專利名稱：用于通過預(yù)測(cè)推理來分析復(fù)雜系統(tǒng)的方法系統(tǒng)和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明一般涉及復(fù)雜(complex)系統(tǒng)的診斷和預(yù)測(cè)，更特別地涉及用于識(shí)別、診斷 和預(yù)測(cè)在復(fù)雜系統(tǒng)中和/或其一個(gè)或多個(gè)子系統(tǒng)中可能發(fā)生的不良事件或故障的監(jiān)視系 統(tǒng)和推理架構(gòu)。
背景技術(shù)：
在包括多個(gè)子系統(tǒng)的復(fù)雜系統(tǒng)中，諸如電氣設(shè)備或諸如船、飛機(jī)或太空船等的交 通工具，期望的是識(shí)別在其一個(gè)或多個(gè)子系統(tǒng)中可能發(fā)生的不良事件或故障。例如，常常使 用交通工具健康監(jiān)視系統(tǒng)來監(jiān)視交通工具系統(tǒng)的交通工具健康特性。圖1是示出常規(guī)復(fù)雜系統(tǒng)5和分析系統(tǒng)15的方框圖。復(fù)雜系統(tǒng)5包括多個(gè)(L··· N)子系統(tǒng)10，并且每個(gè)子系統(tǒng)10包括一個(gè)或多個(gè)傳感器或其它監(jiān)視器(未示出)。每個(gè)傳 感器/監(jiān)視器能夠生成被分析系統(tǒng)15使用的傳感器數(shù)據(jù)。分析系統(tǒng)15包括許多簡(jiǎn)單的診 斷和預(yù)測(cè)監(jiān)視器(SDPM) 20和維護(hù)計(jì)算機(jī)(MC) 25。每個(gè)SDPM 20可以從一個(gè)或多個(gè)子系統(tǒng)接收傳感器數(shù)據(jù)，并且對(duì)該傳感器數(shù)據(jù)執(zhí) 行機(jī)內(nèi)測(cè)試(BIT)以解釋傳感器數(shù)據(jù)并生成BIT結(jié)果。每個(gè)BIT結(jié)果都是本質(zhì)上是二元(例 如，是/否、開/關(guān)、1/0等)的證據(jù)或由傳感器/監(jiān)視器觀察到的感測(cè)事件或條件的“二元 證據(jù)”。(多個(gè))BIT結(jié)果被提供到MC 25的推論引擎30。推論引擎30包括實(shí)現(xiàn)用于分析(多 個(gè))BIT結(jié)果并生成關(guān)于在復(fù)雜系統(tǒng)的子系統(tǒng)中的一個(gè)或多個(gè)處發(fā)生的事件的回答或結(jié)論 的算法的預(yù)測(cè)推理器(PR)模塊35。然而，冊(cè)模塊35通常不提供對(duì)關(guān)于復(fù)雜系統(tǒng)或其子系 統(tǒng)的診斷和預(yù)測(cè)的最佳支持。雖然有復(fù)雜系統(tǒng)分析技術(shù)中的這些進(jìn)步，但期望的是提供供此類復(fù)雜系統(tǒng)使用的 改進(jìn)分析系統(tǒng)。此外，通過結(jié)合附圖和本發(fā)明背景進(jìn)行的本發(fā)明的后續(xù)詳細(xì)說明和所附權(quán) 利要求，本領(lǐng)域的技術(shù)人員將清楚本發(fā)明的其它期望特征和特性。

發(fā)明內(nèi)容
提供了用于分析包括多個(gè)子系統(tǒng)的復(fù)雜系統(tǒng)的方法和裝置。每個(gè)子系統(tǒng)包括被 設(shè)計(jì)為生成傳感器數(shù)據(jù)的至少一個(gè)傳感器。處理來自傳感器中的至少一個(gè)的傳感器數(shù)據(jù) 以生成感測(cè)事件的二元證據(jù)，和感測(cè)事件的復(fù)雜證據(jù)。該復(fù)雜證據(jù)具有比二元證據(jù)更完善 (sophisticated)的數(shù)學(xué)性質(zhì)。復(fù)雜證據(jù)包括以下各項(xiàng)中的一個(gè)或多個(gè)條件指示符(Cl)、 健康指示符(HI)、和預(yù)測(cè)指示符(PI)。提供了一種系統(tǒng)故障模型(SFM)，其定義二元證據(jù)、 復(fù)雜證據(jù)、和在復(fù)雜系統(tǒng)中發(fā)生的底層故障模式(FM)之間的統(tǒng)計(jì)關(guān)系。處理所述二元證據(jù) 和所述復(fù)雜證據(jù)以識(shí)別在子系統(tǒng)中的一個(gè)或多個(gè)內(nèi)發(fā)生的故障模式?；诙C據(jù)和復(fù)雜 證據(jù)及SFM，可以生成關(guān)于在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的診斷結(jié)論，并且可以生成關(guān)于被 預(yù)測(cè)將在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論。依照一個(gè)實(shí)施例，提供了一種用于分析包括多個(gè)子系統(tǒng)的復(fù)雜系統(tǒng)的方法。每個(gè) 子系統(tǒng)包括被設(shè)計(jì)為生成傳感器數(shù)據(jù)的至少一個(gè)傳感器。處理來自傳感器中的至少一個(gè)的傳感器數(shù)據(jù)以生成感測(cè)事件的二元證據(jù)，和感測(cè)事件的復(fù)雜證據(jù)。該復(fù)雜證據(jù)具有比二元 證據(jù)更完善的數(shù)學(xué)性質(zhì)。復(fù)雜證據(jù)包括以下各項(xiàng)中的一個(gè)或多個(gè)條件指示符(Cl)、健康 指示符(HI)、和預(yù)測(cè)指示符(PI)。提供了一種系統(tǒng)故障模型(SFM)，其定義二元證據(jù)、復(fù)雜 證據(jù)、和在復(fù)雜系統(tǒng)中發(fā)生的底層故障模式(FM)之間的統(tǒng)計(jì)關(guān)系。處理所述二元證據(jù)和所 述復(fù)雜證據(jù)以識(shí)別在子系統(tǒng)中的一個(gè)或多個(gè)內(nèi)發(fā)生的故障模式。基于二元證據(jù)和復(fù)雜證據(jù) 及SFM，可以生成關(guān)于在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的診斷結(jié)論，并且可以生成關(guān)于被預(yù)測(cè) 將在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論。