付 宇 崔玉福 李志剛 劉元默

(航天東方紅衛(wèi)星有限公司 北京 100094)

引言

目前小衛(wèi)星故障診斷以安全模式設計、地面飛行控制監(jiān)視為主,事先將指令存儲待相應事件觸發(fā)再調用。小衛(wèi)星在軌飛行過程中,地面飛控人員開展數(shù)據(jù)監(jiān)視和處置工作,根據(jù)小衛(wèi)星飛行狀態(tài)和任務下達指令;遇到緊急故障引導小衛(wèi)星進入相應的安全模式[1]。這種故障診斷的原理是將實時數(shù)據(jù)與事先設置好的大范圍閾值進行比較,若超限則認為故障發(fā)生,設置的閾值不能根據(jù)實時工作階段進行調整,因此會造成一定的誤判或漏判,診斷精度不高。

隨著小衛(wèi)星在軌運行長期化、任務多樣化和結構復雜化,對于小衛(wèi)星的故障診斷能力也提出了更高的要求。主要體現(xiàn)在：①提高實時性。目前的故障診斷方法不能根據(jù)實時狀態(tài)對閾值進行調整,因此實時性必然不高。②提高多元報警時的故障診斷能力。小衛(wèi)星結構日益復雜,故障診斷不應只局限于處理單個節(jié)點報警,在多元報警時能夠推理出最根本的故障源,并為故障隔離提供順序,才是更亟需的診斷方法。

就航天器的故障診斷方法而言,大體可分為兩類,一是與模型無關的方法,檢測故障的參數(shù)設置較簡單,目前應用較多,但需要大量歷史經(jīng)驗作為樣本訓練,不適合于小衛(wèi)星系統(tǒng);二是基于模型的方法,無需經(jīng)驗數(shù)據(jù)作為基礎,根據(jù)建模方法的不同可分為基于定量模型和基于定性模型。定量模型法以建立精確模型為基礎,適用于線性系統(tǒng)和有解析模型的系統(tǒng);定性模型法適用于參數(shù)關系復雜,無法得到數(shù)學模型的大型系統(tǒng),通過分析內部邏輯關系實現(xiàn)建模,又包含符號有向圖法、定性物理法和綜合診斷引擎法。

小衛(wèi)星的電源分系統(tǒng)主要承擔在軌運行過程中所有負載的供電,對飛行任務的完成與否起著重要的作用,一旦出現(xiàn)故障,將直接導致其他分系統(tǒng)的正常工作以及飛行壽命。不僅如此,據(jù)研究表明電源系統(tǒng)的在軌故障概率在所有分系統(tǒng)中比例最高[2]。小衛(wèi)星電源系統(tǒng)內變量繁多,難以建立數(shù)學模型,只能由實驗數(shù)據(jù)得到趨勢分析,因此更適合于定性模型法。但單一的定性模型也存在故障搜索空間大、多元報警時無法得到故障隔離順序等局限性,所以本文將選擇定性模型法中適合小衛(wèi)星電源系統(tǒng)的一種方法進行改進,實現(xiàn)故障模型建立和診斷推理優(yōu)化。

在軌運行的特殊性使得小衛(wèi)星必須具有一定自主性,實時的故障診斷可以確保小衛(wèi)星活動的安全可靠。總的來說,在軌運行具有以下特點[3]：①太空環(huán)境特殊,不確定性因素多。小衛(wèi)星運行于太空經(jīng)常受到高低溫真空環(huán)境的剝蝕、空間碎片的撞擊、空間粒子的輻射、電磁干擾等不確定性因素的影響,元器件的故障概率也隨之大大增加。②星上資源有限：星載計算機的存儲空間、星上傳感器的數(shù)量和小衛(wèi)星能源儲備等均受到限制。③故障歷史樣本少,診斷經(jīng)驗不足。同一批次的產(chǎn)品數(shù)量不多且測試和檢測次數(shù)有限,為故障診斷的提供參考的歷史知識少。

由于上述特性,一旦在軌故障,必將導致較嚴重的后果。2010年2月,“遙感八號”遙控終端和GPS發(fā)生單粒子翻轉造成單機異常;2011年4月,先進陸地觀測一號衛(wèi)星的電源系統(tǒng)突發(fā)異常,迫使衛(wèi)星進入安全模式,有效載荷全部關閉;2012年2月,SES-4衛(wèi)星的太陽電池陣無法展開,無法為飛行任務供能;2013年5月,GOES-13衛(wèi)星的姿態(tài)軌道控制系統(tǒng)故障,不能再為地面?zhèn)鬏敋庀髷?shù)據(jù)[4]。

