论文部分内容阅读
摘要：针对机载蒸发循环系统多层次、相关性的故障特征，本文提出了基于模糊Petri网的机载蒸发循环系统故障诊断方法。根据故障的失效模式与效应分析（FMEA）表以及模糊故障Petri网（FFPN）建模规则，通过对系统的功能、模块划分以及对故障数据进行分析，建立了机载蒸发循环控制系统的故障模型。根据此模型，采用模糊集理论描述了故障的模糊程度，应用Petri网理论反映故障的层次变迁及竞争关系。在此基础上，对冷凝器、蒸发器故障进行正向演绎状态评价和反向故障诊断推理。最后，通过仿真验证了该方法的可行性和有效性。
关键词：故障诊断；机载蒸发循环系统；模糊Petri网；正向/反向推理；模糊集理论
中图分类号：V245文献标识码：ADOI：10.19452/j.issn1007-5453.2021.03.008
为进一步满足飞机环控系统热载荷的需求，随着蒸发循环制冷技术的发展，蒸发循环制冷系统逐步在军用战机上得以应用[1-3]。针对机载蒸发循环系统故障诊断问题，考虑到其结构复杂，系统包括压缩机、冷凝器、膨胀阀和蒸发器等部件[4-6]。故障种类多且具有一定模糊性、耦合性、层次性和传播性，故障诊断难度较大。
目前，对于复杂系统的故障诊断，近年来，有不少学者提出基于模糊算法的故障诊断方法，如韩光臣等[7]提出模糊概率网系统，使得复杂的直升机机电系统的故障分析得以简化；李厦[8]等采用了模糊产生式规则的推理算法，进而总结出了置信度矩阵推理的新算法。这些研究虽然在处理复杂机电系统故障分析中取得了一定影响，但均侧重于故障在传播过程中的赋予特性，而并未体现故障本身的特征。黄敏等[9]为克服模糊和故障Petri网在模拟故障传播、诊断和推理过程中的缺点，提出了模糊故障Petri网的概念，进行机械故障诊断的建模及应用，取得了一定的成效。
鉴于传统的故障诊断方法难以提高故障逻辑表达，而模糊Petri網可准确描述故障不确定性，界定模糊事件的性质，在复杂且存在不确定性干扰的系统应用较为普遍[10-11]。本文采用模糊Petri网[12]的故障诊断方法，有效地解决故障信息的不确定性及模糊性表达等问题，提高故障诊断的效率，实现机载蒸发循环系统的故障诊断。
1建立蒸发循环系统的FFPN模型
（1）故障正向引发路径
由在线监测系统或技术人员预测故障原因，由此产生故障现象，根据托肯着色规则，正向演绎故障部，由此获得变化的最终状态，即系统故障。以蒸发器为例，预测有以下故障征兆“蒸发器泄漏”，产生了蒸发器工作异常的故障现象，演变为蒸发器故障部，进而演绎为机载蒸发循环制冷系统产生故障。
（2）故障反向推理过程
当确定有故障发生时，根据托肯着色规则，按照反向推理方法，得出可能的故障原因。如当确定为“蒸发器工作异常”时，经过推理，最终确定“结霜过厚”“蒸发器泄漏”“蒸发器内外表面有污垢”三个故障原因的优先级顺序，实现反向寻求故障源。
2机载蒸发循环控制系统的故障诊断
在FFPN模型中，权值w、阈值λ及托肯值都为概率值，代表了可能性，可以用来进行被模拟事件的模糊推理，并代表模糊命题中理论支持度、事件真实度及推理最低限等。因此，此定义能较好反映机载蒸发循环控制系统的故障不确定性。因机载蒸发循环制冷系统FFPN模型规模较大，这里以冷凝器和蒸发器故障为例，进行正向故障状态评价和反向故障诊断推理，如图2所示。
首先，根据查找专家知识库、寻求历史数据或在线测量等方法确定各输入库所的权值w、变迁规则可信度Uμ及阈值λ、初始库所置信度α、故障率f。其次，根据置信度矩阵法，计算得到各库所的置信度，为故障的正反推理提供初始数值。其中，对于基本事件的故障率可以通过经验数据、可靠性手册查得其精确失效概率；如果某些底事件不能获取其精确值，则由专家进行语言值评价获得其模糊数，并取其最大隶属度对应的概率区间的平均值作为事件的概率值。
最后，根据所得到的置信度及模糊变迁规则，推理出潜在使能变迁序列，其为正反向推理点火判断的前提。由此，进行正反向推理。
2.1正向推理
由在线监测系统或专业人员，预测有“蒸发器泄漏”“冷凝器冷却风量、水量不足”“蒸发器内外表面有污垢”“冷凝器内外表面有污垢”故障征兆，此时在模型中生成初始库所标识如图3所示。
4结束语
本文将模糊Petri网应用于机载蒸发循环系统故障诊断，能较好地反映故障模糊等级和层次关系，为解决故障的模糊性、传播性、突发性等问题提供了理论支撑：当预测系统有故障征兆时，通过正向演绎获得故障状态信息的可靠评价，即清晰地反映出故障事件、传播过程及故障可靠性等级；当系统确定产生故障时，罗列产生的故障现象，然后进行反向推理，从多种故障原因中得出最可能的故障源，并通过对系统进行仿真，验证了该诊断方法的可行性。 基于模糊Petri網的故障诊断算法可较好地表达故障的概率特征，提高设备系统的可靠性，具有良好的实用性。
参考文献
[1]胡文超. 270V高压直流电机驱动的机载蒸发循环制冷系统研究[J].航空科学技术，2019，30（12）：72-75. Hu Wenchao. Research on airborne evaporative cycle refrigeration system driven by 270V HVDC motor [J]. Aeronautical Science & Technology， 2019， 30 （12）： 72-75.（in Chinese）