在一種實(shí)現(xiàn)中，可以通過對(duì)傳感器數(shù)據(jù)執(zhí)行機(jī)內(nèi)測(cè)試(BIT)來生成感測(cè)事件的二 元證據(jù)。由特定機(jī)內(nèi)測(cè)試(BIT)生成的二元證據(jù)的每個(gè)實(shí)例包括包含故障模式的模糊組的 “BIT”證據(jù)。SFM捕捉FM與BIT證據(jù)之間的關(guān)系作為展示。在一種實(shí)現(xiàn)中，可以通過處理來自多元信號(hào)的傳感器數(shù)據(jù)以生成CI、HI和/或PI 來生成感測(cè)事件的復(fù)雜證據(jù)。CI包括導(dǎo)出的參數(shù)數(shù)據(jù)，其朝著故障模式的模糊組提供部 分證據(jù)。可以將CI與FM之間的數(shù)學(xué)關(guān)系表示為低階多項(xiàng)式。健康指示符(HI)包括提供 用于故障模式的模糊組的概率證據(jù)并包含對(duì)模糊故障模式集的參考的部分概括診斷結(jié)論。 可以將HI與FM之間的數(shù)學(xué)關(guān)系表示為概率密度函數(shù)。預(yù)測(cè)指示符(PI)包括指示HI在未 來時(shí)間段內(nèi)的未來演進(jìn)的部分概括證據(jù)。在一種實(shí)現(xiàn)中，PI包括預(yù)測(cè)矢量(PV)，所述預(yù)測(cè) 矢量(PV)包括指示故障的復(fù)雜時(shí)間的時(shí)間和概率的一個(gè)或多個(gè)有序?qū)Φ募??？梢詫I 與FM之間的關(guān)系表示為時(shí)間系列自動(dòng)回歸模型。除二元證據(jù)和復(fù)雜證據(jù)之外，SFM還可以包括其它元素，諸如修理動(dòng)作元素、功能 元素、可選元素、和/或相關(guān)故障模式元素。每個(gè)修理動(dòng)作元素表示用于將復(fù)雜系統(tǒng)恢復(fù)到 該復(fù)雜系統(tǒng)滿足指定要求的原始狀態(tài)的修正性修理動(dòng)作。在SFM中，每個(gè)修理動(dòng)作元素與 FM之間的關(guān)系被表示為用于將相應(yīng)的復(fù)雜系統(tǒng)恢復(fù)到原始狀態(tài)的相應(yīng)修正性修理動(dòng)作。每 個(gè)功能元素表示由系統(tǒng)或子系統(tǒng)執(zhí)行的活動(dòng)。在SFM中，用FM和可選元素之間的沖突來表 示每個(gè)可選元素與FM之間的關(guān)系，其中，可以將可選元素與FM之間的沖突的數(shù)學(xué)格式表示 為二元數(shù)。每個(gè)相關(guān)模式元素表示由其它故障模式引起的故障模式之間的級(jí)聯(lián)關(guān)系。在SFM 中，每個(gè)相關(guān)故障模式元素與FM之間的關(guān)系被表示為FM與相關(guān)故障模式元素之間的級(jí)聯(lián)。依照另一實(shí)施例，提供了一種包括復(fù)雜系統(tǒng)和分析系統(tǒng)的系統(tǒng)。該復(fù)雜系統(tǒng)包括 均具有被設(shè)計(jì)為生成傳感器數(shù)據(jù)的多個(gè)子系統(tǒng)。在一種非限制性實(shí)現(xiàn)中，所述復(fù)雜系統(tǒng)可 以是例如諸如飛機(jī)或太空船等的交通工具，并且所述分析系統(tǒng)可以是集成交通工具健康管 理(IVHM)系統(tǒng)。所述分析系統(tǒng)可以包括一個(gè)或多個(gè)簡(jiǎn)單診斷和預(yù)測(cè)監(jiān)視器(SDPM)、一個(gè)或多個(gè)高 級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM)及維護(hù)計(jì)算機(jī)(MC)。每個(gè)SDPM被設(shè)計(jì)為處理來自傳感器中的 至少一個(gè)的傳感器數(shù)據(jù)并生成感測(cè)事件的二元證據(jù)。每個(gè)ADPM被設(shè)計(jì)為處理來自傳感器 中的至少一個(gè)的傳感器數(shù)據(jù)并生成感測(cè)事件的至少一種形式的復(fù)雜證據(jù)。該復(fù)雜證據(jù)可以 包括以下各項(xiàng)中的一個(gè)或多個(gè)條件指示符(Cl )、健康指示符(HI )、和預(yù)測(cè)指示符(PI )。維護(hù)計(jì)算機(jī)(MC)以通信聯(lián)系的方式耦合到SDPM和ADPM。MC包括高級(jí)診斷和預(yù) 測(cè)推理器(ADPR)模塊。ADI5R模塊被設(shè)計(jì)為處理二元證據(jù)和復(fù)雜證據(jù)以識(shí)別在復(fù)雜系統(tǒng)的 一個(gè)或多個(gè)子系統(tǒng)內(nèi)發(fā)生的故障模式。為此，ADI5R模塊包括定義二元證據(jù)、復(fù)雜證據(jù)、和在 復(fù)雜系統(tǒng)中發(fā)生的底層故障模式(FM)之間的概率關(guān)系的系統(tǒng)故障模型(SFM)。ADI5R模塊還包括被設(shè)計(jì)為基于二元證據(jù)和復(fù)雜證據(jù)和SFM生成關(guān)于在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的 診斷結(jié)論的診斷處理模塊(DPM)和被設(shè)計(jì)為基于二元證據(jù)和復(fù)雜證據(jù)和SFM生成關(guān)于被預(yù) 測(cè)將在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論的預(yù)測(cè)處理模塊(PPM)。


下面將結(jié)合以下附圖來描述本發(fā)明，在附圖中類似的標(biāo)號(hào)表示類似的元件，并且 圖1是示出常規(guī)復(fù)雜系統(tǒng)和分析系統(tǒng)的方框圖2是示出依照一些公開實(shí)施例的復(fù)雜系統(tǒng)和分析系統(tǒng)的方框圖； 圖3A是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的簡(jiǎn)單診斷和預(yù)測(cè)監(jiān)視器(SDPM)的方 框圖3B是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的高級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM)的方 框圖4是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的用來定義示例性系統(tǒng)默認(rèn)模型(SFM) 的綱要的方框圖5是依照示例性實(shí)施例的與交通工具一起使用的集成交通工具健康管理(IVHM)系 統(tǒng)的功能性方框圖6是依照一個(gè)實(shí)施例的系統(tǒng)故障模型的分級(jí)表示的方框圖；以及 圖7是示出圖5所示的高級(jí)預(yù)測(cè)推理器(APR)模塊的示例性分層架構(gòu)的方框圖。
