張永順　許炎義　尹　明

(1.海軍工程大學電子工程學院　武漢　430033)(2.海軍工程大學信息安全系　武漢　430033)

?

基于D-S證據(jù)融合的發(fā)射機健康狀態(tài)評估*

張永順1許炎義2尹明1

(1.海軍工程大學電子工程學院武漢430033)(2.海軍工程大學信息安全系武漢430033)

摘要針對雷達發(fā)射機健康狀態(tài)評估在多種不確定性因素下的問題,構(gòu)建了基于D-S證據(jù)理論的多指標評估模型。基于綜合考慮指標可測性,建立了新型的雷達發(fā)射機健康狀態(tài)評估指標體系結(jié)構(gòu)。通過采用一種改進的D-S證據(jù)理論進行多指標數(shù)據(jù)融合方法進行雷達發(fā)射機健康狀態(tài)綜合評估,通過各實測數(shù)據(jù)隸屬函數(shù)轉(zhuǎn)化得到基本可信度分配關(guān)系,避免了在傳統(tǒng)方法中評估指標基本可信度函數(shù)分配的主觀性和局限性,最后利用改進的D-S證據(jù)理論對各指標進行數(shù)據(jù)融合,實驗結(jié)果驗證了該方法的有效性。

關(guān)鍵詞雷達發(fā)射機; 健康狀態(tài)評估; 層次分析法; D-S證據(jù)理論

Class NumberTN959

1　引言

故障預測與健康管理(Prognosis and Health Management,PHM)技術(shù)作為實現(xiàn)視情維修和自主保障的重要技術(shù)手段。健康評估是PHM系統(tǒng)中的故障診斷和故障預測的紐帶,是PHM設(shè)計的重要一環(huán),可以將系統(tǒng)可靠性提升到一個全新的高度,已經(jīng)在美國的JSF、航空領(lǐng)域上取得了較多應用成果。例如,徐佳等研究了航空電子設(shè)備的健康評估問題,楊洲等開展了自動駕駛儀PHM系統(tǒng)的健康評估方法研究[1～2]。而在雷達發(fā)射機裝備上應用屬于較新領(lǐng)域,因此有必要開展雷達裝備的健康評估研究。

發(fā)射機是雷達裝備的核心部件,是典型機電混合設(shè)備,可靠性低,保障難度大。本文以固態(tài)發(fā)射機為研究對象,從健康狀態(tài)評估的角度出發(fā),綜合考慮多種不確定性因素以及體系結(jié)構(gòu)的復雜性與指標可測性,分層與健康狀態(tài)有關(guān)的指標,根據(jù)各層次之間的關(guān)聯(lián)從頂至底進行系統(tǒng)綜合各指標,從而評估固態(tài)發(fā)射機的健康狀態(tài)。采用一種改進證據(jù)理論進行多指標融合方法進行雷達發(fā)射機的健康狀態(tài)評估,通過各實測數(shù)據(jù)隸屬函數(shù)轉(zhuǎn)化得到基本可信度分配,避免了傳統(tǒng)方法中評估指標基本可信度函數(shù)分配的主觀性和局限性。

2　基于D-S理論的發(fā)射機健康狀態(tài)模型

1) 雷達發(fā)射機的健康狀態(tài)參數(shù)選取與歸一化

雷達發(fā)射機的作用是在統(tǒng)一的定時信號激勵下,產(chǎn)生大功率的射頻信號。傳統(tǒng)的雷達發(fā)射機健康管理模式通過布置在雷達發(fā)射機當中的數(shù)采系統(tǒng)進行采集參數(shù),并提交給控制系統(tǒng)處理,從而實現(xiàn)雷達發(fā)射機的狀態(tài)監(jiān)控和故障隔離。這種模式雖然具有一定的測試廣度,但還存在故障征兆參數(shù)、測試目的性單一和測試數(shù)據(jù)利用不足的問題。在對雷達發(fā)射機的結(jié)構(gòu)和工作過程的進行分析基礎(chǔ)上選取整套可表征發(fā)射機健康狀態(tài)的各種參數(shù),并根據(jù)通用的數(shù)據(jù)格式劃分標準,歸一化數(shù)據(jù)類型。雷達發(fā)射機是典型的射頻功率發(fā)生設(shè)備,伴隨著半導體功率器件和功率合成技術(shù)的成熟促進了可靠性高、壽命長、抗沖擊性能良好的固態(tài)發(fā)射機份額的逐年升高[3]。

