孫金明，潘紅兵，周晶晶

（海軍工程大學(xué) 湖北 武漢 430033）

機內(nèi)測試（Built-in Test，簡稱BIT）是系統(tǒng)或設(shè)備自身為故障檢測、隔離或診斷提供的自動測試能力。它是一種能顯著改善裝備或系統(tǒng)測試性能與診斷能力的重要技術(shù)手段，在航空電子設(shè)備可靠性與維護性設(shè)計中日益受到重視。但虛警率較高始終是困擾BIT技術(shù)研究和應(yīng)用的主要問題之一。BIT虛警問題是導(dǎo)致武器系統(tǒng)戰(zhàn)備完好性差、使用保障費用高的重要因素。虛警率高不但直接影響B(tài)IT的有效性，而且對武器系統(tǒng)的戰(zhàn)備狀態(tài)產(chǎn)生種種不利影響。

1 BIT虛警原因分析

產(chǎn)生BIT虛警的原因大致可歸納為以下9種：設(shè)計者的假設(shè)不當[1]；BIT設(shè)計不適合系統(tǒng)的實際情況；測試門限值/容差不合理；BIT或其他監(jiān)測電路失效；錯誤的故障隔離；正常系統(tǒng)的偶然故障或偶然的性能變化；不適當激勵或干擾；時間環(huán)境應(yīng)力；間歇故障的影響等[2]。其中最主要的是:

1）時間環(huán)境應(yīng)力:根據(jù)美軍ROME空軍實驗室的研究報告，時間環(huán)境應(yīng)力是造成現(xiàn)役電子設(shè)備BIT虛警的重要原因。由美軍機載電子設(shè)備環(huán)境應(yīng)力故障原因比率圖 （如圖1所示）可知:50%以上的電子設(shè)備故障是由各種環(huán)境因素引起的，其中溫度、濕度、振動三項就造成大約44%的故障。惡劣的環(huán)境因素使電子系統(tǒng)在實際工作條件下所承受的環(huán)境應(yīng)力與原來預(yù)計的不同，使得系統(tǒng)工作特性與原計劃相比發(fā)生了變化，這樣就直接影響到BIT模塊本身，造成原設(shè)計的BIT特性出現(xiàn)虛警區(qū)和未檢測區(qū)，使BIT有效性下降，而產(chǎn)生虛警。

2）間歇故障:根據(jù)美軍裝備和電子工業(yè)的數(shù)據(jù)表明:間歇故障是產(chǎn)生BIT虛警的一個主要原因，占電子系統(tǒng)BIT虛警的30%～40%。間歇故障的特點是隨機出現(xiàn)和消失，其發(fā)生時間很隨機，在有限的、不能預(yù)料的時間內(nèi)對系統(tǒng)產(chǎn)生影響，且沒有明顯的模式或頻率。

圖1 機載電子設(shè)備環(huán)境應(yīng)力故障原因比較Fig.1 Comparison of airborne electronic equipment malfunction causes of environmental stress

間歇故障的這種不確定性引起了BIT診斷的不確定，表現(xiàn)出如圖2所示的各種現(xiàn)象。圖中，INTERMITTENT是間歇故障，而 CND （不能復(fù)現(xiàn)）、NPF（沒找到問題）、NFF（沒找到故障）、RTOK （重檢合格）、NEOF （失效無法驗證）和ER（錯誤拆卸）是由間歇故障引發(fā)的不確定性問題，這些問題都因為報告了異常而事后卻找不到故障，于是導(dǎo)致虛警。

圖2 間歇故障導(dǎo)致的現(xiàn)象Fig.2 Phenomenon caused by intermittent faults

2 BIT的虛警控制

為解決以上問題達到提高BIT故障診斷能力、降低BIT虛警率的目的，分別從時間環(huán)境應(yīng)力和間歇故障的角度出發(fā)，降低 BIT虛警[3]。

2.1 時間環(huán)境應(yīng)力與BIT虛警分析

基于多元Logistic[4]回歸的關(guān)聯(lián)分析：

基于logistic分布的logistic回歸模型是對二分類因變量進行定量分析的有力工具，該方法在醫(yī)藥衛(wèi)生社會科學(xué)領(lǐng)域廣泛應(yīng)用于變量對結(jié)果的影響因素及重要程度計算。通過采用多元logistic回歸對時間應(yīng)力和BIT虛警關(guān)聯(lián)分析進行定量分析，得到相應(yīng)影響程度。

