障樹建模圖元與知識節(jié)點。其中，故障樹建模圖元是實現(xiàn)樹的可視化生成的基本單元，由圖元生成相應(yīng)圖形節(jié)點，以此圖元為內(nèi)存對象，通過圖元的選擇、繪制、編輯、調(diào)整、移動、連接等操作，實現(xiàn)故障樹圖的添加、刪除、修改、編輯等功能。建模圖元包括頂節(jié)點、底節(jié)點、中間節(jié)點、條件節(jié)點、門節(jié)點和連接線，如圖2所示。

知識節(jié)點是故障樹的基本組成單元，是實現(xiàn)故障樹與診斷系統(tǒng)、部件關(guān)聯(lián)的關(guān)鍵節(jié)點，由設(shè)備狀態(tài)信息（包括設(shè)備型號、所屬分系統(tǒng)名、所屬單元名、參數(shù)名、參數(shù)單位、編碼類型、編碼長度、解碼類型、鍵—值）與節(jié)點的信息（包括節(jié)點名、節(jié)點ID、節(jié)點類型、節(jié)點所屬層（根節(jié)點所屬層為0層）、節(jié)點所屬層順序號、父節(jié)點ID、左子節(jié)點ID、右子節(jié)點ID）組成。系統(tǒng)在進行故障樹構(gòu)建時，在建模節(jié)點圖元中添加不同型號設(shè)備的知識節(jié)點信息組合，使得故障樹模型能夠有效表達不同設(shè)備的診斷知識。

3.1.2 可視化二叉樹生成流程

故障樹構(gòu)建后，建模節(jié)點圖元信息被存儲到數(shù)據(jù)庫。根據(jù)存儲的節(jié)點圖元，進行故障樹的可視化生成，流程設(shè)計如下：

1）獲取所屬層為i（i=0）層的頂節(jié)點，初始化頂節(jié)點位置；

2）獲取i+1層的條件節(jié)點，初始化條件節(jié)點位置；

3）獲取i+1層的中間節(jié)點，按中間節(jié)點所屬層順序號從左到右排序，并以此初始化各節(jié)點位置；

4）根據(jù)事件節(jié)點和門節(jié)點的父子關(guān)系，逐層進行連線，生成故障樹。

生成的捕獲跟蹤階段的基帶載波與A套本振1同時失鎖的故障樹如圖3所示。

圖2　二叉樹建模圖元Fig.2 Modeling element with binary tree

圖3　載波失鎖，A套本振1失鎖故障樹圖Fig.3 The fault tree diagram when the carrier and local oscillator 1 are losing lock

3.2 知識自動獲取

故障樹模型是一種描述對象結(jié)構(gòu)、功能和關(guān)系的定性因果關(guān)系模型，其目的是尋找導(dǎo)致頂事件發(fā)生的各種事件組合（割集），以及確定各事件對頂事件的影響程度（割集的重要度）。從知識的角度分析，割集就是聯(lián)系故障樹與診斷系統(tǒng)知識庫的紐帶。故障樹的一個最小割集相當(dāng)于系統(tǒng)的一條知識，而最小割集的重要度代表著知識的使用等級。因此，利用故障樹模型進行知識的自動獲取能夠有效解決診斷系統(tǒng)知識獲取難的問題［7-8］。

傳統(tǒng)的故障樹知識自動轉(zhuǎn)換多采用人工方式進行，處理效率低。在通用航天測控網(wǎng)設(shè)備診斷系統(tǒng)中，采用自動模式解決故障樹模型知識的自動轉(zhuǎn)換問題，以提高診斷知識的獲取效率。在本文的設(shè)計約束中，將故障樹約束為二叉樹。因此，本文主要解決二叉故障樹模型下的最小割集（MCS）的自動劃分、表征其重要度的故障概率的自動求解以及知識的自動轉(zhuǎn)換。

3.2.1 MCS的自動劃分

本文采用上行法進行二叉樹MCS的自動獲取，以快速界定故障樹頂事件發(fā)生的各種故障模式，為用戶快速識別和定位故障提供依據(jù)。自動定性分析流程包括：

1）系統(tǒng)自動讀取二叉樹的所有值為1的底節(jié)點，加入底節(jié)點集合Cf。其中，節(jié)點值為1表示該底節(jié)點為故障發(fā)生節(jié)點，值為0表示該底節(jié)點為故障不發(fā)生節(jié)點；

