基于故障树的轻型电动直升机故障诊断专家系统

Fault diagnosis expert system for light electric helicopter based on fault tree

摘要

针对目前轻型电动直升机故障诊断依靠人工经验、处理速度慢等问题，为保障其飞行安全性和可靠性，提出一种基于故障树的电动直升机故障诊断专家系统。构建某轻型电动直升机常见故障的故障树模型，定性和定量分析故障树各事件概率重要度FVI值，基于FVI值对各故障事件进行排序，并将故障树转换成二叉型故障树。依据二叉型故障树建立专家知识库，根据知识库中的生产式规则及正向推理策略实现了推理机的设计。最后采用QT开发了该专家系统，经模拟测试证明所设计的专家系统能对轻型电动直升机进行有效故障诊断。

Abstract

In response to the current problems of relying on manual experience and slow processing speed for ligh electric helicopter faults，a fault diagnosis expert system based on fault tree was proposed to ensure the flight safety and reliability.Fault tree model was constructed based on common faults of a light electric helicopter. Through qualitative and quantitative analysis of the fault tree，the probability importance FVI values of each event in the fault tree were calculated. The FVI values were used to rank each fault event and convert the fault tree into a binary fault tree. An expert knowledge base was established through binary fault tree analysis，and the inference machine was designed based on the production rules and forward reasoning strategies in the knowledge base. Finally，the expert system was developed using QT，and the simulation testing proved that the designed expert system can effectively diagnose faults in light electric helicopters.

Graphical abstract

关键词

轻型电动直升机 / 专家系统 / 故障树 / 二叉型故障树 / 知识库

Key words

light electric helicopter / expert system / fault tree / binary fault tree / knowledge base

轻型电动直升机^［1］因其环保节能、低速低空飞行、空中悬停及高灵活性等优势，在城市物流^［2］、农业喷洒^［3］和紧急救援等^［4-5］领域具有广泛的应用前景。然而，由于市场应用时间较短，相关的故障数据和信息非常有限，使其故障诊断的难度大大增加。目前的故障排查主要依赖作业人员经验，而经验差异可能导致故障诊断处理速度不一致。因此，针对轻型电动直升机的常见故障进行深入分析，并基于此设计一款故障诊断系统成为关键技术内容，也是保证轻型电动直升机安全性和可靠性的必要手段。

目前，国内外关于电动直升机故障诊断方面的研究较少，但国外一些航空公司和研究机构针对特定机型开发出了较为成熟的诊断系统，如欧洲空客的直升机故障监测系统^［6］采用先进的传感器和数据分析技术实现高效的故障检测和预测；美国的NASA和波音公司采用基于模型的故障诊断技术^［7］，能够实时监测和分析直升机的运行状态。国内在直升机故障诊断技术方面也取得了一定成果，如清华大学和中国航空工业集团有限公司开发的基于模型和数据驱动的故障诊断系统，逐步形成了自主知识产权的诊断技术体系。电动直升机研究起步较晚，相应的电动直升机故障诊断技术研究也是一个新兴的方向。

现今常用的智能故障诊断方法主要包括模型驱动、数据驱动和知识驱动三类^［8］。其中，模型驱动方法精确但建立准确模型难度较大^［9］；数据驱动需要大量历史数据^［10］；知识驱动只需依赖专家知识积累，但挑战在于知识的获取和表示^［11］方面。本文在某型预研电动直升机没有大量历史故障数据的情况下，开发了一种以知识驱动为核心，基于故障树的轻型电动直升机故障诊断专家系统，进行快速、准确诊断，给出故障类型及原因。

1 轻型电动直升机故障诊断专家系统结构

故障诊断专家系统主要用于实时监测轻型电动直升机飞行的运行状况，当直升机发生异常或者故障时，根据监测数据准确判断故障类型和原因，其结构如图1所示。

系统主要由以下几个部分构成：

知识库：使用数据库管理存储轻型电动直升机故障诊断方面的知识。

推理机：是专家系统的核心模块，利用知识库中的知识，按照正向推理策略进行分析推理，得出诊断结果。

人机交互界面：为用户提供与系统交互的界面，用户可输入故障现象、修改知识库、查询相关历史数据等。

解释系统：提供对推理过程的解释，帮助用户理解系统如何得出结论，增加系统的透明度和用户的信任度。

结合实际功能需求设计的诊断专家系统总体框架如图2所示。

2 专家系统知识库建立

故障诊断专家系统主要依据专家知识进行诊断，因此在整个专家系统架构中，知识库作为核心组成部分，其建设的质量直接决定了系统的性能和有效性^［12］。为了提高系统诊断效率，采用产生式规则和框架表示法相结合的规则框架法进行知识表示。这种方法通过建立一个基于框架的树状结构图实现，其中各框架之间的逻辑关系通过规则相连，使故障诊断过程可以在相关框架内进行，有效缩小故障检索范围。

