基于DS证据推理的舰载拖曳电子装备故障现场诊断方法

基于ds证据推理的舰载拖曳电子装备故障现场诊断方法
技术领域
1.本发明涉及水下系统装备的现场故障诊断定位技术领域，尤其涉及一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法。


背景技术：

2.故障诊断是装备维修领域的重要研究内容，目的是实现实施装备故障定位，为后续的正确快速维修奠定基础，特别是装备现场维修，维修人员一般由现场操作人员担任。装备现场维修保障主要依据装备现场维修手册和随机文件，结合自身经验进行诊断定位和修理。现场人员通过这些资料凭经验维修存在较大的困难和故障恢复的不确定性。由于现场维修具体一般无需元件级别的知识和技术储备，而是利用备件备板和易更换部件进行替换维修的特点。这就要求迅速定位故障原因。
3.舰载电子装备是作为主要在水下工作的潜艇的主要部件，由于使用环境的特殊性，舰载拖曳电子装备复杂、水下工作环境恶劣、可靠性要求高，并且相关作战训练动用兵力、兵器、装备多、危险性大、安全要求高，因此，舰载拖曳电子装备实际使用相对较少，舰员对装备常见的故障现象和故障原因掌握还不够透彻，在平时的演训活动和实际使用中对舰载拖曳电子装备故障分析与排除等方面能力还有所欠缺。目前舰载电子装备现场维修，主要通过现场职手根据装备维修手册进行故障现象分析和诊断，手段和方法不固定，对现场职手的维修经验要求高，可维修率主要依靠现场职手，维修经验不容易传承。当发生故障时，无法对故障进行快速定位，导致维修周期较长。


技术实现要素：

4.本发明提供一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，以克服上述技术问题。
5.为了实现上述目的，本发明的技术方案是：
6.一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，包括如下步骤：
7.s1：根据舰载拖曳电子装备的故障现象和故障原因，建立故障现象-故障原因的关系图；
8.其中，在所述故障现象-故障原因关系图中，包括作为根节点的故障现象节点，和作为子节点的若干故障原因节点；所述故障现象节点与所述故障原因节点形成有向的故障现象-故障原因关联对；
9.s2：获取拖曳电子装备维修的历史统计数据，根据所述故障现象-故障原因的关系图，获取故障现象-故障原因关联对的初始的权值；
10.s3：当舰载拖曳电子装备发生故障时，获取若干现场的故障现象，以根据所述故障现象-故障原因关系图，获取现场的故障现象对应的故障原因集合；
11.s4：基于ds证据理论，根据所述现场的故障现象对应的故障原因集合和故障现象-故障原因关联对的初始的权值，获取融合后的故障原因的概率值；以根据融合后的故障原
因的概率值从大到小，将故障原因进行排序，获取故障原因优先级序列；
12.s5：根据故障原因优先级序列，依次对舰载拖拽电子装备进行故障的维修，获取舰载拖曳电子装备的实际故障原因；
13.s6：根据所述实际故障原因，对所述故障现象-故障原因关联对的初始的权值进行更新，获取故障现象-故障原因关联对的更新后的权值，以基于故障现象-故障原因关联对的更新后的权值，对下一次的舰载拖曳电子装备故障进行诊断。
14.进一步的，获取融合后的故障原因的概率值方法如下：
[0015][0016][0017]
式中：m1(a
p
)表示第1个故障现象对应的第p个故障原因a
p
的赋值；m2(aq)表示第2个故障现象的第q个故障原因aq的赋值；m(c)表示融合后的故障原因c的基本概率赋值；c为融合后的故障原因；表示空集；u1为第1个故障现象下的识别框架，u2为第2个故障现象下的识别框架；k1表示冲突因子。
[0018]
进一步的，第1个故障现象对应的第p个故障原因a
p
的赋值获取如下：
[0019][0020][0021]
其中，n1为第1个故障现象下的故障原因的个数；ws为第1个故障现象节点下第s个故障现象-故障原因关联对的权值，s为第1个故障现象对应的故障现象-故障原因关联对的编号；m1(u1)为第1个故障现象下的识别框架的赋值；表示第1个故障现象对应的空集；
