多场景细粒度航空电子故障表征模型动态生成方法、介质、装置及产品与流程

本发明涉及航空电子设备，具体而言，涉及一种多场景细粒度航空电子故障表征模型动态生成方法、介质、装置及程序产品。

背景技术：

1、航空电子信息装备产品结构复杂，装备深度综合化程度高，由于航空电子技术更新迭代迅速，不同项目的系统和产品多，故障机理又有所不同，底层故障原因和故障表征之间的关系交联复杂，极大地增加了故障分析和故障诊断的难度。同时，航空电子信息装备故障知识应用包括用户现场整机故障排查、维修产线模块故障定位、元器件失效分析等多种场景，相关人员包括外场保障人员或用户、维修产线工程师、故障定位工艺人员等，故障现象描述具备主观性、模糊性、不完整性等特征，传统的故障案例填报表格无法满足要求。因此，亟需构建一种多场景细粒度航空电子故障表征模型。

技术实现思路

1、本发明旨在提供一种多场景细粒度航空电子故障表征模型动态生成方法、介质、装置及产品，以解决航空电子装备中故障表征关系复杂难以构建模型的问题。

2、本发明提供的一种多场景细粒度航空电子故障表征模型动态生成方法，包括以下步骤：

3、s1，针对用户故障描述主观性、模糊性和不完整性的特点，提出故障元的概念细粒度刻画故障现象，分析提取出航空电子故障表征模型的基本要素；

4、s2，对航空电子整机、模块、元器件多个层级，不同故障要素之间的复杂关系进行定义，构建航空电子故障表征模型；

5、s3，基于故障影响关系分析结果，初步构建航空电子故障表征模型；在此基础，基于使用阶段不断累计的故障案例，采用自动推荐与专家审核相结合的方式对航空电子故障表征模型进行动态更新和完善；

6、s4，针对不同航空电子故障表征模型分析场景，提出不同聚类中心的分析视角，基于多分析视角故障图谱，面向不同的分析场景和用户角色展现航空电子故障表征模型。

7、进一步地，步骤s1包括：

8、对航空电子装备故障知识文件以及具体的故障案例进行分析，基于用户故障描述的特点，为保证故障表征模型的标准化和通用化，以故障元的细粒度刻画航空电子故障表征模型，并提出以下故障要素：

9、故障模式：产品所发生的、能被观察和测量到的故障现象的规范描述；

10、故障模式对象：发生某个故障模式的产品；

11、故障原因：导致故障模式发生的原因；

12、故障原因对象：导致故障模式发生的部件；

13、故障案例：在实际应用过程中发生的具体的故障事件和处理过程；

14、案例故障现象：具体故障案例的现象描述；

15、标准故障案例：将具体的故障案例通过故障现象进行归类，形成标准化的故障现象描述和处理方式；

16、标准故障现象：标准故障案例的现象描述；

17、故障确认方法：确定产品发生的具体故障现象属于某类标准故障案例的方法；

18、故障定位方法：确定产品故障发生的确切位置或部件的方法；

19、故障元：标准故障现象描述的最小元素；

20、故障元别称：故障元的非标准名称或别名。

21、进一步地，步骤s2包括：

22、分析航空电子整机、模块、元器件多个层级之间故障元、故障原因、故障现象和故障模式之间可能存在的交联传递关系，并定义其中主要故障要素之间的关系如下：

23、标准故障现象——故障元：在故障分析阶段，形成标准故障现象的最小元素即为故障元，故障元包括部件单元、功能信号、故障模式和故障条件，其中，故障条件包括工作参数、发生时机、供电类型和故障状态；

24、故障案例——故障模式——故障原因：通过整理分析已发生的故障案例，可以总结出相应的故障模式和故障原因；

25、故障模式——标准故障现象——故障原因：通过故障影响及原因分析，从正反两个方向确认产品的故障模式、故障现象和故障原因的关系，即产品故障树；

26、故障案例——故障元别称——故障元：在具体故障案例中，将其故障现象分解成几类故障元，通过人工标注和智能识别相结合的方法建立故障元别称和故障元的关系，从而建立故障现象和故障元之间的关系。

27、进一步地，步骤s3包括：

28、初步构建航空电子故障表征模型：从航空电子产品的功能和信号出发，分析产品故障树，并综合考虑故障模式、工作参数和故障条件对故障现象的影响，确认在相应的工作参数和故障条件下诱发某类故障模式的底层原因；同时，将这几类要素的最小元素作为故障元入库，即将不同种类的故障元组成标准故障现象，形成故障模式——标准故障现象——故障原因关系，如图2所示；

29、动态更新航空电子故障表征模型：首先，基于项目新增案例，通过人工标注和智能识别相结合的方式，识别出故障现象中的故障元，构建故障案例——故障元别称——故障元关系；然后，智能识别新增案例的故障原因和故障元是否为故障表征模型的增量知识，完成故障知识表征模型的动态更新。

