移动通信系统设备故障诊断技术研究

移动通信系统设备故障诊断技术研究

裴仰军

1

余刚

2

施志勇

2

(1.重庆科技学院,重庆400020;2.重庆通信学院,重庆400040)

摘要:应用故障分析诊断技术的部分研究成果对某移动通信系统设备中的故障分析诊断做了初步的探讨,提出该系统的模块化实现方式。对该系统的故障诊断算法做了重点的研究。关键词:专家系统;故障诊断;VSM;移动通信系统中图分类号:TN915

文献标识码:A

文章编号:1673-1980(2007)03-0101-03

故障是设备或设备的某一部分不能完成预定功能的事件或状态。以故障为研究对象的新一代系统可靠性理论研究,是过程系统自动化技术从实验室走向工程的重要一环。

故障诊断学是专门以考察和判断对象或系统是否存在缺陷,或者其运行过程中是否出现异常现象为主要研究对象的综合性技术学科。它是诊断技术与具体工程学科相结合的产物,是一门新兴交叉学科。故障诊断与处理技术,可以划分为三个不同的研究层次:

(1)以设备或部件为研究对象,重点分析和诊断设备的缺陷、部件的缺陷或机械运转失灵,这通常属于设备故障诊断的研究范畴。

(2)以系统为研究对象,重点检测和分析系统的功能不完善、功能异常或不能够完成预期功能,这属于系统故障检测与诊断的研究范畴。

(3)以系统运行过程为研究对象,考察运行过程出现的异常变化或系统状态的非预期改变,这属于过程故障诊断的研究范畴。

总之,故障诊断研究的是对象故障或其功能异常、动作失败等问题,寻求发现故障和区别故障的理论和方法。无论是设备故障诊断、系统故障诊断还是过程故障诊断,都有着广泛的研究对象、实在的问题背景和丰富的研究内容。

由于移动通信系统设备诊断对象的复杂性,在故障诊断过程中很大程度上依赖于诊断者的工作经验。这种传统的故障诊断方法很难保证诊断结果的合理性及诊断过程的科学性。近年来,随着各种故障诊断技术的发展,尤其是专家系统在故障诊断方面的研究取得了一定的成就,具有一定的价值和应

收稿日期:07-06-20

作者简介:裴仰军,男,重庆科技学院电子信息工程学院教师。

用前景。下面,介绍多种诊断方法,并重点研究向量空间模型(VectorSpaceModel,VSM),应用向量空间模型表示故障特征。

1向量空间模型(VSM)

VSM把设备故障看作是由一组测试点值组成

的矢量空间,每个故障d表示其中的一个范化特征矢量空间[4]:V(d)=!w1,w2,w3,…,wn\",其中wi为第i个测试点的值,其值的获得主要依靠人工或者智能仪器的测试或者系统的状态参数。数值的处理方法一般是对一台设备多次测量后取平均值。这样,每个故障就映射成为这个测试集形成的向量空间的一个点,对于所有故障集合都可以映射到此空间,从而将故障的查询问题转化为向量空间的矢量匹配问题。

N维空间中的距离用向量之间的夹角余弦来量度,

也即待查故障与已知故障向量的相似程度。假设已知某个故障,其测试集的向量为V,待查的未知故障向量为U,可以计算这两个向量的夹角大小,夹角越小说明已知故障和未知故障的相似度越高,相似度计算公式如下:

n

sin(V,U)=cos(V,U)=

#V*U

i

i=1

n

i

(1)

#V*U

i

i=1

22i

其中:Vi表示向量V中第i个特征值,Ui表示向量U中第i个特征值。

2故障诊断算法研究

定义1:测量点越多,对故障点的描述就越清淅和仔细,对未来故障定位就越精确。

101

裴仰军,余刚,施志勇:移动通信系统设备故障诊断技术研究

定义2:故障点样本越多,故障压缩的盲区就越少。

但测试点和故障样本过多,会带来故障计算的复杂度,也会给早期的测试平台构建带来大量的工作。另外,故障测试点和故障样本足够多后,对故障诊断的改善也会逐渐变差。故我们需要在这对矛盾中寻找一个平衡点。