脈沖壓縮體制雷達發(fā)射機的工作過程大體為:發(fā)射機接收到線性調(diào)頻信號,將信號傳遞給前級放大器進行初步放大,前級功率信號經(jīng)過雙工器的功率分配后進入末級放大器,經(jīng)放大后的末級功率信號經(jīng)功率合成裝置合成射頻信號,并在通過駐波檢測、脈沖寬度采集、輸出功率檢測和工作比監(jiān)測后傳遞給天線系統(tǒng)。在這個過程中,不可避免地會產(chǎn)生熱損耗,為避免溫度過熱影響電子器件工作,冷卻系統(tǒng)將對相關(guān)電路進行冷卻。冷卻系統(tǒng)一般采用冷板循環(huán)冷卻的方式對相關(guān)電路進行冷卻:用中空冷板緊貼電路,并對冷板加注循環(huán)的冷卻液。當液冷系統(tǒng)出現(xiàn)故障時,啟用強迫風冷系統(tǒng)為系統(tǒng)降溫。在雷達發(fā)射機的開機或工作過程中,控制保護系統(tǒng)統(tǒng)籌支配健康參數(shù)采集傳感器或電路對發(fā)射機的各項參數(shù)進行監(jiān)測和收集,并在某些部分出現(xiàn)異常故障時觸發(fā)相關(guān)動作,以避免故障擴散或啟用備份完成戰(zhàn)術(shù)任務,綜合上述考慮,選取雷達發(fā)射機的健康狀態(tài)參數(shù)集合如表1所示,部分參數(shù)給出了工作范圍和保護響應時間。

雷達的機內(nèi)測試系統(tǒng)在對健康狀態(tài)參數(shù)進行采集后,可通過相應的通信機制將采集到的數(shù)據(jù)上傳到健康管理系統(tǒng)中。原始測試數(shù)據(jù)必須經(jīng)過參數(shù)預處理機制方可被后續(xù)模塊利用。雷達發(fā)射機的健康狀態(tài)評價技術(shù)是對雷達發(fā)射機的工作狀態(tài)偏離期望工作狀態(tài)的評定。采用數(shù)據(jù)歸一化的方法,給出健康狀態(tài)參數(shù)基于劣化程度的統(tǒng)一度量方案,并且建立雷達發(fā)射機的健康評價指標體系。還對傳統(tǒng)的模糊層次分析法(Analytic Hierarchy Process,AHP)進行改進,引用指數(shù)標度替代傳統(tǒng)線性標度,簡化了模糊一致矩陣的構(gòu)建方法,并且通過引入基于劣化程度的權(quán)重變動因子的方法賦予層次分析法以時變的特性,使之能夠更好地起到動態(tài)綜合評價作用。

表1　健康參數(shù)數(shù)據(jù)

2) 發(fā)射機健康狀態(tài)的指標分層

以固態(tài)發(fā)射機為例,開展健康評估的工作。通過對固態(tài)發(fā)射機原理進行分析,從健康狀態(tài)評估的角度出發(fā),將與健康狀態(tài)分層與健康狀態(tài)有關(guān)的指標,根據(jù)層次之間的關(guān)聯(lián)從頂至底進行系統(tǒng)綜合各指標,從而評估固態(tài)發(fā)射機的健康狀態(tài)。綜合考慮發(fā)射機體系結(jié)構(gòu)的復雜性和指標可測性,采用粗糙集對其健康狀態(tài)評估指標進行分層[4],如圖1所示。