[0022]
第2个故障现象的第q个故障原因aq的赋值获取如下：
[0023][0024][0025]
其中，n2为第2个故障现象下的故障原因的个数；w
t
为第2个故障现象节点下第t个故障现象-故障原因关联对的权值，t为第2个故障现象对应的故障现象-故障原因关联对的编号；m2(u2)为第2个故障现象下的识别框架的赋值；表示第2个故障现象对应的空集。
[0026]
进一步的，对所述故障现象-故障原因关联对的初始的权值进行更新的方法如下：
[0027]
获取所述故障现象对应的n个故障现象-故障原因关联对的初始的权值；其中的n为所述故障现象对应的故障现象-故障原因关联对的总数；
[0028]
若n个所述故障现象-故障原因关联对的初始的权值之和小于1，则所述实际故障原因对应的故障现象-故障原因关联对的权值增加1/(n*m)；其中，m为所述实际故障原因的统计事件的总数；
[0029]
否则，
[0030]
非实际故障所对应的故障现象-故障原因关联对的权值更新如下：
[0031][0032]
实际故障所对应的故障现象-故障原因关联对的权值更新如下：
[0033][0034]
式中：pf为非实际故障所对应的故障现象-故障原因关联对的权值；p
0f
为非实际故障所对应的故障现象-故障原因关联对的初始的权值；py为实际故障所对应的故障现象-故障原因关联对的权值；p
0y
为实际故障所对应的故障现象-故障原因关联对的初始的权值。
[0035]
进一步的，所述s4后，若跟据故障原因优先级序列中的故障原因顺序，对舰载拖拽电子装备的故障进行维修后，没有获取舰载拖曳电子装备的实际故障原因；
[0036]
则由专家对故障进行诊断，获取舰载拖曳电子装备的实际故障原因，并在所述故障现象-故障原因关系图中，增加实际故障原因作为新的故障原因节点；并更新所述故障现象对应的所有的故障现象-故障原因关联对的权值。
[0037]
有益效果：本发明的一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，通过建立带权值故障现象-故障原因关系图，基于ds证据理论获取融合后的故障原因的概率值，并获取故障原因优先级序列；依次对舰载拖拽电子装备进行故障的维修，获取舰载拖曳电子装备的实际故障原因；并基于实际故障原因，获取故障现象-故障原因关联对的更新后的权值，以基于故障现象-故障原因关联对的更新后的权值，对带权值的故障现象-故障原因关系图进行更新，以在下一次的故障中进行故障原因定位。在对故障现象-故障原因关联对的更新后的权值不断进行更新后，使得故障定位准确率越来越高，大大的缩短了现场的故障维修周期。
附图说明
[0038]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0039]
图1是本发明的总体技术方案流程图；
[0040]
图2为本发明的实施例中的增加故障现象与故障原因关系图的流程图示意图；
[0041]
图3为本发明的实施例中的舰载电子拖曳装备甲板机械装备故障现象与故障原因关系图；
[0042]
图4为本发明的实施例中的建立故障原因基本概率赋函数的流程图示意图；
[0043]
图5是舰船电子拖曳装备甲板机械装备故障ds故障推理系统图，即带边权值的故障现象-故障原因关系图；
[0044]
图6是本发明中基于ds证据推理的现场诊断的基本流程图；
[0045]
图7是本发明实施例中的总体技术方案流程图。
具体实施方式
[0046]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047]
本实施例提供了一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，包括如下步骤，如图1和图7所示：
[0048]
s1：根据舰载拖曳电子装备的常见故障现象和故障原因，利用装备的组成结构、功能结构和工作原理，建立故障现象-故障原因的关系图；
[0049]
其中，在所述故障现象-故障原因关系图中，包括作为根节点的故障现象节点，和作为子节点的若干故障原因节点；所述故障现象节点与所述故障原因节点形成有向的故障现象-故障原因关联对；