因此,只有優(yōu)化故障診斷方法才能加強小衛(wèi)星在軌故障后的自我處理能力,在地面飛控人員無法實時處理情形下自主快速定位故障源,實施故障隔離,挽回損失。

1 故障診斷方法研究綜述

首先為小衛(wèi)星電源系統(tǒng)選擇適合的故障診斷方法,再對其改進。根據(jù)是否需要建模以及模型的類別,對所有故障診斷方法分類,如圖1。

圖1 故障診斷方法的分類

1.1 與模型無關的故障診斷方法

分為信號分析法和基于知識法。

(1)信號分析法主要是傳統(tǒng)的主元分析法和基于小波變換法;都具有診斷速度快,靈敏度較高的優(yōu)勢,適合于線性系統(tǒng)。但受噪聲等外界干擾的影響嚴重,診斷精度較差;診斷系統(tǒng)往往局限于單一故障[5];診斷結果可能受到主觀性的影響,不具有客觀性。

(2)基于知識的診斷方法主要包括故障樹法[6-8]、基于模糊邏輯法[9];故障樹法的優(yōu)點是直觀、形象,可以根據(jù)傳播路徑從而分析故障原因;知識庫可以根據(jù)經(jīng)驗修改。缺點在于診斷結果嚴重依賴故障樹的正確性和完整性,如果根據(jù)知識寫出的故障樹不完整也將導致診斷結果不準確;基于模糊邏輯法必須構造隸屬函數(shù),但不允許在構建過程中存在未知因素,同時,隸屬函數(shù)具有一定的主觀性也將影響診斷精度。

因此在與模型無關的方法中,基于知識的方法相比信號分析法的診斷精度更高,受噪聲影響較少,具有自適應、自學習的能力;但這類方法需要大量歷史數(shù)據(jù),對歷史數(shù)據(jù)較少的小衛(wèi)星而言并不適合,因此基于模型的方法成為小衛(wèi)星故障診斷的首選。

1.2 基于模型的故障診斷方法

根據(jù)系統(tǒng)建模方式不同,這類方法分為定量模型法和定性模型法。

(1)定量模型法

用數(shù)學模型的形式來表述系統(tǒng),基本思路是通過實際獲取的系統(tǒng)輸出與數(shù)學模型的理論輸出分析得到殘差信號,從而實現(xiàn)故障診斷,核心是用解析冗余代替硬件冗余[10]。

優(yōu)點是可以充分利用系統(tǒng)的深層知識,及時檢測到故障的發(fā)生,相比與模型無關的故障診斷,它的優(yōu)勢在于能夠克服小衛(wèi)星故障診斷中存在的歷史經(jīng)驗少、信息不充分的難題。但實際應用中,部分小衛(wèi)星的分系統(tǒng)還難以用解析模型描述,如小衛(wèi)星電源系統(tǒng)的蓄電池組存在的在軌衰減情況。

(2)定性模型法

核心是由定性觀測結果辨識出系統(tǒng)的狀態(tài)。基于定性模型的方法主要有：因果圖法、定性物理法和綜合診斷引擎法。

基于定性模型的方法通過元件之間的因果關系離散地描述系統(tǒng),不需要建立精確數(shù)學模型,不需要精確地數(shù)學計算和求解,通過局部傳播就能實現(xiàn)系統(tǒng)的行為預測和行為解釋,具有更高的故障推理能力,是從較高層次上給出系統(tǒng)的宏觀描述,適用于航天器推進系統(tǒng)、電源系統(tǒng)。

1.3 基于模型的故障診斷方法

通過研究故障診斷幾種方法的思想和實現(xiàn)流程,將它們的優(yōu)缺點和適用范圍歸納如下圖。

表1 故障診斷方法優(yōu)缺點對比

總的來說,與模型無關的方法診斷知識的表示簡單、直觀,推理速度快,但因需要大量歷史經(jīng)驗而存在數(shù)據(jù)獲取瓶頸問題,推理方式與策略不靈活,難以診斷未知故障,不具備推理能力。