[2]唐有才，王占勇，孙金立.现代军用飞机环境控制系统探讨[J].航空科学技术，2002，11（4）：35-37. Tang Youcai， Wang Zhanyong， Sun Jinli. Discussion on environmental control system of modern military aircraft [J]. Aeronautical Science & Technology， 2002， 11（4）： 35-37. （in Chinese）
[3]袁修干.高性能军用环境控制系统研究发展趋势的探讨[J].航空学报， 1999， 20（S1）： 2-4. Yuan Xiugan. Developing trend discussion of environmental control system of high performance military aircraft[J]. Acta Aeronautica et Astronautica Sinica， 1999， 20（S1）： 2-4. （in Chinese）
[4]Pollock D T，Yang Z，Wen J T，et al. Model-based control of vapor compression cycles for transient heat-flux removal[J]. International Journal of Heat & Mass Transfer，2014，77：662-668.
[5]金敏.歼击机蒸发制冷循环系统控制与仿真研究[D].成都：电子科技大学， 2009. Jin Min. Control and simulation of evaporative refrigeration cycle system for fighter[D]. Chengdu：University of Electronic Science and Technology of China， 2009.（in Chinese）
[6]赵晓军，封卫忠，赵利利.蒸发循环制冷技术在航空器上的应用[J].中国科技信息， 2015（3）： 55-57. Zhao Xiaojun， Feng Weizhong， Zhao Lili. Application of evaporative cycle refrigeration technology [J]. China Science and Technology Information， 2015（3）： 55-57.（in Chinese）
[7]韩光臣，孙树栋，司书宾，等.复杂系统故障传播与故障分析模型研究[J].计算机集成制造系统， 2005，11（6）：794-798. Han Guangchen， Sun Shudong， Si Shubin， et al. Study on failure propagation and failure analysis model of complex system[J]. Computer Integrated Manufacturing System， 2005， 11（6）： 794-798.（in Chinese）
[8]李厦，乌建中.模糊Petri网在液压同步提升系统故障诊断中的应用[J].中国工程机械学报， 2006， 4（1）：68-71. Li Xia， Wu Jianzhong. Application of fuzzy Petri net in fault diagnosis of hydraulic synchronous lifting system[J].Chinese Journal of Engineering Machinery， 2006， 4（1）： 68-71. （in Chinese）
[9]Min H，Xiao L，Hou Z. Modeling method of fuzzy fault Petri netsanditsapplication[J].JournalofCentralSouth University，2013，44（1）：208-215.
[10]Ding Z，Zhou Y，Zhou M. Modeling self-adaptive software systems by fuzzy rules and petri nets[J]. IEEE Transactions on Fuzzy Systems，2018，26（2）：1.
[11]Zisman M D. Use of production systems for modeling asynchronous，concurrent processes[J]. Acm Sigart Bulletin，1977（63）：23.