[0050]
故障现象-故障原因关联对表示故障维修事件，用于描述采用所述故障原因成功修复了故障现象；
[0051]
具体的，故障现象-故障原因关系图为在故障检测领域的常用的用来表示故障现象和故障原因的关系的树状图，其中的故障现象相当于根节点，产生该故障现象的故障原因为子节点；根据维修经验中获得故障现象和装备生产商提供的故障现象，建立关系图的故障现象节点；根据现场维修能力、装备组成和现场维修级故障原因，建立现场维修级故障原因节点；
[0052]
s2：获取拖曳电子装备维修的历史统计数据，根据所述故障现象-故障原因的关系图，基于ds系统证据理论，获取(ds系统证据理论中的识别框架)故障现象-故障原因关联对的初始的权值，以获取带权值的故障现象-故障原因的关系图；
[0053]
具体的，拖曳电子装备维修的历史统计数据为维修现场记录的数据，每个故障维修事件(故障现象-故障原因关联对)的初始的权值为由领域内的专家采用历史统计数据，结合工作经验进行确定。
[0054]
故障维修事件是实际故障维修成功的案例，记录了故障现象和故障原因。在故障现象-故障原因关系图中，故障维修事件表示为故障现象-故障原因的关联对，表示按该故障原因成功修复了故障现象。每个故障原因为1个识别框架；
[0055]
故障现象-故障原因的关系图中的每个故障现象-故障原因关联对的初始的权值赋值为0，表示该故障维修事件对应的故障现象到故障原因的基本概率赋值为0。基于ds系统证据理论，将全部概率(值为1)赋值给该故障现象节点下的所有故障原因的集合(ds证据理论中的识别框架)。根据ds证据理论，所有的概率值都赋给了识别框架，但是该故障现象节点下的每个故障维修事件的权值还是0。总的概率除了每条边的权值外，还要加上识别框架(该故障现象节点下的所有故障原因的集合)的概率赋值。
[0056]
s3：当舰载拖曳电子装备发生故障时，获取若干现场的故障现象，以根据故障现象-故障原因关联对，获取现场的故障现象对应的故障原因集合；
[0057]
s4：以基于ds证据理论，根据所述现场的故障现象对应的故障现象-故障原因关联对的初始的权值，获取融合后的故障原因的概率值；以根据融合后的故障原因的概率值从大到小，将故障原因进行排序，获取故障原因优先级序列；
[0058]
具体的，当舰载拖曳电子装备发生故障时，在确定了现场故障现象后，能够建立若干个故障现象-故障原因关联对，即发生现场故障的可能的故障维修事件；这些故障维修事件在解决目前的舰载拖曳电子装备故障时均有可能发生，那么需要寻找到最可能发生故障维修事件进行现场维修，以缩短现场的故障维修周期。其中的故障现象表示根据维修经验和舰载拖曳电子装备的生产商提供的故障现象；其中，包括直接的故障现象和发生故障后，进行一些其他的检查得到的故障现象。
[0059]
在实际的故障现象产生后，基于ds证据理论对所产生的故障现象的原因进行诊断，最后输出根据故障现象-故障原因关联对的概率排序的故障原因列表，然后利用ds证据理论的组合方法组合证据，获得综合后的基本概率赋值函数，排序得到维修部件的维修或检测步骤。
[0060]
优选地，当舰载拖曳电子装备发生故障时，通常会产生多个故障现象，此时有多个故障现象，需要合并多个故障现象下的故障原因为诊断结果集，获取融合后的故障原因的概率值方法如下：
[0061][0062][0063]
式中：m1(a
p
)表示第1个故障现象对应的第p个故障原因a
p
的赋值，能够从建立好的ds证据理论系统(带权值的故障现象-故障原因的关系图)中获取；m2(aq)表示第2个故障现象的第q个故障原因aq的赋值，能够从建立好的ds证据理论系统中获取；m(c)表示融合后的故障原因c的基本概率赋值；c为融合后的故障原因；表示空集；u1为第1个故障现象下的识别框架，u2为第2个故障现象下的识别框架；k1表示冲突因子；
[0064]
m1(a
p
＝φ
p
)＝w
p
,p∈[1
…
n1]
[0065]
如果a
p