初始化:假设设备A有n个测量点,构成测量集合C,C=!c1,c2,…,cn\";

典型故障样本m个,

构成故障集D,D=

!d1,d2,…,dn\"。

对任意一个故障,都可以用一个长为n的向量来描述,记为dk#!

ck

kk

1,c2,…,cn\"

,ck

n,为第n个测量点的值。如果设备正常,那么这n个测量点的值都正常;如果设备有故障,那么这n个测量点的值中肯定至少有一个值异常。否则,测量集合选择就不够完善和准确,需要修改。m个故障可归纳为w类设备故障,如交换机故障、信道机故障、合路器故障,或者归纳为模块级的故障如交换机主控模块故障,无线口模块故障、接续模块故障等。对某类型的故障如第P种类型的故障,

该类型的故障描述为p=

!cp1

,cp,…,cp2

n

\"

,例如故障dx

,dy

,dz

被聚类为(归纳

为)L类。

L类被描述为!

clll

1,c2,…,cn

\"

d!x

xx

x故障为c1,c2,…,cn

\"dy

故障为!cy,cy2,…,cy1

n\"d故障为!cz

z

z

1

,c2

,…,cz

n

\"

设计L类与dx,dy,dz向量的关系。

cxyz

方法一:加权平均值(向量重心);cl

n+cn+cn

n=

3

方法二:基于遗传算法的特征值描述,把dx,dy,

dz作为初始种群,进行遗传进化,可以得到一个与每

个故障向量距离最近的向量作为这个类别的向量;

方法三:统计求和,公式为cl

x

y

z

n=cn+cn+cn。最终可以把故障集的样本归纳为w个模块类别的故障向量。

求解:出现故障现象a=!

ca

aa

1,c2,…,cn

\"定位故障

a所在的设备模块。

步骤一:定位故障a属于哪一个故障类别。算法描述:比较a与m个故障样本矢量,如果

102

样本集中有与a一样的矢量,则判断a就是该故障;如果故障样本中没有与a一样的向量,则比较a与

w类故障矢量的相似程度,把它归为最相似的一类。

相似算法:计算向量间的距离(公式为计算多维空间点之间的距离方法);计算向量间的夹角余弦

n

cosi*U

(V,U)=

$Vi=1

i

n

$V2

2

i=1

i*Ui

V和U分别表示两个向量。该公式是求这两个向量

在向量空间的夹角余弦。

步骤二:故障成功排出后,记录故障a的现象,归纳入故障类别,更新故障类别的描述,更新故障知识库。如果故障未排除,则调整机器工作状态,重新进行信号采集,回到步骤一。故障诊断系统框图如图1所示:

图1故障诊断系统框图

3故障诊断系统设计

3.1系统的基本结构

故障诊断系统的组成如图2所示。信息处理中心控制虚拟测试仪器和被测量的设备对设备关键点参数进行采样,然后把采样数据送入信息中心,信息处理中心运用先进的智能方法和专业技术对数据进行处理,去除干扰和噪声,通过归一化处理后,形成统一的向量空间模型,然后再进行故障检测判断和定位的处理。

本诊断系统主要用于在工程中检测和记录系统的性能,监视通信系统运行时各个阶段的故障状况,以便用户如实掌握通信系统设备的工作情况(特别是故障情况)。它贯穿通信系统的整个过程。在通信系统中一般有以下几种故障检测的工作方式:

(1)预检测试。在系统加电以后,各系统启动后

裴仰军,余刚,施志勇:移动通信系统设备故障诊断技术研究

进行自动测试,并将测试结果全部送往中心计算机确定设备加电以后初始状态是否正常,有关检测电路是否正常工作。

(2)周期性巡检。根据中心机的指令,周期性的(周期可以人工或自动设置)对设备各关键点、相关点电路参数及分系统主干电路等进行或定期检测,并将每次检测的记录存档并处理,以确定本系统的整体运行状况。