基于模型的方法都不需要歷史知識,其中基于定量模型的方法是通過代數(shù)方程、微分方程等精確的數(shù)學形式描述系統(tǒng),但過分依賴系統(tǒng)模型,對于誤差和噪聲等外界干擾較為敏感;且由于系統(tǒng)行為分析需要人來完成才可以實現(xiàn)建模,因此對復雜度高、非線性的系統(tǒng)無法完成,適合于具有精確數(shù)學模型的系統(tǒng),比如姿軌控系統(tǒng)、飛船推進系統(tǒng)、小衛(wèi)星熱控系統(tǒng)。而基于定性模型的故障診斷方法通過元件之間的因果關系離散地描述系統(tǒng),不需要建立精確數(shù)學模型,不需要精確地數(shù)學計算和求解,通過局部傳播就能實現(xiàn)系統(tǒng)的行為預測和行為解釋,具有更高的故障推理能力,是從較高層次上給出系統(tǒng)的宏觀描述,適用于航天器推進系統(tǒng)、電源系統(tǒng)。

1.4 國內外研究現(xiàn)狀

從20世紀60年代開始,在航天器故障診斷技術方面,國外以美國、日本、西歐為代表也開展了大量的探索。從無到有、從落后到先進,主要經(jīng)歷了以下幾個階段：

(1)20世紀60-70年代的閾值診斷：受技術限制,這一階段的診斷方法僅以單信號處理方法為主。比如美國水星號航天器采用參數(shù)閾值監(jiān)測、地面專家會診方法。

(2)20世紀70-80年代初的算法診斷：算法水平的提高使故障診斷方法由單信號處理向多信號濾波診斷發(fā)展。例如,阿波羅飛船建立的飛行異常分析及評價系統(tǒng)可以獨立自主地保障其安全運行。

(3)20世紀80-90年代的基于知識的診斷：隨著人工智能領域蓬勃發(fā)展,基于知識的診斷技術逐漸被應用于航天器,尤其是故障診斷專家系統(tǒng)原型的開發(fā)。

(4)20世紀90年代以來開始出現(xiàn)了基于觀測器的定量模型法和基于因果圖的定性模型法。

20世紀80年代開始,我國也加入航天器故障診斷的研究浪潮之中,各大學、研究機構相繼針對不同對象開展了不同診斷方法的研究。中國空間技術研究院總體部建立了衛(wèi)星故障數(shù)據(jù)庫,涉及到總體部研制或抓總研制的所有衛(wèi)星分系統(tǒng)和200多種單機,故障案例信息600余條,包含國外衛(wèi)星和總體部產(chǎn)品故障兩部分;沈陽航空航天大學對1993-2012年間國內外300多次航天器在軌故障案例進行整理,發(fā)現(xiàn)各分系統(tǒng)中電源、控制、結構機構分系統(tǒng)的故障比例較高;1999年,劉冰等利用工具CLIPS針對YF-75發(fā)動機提出了一種故障診斷專家系統(tǒng);2002年,張純良等對神舟飛船的推進分系統(tǒng)應用鍵合圖法開展了故障診斷研究;2004年,張慶振、李清東等針對運載火箭的故障檢測處理系統(tǒng)設計了一種專家系統(tǒng);2006年,劉發(fā)金等對姿態(tài)軌道控制分系統(tǒng)研制了神經(jīng)網(wǎng)絡的診斷專家系統(tǒng);2007年,夏勇等針對運載火箭提出了以故障樹法為基礎的專家系統(tǒng);2011年,岑朝輝等提出了衛(wèi)星姿態(tài)軌道控制系統(tǒng)實時信號的基于神經(jīng)網(wǎng)絡的故障診斷方法。502所針對控制分系統(tǒng)的敏感器、執(zhí)行器等設備,提出了基于觀測器、故障檢測濾波器等方法的故障診斷研究。

應用方面,502所針對衛(wèi)星在軌飛行狀態(tài)及控制分系統(tǒng)故障監(jiān)視提出了專家系統(tǒng)原型;航天東方紅衛(wèi)星有限公司的小衛(wèi)星自主故障處理主要采取基于安全模式設計的方法,對某些重點遙測參數(shù)設計安全門限,星務分系統(tǒng)對通過星上總線采集回來的遙測參數(shù)進行分析,與相應門限值進行比較,若超出門限則認為故障發(fā)生,自主執(zhí)行預定的安全指令序列,如執(zhí)行切機、切總線、關載荷設備等操作,屬于安全性導向設計,衛(wèi)星收集各分系統(tǒng)的安全狀態(tài)信息,并根據(jù)事先設置的控制策略對影響整星安全的關鍵設備進行控制管理,保證整星的安全。