＝u1，则，n1为第1个故障现象下的故障原因的个数；ws为第1个故障现象节点下第s个故障现象-故障原因关联对的权值，s为第1个故障现象对应的故障现象-故障原因关联对的编号；如果
[0066]
m2(aq＝φq)＝wq,p∈[1
…
n2]aq＝u2，则，n2为第2个故障现象下的故障原因的个数；w
t
为第2个故障现象节点下第t个故障现象-故障原因关联对的权值，t为第2个故障现象对应的故障现象-故障原因关联对的编号；根据融合后的故障原因c的基本概率赋值m(c)排列产生故障现象的故障原因。
[0067]
具体的，当有3个故障现象时，将故障原因集合中的元素与第3个故障现象中的故障原因进行融合，能够得到3个故障现象的故障原因进行融合后的每个故障原因的概率值，以此类推。
[0068]
优选地，在本发明的另一个实施例中，舰载拖曳电子装备的故障现象的数量为1，
此时，融合后的故障原因就是该故障现象下的故障原因，因此融合后的故障原因的概率值与该故障原因对应的故障现象-故障原因关联对的初始的权值相等。
[0069]
s5：跟据故障原因优先级序列中的故障原因顺序，依次对舰载拖拽电子装备进行故障的维修，获取舰载拖曳电子装备的实际故障原因；
[0070]
具体的，根据故障原因优先级序列，以产生舰载拖曳电子装备的故障现象的多个故障原因的可能性进行排序，依次对故障原因进行必要的检查排除和维修；如果可以修复，则能够获取此次产生舰载拖曳电子装备故障的实际故障原因，基于该故障现象-故障原因关系对，即此次的维修事件，对所述ds证据理论系统进行更新；
[0071]
s6：根据所述实际故障原因，对所述故障现象-故障原因关联对的初始的权值进行更新，获取故障现象-故障原因关联对的更新后的权值，以基于故障现象-故障原因关联对的更新后的权值，对下一次的舰载拖曳电子装备故障进行诊断。
[0072]
优选地，对所述故障现象-故障原因关联对的初始的权值进行更新的方法如下：
[0073]
获取所述故障现象对应的n个故障现象-故障原因关联对的初始的权值；其中的n为所述故障现象对应的故障现象-故障原因关联对的总数；
[0074]
若n个所述故障现象-故障原因关联对的初始的权值之和小于1，则
[0075]
所述实际故障原因对应的故障现象-故障原因关联对的权值增加1/(n*m)；
[0076]
其中，m为所述实际故障原因的统计事件的总数；此时，其他的在此次故障维修过程中的非实际故障对应的故障现象-故障原因关联对的权值保持不变。
[0077]
否则，非实际故障所对应的故障现象-故障原因关联对的权值更新如下：
[0078][0079]
实际故障所对应的故障现象-故障原因关联对的权值更新如下：
[0080][0081]
式中：pf为非实际故障所对应的故障现象-故障原因关联对的权值；p
0f
为非实际故障所对应的故障现象-故障原因关联对的初始的权值；py为实际故障所对应的故障现象-故障原因关联对的权值；p
0y
为实际故障所对应的故障现象-故障原因关联对的初始的权值；
[0082]
具体的，在故障现象-故障原因的关系图中，故障现象节点下有n个故障原因子节点，考虑统计充分性，平均每个故障原因子节点必须有m个统计事件才认为是具有统计充分性，则若所述故障现象-故障原因的关系图中的所有的故障现象-现场故障原因关联对的权值之和小于1，即故障现象下所有故障原因子节点的基本概率赋值(边的权值)之和小于1时，则识别框架基本概率赋值不为零，基于实际故障原因的故障现象-故障原因关联对的概率值增加1/(n
×
m)；否则(识别框架基本概率赋值为零)，故障现象-故障原因的关系图中的所有的故障现象-故障原因关联对的权值乘以(m
×
n/(1+m
×
n))，在此基础上，实际故障原因所对应的故障现象-故障原因关联对的权值增加1/(1+n*m)。
[0083]
为保证统计的充分性，根据抽样统计样本容量计算理论，m可用如下公式计算：
[0084]
[0085]
其中，z
α/2
为置信水平为α的统计量，α＝0.05时，z
α/2
＝1.96，α＝0.1时，z
α/2
＝1.64.p为节点的可能概率，这里可以取0.2，
△
为需要达到的抽样统计误差，这里可以设为0.1.当α＝0.05、p＝0.2、
△
＝0.1时，m＝62.