2）從底節(jié)點集合Cf中取出一個底節(jié)點fn；

3）向上回溯，進行與其鏈接節(jié)點事件的集合運算，如遇條件節(jié)點則與條件節(jié)點進行集合交運算（布爾積），如遇與門則合并同層節(jié)點，如遇或門則返回第三步，直至到達頂事件，獲取底事件回溯布爾集；

4）化簡底事件的回溯布爾集，將回溯布爾集表示為底事件若干積項的最簡式，則該回溯布爾集即為故障樹的MCS，將MCS加入Cmcs集合；

5）重復(fù)第二步，直至Cf為空；

6）全部回溯集構(gòu)成系統(tǒng)的所有MCS集合，獲取導(dǎo)致頂事件發(fā)生的所有失效模式。

圖4是MCS自動劃分流程圖。

3.2.2 MCS綜合重要度的自動求解

為進一步衡量測控系統(tǒng)底事件對頂事件的影響程度，需要進行測控設(shè)備故障二叉樹MCS重要度的自動求解。由于在測控系統(tǒng)運行的不同階段，同一底事件體現(xiàn)的故障重要性不同（如設(shè)備加電巡檢階段的載波失鎖事件是正常事件，而捕獲跟蹤階段的載波失鎖事件是故障事件），因此，在測控設(shè)備的MCS重要度是一種基于任務(wù)階段的綜合重要度。同時，由于概率重要度是故障樹定量分析的重要組成，因此MCS的重要度主要由任務(wù)階段重要度、概率重要度決定，其求解過程既要利用系統(tǒng)的結(jié)構(gòu)知識和部件概率知識，更要充分考慮系統(tǒng)自動化運行不同階段的運行參數(shù)。在這兩種重要度基本相同的情況下，低階最小割集中出現(xiàn)的底事件比高階最小割集中出現(xiàn)的底事件重要度高；在最小割集階次相等的情況下重復(fù)出現(xiàn)次數(shù)越多的底事件重要度越高［9-10］，因此，系統(tǒng)可根據(jù)公式（1）進行MCS綜合重要度的自動求解。

其中，pI為階段重要度，pB為最小割集的概率重要度，pT為頂事件的概率重要度，SO為最小割集階數(shù)，NP為底事件出現(xiàn)次數(shù)。

3.2.3 知識的自動轉(zhuǎn)換

故障樹的一個最小割集就代表著系統(tǒng)的一種故障模式，從知識的表示方式和結(jié)構(gòu)的角度分析，故障樹的每個最小割集都具有較為標(biāo)準(zhǔn)的知識結(jié)構(gòu)。因此，知識的自動生成只需解決最小割集向知識規(guī)則的自動轉(zhuǎn)換問題。

針對DFPRT故障樹的每一最小割集，以最小割集中的基本事件來對應(yīng)診斷規(guī)則的結(jié)論部分，以頂事件到最小割集的路徑來對應(yīng)規(guī)則的條件部分，采用自頂向下的方式，根據(jù)邏輯關(guān)系的不同，結(jié)合產(chǎn)生式表示方法中的“if…then…”結(jié)構(gòu)，運用AND和OR的基本規(guī)則形式，完成規(guī)則知識的自動轉(zhuǎn)換。

為防止過程中出現(xiàn)的誤判、錯判問題，需要對生成的知識規(guī)則進行語法編譯及冗余一致性檢查，確認(rèn)無誤后存入知識庫，確保規(guī)則知識的正確性。

圖4　MCS自動劃分流程圖Fig.4 MCS's automatic flow chart

4　基于階段事件重要度的二級推理機制設(shè)計

為了滿足各型號測控設(shè)備在不同測控階段的診斷需求，系統(tǒng)采用正向推理機制，基于階段事件重要度的二級推理模式來進行測控設(shè)備故障的推理診斷。根據(jù)測控任務(wù)的典型特征，所有的測控任務(wù)可以劃分為設(shè)備加電巡檢、天線對塔、快速校相、距離校零、捕獲跟蹤、跟蹤加上行、跟蹤發(fā)令七個階段（根據(jù)任務(wù)需求，部分階段會有所省略）。各任務(wù)階段由不同的設(shè)備鏈路監(jiān)測、設(shè)備狀態(tài)監(jiān)測、測控模式監(jiān)測、系統(tǒng)工作方式監(jiān)測、天線角度監(jiān)測、系統(tǒng)典型狀態(tài)點監(jiān)測等監(jiān)測事件構(gòu)成。設(shè)計所得系統(tǒng)推理策略如圖5所示。