(3)随机检测。指用户可以随机启动故障检测机构。根据设备的任务状态,可以联机或脱机进行。

函数、选择知识等;

⑥语法检查器完成输入知识的语法检查;⑦推理机完成各种搜索算法、控制策略、规划

以及基于各种规划的综合推理。

4结论

未来的移动通信是信息技术发展的一个重要方向。我们提出了一种快速诊断移动通信设备的专家系统,提出了一种基于向量匹配的确实有效的故障诊断算法。在实际应用中,通过不断训练,在故障知识库比较健全的情况下,可以有效地定位故障点,模块故障定位准确率可以达到99%。

本故障诊断系统仍存在不足:(1)测试点的定位比较困难。该移动通信设备在设计之初,没有考虑到故障的自动诊断,故没有提供充分的测试采集点。在不改变装备设计结构的情况下,要对该通信系统比较关键的信号进行测量比较困难,我们计划下一步与生产厂家合作,改善设备的测试条件。(2)故障算法比较单一。目前我们只采用了基于VSM的匹配算法,其实还有其它比较成熟的故障算法值得我们采用,例如:故障树法、残差法、灰色诊断理论、人工神经网络故障诊断。

参考文献

[1]从爽.面向MATLAB工具箱的神经网络理论与应用[M].

合肥:中国科学技术大学出版社,1998.

[2]从爽.神经网络、模糊系统及其运动控制中的应用[M].合

肥:中国科学技术大学出版社,2001.

[3]苏鹏声,王志强.用人工神经网络诊断电子电路主回路故

障[J].清华大学学报(自然科学版),1999,39(3):19-22.[4]王格方.模拟电路故障自动诊断技术研究[J].计算机自动

测量与控制,1998(2):32-35.

[5]杨学贤,张群英.信号故障检测的自相关方法[J].系统工程

与电子技术,1999(1):

[6]周雅莉.基于人工智能的故障诊断方法的新发展[J].北京

机械工业学院学报,1999,14(4):

3.2故障诊断系统的基本功能和组成

(1)基本功能。该系统的基本功能是对实时采集检测的信号进行分析、判断并做出及时诊断;对故障现象运用知识库帮助分析,作出决策;通过信息中心的指令或人工控制模拟有关的故障,进行故障仿真和考核训练。

(2)基本组成。故障诊断系统主要采用了面向对象的人工智能技术(如模糊技术、人工神经网络、知识工程等),集成了综合知识表示方法,包括知识获取机构、人工神经网络知识结构、系统知识库、推理机、人机接口及虚拟测试分系统等。具体内容如下:

①人机接口用于用户或专家与机器进对话,进

行知识添加、知识查询及控制处理;

②中心计算机主要完成有关综合运算、推理、

控制及诊断、决策等功能;

③虚拟测试平台以虚拟仪器为基础,对设备的

重要参数进行采样测试,并将测试结果存放到综合数据库中,测试软件用于向被测量对象设备提供必要的电源、激励、负载来模拟实际工作环境,采集必要的响应并进行数据采集和处理;

④综合数据库包括:咨询输入数据、初始数据、

标准正常数据、通过自动测试获得的动态数据、推理的结论、运行历史记录和经验数据等;

⑤系统知识库包括:控制知识、问题求解与故

障知识模型、方法知识、诊断原则、权系数赋值,隶属

FaultDiagnoseTechnologyofMobileCommunicationSystemEquipment

PEIYang-jun1YUGang2SHIZhi-yong2

(1.ChongqingUniversityofScienceandTechnology,Chongqing400042;

2.ChongqingCommunicationInstitute,Chongqing400040)

Abstract:Thispaperintroducessomefaultdiagnoseresearchresultsinonemobilecommunicationsystem,bringsforthamodularityrealizationwaytothissystem.Finallyitdiscussessomefaultdiagnosemethodsforthismobilecommunicationsystem.

Keyword:expertsystem;faultdiagnose;VSM;mobilecommunicationsystem

103