[0086]
优选地，在步骤s4后，若跟据故障原因优先级序列中的故障原因顺序，对舰载拖拽电子装备的故障进行维修后，没有获取舰载拖曳电子装备的实际故障原因；即故障现象-故障原因的关系图中不存在能够解决此故障现象的故障原因，此时故障维修失败，则由专家对故障进行诊断，获取舰载拖曳电子装备的实际故障原因，并在所述故障现象-故障原因关系图中，增加实际故障原因作为新的故障原因节点；并更新所述故障现象对应的所有的故障现象-故障原因关联对的权值。更新的方法与s6中所采用的方法相同。
[0087]
具体的，当新的故障现象出现时，利用ds证据系统(故障现象-故障原因关系图)，根据现场维修能力、装备组成和现场维修级故障原因，建立现场维修级故障原因节点，作出故障原因推理，推理结果是按概率排列的故障原因选项，根据推理结果依次选择故障原因进行现场维修，直至修复系统，并将修复结果信息更新到ds证据系统中；如果不能修复则确定为当前ds证据系统有缺陷，需要进一步的专家诊断。在逐次的故障事件中，不断的对故障现象-故障原因关联对的权值进行更新，统计事件越来越多，能够建立起日益完善的ds证据系统。
[0088]
在本发明的实施例中，如果故障维修事件的对应关系(故障现象-故障原因关联对)在所建立的故障现象-故障原因关系图中没有找到子图，则分两种情况扩展故障-部件关系图：(1)如果故障现象-故障原因关系图中没有找到故障现象节点，则增加故障现象节点，并增加故障原因子节点；(2)如果找到故障现象节点，但没有找到部件(故障原因)子节点，则增加部件子节点。在扩展了关系图后，该故障现象下子图的所有边的权值为原来权值的n/(n+1)倍，新增的边的权值按照本实施例中的方法进行更新。
[0089]
本发明的一个实施例如下：
[0090]
如图3所示，为舰船电子拖曳装备甲板机械装备故障现象-故障原因关系图，如果故障维修事件为ga12-x20(交频调速器保护故障)，即故障现象为甲板机械装置xx3无法正常收放，诊断为交频调速器保护故障，通过重置交频调速器保护装置，故障修复。在图3中找到ga12-x20子图，如果ga12下所有故障现象-故障原因关联对的权值之和小于1，则故障现象-故障原因关联对为ga12-x20的权值增加1/(n
×
m)；如果ga12下所有故障现象-故障原因关联对的权值之和等于1，则ga12节点下的每个故障现象-故障原因关联对的权值更新原来的(m
×
n/(1+m
×
n))倍，然后故障现象-故障原因关联对为ga12-x20的权值增加1/(1+n
×
m)；图3中的ga为故障现象标识符，x为底事件故障部位标识符，具体含义如表所示：
[0091]
甲板机械装备故障树中间事件表
[0092][0093]
甲板机械装备故障树底事件表
[0094]
[0095][0096]
当出现ga13故障时，根据图5中ga13节点下的子图及其边权值，故障原因排列为x23、x24、x20、x22、x25、x26.
[0097]
当出现ga13和ga17故障时，故障原因结果集u＝{x20,x22,x23,x24,x25,x26,x32,x33}，则利用ds推理建立交叉相乘表：
[0098][0099]
根据ds推理公式，得到故障原因的基本概率赋值：
[0100]
m(x20)＝0.0517；
[0101]
m(x23)＝0.5000；
[0102]
m(x24)＝0.1552；
[0103]
m(x25)＝0.1552；
[0104]
m(x32)＝0.0345；
[0105]
m(u)＝0.1034；
[0106]
根据上面的基本概率赋值，故障原因的排列如下：x23、x24、x25、x20、x32；
[0107]
图4展示了本发明的实施例中的故障诊断方法流程图，其中，每个故障现象都可以表示为故障现象-故障原因关系图g的一个故障现象节点φ
a,i
(i＝1...i)，根据故障现象节点，在故障关系图g中，查找包含所述故障现象的故障事件，并提取所述故障现象的权值w
a,i
。
[0108]
本发明适用于不同类型的舰载拖曳电子装备现场故障诊断，可根据典型装备故障现象帮助舰员快速定位故障原因，按故障原因的可能性进行排序，为舰员快速恢复舰载声纳装备能力提供重要技术支持。本发明还可以推广应用于其他舰载、艇载、岸基、机载等相似电子装备故障诊断与维修保障领域。
[0109]