具體實(shí)施例方式以下詳細(xì)說明本質(zhì)上僅僅是示例性的且并不意圖限制本發(fā)明或本發(fā)明的應(yīng)用和 使用。本文所使用的詞語(yǔ)“示例性”意指“充當(dāng)示例、實(shí)例、或例示”。在本文中被描述為“示 例性”的任何實(shí)施例不一定被理解為相對(duì)于其它實(shí)施例而言是優(yōu)選或有利的。此外，不存在 受到在先前的背景技術(shù)或以下的詳細(xì)說明中提出的任何理論束縛的意圖。概述
上文參照?qǐng)D1描述的分析系統(tǒng)15的一個(gè)缺點(diǎn)是用來解釋傳感器數(shù)據(jù)的SDPM 20每個(gè) 僅僅生成簡(jiǎn)單的二元證據(jù)(即，BIT結(jié)果)。然而，在許多情況下，簡(jiǎn)單的二元證據(jù)未好到足以 識(shí)別復(fù)雜系統(tǒng)5或其子系統(tǒng)10之一中的某些不良事件或故障。例如，簡(jiǎn)單二元證據(jù)不足以 識(shí)別諸如潛在故障的“復(fù)雜不良事件”(即極慢的性能下降)、其中存在性能的逐漸下降的慢 進(jìn)事件、間隙性或重現(xiàn)故障、在其它子系統(tǒng)中顯現(xiàn)的級(jí)聯(lián)故障、和性能從開始迅速下降的快 進(jìn)事件(quickly progressing event)。另外，SI3R模塊35不被設(shè)計(jì)為處理這些“復(fù)雜不良 事件”的“完善證據(jù)”。因此，期望的是提供被設(shè)計(jì)為識(shí)別諸如上述的那些“復(fù)雜不良事件” 并被設(shè)計(jì)為生成關(guān)于這些復(fù)雜不良事件的診斷或預(yù)測(cè)結(jié)論的方法、系統(tǒng)和裝置。在描述依照本發(fā)明的詳細(xì)實(shí)施例之前，應(yīng)注意的是實(shí)施例主要在于與關(guān)于用于執(zhí) 行診斷和預(yù)測(cè)的監(jiān)視系統(tǒng)和推理架構(gòu)的方法步驟和裝置部件的組合，所述診斷和預(yù)測(cè)包括 識(shí)別、診斷和預(yù)測(cè)可能在復(fù)雜系統(tǒng)和/或其子系統(tǒng)中的一個(gè)或多個(gè)中發(fā)生的不良事件或故 障。應(yīng)認(rèn)識(shí)到本文所述的本發(fā)明的實(shí)施例可以使用硬件、軟件或其組合來實(shí)現(xiàn)。本文所述 的控制電路可以包括可以使用模擬和/或數(shù)字電路、分立或集成模擬或數(shù)字電子電路或其 組合來實(shí)現(xiàn)的各種部件、模塊、電路及其它邏輯。本文所使用的術(shù)語(yǔ)“模塊”指的是用于執(zhí)行任務(wù)的器件、電路、電氣部件、和/或基于軟件的部件。在一些實(shí)現(xiàn)中，當(dāng)在基于一個(gè)或多 個(gè)專用集成電路(ASIC)、一個(gè)或多個(gè)微處理器、和/或一個(gè)或多個(gè)數(shù)字信號(hào)處理器(DSP)的 電路中實(shí)現(xiàn)一部分或全部控制邏輯時(shí)，可以使用此類電路來實(shí)現(xiàn)本文所述的控制電路。應(yīng) 認(rèn)識(shí)到本文所述的本發(fā)明的實(shí)施例可以包括一個(gè)或多個(gè)常規(guī)處理器和控制所述一個(gè)或多 個(gè)處理器以與某些非處理器電路相結(jié)合地實(shí)現(xiàn)如本文所述的用于執(zhí)行診斷和預(yù)測(cè)(包括識(shí) 別、診斷和預(yù)測(cè)不良事件)的一些、大部分或全部功能的唯一存儲(chǔ)程序指令。例如，在一種實(shí) 現(xiàn)中，可以將模塊實(shí)現(xiàn)為在微處理器或微型計(jì)算機(jī)上運(yùn)行的軟件。同樣地，可以將這些功能 實(shí)現(xiàn)為用于識(shí)別、診斷和預(yù)測(cè)不良事件的方法的步驟?；蛘?，可以由不具有存儲(chǔ)的程序指令 的狀態(tài)機(jī)或者在一個(gè)或多個(gè)ASIC中實(shí)現(xiàn)一些或全部功能，其中，每個(gè)功能或某些功能的一 些組合被實(shí)現(xiàn)為定制邏輯。當(dāng)然，可以使用兩種方法的組合。因此，本文已描述了用于這些 功能的方法和裝置。此外，可以預(yù)期本領(lǐng)域的技術(shù)人員雖然可能受到例如可用時(shí)間、當(dāng)前技 術(shù)、和經(jīng)濟(jì)考慮的鼓勵(lì)而進(jìn)行了大量的努力和許多設(shè)計(jì)選擇，但當(dāng)?shù)玫奖疚乃龈拍詈驮?理的引導(dǎo)時(shí)將很容易能夠以最少的實(shí)驗(yàn)量產(chǎn)生此類軟件指令和程序和IC。特別地，公開的實(shí)施例實(shí)現(xiàn)能夠檢測(cè)和/或識(shí)別觸發(fā)條件并隨后記錄供特征提取 或子系統(tǒng)層級(jí)的高級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM)使用的指定的一組參數(shù)測(cè)量結(jié)果的智能數(shù) 據(jù)采集(IDC)技術(shù)。ADPM是實(shí)現(xiàn)診斷和預(yù)測(cè)算法的輸入-輸出計(jì)算塊。ADPM被設(shè)計(jì)為對(duì) 由傳感器提供的輸入證據(jù)(即部分、異構(gòu)、且異步的參數(shù)證據(jù))進(jìn)行操作已生成在本文中稱 為條件指示符、健康指示符和預(yù)測(cè)指示符的富集(enriched)、完善或復(fù)雜證據(jù)(CE)。此CE 可以由ADPM周期性地或通過活動(dòng)詢問機(jī)制來生成。該CE可以被高級(jí)預(yù)測(cè)推理器(APR)模 塊解釋并用于系統(tǒng)層級(jí)推理。