定義時間環(huán)境應(yīng)力表達式如下：

x1（t）為時間應(yīng)力向量；xn（t）為某種應(yīng)力參數(shù)，如振動，溫度等，xn（t）是一個隨機變量。

定義函數(shù) y（t）為系統(tǒng) BIT輸出，其中，0為正常狀態(tài)，1為虛警狀態(tài)，定義環(huán)境時間應(yīng)力作用下系統(tǒng)發(fā)生虛警概率為：P（y（t）=1|X）=π（x）=π[x1（t），x2（t），…，xn（t）]

由logistic回歸模型理論，可以建立時間應(yīng)力與BIT虛警關(guān)聯(lián)的多元logistic回歸模型為

式中，β0表示與各種應(yīng)力因素無關(guān)的常數(shù)項，在數(shù)學(xué)模型中表現(xiàn)為回歸截距；βi為該回歸模型的回歸系數(shù)，具體表示各種應(yīng)力因素，xn（t）導(dǎo)致BIT虛警的貢獻量，即各種應(yīng)力因素對該虛警的影響程度。

通過環(huán)境時間應(yīng)力與BIT性能影響分析，可知關(guān)聯(lián)閾值是影響時間應(yīng)力與虛警關(guān)聯(lián)后BIT檢測率和虛警率的最要影響參數(shù)，這兩個閾值如果選擇不當，會導(dǎo)致降低BIT虛警識別效果，降低BIT檢測率。目前解決這類問題主要有Bayes理論，神經(jīng)網(wǎng)絡(luò)、k近鄰方法、SVM等。SVM具有以下優(yōu)點：1）結(jié)構(gòu)簡單，各種技術(shù)性能泛化能力明顯提高。2）樣本較小情況下有很好的分類效果。3）算法確定的網(wǎng)絡(luò)結(jié)構(gòu)是自動生成的，對模型選擇依賴度低。

2.2 間歇故障與BIT虛警分析

來自美軍裝備和電子工業(yè)的數(shù)據(jù)表明：間歇故障是導(dǎo)致系統(tǒng)暫時失效的一個主要原因，它占了整個系統(tǒng)故障的70%～90%，間歇故障[6]也是產(chǎn)生BIT虛警的一個主要原因，電子系統(tǒng)的虛警中有30%～40%是由間歇故障引起的。對此，美國相關(guān)研究機構(gòu)開展了診斷間歇故障抑制BIT虛警的技術(shù)研究，通過診斷間歇故障，達到抑制虛警的目的。間歇故障和故障一樣是很多系統(tǒng)難以避免的問題，由于間歇故障情況復(fù)雜、時隱時現(xiàn)、難以診斷，因此基于兩狀態(tài)分類的傳統(tǒng)BIT一般是忽略或干脆避開間歇故障。由此產(chǎn)生的結(jié)果是:在間歇故障活躍時，BIT報警有永久故障，可事后又找不到故障，造成虛警率升高；在間歇故障不活躍時，BIT判斷系統(tǒng)為正常，造成間歇故障的漏診，使得故障檢測率降低。因此兩狀態(tài)分類就成為傳統(tǒng)BIT的一個最大的不足。

間歇故障時有時無，是一種變化劇烈的動態(tài)時間序列。傳統(tǒng)BIT的診斷方法多從單一時刻的狀態(tài)來判別 （如神經(jīng)網(wǎng)絡(luò)虛警過濾器等），遺漏了系統(tǒng)的動態(tài)信息，易引起診斷決策的錯誤，從而導(dǎo)致BIT虛警。實際上，間歇故障前后時刻的態(tài)存在著一定的轉(zhuǎn)移關(guān)系，這種狀態(tài)轉(zhuǎn)移關(guān)系給診斷決策提供了重要的信息，如果有效地利用這些信息，則可以更準確地識別間歇故障。