2 符號有向圖

2.1 幾個重要概念

符號有向圖模型(Signed Directed Graph,SDG)這一定性模型將系統(tǒng)內部關鍵變量間的因果關系直觀地表述,使其在化工領域的安全評估和故障診斷的應用中取得了巨大進展。

文獻將符號有向圖相關概念定義如下：

定義1：SDG 模型GS是由有向圖G 與函數(shù)φ組成的。

其中,(1)有向圖G 由兩部分組成：

V={vi}包含系統(tǒng)所有節(jié)點的狀態(tài),E={eij}包含節(jié)點之間所有有向邊;

(2)函數(shù)φ 代表節(jié)點間的影響關系,表示為有向邊eij的符號：

定義2：δ(vi)∈ { + ,-,0},即

其中,Xvi代表某一變量的實時數(shù)據(jù),為正常工況的上下限。

圖2-1所示為一個簡單的SDG 模型,有三個節(jié)點A、B、C。A 的實時狀態(tài)超過了常態(tài)工況,“+”,B 正常工作,因此節(jié)點符號是“0”,C 的此時工作值比正常工況最小值低,為“-”,A、B之間的箭頭由A 指向B,代表A 對B有影響,且因為是實線所以A 對B有正影響關系。A、C 之間的箭頭由A 指向C,代表A 對C有影響作用,虛線代表A 對C是負影響關系。

圖2 SDG 模型示意圖

2.2 研究現(xiàn)狀

自1974年以來,基于圖論的故障診斷方法在工業(yè)系統(tǒng)中得到了廣泛地應用與研究。學者Nakann與Nakannishi是最早使用此方法的專家,但只局于部分問題的應用;1977年研究人員G.J.Powers與S.A.Lapp在研究中首次構建了符號有向圖模型,但沒有給出定義;1981年,Iri M.等提出了符號圖的概念,并應用于單一故障源的情形;同年,T.Umeda等依據(jù)各個節(jié)點之間影響關系提出了多級SDG 模型;1985年,J.Shiozaki等將Iri M.的符號圖概念重新表述為符號有向圖,同時提出新的符號有向圖模型(節(jié)點存在五種狀態(tài))與基于此模型的新方法,應用于實驗,實驗結果顯示新模型的建立使診斷的準確性提高;1987年,M.A.Kramer等找到了用于揭示深層次影響關系的專家系統(tǒng)規(guī)則,并在工業(yè)大規(guī)模系統(tǒng)中應用。

在符號有向圖法提出后的十多年中,研究主要圍繞純定性模型展開,但由于自身診斷精度不高、效率較低的缺陷,從1990年開始,專家學者通過引入先進技術、結合最新算法的手段對符號有向圖法進行改進,如：模糊集合理論、定性趨勢分析、主元分析方法、小波分析等。

對符號有向圖模型的研究,國內起步雖晚但發(fā)展迅猛。1996-1997年,國防科技大學的朱恒偉等提出為火箭發(fā)動機搭建靜態(tài)仿真模塊,用模糊隸屬度描述靜態(tài)的故障嚴重程度;2002年,浙江大學的王勉宇提出通過分層對符號有向圖模型進行優(yōu)化;2005年-2006年,清華大學的揚帆、蕭德云通過建立結構殘差應用于故障的分離與檢測中,提高了系統(tǒng)的魯棒性與精確度;2006年,華北電力大學的曹文亮、王兵樹等將符號有向圖應用于熱力系統(tǒng),對高加給水加熱裝置搭建模型,采用模式識別對系統(tǒng)構建故障知識庫,結合主元分析方法解決節(jié)點閾值的確定問題;2007年,晏政等將符合有向圖法應用于航天器推進分析圖實現(xiàn)了故障診斷;2008年-2009年,宋其江、徐敏強、王日新等結合定性趨勢分析對符號有向圖模型進行優(yōu)化;2003年-2010年,北京化工大學的張貝克教授團隊針對石油化工行業(yè)發(fā)明了HAZOP計算機軟件,在符號有向圖模型中結合HAZOP構建了分析綜合平臺,實現(xiàn)了模型的構建、故障診斷與在線數(shù)據(jù)分析評估等功能。