用于系統(tǒng)層級(jí)推理的分級(jí)系統(tǒng)故障模型(SFM)與高級(jí)預(yù)測(cè)推理模塊(APR)相結(jié)合 地工作以處理CE并生成診斷結(jié)論和預(yù)測(cè)結(jié)論。例如，在ADra模塊處實(shí)現(xiàn)時(shí)間和空間融合技術(shù)以解決子系統(tǒng)之間的時(shí)間冗余和 拓?fù)溥B接。前者減少顫動(dòng)(Chatter)，而后者解決物理級(jí)聯(lián)。應(yīng)用這些技術(shù)生成不那么具有 周期性、但更加統(tǒng)一的證據(jù)以用于融合過程中的下一個(gè)步驟。然后在ADra模塊處實(shí)現(xiàn)因果和功能融合技術(shù)以解決由于諸如質(zhì)量、動(dòng)量、壓力、 轉(zhuǎn)矩等信號(hào)的交換而引起的因果依賴性。通過遵循因果聯(lián)系，可以使用這些技術(shù)來評(píng)估解 釋在任何時(shí)間點(diǎn)處收集的所有證據(jù)并基于該證據(jù)生成預(yù)測(cè)結(jié)論的潛在根本原因。圖2是示出依照一些公開實(shí)施例的復(fù)雜系統(tǒng)105和分析系統(tǒng)115的方框圖。復(fù)雜系統(tǒng)105可以是包括多個(gè)子系統(tǒng)100的任何復(fù)雜系統(tǒng)?？梢栽诎ㄗ酉到y(tǒng)的 任何復(fù)雜系統(tǒng)內(nèi)實(shí)現(xiàn)公開實(shí)施例。復(fù)雜系統(tǒng)的實(shí)例包括例如建筑物、工廠(例如發(fā)電站)、交 通工具(例如船、飛機(jī)、太空船、坦克等)。如在圖1中，復(fù)雜系統(tǒng)105包括多個(gè)(1…N)子系統(tǒng)110，并且每個(gè)子系統(tǒng)110包括 一個(gè)或多個(gè)傳感器或其它監(jiān)視器(未示出)。每個(gè)傳感器/監(jiān)視器可以生成被分析系統(tǒng)15所 使用的傳感器數(shù)據(jù)。通常，“傳感器”是測(cè)量物理量并將其轉(zhuǎn)換成可以被觀察員或被儀表讀 取的信號(hào)的設(shè)備。通常，傳感器可以用來感測(cè)光、運(yùn)動(dòng)、溫度、磁場(chǎng)、重力、濕度、振動(dòng)、壓力、 電場(chǎng)、聲音、及環(huán)境的其它物理方面。傳感器的非限制性實(shí)例可以包括聲傳感器(例如聲音、 擴(kuò)音器、地震檢波器、加速計(jì)等)、振動(dòng)傳感器、交通工具傳感器(例如空速指示器、高度計(jì)、 偏位角指示器、陀螺儀、慣性參考單元、磁羅盤、導(dǎo)航儀表傳感器、速度傳感器、節(jié)氣門位置傳感器、可變磁阻傳感器、粘度計(jì)、輪速傳感器、偏航率傳感器等)、化學(xué)傳感器/檢測(cè)器、電 流傳感器、電位傳感器、磁傳感器、射頻傳感器、環(huán)境傳感器、流體流動(dòng)傳感器、位置、角度、 位移、距離、速度、加速度傳感器(例如加速計(jì)、傾角計(jì)、位置傳感器、旋轉(zhuǎn)編碼器、旋轉(zhuǎn)可變 差動(dòng)變壓器、轉(zhuǎn)速計(jì)等)、光學(xué)、光、成像傳感器(例如電荷耦合設(shè)備、紅外傳感器、LED、光纖 傳感器、光電二極管、光電晶體管、光電傳感器等)、壓力傳感器和量規(guī)、應(yīng)力量規(guī)、轉(zhuǎn)矩傳感 器、力傳感器、壓電傳感器、密度傳感器、水平傳感器、熱、熱量、溫度傳感器(例如、熱通量傳 感器、溫度計(jì)、基于電阻的溫度檢測(cè)器、熱敏電阻、熱電偶等)、接近/存在傳感器等。分析系統(tǒng)115包括多個(gè)高級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM) 220-1··· 220-N、多個(gè)簡(jiǎn)單 診斷和預(yù)測(cè)監(jiān)視器(SDPM) 210-1…210-N、以及與ADPM 220和SDPM 210通信的維護(hù)計(jì)算 機(jī)(MC) 195。本文所使用的術(shù)語(yǔ)“診斷”意指“用于識(shí)別特定故障模式”。本文所使用的術(shù) 語(yǔ)“預(yù)測(cè)”意指“用于連同特定故障模式發(fā)生之前的估計(jì)時(shí)間一起預(yù)測(cè)該特定故障模式的發(fā) 生”。如下面將詳細(xì)描述的，MC 195能夠收集分別由SDPM 210和ADPM 220生成的各種二元 和復(fù)雜證據(jù)信號(hào)，根據(jù)診斷和預(yù)測(cè)推理算法來分析這些證據(jù)信號(hào)，然后產(chǎn)生關(guān)于在系統(tǒng)105 中發(fā)生的不良事件的診斷結(jié)論和/或關(guān)于可能在不久的將來發(fā)生的不良事件的預(yù)測(cè)結(jié)論。 可以使用適當(dāng)?shù)娘@示器130將這些結(jié)論呈現(xiàn)給用戶和/或下載到計(jì)算機(jī)140/150以進(jìn)行維 護(hù)決策。如上所述，參照?qǐng)D1，每個(gè)SDPM 210可以將從子系統(tǒng)110中的一個(gè)或多個(gè)接收傳感 器數(shù)據(jù)，并對(duì)該傳感器數(shù)據(jù)執(zhí)行機(jī)內(nèi)測(cè)試(BIT)以解釋傳感器數(shù)據(jù)并生成BIT結(jié)果。每個(gè) BIT結(jié)果都是本質(zhì)上是二元(例如，是/否、開/關(guān)、1/0等)的證據(jù)或感測(cè)事件的“二元證據(jù) (BE)”。每個(gè)ADPM 220能夠從子系統(tǒng)110中的一個(gè)或多個(gè)接收傳感器數(shù)據(jù)。每個(gè)ADPM 220 包括高級(jí)診斷和預(yù)測(cè)算法，其被設(shè)計(jì)為基于來自子系統(tǒng)的傳感器數(shù)據(jù)來識(shí)別諸如上述那些 的“復(fù)雜不良事件”，并基于該傳感器數(shù)據(jù)生成感測(cè)事件的附加類型的“復(fù)雜證據(jù)(CE)”。此 CE可以產(chǎn)生于任何子系統(tǒng)，并且在此意義上是“不可知的”。在一些實(shí)現(xiàn)中，可以處理來自 單個(gè)傳感器的輸出信號(hào)以生成復(fù)雜證據(jù)。