[12]杨大光，常波.模糊故障Petri网在飞机电源系统故障诊断中研究[J].装备制造技术，2016（11）：18-22. Yang Daguang， Chang Bo. Research on fuzzy fault Petri net in fault diagnosis of aircraft power system[J]. Equipment Manufacturing Technology， 2016 （11）： 18-22.（in Chinese） [13]任能.制冷系統故障检测、诊断及预测研究[D].上海：上海交通大学，2008. Ren Neng. Research on fault detection， diagnosis and prediction of refrigeration system[D]. Shanghai：Shanghai Jiaotong University，2008.（in Chinese）
[14]Adamyan A，He D. System failure analysis through counters of petri net models[J]. Quality & Reliability Engineering International，2004，20（4）：317-335.
[15]龙志强，张永焘，叶俊.基于Petri Fault Net的磁浮列车悬浮系统故障分析[J].系统仿真学报， 2007（S1）：266-270. Long Zhiqiang， Zhang Yongtao， Ye Jun. Fault analysis of maglev train suspension system based on Petri fault net[J]. Journal of System Simulation， 2007（S1）： 266-270.（in Chinese）
[16]Chen S M. Fuzzy backward reasoning using fuzzy Petri nets[J]. IEEE Transactions on Systems Man & Cybernetics part B，2000，30（6）：846-856.
（责任编辑王昕）
作者简介
杨昌宝（1983-）男，硕士，高级工程师。主要研究方向：制冷及低温工程。
Tel：13951009386E-mail：changbao_yang@163.com
Fault Diagnosis Method of Airborne Evaporation Cycle System Based on Fuzzy Petri Net
Yang Changbao1，*，Liu Shuo2，Li Ke3，Zhu Zirui3，Xu Liang1，Zhang Xiaokai1
1. AVIC Jincheng Nanjing Engineering Institue of Aircraft Systems，Nanjing 210000，China
2. Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China
3. The Third Military Representative Office of Air Force Equipment Department，Nanjing 210000，China
Abstract： Aiming at the multi-level and correlation fault characteristics of the airborne vapor cycle system， this paper proposes a fault diagnosis method based on fuzzy Petri net. According to fault FMEA table and FFPN modeling rules， the fault model of evaporative cycle control system is established by analyzing the system function， module division and fault data. According to the model， the forward deductive state evaluation and reverse fault diagnosis reasoning are carried out for the faults of condenser and evaporator. Among them， the fuzzy degree of fault is described by fuzzy set theory， and the hierarchical change and competition relationship of fault are reflected by Petri net theory. Finally， the feasibility and effectiveness of the method are verified by simulation.
Key Words： fault identification； airborne vapor cycle system； fuzzy Petri net； forward/reverse reasoning； fuzzy set theory
关键词：故障诊断；机载蒸发循环系统；模糊Petri网；正向/反向推理；模糊集理论
中图分类号：V245文献标识码：ADOI：10.19452/j.issn1007-5453.2021.03.008