圖5　系統(tǒng)推理策略流程圖Fig.5 Flow chart of the system's reasoning strategy

在測控任務(wù)實時運行階段，推理機根據(jù)實時獲取的系統(tǒng)運行參數(shù)，計算當(dāng)前階段的各故障樹頂事件重要度，同時進入一級推理模式，搜索頂事件重要度最大的故障樹；搜索成功后獲取該故障樹的所有MCS，并進入二級推理模式，基于MCS的重要度進行匹配，如果匹配成功，則退出推理流程；如果推理不成功，則等待測控任務(wù)結(jié)束后進入事后診斷模式，由用戶指定故障樹知識進行推理診斷，直至用戶對診斷結(jié)果滿意為止。

系統(tǒng)啟動的推理模式均在獨立的線程中完成，同時采用的基于階段任務(wù)重要度的二級推理機制，能夠指導(dǎo)推理機的推理方向，有效縮小搜索范圍，提高推理機的推理效率，優(yōu)化系統(tǒng)的運行機制。

5　系統(tǒng)實現(xiàn)

本文在.NET Framework 4.0軟件開發(fā)平臺上采用C#開發(fā)工具，以Sql Server 2005為數(shù)據(jù)庫實現(xiàn)。該系統(tǒng)在航天測控網(wǎng)多型號測控設(shè)備的故障診斷中得到了應(yīng)用，選取工程應(yīng)用中的下行載波信號失鎖案例，該案例是在某次測控過程中，出現(xiàn)載波信號失鎖，設(shè)備狀態(tài)顯示本振單元告警，說明系統(tǒng)的工作流程。

首先，測控診斷專家通過可視化二叉樹編輯平臺輸入特定型號測控設(shè)備的故障樹知識，通過知識自動生成模塊轉(zhuǎn)換為系統(tǒng)識別的診斷知識，并存入知識庫；接著，系統(tǒng)人員完成通用信息采集與處理模塊的XML接口文件的配置工作；在測控長管任務(wù)過程中，出現(xiàn)因本振插箱系統(tǒng)告警引起的下行載波信號失鎖時，如圖6所示。通用信息采集與處理模塊實時獲取測控設(shè)備的工作方式、測控模式、設(shè)備狀態(tài)、監(jiān)控指令等系統(tǒng)運行狀態(tài)，生成相應(yīng)的診斷事實，同時，計算系統(tǒng)測控任務(wù)運行階段的事件重要度；最后，推理機根據(jù)任務(wù)階段事件重要度，從知識庫加載相應(yīng)的故障樹規(guī)則，從緩存中獲取診斷事實，進行測控設(shè)備故障的深層診斷，并將診斷結(jié)果（即故障解決方案）及診斷推理流程進行顯示。圖7為推理機模塊的診斷結(jié)果圖，由圖可知，頻標(biāo)插箱區(qū)放模塊A8/A9故障，導(dǎo)致10 M頻標(biāo)第六路輸出異常，即本振插箱B的10 M頻標(biāo)輸入異常，最終引發(fā)下行載波失鎖。

圖6　系統(tǒng)告警界面圖Fig.6 The alarm interface of the system

圖7　系統(tǒng)診斷結(jié)果圖Fig.7 The result of the system's diagnosis

在“知識+推理”基本的系統(tǒng)構(gòu)架下，系統(tǒng)面向航天測控網(wǎng)各型號設(shè)備的故障診斷，具有較強的通用性。其中，測控狀態(tài)采集與處理模塊，通過配置XML文件，構(gòu)建特定型號下的設(shè)備通用監(jiān)控代理模塊，實現(xiàn)數(shù)據(jù)接收接口的通用性；推理機模塊，采用基于階段事件重要度的推理機制，構(gòu)建滿足不同測控任務(wù)階段的故障推理機，滿足航天測控網(wǎng)設(shè)備測控任務(wù)通用故障診斷需求。對于專業(yè)性較強的知識庫，可通過可視化二叉樹編輯平臺進行故障樹的構(gòu)建，再由知識自動生成模塊完成知識的自動轉(zhuǎn)換，就能實現(xiàn)不同型號設(shè)備故障診斷知識的有效獲取。