示例是一些其它數(shù)學(xué)運(yùn)算所遵循的傳感器輸出信 號(hào)的非線性變換。在其它實(shí)現(xiàn)中，可以處理來自多個(gè)傳感器的輸出信號(hào)以生成復(fù)雜證據(jù)。 在任一種情況下，CE具有與感測(cè)事件的簡(jiǎn)單二元證據(jù)相比更完善的數(shù)學(xué)性質(zhì)。換言之，其 數(shù)學(xué)性質(zhì)比簡(jiǎn)單機(jī)內(nèi)測(cè)試(BIT)或二元結(jié)果能夠描述的更加完善。如下文將參照?qǐng)D3描述 的，可以將由每個(gè)ADPM 220生成的復(fù)雜證據(jù)分類為條件指示符(CI)224、健康指示符(HI) 228、和/或預(yù)測(cè)指示符(PI) 232。由每個(gè)SPDM 210生成的BE和由每個(gè)ADPM 220生成的CE被作為輸入信號(hào)提供給 MC 195的高級(jí)診斷和預(yù)測(cè)推理器(APR)模塊180。本文所使用的術(shù)語(yǔ)“故障模式”指的是由不良事件(例如物理缺陷)引起的降低復(fù) 雜系統(tǒng)105的功能、使得其不再滿足一個(gè)或多個(gè)指定要求的物理現(xiàn)象?？梢栽诜治鱿到y(tǒng)115 中在內(nèi)部表示故障模式。此內(nèi)部表示還稱為“故障模式”。本文所使用的術(shù)語(yǔ)“故障條件”指的是提供在復(fù)雜系統(tǒng)中發(fā)生的底層故障模式的 “可變”表示的軟件實(shí)體或結(jié)構(gòu)?？梢栽诓恢缹?shí)際上發(fā)生多個(gè)故障模式中的哪一個(gè)的情況 下構(gòu)造故障條件。故障條件被設(shè)計(jì)為保持二元和/或復(fù)雜證據(jù)、模糊集/組等。術(shù)語(yǔ)模糊 集和模糊組在本文中可被互換地使用且常常被描述為模糊集/組。模糊集/組是不能被分辨的故障模式組(通常為一個(gè)以上)，其中，引起故障條件的模糊集/組中的特定故障模式是 未知的。構(gòu)成模糊集/組的集/組中的任何故障模式可能是故障條件的原因。模糊集/組 中的每個(gè)故障模式具有作為在復(fù)雜系統(tǒng)中發(fā)生的實(shí)際故障模式的唯一概率。這些概率可以 相互不同且可能是分析系統(tǒng)未知的。例如，在模糊集/組{曲軸、芯片承載}中，與這些故 障模式相關(guān)聯(lián)的概率可以分別為0. 1和0. 8，使得第二種(芯片承載)更可能是底層故障模 式。ADPR模塊180是基于系統(tǒng)105的特定要求而設(shè)計(jì)的。ADI3R模塊180包括診斷處 理模塊192 (和算法)、預(yù)測(cè)處理模塊192 (和算法)、以及在其結(jié)構(gòu)和概率和/或統(tǒng)計(jì)性質(zhì)方 面定義CE和BE的系統(tǒng)故障模型(SFM) 190、以及可能在BE、CE和故障模式(即感興趣的不 良事件)之間存在的可能關(guān)系。利用這些特征，ADPR模塊180定義被設(shè)計(jì)為處理BE和CE 以識(shí)別、診斷和預(yù)測(cè)不良事件的數(shù)學(xué)框架?？梢酝ㄟ^離線分析中的數(shù)據(jù)挖掘來創(chuàng)建SFM 190。此離線分析步驟估計(jì)SFM 190 中的未知參數(shù)。為了創(chuàng)建SFM 190，可以采用多種數(shù)學(xué)技術(shù)中的任何一種，諸如集群、相關(guān)性 分析和最小二乘法估計(jì)等。一旦創(chuàng)建，SFM 190定義可能在CE和BE信號(hào)與一個(gè)或多個(gè)“故 障模式”之間存在的各種關(guān)系。在運(yùn)行時(shí)，ADPR模塊180使用SFM 190以及其診斷和預(yù)測(cè)處理模塊192來
(1)分析BE和CE以識(shí)別在復(fù)雜系統(tǒng)105內(nèi)(或在復(fù)雜系統(tǒng)105的子系統(tǒng)110中的一個(gè) 或多個(gè)處)發(fā)生的不良事件；
(2)診斷不良事件或故障以生成關(guān)于在復(fù)雜系統(tǒng)105內(nèi)(或在復(fù)雜系統(tǒng)105的子系統(tǒng) 110中的一個(gè)或多個(gè)處)發(fā)生的不良事件或故障的診斷結(jié)論；和/或
(3)預(yù)知(或“預(yù)測(cè)”)不良事件或故障(即，使用演繹推理來生成被預(yù)測(cè)將在復(fù)雜系統(tǒng) 105內(nèi)(或在未來時(shí)間在復(fù)雜系統(tǒng)105的子系統(tǒng)110中的一個(gè)或多個(gè)處))發(fā)生不良事件或 故障的預(yù)測(cè)結(jié)論。例如，通過使用演繹推理，ADra模塊180可以估計(jì)不良事件的嚴(yán)重性以 及用于受影響的子系統(tǒng)的剩余有用壽命。在一種示例性實(shí)現(xiàn)中，ADI5R模塊180可以實(shí)現(xiàn)W算法的擴(kuò)展，其中，W算法被擴(kuò)展 為解決不確定性的傳播以及對(duì)診斷過程中的活動(dòng)系統(tǒng)層級(jí)參與的需要?；網(wǎng)算法將假 設(shè)和演繹推理步驟組合，并且例如在T. Felke所著的題為“Application of Model-based Diagnostics Technology on the Boeing 777 Airplane" ^ 1994 ^djM^l IEEE Aero Conf. , Big Sky, MT中描述了 W算法的示例，其全部?jī)?nèi)容通過引用被結(jié)合到本文中。依照 擴(kuò)展W算法實(shí)現(xiàn)，證據(jù)集(諸如上述BE和CE)與稱為其模糊集/組的故障模式組相關(guān)聯(lián)。模 糊集/組中的任何故障模式的發(fā)生可能已促使子系統(tǒng)傳感器/監(jiān)視器生成此證據(jù)。假設(shè)步 驟創(chuàng)建故障條件(FC)并使模糊集/組與之相關(guān)聯(lián)。給定故障條件，演繹步驟隨后生成“預(yù) 期證據(jù)”集(即將預(yù)期查看模糊集/組中的任何故障模式是否將發(fā)生的證據(jù))。證據(jù)集(諸如 上述BE和CE)與系統(tǒng)中的每個(gè)故障模式相關(guān)聯(lián)。相反地，對(duì)于每件證據(jù)而言，可以存在可能 已生成該證據(jù)的一個(gè)以上的故障模式。