为进一步满足飞机环控系统热载荷的需求，随着蒸发循环制冷技术的发展，蒸发循环制冷系统逐步在军用战机上得以应用[1-3]。针对机载蒸发循环系统故障诊断问题，考虑到其结构复杂，系统包括压缩机、冷凝器、膨胀阀和蒸发器等部件[4-6]。故障种类多且具有一定模糊性、耦合性、层次性和传播性，故障诊断难度较大。
目前，对于复杂系统的故障诊断，近年来，有不少学者提出基于模糊算法的故障诊断方法，如韩光臣等[7]提出模糊概率网系统，使得复杂的直升机机电系统的故障分析得以简化；李厦[8]等采用了模糊产生式规则的推理算法，进而总结出了置信度矩阵推理的新算法。这些研究虽然在处理复杂机电系统故障分析中取得了一定影响，但均侧重于故障在传播过程中的赋予特性，而并未体现故障本身的特征。黄敏等[9]为克服模糊和故障Petri网在模拟故障传播、诊断和推理过程中的缺点，提出了模糊故障Petri网的概念，进行机械故障诊断的建模及应用，取得了一定的成效。
鉴于传统的故障诊断方法难以提高故障逻辑表达，而模糊Petri網可准确描述故障不确定性，界定模糊事件的性质，在复杂且存在不确定性干扰的系统应用较为普遍[10-11]。本文采用模糊Petri网[12]的故障诊断方法，有效地解决故障信息的不确定性及模糊性表达等问题，提高故障诊断的效率，实现机载蒸发循环系统的故障诊断。
1建立蒸发循环系统的FFPN模型
（1）故障正向引发路径
由在线监测系统或技术人员预测故障原因，由此产生故障现象，根据托肯着色规则，正向演绎故障部，由此获得变化的最终状态，即系统故障。以蒸发器为例，预测有以下故障征兆“蒸发器泄漏”，产生了蒸发器工作异常的故障现象，演变为蒸发器故障部，进而演绎为机载蒸发循环制冷系统产生故障。
（2）故障反向推理过程
当确定有故障发生时，根据托肯着色规则，按照反向推理方法，得出可能的故障原因。如当确定为“蒸发器工作异常”时，经过推理，最终确定“结霜过厚”“蒸发器泄漏”“蒸发器内外表面有污垢”三个故障原因的优先级顺序，实现反向寻求故障源。
2机载蒸发循环控制系统的故障诊断
在FFPN模型中，权值w、阈值λ及托肯值都为概率值，代表了可能性，可以用来进行被模拟事件的模糊推理，并代表模糊命题中理论支持度、事件真实度及推理最低限等。因此，此定义能较好反映机载蒸发循环控制系统的故障不确定性。因机载蒸发循环制冷系统FFPN模型规模较大，这里以冷凝器和蒸发器故障为例，进行正向故障状态评价和反向故障诊断推理，如图2所示。
首先，根据查找专家知识库、寻求历史数据或在线测量等方法确定各输入库所的权值w、变迁规则可信度Uμ及阈值λ、初始库所置信度α、故障率f。其次，根据置信度矩阵法，计算得到各库所的置信度，为故障的正反推理提供初始数值。其中，对于基本事件的故障率可以通过经验数据、可靠性手册查得其精确失效概率；如果某些底事件不能获取其精确值，则由专家进行语言值评价获得其模糊数，并取其最大隶属度对应的概率区间的平均值作为事件的概率值。
最后，根据所得到的置信度及模糊变迁规则，推理出潜在使能变迁序列，其为正反向推理点火判断的前提。由此，进行正反向推理。
2.1正向推理
由在线监测系统或专业人员，预测有“蒸发器泄漏”“冷凝器冷却风量、水量不足”“蒸发器内外表面有污垢”“冷凝器内外表面有污垢”故障征兆，此时在模型中生成初始库所标识如图3所示。
4结束语
本文将模糊Petri网应用于机载蒸发循环系统故障诊断，能较好地反映故障模糊等级和层次关系，为解决故障的模糊性、传播性、突发性等问题提供了理论支撑：当预测系统有故障征兆时，通过正向演绎获得故障状态信息的可靠评价，即清晰地反映出故障事件、传播过程及故障可靠性等级；当系统确定产生故障时，罗列产生的故障现象，然后进行反向推理，从多种故障原因中得出最可能的故障源，并通过对系统进行仿真，验证了该诊断方法的可行性。 基于模糊Petri網的故障诊断算法可较好地表达故障的概率特征，提高设备系统的可靠性，具有良好的实用性。
参考文献
[1]胡文超. 270V高压直流电机驱动的机载蒸发循环制冷系统研究[J].航空科学技术，2019，30（12）：72-75. Hu Wenchao. Research on airborne evaporative cycle refrigeration system driven by 270V HVDC motor [J]. Aeronautical Science & Technology， 2019， 30 （12）： 72-75.（in Chinese）
[2]唐有才，王占勇，孙金立.现代军用飞机环境控制系统探讨[J].航空科学技术，2002，11（4）：35-37. Tang Youcai， Wang Zhanyong， Sun Jinli. Discussion on environmental control system of modern military aircraft [J]. Aeronautical Science & Technology， 2002， 11（4）： 35-37. （in Chinese）
[3]袁修干.高性能军用环境控制系统研究发展趋势的探讨[J].航空学报， 1999， 20（S1）： 2-4. Yuan Xiugan. Developing trend discussion of environmental control system of high performance military aircraft[J]. Acta Aeronautica et Astronautica Sinica， 1999， 20（S1）： 2-4. （in Chinese）
[4]Pollock D T，Yang Z，Wen J T，et al. Model-based control of vapor compression cycles for transient heat-flux removal[J]. International Journal of Heat & Mass Transfer，2014，77：662-668.