同時，由于航天測控網(wǎng)設(shè)備的復(fù)雜性和故障的多樣性，診斷系統(tǒng)的開發(fā)是一個不斷完善的過程，這就要求系統(tǒng)具有一定的擴展性。本文所設(shè)計的系統(tǒng)通過知識庫管理接口擴充已知故障類型，實現(xiàn)知識庫的不斷豐富與完善，從而滿足系統(tǒng)的擴展性要求。

6　結(jié)論

針對航天測控網(wǎng)設(shè)備型號多、結(jié)構(gòu)復(fù)雜、知識獲取困難、推理效率低等問題，本文提出并構(gòu)建了基于二叉故障樹的航天測控網(wǎng)設(shè)備通用故障診斷系統(tǒng)，主要結(jié)論如下：

1）提出的基于故障樹的通用故障診斷系統(tǒng)的體系結(jié)構(gòu)可以解決了航天測控網(wǎng)不同型號設(shè)備故障診斷系統(tǒng)的通用性問題；

2）可視化二叉樹模型下的最小割集的自動劃分與MCS綜合重要度的自動求解等知識自動獲取技術(shù)，能夠有效獲取領(lǐng)域?qū)＜业慕?jīng)驗知識，解決傳統(tǒng)專家系統(tǒng)知識獲取的瓶頸問題；

3）根據(jù)測控設(shè)備的實際任務(wù)需求設(shè)計的事件的階段重要度和基于階段事件重要度的二級推理模式，能夠滿足各型號設(shè)備在測控任務(wù)不同階段的診斷需求，縮小推理機的搜索范圍，提高推理效率。

（References）

［1］鹿智，楊軍.基于故障樹和規(guī)則的航天設(shè)備診斷系統(tǒng)的實現(xiàn)［J］.計算機應(yīng)用，2015（s2）：181-184.LU Zhi，YANG Jun.Implementation of aerospace equipment diagnosis system based on fault tree and rule［J］.Journal of Computer Applications，2015（s2）：181-184.（in Chinese）

［2］周琦鈞，趙秋穎，朱明明.基于故障樹的航天測控系統(tǒng)故障診斷方法［J］.現(xiàn)代電子技術(shù)，2015，38（7）：103-106.ZHOU Qijun，ZHAO Qiuying，ZHU Mingming.TT&C system fault diagnosis method based on fault tree［J］.Modern Electronics Technique，2015，38（7）：103-106.（in Chinese）

［3］朱文革，李世其，鄭佩.基于案例推理的復(fù)雜裝備故障診斷系統(tǒng)研究［J］.火炮發(fā)射與控制學(xué)報，2009，37（3）：83-87.ZHU Wenge，LI Shiqi，ZHENG Pei.Fault diagnosis system study of sophisticated equipment based on case reasoning［J］.Journal of Gun Launch&Control，2009，37（3）：83-87.（in Chinese）

［4］孫文杰，黎亮，陳小青.航天測量船通信裝備故障診斷系統(tǒng)設(shè)計［J］.價值工程，2012，20（33）：190-192.SUN Wenjie，LI Liang，CHEN Xiaoqing.Design for fault diagnosis system of communication instruments in TT&C-ship［J］.Value Engineering，2012，20（33）：190-192.（in Chinese）

［5］湯霞清，程旭維，郭理彬，等.車載慣性導(dǎo)航系統(tǒng)通用檢測維修平臺的設(shè)計與實現(xiàn)［J］.計算機測量與控制，2012，20（9）：2324-2325+2334.Tang Xiaqing，Cheng Xuwei，Guo Libin，et al.Design and realization of universal detection—maintenance platform for inertial navigation system of land vehicle［J］.Computer Measurement&Control，2012，20（9）：2324-2325+2334.（in Chinese）