當(dāng)通過ADI5R模塊180看到一件證據(jù)時(shí)，其構(gòu)造包含 (特別地)該件證據(jù)和可能引起該件證據(jù)的故障模式集的FC。后者稱為“模糊集/組”。對(duì) 于模糊集/組中的每個(gè)故障模式而言，假設(shè)步驟構(gòu)造應(yīng)被查看故障模式是否正在發(fā)生的證 據(jù)集并將該集與看到的相比較以確定實(shí)際上正在發(fā)生模糊集/組中的故障模式中的哪一 個(gè)。隨著證據(jù)的累積，可以指示FC的模糊集/組中的一個(gè)以上的故障模式正在發(fā)生，或者可以指示其中任何一個(gè)都沒有發(fā)生。AP推理器提供用于分裂和合并FC的規(guī)則?？梢酝瑫r(shí) 存在一個(gè)以上的FC。按照慣例，每個(gè)FC對(duì)單個(gè)故障假設(shè)單獨(dú)地進(jìn)行操作。也就是說，即使 FC包含可以由多個(gè)故障模式構(gòu)成的模糊集，也精確地假設(shè)一個(gè)故障模式在任何一個(gè)時(shí)間發(fā) 生。這允許算法診斷并預(yù)測(cè)多個(gè)同時(shí)故障模式。該系統(tǒng)通過明確地將級(jí)聯(lián)故障模式(其中， 故障模式可能引起其它故障模式發(fā)生)考慮在內(nèi)來確定用于評(píng)估故障模式假定的順序。因此，ADI5R模塊180采用演繹步驟和假設(shè)步驟的組合來分析網(wǎng)絡(luò)以解釋給定的觀 察證據(jù)集(CE和BE)。本文所使用的假設(shè)步驟識(shí)別最小的故障模式集，其中的任何一個(gè)能夠 解釋給定的證據(jù)集。在給定故障模式的情況下，演繹步驟構(gòu)想出可以期望的下一個(gè)證據(jù)集。 演繹和假設(shè)步驟的組合能夠遞歸地對(duì)ADPM 220提供的CE流(和/或從210提供的BE)進(jìn) 行運(yùn)算以計(jì)算最可能的故障模式。圖3A是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的簡(jiǎn)單診斷和預(yù)測(cè)監(jiān)視器(SDPM) 210的方框圖。SDPM 210從一個(gè)或多個(gè)子系統(tǒng)(未示出)接收傳感器數(shù)據(jù)204。然后，SDPM 210可以執(zhí)行諸如方框206處的閾值檢驗(yàn)和/或方框208處的比率檢驗(yàn)等的簡(jiǎn)單操作。例 如，閾值檢驗(yàn)框206可以將傳感器數(shù)據(jù)204與閾值相比較，并確定其是否大于(或小于)特定 閾值?；诖吮容^的結(jié)果，閾值檢驗(yàn)框206可以生成簡(jiǎn)單二元證據(jù)212A(也稱為BIT征兆， 諸如失敗BIT)。比率檢驗(yàn)框208可以將傳感器數(shù)據(jù)204與特定比率閾值相比較，并確定其 是否大于(或小于)特定比率閾值。基于此比較的結(jié)果，比率檢驗(yàn)框208可以生成簡(jiǎn)單二元 證據(jù)212B。盡管SDPM 210在本示例中能夠執(zhí)行閾值檢驗(yàn)和/或比率檢驗(yàn)，但應(yīng)認(rèn)識(shí)到SDPM 210可以將執(zhí)行多種其它簡(jiǎn)單二元檢驗(yàn)、比較和判定功能，諸如增加或減少信號(hào)等。圖;3B是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的高級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM) 220的方框圖。ADPM 220從一個(gè)或多個(gè)子系統(tǒng)(未示出)接收傳感器數(shù)據(jù)204。ADPM 220包 括信號(hào)處理模塊222、分類模塊2 和趨勢(shì)模塊230。ADPM可通過被應(yīng)用于ADPM 220的配 置參數(shù)202來配置。信號(hào)處理模塊222可以對(duì)傳感器數(shù)據(jù)(即由子系統(tǒng)中的一個(gè)或多個(gè)生 成的來自一個(gè)或多個(gè)傳感器的傳感器數(shù)據(jù))執(zhí)行多元信號(hào)處理以生成條件指示符224。分類 模塊2 能夠相對(duì)于條件指示符2M執(zhí)行分類功能以生成健康指示符228。趨勢(shì)模塊230 能夠相對(duì)于健康指示符2 執(zhí)行趨勢(shì)分析功能以生成指示預(yù)測(cè)結(jié)果的預(yù)測(cè)指示符232。雖 然在本示例中ADPM 220能夠執(zhí)行信號(hào)處理、分類和趨勢(shì)功能，但應(yīng)認(rèn)識(shí)到ADPM 220能夠執(zhí) 行多種其它功能。如現(xiàn)在將參照?qǐng)D4描述的，由ADPM 220輸出的指示符224、228、232是可以被SFM 190使用的所有形式的CE。圖4是示出依照公開實(shí)施例的一種示例性實(shí)現(xiàn)的用來定義示例性系統(tǒng)故障模型 (SFM)190的綱要的方框圖。出于說明的目的，將SFM 190表示為由異構(gòu)圓弧互連的網(wǎng)絡(luò)或 節(jié)點(diǎn)圖表，所述異構(gòu)圓弧表示對(duì)象/節(jié)點(diǎn)的種類之間的關(guān)系。在實(shí)際實(shí)現(xiàn)中，SFM提供表示 ADPR 180處的關(guān)系的方式。在一種示例性實(shí)現(xiàn)中，可以將SFM 190表示為包含多個(gè)元素的 XML文件。SFM 190包括與故障模式(FM)310有關(guān)的實(shí)體或元素以提供用于自動(dòng)化系統(tǒng)層級(jí) 推理的參考框架并支持該自動(dòng)化系統(tǒng)層級(jí)推理。在此特定示例性實(shí)現(xiàn)中，所述實(shí)體/元素 包括一個(gè)或多個(gè)修理動(dòng)作元素320、一個(gè)或多個(gè)功能元素330、以及一個(gè)或多個(gè)相關(guān)故障 模式元素340。在此模型中，F(xiàn)M 310表示降低系統(tǒng)105的功能性、使得其不再滿足其指定要求的對(duì)系統(tǒng)105的改變。修理動(dòng)作元素320表示用于使系統(tǒng)恢復(fù)至其原始狀態(tài)、使得其滿 足其指定要求的修正動(dòng)作?？