HMM[6]是在Markov鏈的基礎(chǔ)上發(fā)展而來的一種統(tǒng)計模型，是一個雙重隨機過程。模型中真實的狀態(tài)不能直接看到，只能是通過一個觀測值去感知狀態(tài)的存在及特征。HMM具體可表示為 λ=（π，A，B）， 其中:π 為初始概率分布矢量；A為狀態(tài)轉(zhuǎn)移概率矩陣；B為觀測值概率矩陣。π，A描述的是一個Markov鏈，產(chǎn)生的輸出是狀態(tài)序列；B描述是一個隨機過程，產(chǎn)生的輸出為觀察值序列。模型采用左右型三狀態(tài)轉(zhuǎn)移的Markov鏈，每個狀態(tài)的觀測概率由2個高斯概率密度函數(shù)聯(lián)合決定。系統(tǒng)開始時總是處于正常狀態(tài)，因此取初始狀態(tài)概率矢量為π=[1，0，0]，A的初值均勻選取。為增加HMM診斷模型的穩(wěn)健性，訓(xùn)練時利用多個觀測值序列的重估算法，由初始模型對訓(xùn)練樣本進行Baum-Welch算法：

其中:α為前向變量；β為后向變量；L為觀測值序列的數(shù)量。由初始模型對訓(xùn)練樣本進行匹配計算和狀態(tài)標注后，估計出一組新的模型，再對訓(xùn)練樣本重新進行匹配計算和狀態(tài)標注，估計出更新的模型參數(shù)λ，如此反復(fù)直至收斂，得到優(yōu)化模型，使P（O，λ）最大。診斷分為兩個階段：1）分別對正常、間歇和故障3種狀態(tài)的訓(xùn)練樣本提取特征向量，利用Baum-Welch算法進行模型訓(xùn)練，獲得各類典型故障的HMM模型；2）在實際狀態(tài)監(jiān)測時，將測得的信號經(jīng)EMD分解處理提取特征向量后作為觀測值序列，將其送入已經(jīng)訓(xùn)練好的HMM模型，通過前向-后向算法計算觀測向量在不同模型下的概率P（O，λ），由概率值最大的HMM模型決定被測系統(tǒng)的狀態(tài)。

3 結(jié)束語

虛警率較高始終是制約BIT技術(shù)研究和應(yīng)用的瓶頸問題之一。本文從降低智能BIT虛警率入手，從時間環(huán)境應(yīng)力和間歇故障角度，利用支持向量機（SVM）解決時間環(huán)境應(yīng)力問題，利用隱馬爾科夫模型（HMM）解決間歇故障問題，有效的降低BIT虛警率。

[1]楊鈺.機內(nèi)測試虛警分析和控制[J].新工藝新技術(shù)新設(shè)備，2007， 34（10）:93-96.YANG Yu.The analysis of false alarm in test and control[J].New Technology New Technology and New Equipment，2007，34（10）:93-96.

[2]徐永成，溫熙森，易曉山.機內(nèi)測試虛警原因的分析及其解決方案[J].振動、測試與診斷，2002，22（1）:38-42.XU Yong-cheng，WEN Xi-sen，YI Xiao-shan.The analysis and solutions of the reason of BIT false alarm[J].Vibration Testing and Diagnosis，2002，22（1）:38-42.

[3]鄭文榮，夏清濤.武器系統(tǒng)BIT的設(shè)計與應(yīng)用[J].艦船電子工程，2012，32（12）:131-133.ZHEN Wen-rong，XIA Qing-tao.The design and application of BITweapon system[J].Ship Electronic Engineering，2012，32（12）:131-133.

[4]Gao R X，Suryavanshi A.BIT for intelligent system design and condition monitoring[J].IEEE Transactions on Instrumentation and Measurement，2002，51（5）:221-225.

[5]柳新民，邱靜，劉冠軍，等.診斷間歇故障降低BIT虛警[J].測試技術(shù)學(xué)報，2004，18（4）:53-55.LIU Xin-min，QIU Jing，LIU Guan-jun，et al.Intermittent fault diagnosis BIT reduce false alarms[J].Test and Measurement Technology，2004，18（4）:53-55.

[6]張超，馬存寶，宋東，等.隱馬爾科夫模型[J].計算機測量與控制，2007，24（5）:58-61.ZHANG Chao，MA Cun-bao，SONG Dong，et al.Hidden markov models[J].Computer Measurement&Control，2007，24（5）:58-61.