［6］張慶振，李清東，任章.基于故障模式分析的運載火箭發(fā)射決策系統(tǒng)推理技術(shù)研究［J］.航天控制，2006，24（3）：81-83.Zhang Qingzhen，Li Qingdong，Ren Zhang.Inference engine design for launching decision——making expert system［J］.Aerospace Control，2006，24（3）：81-83.（in Chinese）

［7］李釗，李建軍，董巍巍，等.基于二叉樹的故障診斷信息錄入技術(shù)［J］.無線電工程，2012，42（11）：55-57.LI Zhao，LI Jian Jun，DONG Wei，et al.Recording technology of fault diagnosis inform action based on bantered［J］.Radio Engineering，2012，42（11）：55-57.（in Chinese）

［8］姜會霞，孟晨，范書義.基于AI-ESTATE的二叉樹診斷信息模型研究［J］.計算機測量與控制，2010，18（9）：2050-2053.Jiang Huixia，Meng Chen，F(xiàn)an Shuyi.Information model of binary tree fault diagnosis based on A1-ESTATE［J］.Computer Measurement&Control，2010，18（9）：2050-2053.（in Chinese）

［9］謝朝暉，胡習(xí)平，孫洪斌，等.裝備的故障診斷專家系統(tǒng)設(shè)計［J］.海軍航空工程學(xué)院學(xué)報，2010，25（2）：225-226.XIE Zhaohui，HU Xiping，SUN Hong，et al.Design of the fault diagnosis expert system for one type equipment［J］.Journal of Naval Aeronautical and Astronautical University，2010，25（2）：225-226.（in Chinese）

［10］Wu T，Tu G，Bo Z Q，et al.Fuzzy set theory and fault tree analysis based method suitable for fault diagnosis of power transformer［C］//Intelligent Systems Applications to Power Systems，2007.ISAP 2007.International Conference on.IEEE，2007：1-5.

［11］唐甜，王旭昊.某控制系統(tǒng)傳感器組件故障樹算法優(yōu)化設(shè)計［J］.科學(xué)技術(shù)與工程，2012，20（16）：4000-4004.TANG Tian，WANG Xuhao.Optimal design for a fault tree analysis in sensor of a control unit［J］.Science Technology and Engineering，2012，20（16）：4000-4004.（in Chinese）

［12］苗祚雨，牛儒，唐濤.基于二元決策圖的故障樹最小割集求解算法研究［J］.中北大學(xué)學(xué)報：自然科學(xué)版，2014，35（2）：141-146.MIAO Zuoyu，NIU Ru，TANG Tao.Research on fault tree minimal cut set generation algorithm based on binary decision diagram［J］.Journal of North University of China（Natural Science edition），2014，35（2）：141-146.（in Chinese）

Research on General Fault Diagnosis System of Aerospace TT&C Network Equipment

DU Ying，ZHOU Haidong，HU Shaolin，WANG Fei，PENG Junjie
（Xiamen TT&C Station，Xi'an Satellite Control Center，Xiamen 361023，China）

A general fault diagnosis system based on binary fault tree was presented to solve the problems of deficiency in commonality，knowledge acquisition and reasoning efficiency of the diagnosis system of Aerospace TT&C Network equipment.The architecture of the system，the visualized design model of Binary Fault Tree（BFT）and the synthesis process were analyzed in detail and the key technologies of knowledge processing and reasoning were mainly discussed.By the automatic calculation of minimum cut set and automatic conversion of knowledge，the Knowledge Base can acquire fault knowledge based on the visualized BFT.The inference engine used forward inference mechanism and two levels of reasoning mode based on importance of stage to improve the efficiency of the reasoning mechanism.Finally，the effectiveness of the system was verified through the application of the fault diagnosis in a certain equipment of aerospace TT&C network.

fault diagnosis；general system；aerospace TT&C；Binary Fault Tree；Minimal Cut Sets；knowledge acquisition

TP182

A

1674-5825（2016）05-0612-06

2015-11-26；

2016-08-23

國家自然科學(xué)基金（61473222）

杜瑩（1978-），女，碩士，工程師，研究方向為數(shù)據(jù)挖掘與故障診斷。E-mail：ning7266@163.com