论文部分内容阅读
过压保护装置(OPU)是飞机电源系统中重要的设备，其可靠性对飞机电源系统以及机载设备具有重要的意义。一旦发生故障有可能造成无法挽回的损失，因此OPU故障诊断具有很现实的重要的意义。但是由于其结构复杂以及飞机的特殊性，使得OPU系统的测点较少，无法得到完整的数据样本集。因此OPU的故障诊断问题一个不确定性的复杂系统故障诊断问题。针对OPU故障诊断的不确定性问题，提出基于贝叶斯网络的故障诊断方法。首先简要分析了OPU的原理，根据OPU功能结构框图以及故障诊断存在的一些问题，选择合适的变量建立了该基于贝叶斯网络的故障诊断模型，并完成了数据完整以及不完整情况下模型的参数学习和结构学习。其次把离散化后的测试点信号输入参数学习后、结构学习前后的贝叶斯网络进行OPU的故障诊断实验。各种故障类型的诊断结果验证了贝叶斯网络在OPU故障诊断中的有效性。最后建立了基于动态贝叶斯网络的OPU故障预测模型，并进行了参数学习，在此基础上将连续4个时间片上得到的故障征兆证据信息输入到动态贝叶斯网络中，得到了其余测试点状态预测概率以及各故障类型的预测发生概率。通过预测仿真研究证明了动态贝叶斯网络能好的对复杂系统进行状态和故障预测。