指標層次結(jié)構(gòu)分為三層,第一層為目標層,是固態(tài)發(fā)射機的健康狀態(tài),第二層是能力層,健康評估指標的因素,第三層是指標層,固態(tài)發(fā)射機的健康狀態(tài)指標組成的評價基底。各種指標針對同一性能健康度表征指標——健康指數(shù)(HI),將所有的參數(shù)健康程度歸一化到(0,1)區(qū)間,而后利用層次分析法和D-S證據(jù)融合得出固態(tài)發(fā)射機的整體健康評估的結(jié)果。

3) D-S證據(jù)理論

D-S證據(jù)理論是針對事件發(fā)生后的結(jié)果(證據(jù)),探求事件發(fā)生的主要原因(假設(shè))。對于具有主觀不確定性判斷的多屬性決策問題,D-S證據(jù)理論是一種融合主觀不確定性信息的有效手段[5]。

圖1　發(fā)射機健康狀態(tài)分層圖

對于任意一個命題A有A∈Θ,m是識別框Θ上的基本可信度,m(A)是A的基本可信度。這樣,可信度函數(shù)m1,m2,…,mn就可以利用在同一識別框Θ上的n個獨立證據(jù)源導出,表達式如下:

(1)

當各個證據(jù)源在獲取時,由于自身性能、特點上的差異,那么它們的重要性、有效性會不相同,就會導致D-S規(guī)則提供的結(jié)果與實際情況可能不同。為了獲得更好的效果,不能對各種信息源“平等對待”,而是應該賦予不同權(quán)重再進行融合[6～7]。權(quán)重值最大的信息作為關(guān)鍵因素,而其他信息作為非關(guān)鍵因素。這樣就減少了各證據(jù)之間的沖突,從而提高了健康評估結(jié)果的可信度[8～10]。

4) 基于D-S證據(jù)融合的多指標評估模型

發(fā)射機的健康狀態(tài)與測試性、發(fā)射機的安全可靠性等因素存在不確定的對應關(guān)系,這種關(guān)系具有模糊性和未知性,因此在固態(tài)發(fā)射機的健康評估中,引入D-S證據(jù)理論進行數(shù)據(jù)融合。在固態(tài)發(fā)射機的健康評估中,若干個指標會產(chǎn)生一定的健康狀態(tài),每個健康狀態(tài)各指標都有一定的發(fā)生概率。在D-S證據(jù)理論中,用基本可信度分配來表示概率的大小,通過多傳感器測試發(fā)射機的不同位置,得出每一傳感器測得指標屬于各種健康狀態(tài)的基本可信度分配,然后利用D-S組合規(guī)則進行信息融合,得到融合后的健康評估指標。其融合健康評估過程如圖2所示。

圖2　固態(tài)發(fā)射機健康評估的D-S證據(jù)融合指標方案

通常,對論域U的l個模式A1,A2,…,Al,根據(jù)雷達發(fā)射機的各種傳感器或?qū)＜医?jīng)驗知識給出n個隸屬度:μ1,μ2,…,μn,則各種傳感器對于各命題的隸屬度為

(2)

屬于各命題的基本可信度分配由下式得到:

(3)

得到的mi(Aj)是根據(jù)專家知識或各種傳感器給出的隸屬函數(shù)進行構(gòu)造,保留觀測結(jié)果的不確定基礎(chǔ)上,可以避免人為因素導致的失真問題,從而極大地解決了證據(jù)理論中基本可信度如何分配的問題。

基本步驟如下:

步驟1:確定識別框架。在健康評估中,所有指標組成的集合作為識別框架,這里使用模糊評估集V表示,則健康評估的實際值就是υL(L=1,2,3,4,5)。根據(jù)專家的經(jīng)驗知識,評估值假設(shè)是P(V)={P(ν1),P(ν2),P(ν3),P(ν4),P(ν5)}={0.90.70.50.30.1}。

步驟2:運算出所有信息源的可信度函數(shù)和權(quán)重因子。比較全面地評判發(fā)射機健康評估的各個指標,利用專家經(jīng)驗知識給出隸屬度函數(shù),分析和處理各個評估指標,確定每個指標層的基本可信度,再根據(jù)層次分析法來確定指標權(quán)重因子。