图2展示了本发明建立故障现象与故障原因关系图的流程图。首先列出故障现象和故障原因，根据舰载拖曳电子装备的功能分析和工作原理，建立初步的故障现象-故障原因关系图；当新的故障维修事件(故障现象-故障原因关联对)出现时，如果在故障现象-故障部件关系图中，找不到该事件子图，则该故障维修事件称为未覆盖事件，如果是故障现象未覆盖，则在关系图中增加故障现象节点；如果故障现象已经覆盖，但是该故障现象下没有维修事件中的故障原因子节点，则在该现象下增加故障原因子节点。
[0110]
图4是本发明建立故障原因基本概率赋函数的流程图。图中故障维修事件表示为有向图e(φa→
φ
p
)，其中φa表示故障现象，φ
p
表示故障原因，故障维修事件就是出现故障现象后φa，对故障原因φ
p
进行维修，使得装备恢复功能。在故障现象-故障原因关系图g中寻找e(φa→
φ
p
)，没有找到，则表示g不完备，需要更新。如果找到则提取现象φa节点下的子图ga。ga下面有n个部件子节点和n条边，对所有边的权值进行累加，并判断是否等于1，并根据判断进行权值的更新，其中wi表示对每条边的权值进行更新操作，we仅仅对故障维修事件子图的边的权值进行操作，并且wi的操作在前，we的操作在后。
[0111]
图5是本发明在图3的基础上，通过维修事件的统计来对图3中的边给予基本概率赋值，形成边带权值的关系图。
[0112]
图6是本发明中基于建立的基本赋值概率函数，在实际的故障现象产生后，基于ds证据理论的诊断流程图，诊断最后输出为根据故障产生部位的概率排序的故障原因列表。故障现象出现以后，包括故障现象出现以后，进行的一些其他检查得到的故障现象。每个故障现象都可以表示为故障关系图g的一个故障现象节点φ
a,i
(i＝1..n)，根据故障现象节点查找包含该现象的子图，并提取该子图的所有边的权值w
a,i
。这样每个故障现象就获得了一个基本概率赋值函数，然后利用ds证据组合方法组合证据，获得综合后的基本概率赋值函数，排序得到维修部件的维修或检测步骤。当ds证据组合后大部分概率赋值给全体故障原因(u)时，该排序的可靠性较差，但是随着维修样本的增加，ds证据组合后的基本概率赋值越来越大，表示诊断的确定性越来越大，有利于现场维修经验的非人工积累，有利于新职手的现场维修。
[0113]
本发明的一个实施例的施行步骤如下：
[0114]
步骤一：根据装备测试、试用情况，以及原理分析获得易出现的故障情况，列出常见故障现象φa；
[0115]
步骤二：根据装备原理、现场人员素质、装备备品情况等，列出现场维修级故障可
维修部件φ
p
；
[0116]
步骤三：根据组成、功能和工作原理，建立从故障现象到故障部位的关系图g，关系图g是以故障现象为子节点、故障部位为叶节点的关系图。
[0117]
步骤四：收集故障维修事件，并将维修事件表示为故障现象与维修部件的对应关系：e(φa→
φ
p
)；
[0118]
步骤五：在故障关系图g中查找以故障事件e；如果找到，则根据图4更新基本概率赋值函数；如果找不到，则图2按中未覆盖故障维修事件“在现象下未复盘部件”来更新故障关系图g；
[0119]
步骤六：修复后，根据故障现象和修复部件，建立修复事件，按步骤四、五更新基本概率赋值函数；
[0120]
步骤七：未修复，则进一步申请专家修复，修复后，如果该故障属于现场维修范围，则按图2更新关系图g。
[0121]
本发明通过装备体系结构、装备原理和工作过程的知识构建故障关系图，并利用已有的故障案例进行统计分析，构造以故障现象为证据的故障原因基本概率赋值，形成边带权值的关系图，建立ds推理系统。当实际的故障发生后，通过多现象故障的ds证据组合进行定位决策。在对故障现象-故障原因关联对的更新后的权值不断进行更新后，使得故障定位准确率越来越高，大大的缩短了现场的故障维修周期。由于现场人员对装备原理和工作过程理解不够，其主要职责也是操作装备，因此本发明能够帮助现场人员快速定位故障原因。
[0122]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，其特征在于，包括如下步骤：s1：根据舰载拖曳电子装备的故障现象和故障原因，建立故障现象-故障原因的关系图；其中，在所述故障现象-故障原因关系图中，包括作为根节点的故障现象节点，和作为子节点的若干故障原因节点；所述故障现象节点与所述故障原因节点形成有向的故障现象-故障原因关联对；s2：获取拖曳电子装备维修的历史统计数据，根据所述故障现象-故障原因的关系图，获取故障现象-故障原因关联对的初始的权值；s3：当舰载拖曳电子装备发生故障时，获取若干现场的故障现象，以根据所述故障现象-故障原因关系图，获取现场的故障现象对应的故障原因集合；s4：基于ds证据理论，根据所述现场的故障现象对应的故障原因集合和故障现象-故障原因关联对的初始的权值，获取融合后的故障原因的概率值；以根据融合后的故障原因的概率值从大到小，将故障原因进行排序，获取故障原因优先级序列；s5：根据故障原因优先级序列，依次对舰载拖拽电子装备进行故障的维修，获取舰载拖曳电子装备的实际故障原因；s6：根据所述实际故障原因，对所述故障现象-故障原因关联对的初始的权值进行更新，获取故障现象-故障原因关联对的更新后的权值，以基于故障现象-故障原因关联对的更新后的权值，对下一次的舰载拖曳电子装备故障进行诊断。