3 分層結構

3.1 研究現(xiàn)狀

21世紀初,印度學者P.Gandhi與R.Sehgal等依據(jù)故障傳播方向總是由有向圖模型的高層指向低層的特性,設計了分層算法。經(jīng)過對機械領域的應用驗證,通過建模與數(shù)據(jù)處理,顯示分層算法使系統(tǒng)具有更好的層次結構、診斷效率提高。

國內部分學者也針對分層模型做了理論或應用研究。哈爾濱工業(yè)大學首先對分層有向圖模型做了嚴格的數(shù)學定義,通過對其在熱力發(fā)電、航天器等領域的應用,驗證該模型具有診斷精度高、診斷高效的優(yōu)點;太原理工大學的楊蕊也在論文中針對符號有向圖法在發(fā)電系統(tǒng)存在的診斷效率低的問題,提出分層概率符號有向圖模型的改進手段,實現(xiàn)了對大規(guī)模復雜系統(tǒng)的優(yōu)化診斷。

3.2 重要矩陣

在符號有向圖模型中支路為帶箭頭指向的有向邊,箭頭所指方向與故障傳播方向一致,從最高層節(jié)點向低層節(jié)點傳播,由此建立了分層算法,解決傳統(tǒng)符號有向圖模型的搜索空間較大缺陷。通過分層將SDG 模型轉化為分層SDG 模型。當有節(jié)點異常并發(fā)出警報后,根據(jù)報警點所在模型中層次,只將最高層報警點納入備選故障源進行診斷推理,有效縮小搜索空間,提高診斷的效率。

在計算機中,通常用鄰接矩陣和可達矩陣的形式來描述有向圖中節(jié)點與節(jié)點的指向關系等信息。以下為這兩種矩陣的數(shù)學定義。

定義3：用鄰接矩陣可以將有向圖G=(V,E)用數(shù)學形式表示出來,體現(xiàn)兩個節(jié)點之間的直接影響關系,即是否存在有向邊。

定義4：用可達矩陣可以表示有向圖中節(jié)點間的間接影響關系,即一個節(jié)點是否可通過若干節(jié)點及之間的有向邊最終與另一節(jié)點相互影響。

下面舉例說明有向圖兩種矩陣的對應關系,如圖3。

圖3 包含4個節(jié)點的有向圖

此有向圖中包含的節(jié)點較少,可以分別對每個節(jié)點進行觀察,從而直接得出有向圖對應的可達矩陣,節(jié)點1通過有向箭頭分別可以到達節(jié)點2和4,因為能夠到達即在行標為節(jié)點l,列表為2、4的這些位置上賦值“1”;節(jié)點2通過箭頭可以到達節(jié)點4,所以行標為2,列標為4的元素為“1”;節(jié)點3能通過箭頭到達節(jié)點1、2、4,所以行標為3 列標為1、2、4 的元素均為“1”。所以得到有向圖的可達矩陣P4×4如下所示：

3.3 分層算法

通過分層算法計算有：

先對有向圖的鄰接矩陣A 進行分層判斷,判定系統(tǒng)可以分層。再求每一層節(jié)點。

所以第一層只包含一個節(jié)點即節(jié)點3。去除節(jié)點3所在行列,得到新的可達矩陣P2

所以第二層的節(jié)點是節(jié)點1。繼續(xù)去除節(jié)點1所在行列,得可達矩陣P3

所以第三層是節(jié)點2,第四層是節(jié)點4。由此可得系統(tǒng)的分層有向圖為

圖4 包含四個節(jié)點的分層有向圖

分層算法處理過的模型具有分層結構,表述了系統(tǒng)節(jié)點所在層次。經(jīng)分層處理的系統(tǒng),其實是按原因、結果關系將系統(tǒng)分層,即高層節(jié)點為原因,低層節(jié)點為結果。在進行備選故障源推理時,只對報警節(jié)點中的最高層進行反溯,且將反溯過程中得到的有效節(jié)點中與最高報警點比較,若為同層或更高層則納入備選故障源集合。

4 隸屬度函數(shù)

分層符號有向圖模型雖然層次性好,判斷故障的來源更加有條理,但是由于忽略了定量信息的應用,所以仍存在只能給出備選故障源節(jié)點的集合,而無法給出故障源發(fā)生故障的可能性的嚴重缺陷,嚴重影響著診斷的精度。

