CN118445450B 一种无人机故障诊断方法、装置、设备及存储介质 （中国人民解放军空军工程大学）

个故障子图与待查询图进行结构相似度与语义2对多个故障子图与待查询图进行结构相似度与语义相似度计算，将将最优故障子图中的实体转化为贝叶斯网络的节点，实体通过专家群决策的方法对节点间关联强度的模糊性进行评价，得到通过模糊因果推理对贝叶斯网络进行正向推理，在已知原因层节点先验概率的基础通过模糊诊断推理对贝叶斯网络进行反向推理，在某种故障状态确定出现的情况下，经过k次迭代后两图中各点的相似度值，SSim(Y)表示两个图中边的相似度得分矩阵，y123计算模块，用于对多个故障子图与待查询图进行构相似度与语义相似度进行线性联合计算得到综合得分，并将综合得分从高到低进行排将最优故障子图中的实体转化为贝叶斯网络的节点，实体通过专家群决策的方法对节点间关联强度的模糊性进行评价，得到通过模糊因果推理对贝叶斯网络进行正向推理，在已知原因层节点先验概率的基础通过模糊诊断推理对贝叶斯网络进行反向推理，在某种故障状态确定出现的情况下，上运行的计算机程序，所述处理器执行所述程序时实现上述权利要求1_5任一所述的无人4机程序被处理器执行时实现上述权利要求1_5任一项所述的无人机故5[0002]无人机故障诊断的目的是找出造成该故障发生的故障原因以及定位相应的故障6表示经过k次迭代后两图中各点的相似度值，SSim(Y)表示两个图中边的相似度得分矩阵，27[0039]计算模块，用于对多个故障子图与待查询图进行结构相8[0064]待查询图分解的核心是为待查询图Q的每条边赋予相应的权值，权值越大则表示该边在数据库图G中的出现的次数越多，基于最小生成树的核心子图以待查询图中更具有[0065]顶点选取的目的是选取一个查询顶点，把不符合标准的待查询图Q中的度(与之相关联的边的数量)和待查询图标签相同顶点在数据库图G中出现9系结尾的边的数量；outQ(X)表示查询顶点的出度，即以X为实体关系开始的边的数量；相似度与语义相似度进行线性联合计算得到综合得分，并将综合得分从高到低进行排列，是图G1的统计语言模型产生词ei的概率，用ei在多个三元组模型产辅助维修人员实现了基于子图匹配的无人机[0085]贝叶斯网络是由一个有向无环图(Directedacyclicgraph,DAG)以及若干个条件概率表(Conditionalprobabilitytable,CPT)组成的一个有向无循环网络，可以用符主要采取基于专家知识和基于数据学习建模的方障在所有故障案例中的比值来确定。如图4中V第k个专家对在给定节点Vi父节点的条件下，Vi发生概率的评价语言值根据表1转换为三角α_截集，Average(Fα)是α_截集的平均值，f(α)是加权估值函数，可以通过式(11)计算ii得FBN中的CPT被广泛认为是一个较为复杂的问题，尤其是在FBN较大、父节点较多的情况y的耦合作用[0120]通过以上方式构建的模糊贝叶斯网络可以用于各种类型的评估分析。FBN最重要[0129]在查找最关键的故障原因时，仅仅依靠先验或后验概率有可能导致不准确的结重要组成部分对于FBN中故障原因xi的RoV重要度计“故障知识图谱——贝叶斯网络”映射构建方法，建立起润滑系统故障贝叶斯网络拓扑结[0135]邀请到5名领域专家对润滑系统故障模糊贝叶斯网络中节点的关联关系进行评斯正向推理得到润滑系统故障T发生的可能性是19即该系统运行可靠性为81％。然后，统故障，将叶节点T的State1状态值设置为100根据贝叶斯反向推理得到各个故障根因x104等故障根因对润滑系统发生故障的影响程度