2.1 故障树的建立

建立故障树是将系统故障和故障原因通过逻辑符号联系起来，按树枝状逐级细化演绎成树状图形。故障编码对应故障代码表如表1所示。轻型电动直升机主要由电机、电池、冷却系统、传动系统等部件组成，根据其结构可建立故障树模型，如图3所示。

2.1.1 故障树定性分析

对故障树求最小割集，即从顶事件自上而下不能再分割的基本事件，故障树定性分析如表2所示。

2.1.2 故障树定量分析

设\Phi \left(x\right)表示顶事件的状态函数，设x_i表示底事件的状态变量，底事件故障概率为P_i，“与”门结构函数如式（1）所示。

\Phi \left(x\right)={\displaystyle \prod _{i=\mathrm{1}}^n}{x}_i（1）

“或”门结构函数表示为

\Phi \left(x\right)={\displaystyle \sum _{i=\mathrm{1}}^n}{x}_i（2）

“与”门的顶事件故障概率为

P\left(\Phi \right)=P\left({\displaystyle \prod _{i=\mathrm{1}}^n}{x}_i\right)={\displaystyle \prod _{i=\mathrm{1}}^n}{P}_i（3）

“或”门的顶事件故障概率为

P\left(\Phi \right)=P\left({\displaystyle \sum _{i=\mathrm{1}}^n}{x}_i\right)=\mathrm{1}-{\displaystyle \prod _{i=\mathrm{1}}^n}\left(\mathrm{1}-P_i\right)（4）

故障树定量分析中概率重要度是一个重要概念，其主要用于量化故障树中各个事件对系统故障的影响程度^［13］。概率重要度主要包括风险减少重要度、Fussell-Vesely重要度（以下简称FVI）和巴顿重要度。本文采用的是FVI，通过比较不同事件的FVI值，可以识别出对系统故障概率影响最大的关键事件，从而在故障发生时优先排查这些事件。FVI计算公式如式（5）所示。

\mathrm{F}\mathrm{V}\mathrm{I}=\frac{P\left(\Phi \left|x_i\right.\right)P\left(x_i\right)}{P\left(\Phi \right)}（5）

由于轻型电动直升机研发投入应用时间相对短暂，还没有累计足够的故障数据，在这种缺乏足够历史数据的条件下，采用格林厄姆和金尼提出的作业危险性评价法^［14］。这是一种用于评估作业或工作场所中潜在危险性的方法，主要用于识别危险源和评估危险级差。结合此方法并征询专家意见，制定了底事件故障概率。由底事件故障概率，再根据式（3）、（4）可计算中间事件和顶事件故障概率。全部事件故障概率如表3所示。

需要注意的是，表3中的故障概率值并不是实际故障概率值，而是结合故障级差的相对故障概率值，其主要作用是通过各事件故障概率求出各事件的FVI值，并根据FVI值的大小对故障进行排序，方便后续二叉型故障树的建立。

经计算各故障事件FVI值如表所4示。

2.2 故障树转化为二叉型故障树

二叉型故障树与常规故障树相似，也是由顶事件、中间事件和底事件通过逻辑关系连接组成^［15-17］。但二叉型故障树仅扩展两个分支，左右子树有明确的区分，如图4所示。在转换过程中，左子树节点存放下一级事件，右子树节点存放同级事件。转换步骤如下：

1）顶事件放在二叉型故障树的根节点；2）中间事件放在分支子节点；3）底事件放在最终叶节点；4）左子树节点存放下一级事件；5）右子树节点存放同级事件。

为提高故障诊断的效率，根据FVI值对故障事件进行降序排序，赋予FVI值高的事件更高的优先级。依据这一顺序将轻型电动直升机的一般故障树转换为二叉型故障树，如图5所示。

2.3 建立知识库

建立知识库过程中的一个重要步骤就是知识的表示，本文采用框架和产生式规则用以知识表示。使用MySQL数据库，根据故障树及专家知识创建事实表、框架表、框架与规则对应表和规则对应事实表，利用这4个数据表建立轻型电动直升机知识库。事实表记录所有故障现象，框架表记录所有故障事件，框架与规则对应表关联每个故障事件及其规则，规则对应事实表存储每条规则推导的次级故障事件。这些表通过主外键关系约束将故障现象和相应的原因联系起来，数据库表关系图如图6所示。

3 设计推理机

推理机是利用监测数据及知识库中的知识，按照一定的推理方式和搜索策略找到故障发生的具体原因，是专家系统的核心部分之一。

3.1 冲突消解策略

冲突消解策略涉及处理系统推理中多条可能路径的选择。通常系统对已知故障事实与知识库中规则进行循环匹配时容易出现多条规则同时匹配同一故障事实，形成一果多因现象。简单逐一排查会降低诊断效率，因此系统采用排序策略进行冲突消解。本文将故障事件按重要度排序并转换为二叉型故障树，使高重要度事件优先处理。规则按序号大小进行推理，快速有效地解决冲突。

3.2 推理方向

推理方向分为正向推理、反向推理和混合推理3种。正向推理通过分析当前故障及其规则寻找所有可能的原因；反向推理从假设某一原因出发，验证其是否导致当前故障，直至确认正确的原因；混合推理结合了前两者的方法。本文选用正向推理，从已知故障事实开始，依据故障树和规则逐步追溯故障原因。