定義5：μ為模糊隸屬度函數(shù)分布,μ( vi)∈[0,1 ],滿足如下關系式：

其中,vipInferior,vinInferior分別表示節(jié)點vi常態(tài)的正、負閾值,vipSuperior,vinSuperior代表節(jié)點vi的正、負報警閾值。

也就是說當節(jié)點的實測值大于警報閾值上限或者小于警報閾值下限時,隸屬度為1,節(jié)點報警,顯示為故障;當實測值在正常工作范圍內,隸屬度為0,顯示為正常;實測值位于兩者之間時,不可知是否發(fā)生故障,可以用斜率來計算此時的隸屬度。

圖5 隸屬度函數(shù)

如果已知系統(tǒng)故障瞬時數(shù)據(jù),按以下步驟求得各節(jié)點模糊隸屬度：

(1)根據(jù)節(jié)點的工作特性給出正常工作范圍和警報閾值范圍,畫出該變量的隸屬度函數(shù);

(2)將節(jié)點的故障瞬時數(shù)值在隸屬度函數(shù)中標出;

(3)根據(jù)故障數(shù)據(jù)所處位置,選擇隸屬度對應公式,求解;

(4)完成參數(shù)的隸屬度列表。

對于分層符號有向圖模型而言,加上每個節(jié)點的隸屬度數(shù)值,就可以得到最終的分層模糊符號有向圖模型。

5 故障診斷流程

定義7：節(jié)點符號δ (vi)≠0,可稱節(jié)點有效;當δ (vi)φ(eij)δ(vj)=+,此支路eij就為相容通路。

因為故障的傳播是只能通過相容通路才能進行的,根據(jù)這一規(guī)則可以在故障診斷中縮小搜索范圍。對系統(tǒng)中每一個有效節(jié)點都進行相容通路的判定,得到系統(tǒng)所有的相容通路。

而備選故障源集合C 的確定：

(1)當節(jié)點報警時,根據(jù)模型找出位于最高層的報警點,若存在若干報警節(jié)點同層,則給出最高報警節(jié)點集合T={vi}。

(2)從T 中任取出一個節(jié)點vi,從該節(jié)點沿相容通路反向回溯,初步得到備選故障源。(依據(jù)相容通路的規(guī)則篩選故障源)

(3)在備選故障源中再次篩選,只保留與最高層報警點同層和更高層的節(jié)點(依據(jù)分層模型的規(guī)則篩選)。

得到集合C 之后,再通過故障診斷算法求出備選故障源是真正故障源的可能性排序,具體步驟如下：

(1)計算C 中每一個故障源節(jié)點的每一條相容通路支持度μlx-support。

設節(jié)點vi有若干相容通路,它的相容通路支持度等于除了vi以外其余k 個節(jié)點的隸屬度的最小值,即μl1-support=min;同理可以求得節(jié)點vi其他相容通路支持度μl2-support,μl3-support,…μlx-support。再求C 中其余節(jié)點的相容通路支持度。

(2)對C 中每一個節(jié)點,求支持強度μvi-support,即這一節(jié)點的所有相容通路支持其為真正故障源的可能性。

對于節(jié)點vi支持強度是所有相容通路支持度的最大值,即

(3)計算每一個C 中節(jié)點的模糊支持度μi,即該節(jié)點為真正故障源的可能性。

對于節(jié)點vi,它的模糊支持度等于隸屬度和支持強度的最大值,即μi=max( μvi-support,μ( v1)) 。μi越大則可能性越高,如果μi太小,可以設置一個閾值ε∈[0,1 ],當μi＜ε,就將該節(jié)點從集合C 中刪掉。

6 小結

通過對故障診斷方法的研究及優(yōu)缺點對比,認為不需要建立精確數(shù)學模型和進行數(shù)學計算的定性模型法,具有更高的故障推理能力,可以從較高層次上給出系統(tǒng)的宏觀描述。選擇定性模型法中的符號有向圖法并進行改進,引入分層結構和隸屬度函數(shù),并給出了改進的故障診斷技術的診斷流程。符號有向圖法的重點在于梳理清楚系統(tǒng)內各主要變量的邏輯關系建立符號有向圖模型;將分層模型引入建模過程,可以有效排除一些不可能的故障源節(jié)點,縮小搜索空間;增添隸屬度定量信息可以更精確地描述故障情況。再根據(jù)相容通路回溯、結合故障模型可以在多元報警情況下快速排除低層次節(jié)點、得到真正的故障源。