2.根据权利要求1所述的一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，其特征在于，获取融合后的故障原因的概率值方法如下：式中：m1(a
p
)表示第1个故障现象对应的第p个故障原因a
p
的赋值；m2(a
q
)表示第2个故障现象的第q个故障原因a
q
的赋值；m(c)表示融合后的故障原因c的基本概率赋值；c为融合后的故障原因；表示空集；u1为第1个故障现象下的识别框架，u2为第2个故障现象下的识别框架；k1表示冲突因子。3.根据权利要求2所述的一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，其特征在于，第1个故障现象对应的第p个故障原因a
p
的赋值获取如下：的赋值获取如下：
其中，n1为第1个故障现象下的故障原因的个数；w
s
为第1个故障现象节点下第s个故障现象-故障原因关联对的权值，s为第1个故障现象对应的故障现象-故障原因关联对的编号；m1(u1)为第1个故障现象下的识别框架的赋值；表示第1个故障现象对应的空集；第2个故障现象的第q个故障原因a
q
的赋值获取如下：的赋值获取如下：其中，n2为第2个故障现象下的故障原因的个数；w
t
为第2个故障现象节点下第t个故障现象-故障原因关联对的权值，t为第2个故障现象对应的故障现象-故障原因关联对的编号；m2(u2)为第2个故障现象下的识别框架的赋值；表示第2个故障现象对应的空集。4.根据权利要求1所述的一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，其特征在于，对所述故障现象-故障原因关联对的初始的权值进行更新的方法如下：获取所述故障现象对应的n个故障现象-故障原因关联对的初始的权值；其中的n为所述故障现象对应的故障现象-故障原因关联对的总数；若n个所述故障现象-故障原因关联对的初始的权值之和小于1，则所述实际故障原因对应的故障现象-故障原因关联对的权值增加1/(n*m)；其中，m为所述实际故障原因的统计事件的总数；否则，非实际故障所对应的故障现象-故障原因关联对的权值更新如下：实际故障所对应的故障现象-故障原因关联对的权值更新如下：式中：p
f
为非实际故障所对应的故障现象-故障原因关联对的权值；p
0f
为非实际故障所对应的故障现象-故障原因关联对的初始的权值；p
y
为实际故障所对应的故障现象-故障原因关联对的权值；p
0y
为实际故障所对应的故障现象-故障原因关联对的初始的权值。5.根据权利要求1所述的一种基于ds证据推理的舰载拖曳电子装备故障现场诊断方法，其特征在于，所述s4后，若跟据故障原因优先级序列中的故障原因顺序，对舰载拖拽电子装备的故障进行维修后，没有获取舰载拖曳电子装备的实际故障原因；则由专家对故障进行诊断，获取舰载拖曳电子装备的实际故障原因，并在所述故障现象-故障原因关系图中，增加实际故障原因作为新的故障原因节点；并更新所述故障现象对应的所有的故障现象-故障原因关联对的权值。

技术总结
本发明公开了本发明的一种基于DS证据推理的舰载拖曳电子装备故障现场诊断方法，通过建立带权值故障现象-故障原因关系图，基于DS证据理论获取融合后的故障原因的概率值，并获取故障原因优先级序列；依次对舰载拖拽电子装备进行故障的维修，获取舰载拖曳电子装备的实际故障原因；并基于实际故障原因，获取故障现象-故障原因关联对的更新后的权值，以基于故障现象-故障原因关联对的更新后的权值，对带权值的故障现象-故障原因关系图进行更新，以在下一次的故障中进行故障原因定位。在对故障现象-故障原因关联对的更新后的权值不断进行更新后，使得故障定位准确率越来越高，大大的缩短了现场的故障维修周期。缩短了现场的故障维修周期。缩短了现场的故障维修周期。


技术研发人员：许林周 夏志军 康春玉 付留芳 郑亚波
受保护的技术使用者：中国人民解放军海军大连舰艇学院
技术研发日：2023.06.13
技术公布日：2023/9/6