4 模拟验证分析

4.1 软件实现

综合考虑本专家系统易用性、稳定性、拓展性和可维护性的需求，系统采用QT结合MySQL数据库的方式进行开发。QT作为一个跨平台的应用程序开发框架，支持多种操作系统，其提供的一系列丰富的库和工具极大地简化了复杂应用的开发流程。开源关系型数据库管理系统MySQL在成本控制方面有很大优势，并且作为广泛使用的数据库系统之一，MySQL易于获取支持和资源，能够处理大规模数据的存储和检索，具有良好的稳定性及可扩展性。

QT 结合MySQL 可以在一个一致的开发环境中同时处理前端界面和后端数据库操作，简化开发流程。通过QT 进行界面设计和交互逻辑编写，MySQL 处理数据存储，可以快速开发原型并进行功能测试，特别适合开发企业级应用。

本设计中，MySQL创建数据表作为知识库存储知识和规则。QT设计实现软件各项功能，通过实时数据读取并结合数据库中的知识和规则，最终分析推理出系统故障原因并显示出来，推理机诊断流程如图7所示。

4.2 模拟验证

为了验证诊断功能，采用模拟验证，以电池故障中的过充或过放为例，其故障特征表现为温度异常，其他故障指标为电池的电流和电压过大。电池正常工作温度在60 ℃以下，电流为0~130 A，电压为320~400 V。因此，监测的数据中电池温度值超过70 ℃，电压值超过400 V，电流值超过130 A。与电池过充或过放具有同样故障现象的是电池内部损坏故障，也会出现温度异常，但其内部结构损坏导致电流和电压相对偏低，因此根据知识库中规则判断推理可以得到故障原因为电池过充或过放。故障诊断界面如图8所示。

5 结论

本文通过对某轻型电动直升机故障类型进行分析，结合专家知识建立二叉型故障树和规则表，应用QT和MySQL设计一种轻型电动直升机故障诊断专家系统。经模拟测试，该专家系统可定位故障原因，从而提高轻型电动直升机的故障处理效率。本文研究对于提高电动直升机经济效益、保障飞行安全及对电动直升机行业的发展具有重要的应用价值。

参考文献

[1] 王锋，张钧尧.电动直升机发展与关键技术研究综述［J］.现代制造技术与装备，2020，56（1）：144-145.

[2] 于琦.国外直升机发展特点及市场态势分析［J］.航空科学技术，2021，32（1）：23-28.

[3] 何振亚，唐兴中.电动直升机关键性能指标及影响因素研究［J］.航空科学技术，2023，34（3）：16-24.

[4] 曹京军，何权荣.电动直升机的性能特点分析［J］.航空制造技术，2014（22）：164-166.

[5] Datta A， Johnson W.Powerplant design and performance analysis of a manned all-electric helicopter［J］.Journal of Propulsion and Power，2014，30（2）：490-505.

[6] 邓景辉.直升机技术发展与展望［J］.航空科学技术，2021，32（1）：10-16.

[7] 吕镇邦，沈新刚，邹会荣.机载PHM系统软件设计与验证［J］.测控技术，2020，39（4）：11-16，20.

[8] 李兆奎，田慕琴，宋建成.基于故障树的定向钻机故障诊断专家系统设计［J］.现代电子技术，2022，45（22）：121-125.

[9] 吴家腾，李威，方志超，等.基于物理模型驱动优化WPD的弧齿锥齿轮故障诊断方法研究［J］.电子测量与仪器学报，2023，37（8）：214-222.

[10] 庄萌榕，王福林，张文喆.数据驱动的空调系统故障诊断算法综述［J］.绿色建造与智能建筑，2024（1）：91-95.

[11] 董家祥，翟纪宇，马昕，等.知识驱动的机械设备故障诊断［J］.计算机科学，2023，50（5）：82-92.

[12] 蒋莉苹.汽车发动机状态监测与故障诊断技术研究［J］.汽车测试报告，2023（20）：91-93.

[13] 祁长红，张顼，刘平.故障树分析法在超声诊断仪维护中的应用研究［J］.生物医学工程与临床，2024，28（1）：114-120.

[14] 许坤坤，邬明亮，祁春伟，等.基于故障树的深基坑桩锚支护风险评估及预防［J］.河南城建学院学报，2024，33（1）：48-55.

[15] 田烨.基于二叉故障树的SS4G型电力机车控制回路故障诊断专家系统的研究［D］.北京：中国铁道科学研究院，2022.

[16] 王学杰，贺国，陈连树.基于二叉树的某型船柴油机控制系统故障诊断专家系统［J］.中国舰船研究，2009，4（6）：34-37.

[17] 李禹，张泽建.专家系统在汽车故障诊断方面的应用［J］.自动化技术与应用，2008，27（1）：73-75，72.

基金资助

国家重点研发计划(2022YFC2903805)