[5]金敏.歼击机蒸发制冷循环系统控制与仿真研究[D].成都：电子科技大学， 2009. Jin Min. Control and simulation of evaporative refrigeration cycle system for fighter[D]. Chengdu：University of Electronic Science and Technology of China， 2009.（in Chinese）
[6]赵晓军，封卫忠，赵利利.蒸发循环制冷技术在航空器上的应用[J].中国科技信息， 2015（3）： 55-57. Zhao Xiaojun， Feng Weizhong， Zhao Lili. Application of evaporative cycle refrigeration technology [J]. China Science and Technology Information， 2015（3）： 55-57.（in Chinese）
[7]韩光臣，孙树栋，司书宾，等.复杂系统故障传播与故障分析模型研究[J].计算机集成制造系统， 2005，11（6）：794-798. Han Guangchen， Sun Shudong， Si Shubin， et al. Study on failure propagation and failure analysis model of complex system[J]. Computer Integrated Manufacturing System， 2005， 11（6）： 794-798.（in Chinese）
[8]李厦，乌建中.模糊Petri网在液压同步提升系统故障诊断中的应用[J].中国工程机械学报， 2006， 4（1）：68-71. Li Xia， Wu Jianzhong. Application of fuzzy Petri net in fault diagnosis of hydraulic synchronous lifting system[J].Chinese Journal of Engineering Machinery， 2006， 4（1）： 68-71. （in Chinese）
[9]Min H，Xiao L，Hou Z. Modeling method of fuzzy fault Petri netsanditsapplication[J].JournalofCentralSouth University，2013，44（1）：208-215.
[10]Ding Z，Zhou Y，Zhou M. Modeling self-adaptive software systems by fuzzy rules and petri nets[J]. IEEE Transactions on Fuzzy Systems，2018，26（2）：1.
[11]Zisman M D. Use of production systems for modeling asynchronous，concurrent processes[J]. Acm Sigart Bulletin，1977（63）：23.
[12]杨大光，常波.模糊故障Petri网在飞机电源系统故障诊断中研究[J].装备制造技术，2016（11）：18-22. Yang Daguang， Chang Bo. Research on fuzzy fault Petri net in fault diagnosis of aircraft power system[J]. Equipment Manufacturing Technology， 2016 （11）： 18-22.（in Chinese） [13]任能.制冷系統故障检测、诊断及预测研究[D].上海：上海交通大学，2008. Ren Neng. Research on fault detection， diagnosis and prediction of refrigeration system[D]. Shanghai：Shanghai Jiaotong University，2008.（in Chinese）
[14]Adamyan A，He D. System failure analysis through counters of petri net models[J]. Quality & Reliability Engineering International，2004，20（4）：317-335.
[15]龙志强，张永焘，叶俊.基于Petri Fault Net的磁浮列车悬浮系统故障分析[J].系统仿真学报， 2007（S1）：266-270. Long Zhiqiang， Zhang Yongtao， Ye Jun. Fault analysis of maglev train suspension system based on Petri fault net[J]. Journal of System Simulation， 2007（S1）： 266-270.（in Chinese）
[16]Chen S M. Fuzzy backward reasoning using fuzzy Petri nets[J]. IEEE Transactions on Systems Man & Cybernetics part B，2000，30（6）：846-856.
（责任编辑王昕）
作者简介
杨昌宝（1983-）男，硕士，高级工程师。主要研究方向：制冷及低温工程。
Tel：13951009386E-mail：changbao_yang@163.com
Fault Diagnosis Method of Airborne Evaporation Cycle System Based on Fuzzy Petri Net
Yang Changbao1，*，Liu Shuo2，Li Ke3，Zhu Zirui3，Xu Liang1，Zhang Xiaokai1
1. AVIC Jincheng Nanjing Engineering Institue of Aircraft Systems，Nanjing 210000，China
2. Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China
3. The Third Military Representative Office of Air Force Equipment Department，Nanjing 210000，China
Abstract： Aiming at the multi-level and correlation fault characteristics of the airborne vapor cycle system， this paper proposes a fault diagnosis method based on fuzzy Petri net. According to fault FMEA table and FFPN modeling rules， the fault model of evaporative cycle control system is established by analyzing the system function， module division and fault data. According to the model， the forward deductive state evaluation and reverse fault diagnosis reasoning are carried out for the faults of condenser and evaporator. Among them， the fuzzy degree of fault is described by fuzzy set theory， and the hierarchical change and competition relationship of fault are reflected by Petri net theory. Finally， the feasibility and effectiveness of the method are verified by simulation.
Key Words： fault identification； airborne vapor cycle system； fuzzy Petri net； forward/reverse reasoning； fuzzy set theory