30、进一步地，所述识别出故障现象中的故障元包括：

31、在构建端，基于故障案例的具体现象，利用故障元智能标注软件人工建立故障元——故障元别称之间的关系，再通过人工标注和智能识别相结合的方式，构建故障元——故障元别称库。

32、在使用端，基于构建的故障元——故障元别称库和开源中文自然语言词典库共同构建前缀词典库；将输入的故障现象向量化并转换为有向无环图；接着，基于动态规划在有向无环图上找到一条概率最大路径，并依据此路径进行分词，识别出所有可能是故障元别称的词序列；然后，使用最长公共子序列的方法来计算提取的所有可能的故障元别称的词序列与故障元——故障元别称库中所有故障元及其故障元别称的文字相似度，并依据设定相似性度量阈值，推荐大于相似性度量阈值的故障元——故障元别称相似对，实现故障元的智能匹配。

33、进一步地，所述故障知识表征模型的动态更新包括：

34、在已构建的航空电子故障表征模型中，令标准故障现象库为fp＝{fp1,fp2,...,fpn}，其中，fpi代表标准故障现象库中某一个标准故障现象。对于标准故障现象fpi本身又由多个故障元构成，令组成标准故障现象fpi的故障元集合为fei＝{fe1,fe2,...,fem}，fek是组成标准故障现象fpi的其中一个故障元，并用σfei＝fpi表示故障元集合fei按一定规律排列相加构成标准故障现象fpi；令fe为整个航空电子故障表征模型中组成标准故障现象中故障元集合的大集合，则fe＝{fe1,fe2,...,fen}。令航空电子故障表征模型中的故障原因库fr＝{fr1,fr2,...,frs}，导致标准故障现象fpi的故障原因可能有一个或多个，用数学表达式表示为fpi←{fro,frp,...,frq}，其中，故障原因{fro,frp,...,frq}∈fr；

35、令新增案例的故障原因为frc，识别出的故障元集合为fec＝{fe1,fe2,...,fen}，故障元集合组成的标准故障现象为fpc，进行如下判断：

36、若frc∈fr，在库中找到fpj←frc，fpj对应的故障元集合为fej，而新增案例对应的故障元集合fec∈fej，则航空电子故障表征模型不变；

37、若frc∈fr，但即表示新增案例相对于库中标准故障现象关联的故障元集合，增加了新的故障元，将frc与导致fpj相区分，增加故障隔离度；具体的方式为：令fes＝fec∪fej，若fes∈fe，则先根据fps＝σfes、fps∈fp查询fps，再新增一个fps←frc关系，并进入序列待专家审核；若则先构建fps＝σfes，再构建fps←frc关系，进入序列待专家审核；

38、若但fec∈fej，则先根据fpc＝∑fec、fpc∈fp查询fpc，再新增一个fpc←frc关系，并进入序列待专家审核；

39、若但则先在故障原因集合fr内新增故障原因frc，然后在故障现象集合fp新增fpc＝∑fec，最后构建fpc←frc关系，进入序列待专家审核。

40、进一步地，步骤s4包括：

41、现场整机排故场景：以具体的故障案例为中心，展示单个故障案例的整合情况，包含故障案例、故障模式、故障原因、故障原因对象、故障元及其故障元别称；

42、某类别失效分析场景：基于以标准故障现象为中心，聚类多个案例，展示标准故障现象、故障模式、故障原因、故障案例和故障元；

43、基于故障树的分析场景：以故障模式为中心，展示整个故障树的结果，包含故障模式、标准故障现象、故障原因和故障案例。

44、本发明还提供一种计算机终端存储介质，存储有计算机终端可执行指令，所述计算机终端可执行指令用于执行上述的多场景细粒度航空电子故障表征模型动态生成方法。

45、本发明还提供一种计算装置，包括：

46、至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的多场景细粒度航空电子故障表征模型动态生成方法。

47、本发明还提供一种计算机程序产品，所述计算机程序被处理器执行时实现上述的多场景细粒度航空电子故障表征模型动态生成方法。

48、综上所述，由于采用了上述技术方案，本发明的有益效果是：

49、本发明能够实现航空电子故障表征模型的快速构建，再通过实际案例不断更新和扩展模型，在迭代过程中不断形成和校验故障表征与故障原因之间的交联关系，保证模型的正确性和有效性。通过本发明可以将航空电子故障表征模型构建流程标准和模式化，支撑航空电子故障知识模型的构建，并且可以将航空电子故障表征模型体现的故障机理和交联关系应用到故障诊断系统中，提高故障隔离率，减少故障排查时间，提高维修效率，具有重要的意义和价值。