步驟3:融合證據(jù)。對各個指標的權(quán)重因子和基本可信度,利用改進的D-S規(guī)則組合來自不同信息源的各個證據(jù)。

步驟5:完善模型。對專家經(jīng)驗知識與評估結(jié)果進行比較,得出之間的差異,并修正權(quán)重因子,進一步完善健康評估的模型。

3　應用案例

在對某型雷達的固態(tài)發(fā)射機進行維修工作時,測得部分數(shù)據(jù)并計算相對值如表2所示。

表2　固態(tài)發(fā)射機測量數(shù)據(jù)

將故障條件下的評估指標的評估等級劃分為五級,V={ν1(有故障對健康狀態(tài)影響輕微),ν2(有故障且發(fā)射機狀態(tài)較好),ν3(故障對發(fā)射機健康狀態(tài)影響一般),ν4(有故障對健康狀態(tài)影響較嚴重),ν5(有故障對健康狀態(tài)影響嚴重)}。根據(jù)專家意見,可以假設(shè)評估值為P(V)={P(ν1),P(ν2),P(ν3),P(ν4),P(ν5)}={0.90.70.50.30.1}。采用層次分析法得到各指標權(quán)重是W1={0.313,0.327,0.305,0.023,.0.010,0.019},CR=0.035;W2={0.084,0.176,0.129,0.074,0.103,0.442},CR=0.027,并且都能夠進行一致性檢驗,這就證明了評估矩陣和權(quán)重計算的正確性。接著進行隸屬度函數(shù)轉(zhuǎn)化,得到各個健康評估指標的基本可信度分配與權(quán)重因子如表3所示。

表3　各健康指標的基本可信度分配與權(quán)重因子

假設(shè)子層權(quán)重是(0.620.38),分別指導指標層各元素的基本可信度分配,并進行證據(jù)合成。得到的可信度分配如表4所示。

表4　指標層融合后的可信度分配

在實際維修過程中,發(fā)現(xiàn)波導氣壓的指標存在偏差,并伴隨著波導打火,而其他參數(shù)都正常,分析原因是發(fā)射機內(nèi)部與天饋阻抗匹配較差而使反射能量過多,導致了過高的駐波比和波導打火,屬于輕微故障狀態(tài)。此時表明,健康狀態(tài)評估結(jié)果與實際維修結(jié)果基本符合。

4　結(jié)語

以雷達固態(tài)發(fā)射機為例,從健康狀態(tài)評估研究出發(fā),充分考慮系統(tǒng)的復雜性和可測性指標,將與健康狀態(tài)有關(guān)的各個指標進行分層處理,通過傳感器采集數(shù)據(jù)獲得各指標屬于健康狀態(tài)的基本可信度分配,然后利用D-S證據(jù)融合對健康評估指標進行數(shù)據(jù)融合,綜合評估固態(tài)發(fā)射機的健康狀態(tài)。文中所提出的方法利用改進的D-S合成法則,將雷達發(fā)射機進行PHM健康評估的可信度極大提高了,并在固態(tài)發(fā)射機上得到了驗證,具有廣泛的應用前景。

參 考 文 獻

[1] 徐佳,徐琳.航電系統(tǒng)的基于融合預測的健康管理[J],系統(tǒng)工程與電子技術(shù),2011,22(3):428-436.

XU Jia, XU Lin. Health management based on fusion prognostics for avionics systems[J]. Systems Engineering and Electronics,2011,22(3):428-436.

[2] 楊洲,景博.自動駕駛儀PHM系統(tǒng)健康評估方法研究[J].儀器儀表學報,2012,33(8):1765-1771.

YANG Zhou, JING Bo. Research of health assessment method for Autopilot PHM system[J]. Journal of Instrument,2012,33(8):1765-1771.

[3] 尹明,葉曉慧,陳少昌,故障預測與健康管理中傳感器選擇與定位方案[J].傳感器和變換器,2013,158(11):230-235.

YIN Ming, YE Xiaohui, CHEN Shaochang. Sensor Selection and Location Scheme for Prognostic and Health Management[J]. Sensors and Transducers,2013,158(11):230-235.

