航空电子设备故障诊断技术探讨范文

《航空维修与工程》2017年第2期

摘要：航空电子设备的复杂度、综合化程度越来越高，对故障的检测、故障的定位要求越来越高，基于关联规则的数据挖掘应用到产品故障的诊断中，通过多个故障现象推断出具体的故障点，提高了产品故障诊断的准确性，时效性。为产品故障的预测及故障的解决提供了决策的依据。

关键词：关联规则；数据挖掘；故障诊断

0引言

航空电子设备的复杂度、综合化程度越来越高，因此对设备故障的检测、故障的定位提出了更高的要求。常用的故障检测方式是BIT检测，通过BIT的方式上报产品的故障，缺点是故障信息相对离散、独立，没有把故障信息之间的关联关系挖掘出来。目前故障信息之间的关联规则是通过技术人员的经验总结出来的。本文通过关联规则挖掘航空电子设备故障信息之间的关联关系，重点是故障产品和故障现象之间的关系以及多个故障现象之间的关系。通过关联规则挖掘，寻找到产品故障时伴随的故障现象，通过多个故障现象推断出具体故障点。提高了产品故障检测，诊断的准确性，时效性。

1关联规则概述

数据挖掘是指从大量数据中提取隐含的、未知的及有潜在应用价值的信息或模式。关联规则是当前数据挖掘研究的主要模式之一,侧重于确定数据中不同领域之间的联系。设I={I1，I2，…，Ik}是项的集合，任务相关的数据D是数据库事务的集合，其中每个事务T是项的集合，并有T∩I。设A是一个项集，事务T包含A当且仅当A∩T。关联规则是形如A=>B的蕴涵式，A称为关联规则的前件，B称为关联规则的后件。其中A∩I，B∩I，并且A∩B=Φ。大部分关联规则挖掘算法采用支持度－置信度框架。支持度是D中事务含有A∪B的百分比，它是概率P（A∪B）。置信度是D中包含A的事务同时也包含B的百分比，它是条件概率P（B|A）。同时满足最小支持度阈值和最小置信度阈值的规则称作强关联规则。项的集合称为项集。如果项集的出现频率大于或者等于最小置信度阈值与D中事务总数的乘积，那么就称项集满足最小支持度，并称它为频繁项集。关联规则挖掘过程：（1）找出所有频繁项集：根据定义，这些频繁项集出现的频繁性至少和预定义的最小支持度计数一样；（2）由频繁项集产生强关联规则：根据定义，这些规则必须满足最小支持度和最小置信度。

2关联规则故障诊断模型

本文设计的关联规则故障诊断模型主要针对两类故障信息的处理：一类是已知故障类型和故障原因，然后利用关联规则发现变量间的关联关系,最终得到故障规则库。依据这些规则,对新来数据进行判别并识别出故障种类,从而找到故障原因并消除故障；另一类是对故障种类，故障原因未知，通过挖掘一个时间窗口内变量之间的关联规则，形成故障规则库，依据这些规则，对新来数据的识别，可以推断出后续可能会出现的故障信息，采取措施可以达到故障的预测和预防。关联规则数据挖掘模型主要组成部分：数据采集，数据处理，关联规则挖掘，知识库形成，故障诊断，故障处理。采用关联规则数据挖掘技术进行故障诊断的优点：利用关联规则可以有效发现故障信息中变量间的关联关系，准确寻找到故障源，具有较高的准确率；由于许多故障存在并行、因果等关系,当产品运行过程中发生某个故障,利用关联规则可以对可能发生的故障进行预警,防止故障的恶化，具有一定的预测性。

3实例分析

以某型号任务系统核心处理机历史故障数据为样本，主要包括两类数据，一类故障信息是已知故障源以及告警信息的数据项集，另一类是未知故障源，只知告警信息的数据项集，采用Apriori算法进行关联规则挖掘。

4总结

利用关联规则数据挖掘技术，从大量的故障数据中发现更多有用的关联关系，更快、更准的发现故障根源，减少设备调试人员、维护人员的工作量，提高工作效率，为航空电子设备的维护保障提供更好、更有效的维护手段和方法。关联规则挖掘的缺点是故障数据库中的数据量非常大,需要较大的计算量，同时产生大量频繁项集,后续需要不断的改进算法提高挖掘效率。

参考文献

[1]张文静,宋雨,卢海霞.利用关联规则建立专家系统的知识库[J].计算机技术与发展.2006,2.第16卷第2期:76-80.

[2]肖光磊等.正相关关联规则及其在中医药中的应用[J].计算机工程与应用.2010,46(6):227-230.

[3]胡锴,徐巍华,渠瑜.改进模糊关联规则及其在故障诊断中的应用[J].设计与研究.2008年,第10期:8-10.

作者：石海洋；武华；张彬 单位：中航工业西安航空计算技术研究所