蛇x元素330表示由系統(tǒng)或子系統(tǒng)執(zhí)行的活動(dòng)。相關(guān)故障模式 元素340表示當(dāng)一個(gè)故障模式引起另一個(gè)故障模式時(shí)的故障模式(即由其它故障模式引起 的故障模式)之間的級(jí)聯(lián)關(guān)系。例如，斷開的鏈擺動(dòng)并摩擦零件并促使其受腐蝕。SFM 190 還定義各種元素之間的復(fù)雜故障模式證據(jù)關(guān)系。BIT證據(jù)212是由失敗或成功的機(jī)內(nèi)測(cè)試(BIT)生成的證據(jù)。例如，通常通過相對(duì) 于用傳感器/監(jiān)視器生成的一元信號(hào)執(zhí)行比率檢驗(yàn)和閾值檢驗(yàn)以便特定子系統(tǒng)確定其是 否超過某個(gè)水平(或在其之下)來生成BIT證據(jù)。同樣地，BIT證據(jù)212通常采取二元信號(hào) (例如開/關(guān))的形式并指示一個(gè)或多個(gè)故障模式(即包含故障模式的模糊集/組)的可能發(fā) 生(或未發(fā)生)。失敗BIT是“二元”健康指示符的特征提取和生成的最簡(jiǎn)單形式。SFM 190 捕捉FM 310和BIT證據(jù)212之間的關(guān)系作為展示305。條件指示符(Cl) 224是將比傳感器生成的信息更多的信息打包的導(dǎo)出參數(shù)或“導(dǎo) 出參數(shù)數(shù)據(jù)”。CI 2M用于診斷推理以生成診斷推論。CI 2M朝著故障模式的模糊組提供 部分證據(jù)?？梢允褂眠m當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)將CI 2M與FM 310之間的關(guān)系(Rl)360的數(shù)學(xué) 格式表示為低階多項(xiàng)式模型。以數(shù)學(xué)形式，可以如下在等式(1)內(nèi)表示CI
其中，P(FM)是故障模式(FM)的概率，η是多項(xiàng)式階數(shù)，并且％是多項(xiàng)式系數(shù)。健康指示符(HI) 2 是包含對(duì)故障模式的模糊集/組的參考的部分(或“部分概 括的”)診斷結(jié)論。HI 2 用于診斷推理以生成診斷結(jié)論。HI 2 提供用于故障模式的模 糊集/組的概率證據(jù)?？梢圆蹲紿I 2 與FM 310之間的關(guān)系(R2)370的數(shù)學(xué)格式并使用 適當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)將其表示為概率密度函數(shù)(P(FMlHI))。概率密度函數(shù)(P(FMIHI))表 示參數(shù)或非參數(shù)函數(shù)，其中，F(xiàn)M是FM 310且HI是HI 228。對(duì)于參數(shù)概率密度函數(shù)而言，諸 如平均值和標(biāo)準(zhǔn)偏差的統(tǒng)計(jì)值可能是相關(guān)的。預(yù)測(cè)指示符(PI) 232是指示健康指示符的未來演進(jìn)的部分概括證據(jù)。換言之，診 斷指示符(PI) 232定義健康指示符在未來時(shí)間段或“窗口”內(nèi)的演進(jìn)。PI 232可以用于預(yù) 測(cè)推理以生成預(yù)測(cè)結(jié)論。在其它結(jié)構(gòu)之中，PI包含預(yù)測(cè)矢量(PV)、可以指示故障的復(fù)雜時(shí) 間的一組時(shí)間和概率的一個(gè)或多個(gè)有序?qū)?。預(yù)測(cè)矢量(PV)的示例例如在Hadden，G.等 人所著的題為"Distributed Multi-Algorithm Diagnostics and Prognostics for US Navy Ships，，的出版物，Information Refinement and Revision for Decision Making: Modeling for Diagnostics, Prognostics, and Prediction (來自 2002 AAAI Spring Symposium的論文)，編者為K. Goebel和P. Bonissone, AAAI出版社(2002年)中，其全部 內(nèi)容通過引用被結(jié)合到本文中?？梢允褂眠m當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)將PI 232與FM 310之間的 關(guān)系(R3)380的數(shù)學(xué)格式表示為時(shí)間序列自動(dòng)回歸模型。以數(shù)學(xué)形式，可以在如下等式(2) 內(nèi)表示PI
權(quán)利要求
1.一種用于分析包括多個(gè)子系統(tǒng)的復(fù)雜系統(tǒng)的方法，其中，每個(gè)子系統(tǒng)包括被設(shè)計(jì)為 生成傳感器數(shù)據(jù)的至少一個(gè)傳感器，該方法包括處理來自所述傳感器中的至少一個(gè)的傳感器數(shù)據(jù)以生成感測(cè)事件的二元證據(jù)；處理來自所述傳感器中的至少一個(gè)的傳感器數(shù)據(jù)以生成感測(cè)事件的復(fù)雜證據(jù)，其中， 所述復(fù)雜證據(jù)具有比所述二元證據(jù)更完善的數(shù)學(xué)性質(zhì)，其中，所述復(fù)雜證據(jù)包括下述中的 至少一個(gè)條件指示符(Cl)、健康指示符(HI)、和預(yù)測(cè)指示符(PI)；提供定義二元證據(jù)、復(fù)雜證據(jù)、和在所述復(fù)雜系統(tǒng)內(nèi)發(fā)生的底層故障模式(FM)之間的 統(tǒng)計(jì)關(guān)系的系統(tǒng)故障模型(SFM)；處理所述二元證據(jù)和所述復(fù)雜證據(jù)以識(shí)別在所述子系統(tǒng)中的一個(gè)或多個(gè)內(nèi)發(fā)生的故 障模式；以及基于所述二元證據(jù)和所述復(fù)雜證據(jù)和所述SFM來生成關(guān)于在所述復(fù)雜系統(tǒng)內(nèi)發(fā)生的 不良事件的診斷結(jié)論，和關(guān)于被預(yù)測(cè)將在所述復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論。