[4] 王紅霞,潘紅兵,葉曉慧.多故障的測試序列問題研究[J].兵工學報,2011,32(11):1518-1523.

WANG Hongxia, PAN Hongbing, YE Xiaohui. Research on Test Sequence Problem for Multiple Fault Diagnosis[J]. Acta Armamentarii,2011,32(11):1518-1523.

[5] 葉清,吳曉平,宋業(yè)新.基于D-S證據(jù)理論和AHP的故障診斷方法研究[J].海軍工程大學學報,2006,18(4):12-16.

YE Qing, WU Xiaoping, SONG Yexin. Fault diagnosis method based on D-S theory of evidence and AHP[J]. Journal of Naval University of Engineering,2006,18(4):12-16.

[6] 李偉,梁玉英,朱賽.基于神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的信息融合在故障診斷中的應用[J].計算機測量與控制,2012,20(11):2888-2890.

LI Wei, LIANG Yuying, ZHU Sai. Fault diagnosis based on Neural Network and Evidence Theory Information Fusion[J]. Computer Measurement & Control,2012,20(11):2888-2890.

[7] 張繼軍,馬登武,張金春.基于HMM的電子設(shè)備狀態(tài)監(jiān)測與健康評估[J].系統(tǒng)工程與電子技術(shù),2013,35(8):1692-1694.

ZHANG Jijun, MA Dengwu, ZHANG Jinchun. State monitoring and health evaluation of electronic equipment using HMM[J]. Systems Engineering and Electronics,2013,35(8):1692-1694.

[8] 黃志彥,張柏書,于開山,等.D-S證據(jù)理論數(shù)據(jù)融合算法在某系統(tǒng)故障診斷中的應用[J].電光與控制,2007,14(2),146-149.

HUANG Zhiyan, ZHANG Baishu, YU Kaishan, et al. Application of D-S evidence theory data fusion algorithm in fault diagnosis of a certain system[J]. Electronics Optics & Control,2007,14(2):146-149.

[9] 蔣黎明,何加浪,張宏.D-S證據(jù)理論中一種新的沖突證據(jù)融合方法[J].計算機科學,2011,38(4):236-238.

JIANG Liming, HE Jialang, ZHANG Hong. New Fusion Approach for Conflicting Evidence in D-S Theory of Evidence[J]. Computer Science,2011,38(4):236-238.

[10] 劉海燕,趙宗貴,劉熹.D-S證據(jù)理論中沖突證據(jù)的合成方法[J].電子科技大學學報,2008,37(5):701-704.

LIU Haiyan, ZHAO Zonggui, LIU Xi. Combination of Conflict Evidences in D-S Theory[J]. Journal of University of Electronic Science and Technology of Chian,2008,37(5):701-704.

收稿日期:2015年10月17日,修回日期:2015年12月3日

基金項目:國家部委基金資助項目(編號:9140A27020113JB11393)資助。

作者簡介:張永順,男,碩士,講師,研究方向:電子裝備健康評估。

中圖分類號TN959

DOI:10.3969/j.issn.1672-9722.2016.04.013

Health Assessment of Radar Transmitter Based on D-S Evidence Fusion

ZHANG Yongshun1XU Yanyi2YIN Ming1

(1. Electronics Engineering College, Naval University of Engineering, Wuhan430033)(2. Department of Information Security, Naval University of Engineering, Wuhan430033)

AbstractUnder the uncertainty factors condition of health status evaluation for radar transmitter, it builds index evaluation model based on D-S evidence theory. On the basis of comprehensive consideration for measurability, it establishes a new structure for health status evaluation of radar transmitter. In order to avoid the subjectivity and limitation for the basic probability function allocation, by using an improved evidence theory to multi-index fusion method, it gets the basic reliability allocation through the membership function. Then applying the improved D-S evidence theory to assessment fusion, the experimental results demonstrate the effectiveness of the proposed method.

Key Wordsradar transmitter, health assessment, analytic hierarchy process(AHP), D-S evidence theory