2.如權(quán)利要求1所述的方法，其中，處理來自所述傳感器中的至少一個(gè)的傳感器數(shù)據(jù) 以生成感測(cè)事件的二元證據(jù)的步驟包括接收包括用于特定子系統(tǒng)的由特定傳感器生成的傳感器數(shù)據(jù)的一元信號(hào)；以及對(duì)所述傳感器數(shù)據(jù)執(zhí)行機(jī)內(nèi)測(cè)試(BIT)以生成所述二元證據(jù)，其中，二元證據(jù)的每個(gè)實(shí) 例包括由特定機(jī)內(nèi)測(cè)試(BIT)生成的BIT證據(jù)。
3.如權(quán)利要求2所述的方法，其中，所述BIT證據(jù)暗示故障模式的模糊組，并且其中， 所述SFM捕捉所述FM與所述BIT證據(jù)之間的關(guān)系作為展示。
4.如權(quán)利要求1所述的方法，其中，處理來自所述傳感器中的至少一個(gè)的傳感器數(shù)據(jù) 以生成感測(cè)事件的復(fù)雜證據(jù)的步驟包括下述步驟接收包括傳感器數(shù)據(jù)的多元信號(hào)；以及對(duì)所述多元信號(hào)的所述傳感器數(shù)據(jù)執(zhí)行信號(hào)處理以生成所述Cl，其中，所述CI包括 朝著故障模式的模糊組提供部分證據(jù)的導(dǎo)出參數(shù)數(shù)據(jù)。
5.如權(quán)利要求4所述的方法，其中，所述CI與FM之間的數(shù)學(xué)關(guān)系(Rl)被表示為采取 以下形式的低階多項(xiàng)式模型
6.權(quán)利要求4所述的方法，其中，所述健康指示符(HI)包括為故障模式的模糊組提供 概率證據(jù)的部分概括的診斷結(jié)論且包含對(duì)模糊故障模式集的參考。
7.如權(quán)利要求6所述的方法，其中所述HI與FM之間的數(shù)學(xué)關(guān)系(R2)被表示為概率 密度函數(shù)(P(FM|HI))。
8.如權(quán)利要求6所述的方法，其中，所述預(yù)測(cè)指示符(PI)包括指示HI在未來時(shí)間段 內(nèi)的未來演進(jìn)的部分概括證據(jù)，并且其中，所述PI包括預(yù)測(cè)矢量(PV)，其包括指示故障的 復(fù)雜時(shí)間的一組時(shí)間和概率的一個(gè)或多個(gè)有序?qū)Α?br> 9.如權(quán)利要求8所述的方法，其中，所述PI與所述FM之間的關(guān)系(R3)的數(shù)學(xué)格式被表示為米取以下形式的時(shí)間序列自動(dòng)回歸模型
10. 一種系統(tǒng)，包括復(fù)雜系統(tǒng)，其包括均具有被設(shè)計(jì)為生成傳感器數(shù)據(jù)的至少一個(gè)傳感器的多個(gè)子系統(tǒng);以及分析系統(tǒng)，其包括簡(jiǎn)單診斷和預(yù)測(cè)監(jiān)視器(SDPM)，其被設(shè)計(jì)為處理來自所述傳感器中的至少一個(gè)的傳感 器數(shù)據(jù)并生成感測(cè)事件的二元證據(jù)；高級(jí)診斷和預(yù)測(cè)監(jiān)視器(ADPM)，其被設(shè)計(jì)為處理來自所述傳感器中的至少一個(gè)的傳感 器數(shù)據(jù)并生成感測(cè)事件的至少一種形式的復(fù)雜證據(jù)，其中，所述復(fù)雜證據(jù)包括下述中的至 少一個(gè)條件指示符(Cl)、健康指示符(HI)、和預(yù)測(cè)指示符(PI)；以及維護(hù)計(jì)算機(jī)(MC)，其以通信聯(lián)系的方式耦合到所述SDPM和所述ADPM，并包括 高級(jí)診斷和預(yù)測(cè)推理器(ADPR)模塊，其被設(shè)計(jì)為處理所述二元證據(jù)和所述復(fù)雜證據(jù)以 識(shí)別在所述復(fù)雜系統(tǒng)的所述子系統(tǒng)中的一個(gè)或多個(gè)內(nèi)發(fā)生的故障模式，其中，所述ADra模 塊包括系統(tǒng)故障模型(SFM)，其定義二元證據(jù)、復(fù)雜證據(jù)、和在所述復(fù)雜系統(tǒng)中發(fā)生的底層故 障模式(FM)之間的概率關(guān)系；診斷處理模塊(DPM)，其被設(shè)計(jì)為基于所述二元證據(jù)、所述復(fù)雜證據(jù)和所述SFM生成關(guān) 于在所述復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的診斷結(jié)論；以及診斷處理模塊(PPM)，其被設(shè)計(jì)為基于所述二元證據(jù)和所述復(fù)雜證據(jù)和所述SFM生成 關(guān)于被預(yù)測(cè)將在所述復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論。
全文摘要
本發(fā)明提供了用于分析包括多個(gè)子系統(tǒng)的復(fù)雜系統(tǒng)的方法和裝置。每個(gè)子系統(tǒng)包括被設(shè)計(jì)為生成傳感器數(shù)據(jù)的至少一個(gè)傳感器。處理來自所述傳感器中的至少一個(gè)的傳感器數(shù)據(jù)以生成感測(cè)事件的二元證據(jù)和感測(cè)事件的復(fù)雜證據(jù)。所述復(fù)雜證據(jù)具有比二元證據(jù)更完善的數(shù)學(xué)性質(zhì)。提供了系統(tǒng)故障模型(SFM)，其定義二元證據(jù)、復(fù)雜證據(jù)和在復(fù)雜系統(tǒng)中發(fā)生的底層故障模式(FM)之間的統(tǒng)計(jì)關(guān)系。處理二元證據(jù)和復(fù)雜證據(jù)以識(shí)別在子系統(tǒng)中的一個(gè)或多個(gè)內(nèi)發(fā)生的故障模式?；谒龆C據(jù)和所述復(fù)雜證據(jù)和所述SFM，可以生成關(guān)于在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的診斷結(jié)論，并且可以生成關(guān)于被預(yù)測(cè)將在復(fù)雜系統(tǒng)內(nèi)發(fā)生的不良事件的預(yù)測(cè)結(jié)論。
文檔編號(hào)G06F19/00GK102062619SQ20101054236
公開日2011年5月18日 申請(qǐng)日期2010年11月15日 優(yōu)先權(quán)日2009年11月16日
發(fā)明者D·米拉拉斯瓦米, G·D·哈登 申請(qǐng)人:霍尼韋爾國(guó)際公司