王國輝，范鵬飛，李向榮，白向華

(裝甲兵工程學(xué)院 兵器工程系，北京 100072)

基于云模型和故障Petri網(wǎng)的自動(dòng)裝彈機(jī)故障分析方法

王國輝，范鵬飛，李向榮，白向華

(裝甲兵工程學(xué)院 兵器工程系，北京100072)

針對裝甲裝備自動(dòng)裝彈機(jī)故障率高、原因復(fù)雜的情況，結(jié)合Petri網(wǎng)理論提出一種基于云模型和故障Petri網(wǎng)的旋轉(zhuǎn)輸彈機(jī)故障分析方法。改變以往通過專家評價(jià)和人工經(jīng)驗(yàn)來設(shè)置參數(shù)的傳統(tǒng)做法，提出基于云模型的模糊token值初始化方法；基于相關(guān)文獻(xiàn)對正反推理算法進(jìn)行研究，實(shí)現(xiàn)對自動(dòng)裝彈機(jī)的狀態(tài)評價(jià)和故障原因診斷；以旋轉(zhuǎn)輸彈機(jī)為例，結(jié)合其具體構(gòu)造建立對應(yīng)IFFPN故障模型，通過部分故障數(shù)據(jù)和相關(guān)模型的推理，驗(yàn)證故障分析方法的有效性。

改進(jìn)模糊故障Petri網(wǎng)；自動(dòng)裝彈機(jī)；故障分析

武器裝備可靠性的高低嚴(yán)重制約和影響著部隊(duì)的日常訓(xùn)練和作戰(zhàn)使用。某型履帶步兵戰(zhàn)車集機(jī)、電、液、光、計(jì)于一體，故障模式新，故障查找難，維修難度大[1]。在工廠和部隊(duì)的調(diào)研中，可以發(fā)現(xiàn)：與其他部件相比，旋轉(zhuǎn)輸彈機(jī)作為自動(dòng)裝彈機(jī)的重要組成部分，其發(fā)生故障的頻率更高、影響更大、原因更復(fù)雜。對旋轉(zhuǎn)輸彈機(jī)的故障問題研究，目前仍然處于算法研究和少量應(yīng)用階段，因此有必要對其故障檢測和故障診斷進(jìn)行深入研究，以尋求更加有效、更加具有針對性的故障分析方法。

關(guān)于Petri網(wǎng)在故障檢測和故障診斷方面的研究與應(yīng)用，現(xiàn)已有不少成果：王國輝等[2]針對裝甲車輛自動(dòng)裝彈機(jī)故障診斷算法領(lǐng)域空白的情況，提出了一種使用故障Petri網(wǎng)進(jìn)行故障推理的算法；張振山等[3]針對坦克自動(dòng)裝彈機(jī)故障檢測因果關(guān)系的復(fù)雜性和模糊性，提出了一種基于模糊Petri網(wǎng)的故障推理算法并應(yīng)用于故障檢測模型；程學(xué)珍等[4]針對三相異步電動(dòng)機(jī)故障問題建立了模糊故障Petri網(wǎng)模型，提出變遷使能點(diǎn)火判別矩陣，結(jié)合MYCIN置信度矩陣法的正向推理算法，實(shí)現(xiàn)電動(dòng)機(jī)運(yùn)行狀態(tài)的準(zhǔn)確評價(jià)，提出了一種更為簡潔的全矩陣推理算法，使診斷速度極大提高。

針對以上情況，結(jié)合Petri網(wǎng)理論提出一種基于改進(jìn)模糊故障Petri網(wǎng)的旋轉(zhuǎn)輸彈機(jī)故障分析方法。改變以往通過專家評價(jià)和人工經(jīng)驗(yàn)來設(shè)置參數(shù)的傳統(tǒng)做法，提出基于云模型的模糊token值初始化方法；對正反推理算法進(jìn)行研究，實(shí)現(xiàn)對自動(dòng)裝彈機(jī)的狀態(tài)評價(jià)和故障問題的原因診斷；以旋轉(zhuǎn)輸彈機(jī)為例，建立旋轉(zhuǎn)輸彈機(jī)的改進(jìn)模糊故障Petri網(wǎng)模型，結(jié)合部分故障數(shù)據(jù)，通過其中的部分模型推理，從而驗(yàn)證故障分析方法的有效性。

1 IFFPN描述

1.1IFFPN定義

定義1在經(jīng)典Petri網(wǎng)[5]和模糊故障Petri網(wǎng)[6]理論的基礎(chǔ)上，對token值和權(quán)值的確定方法進(jìn)行改進(jìn)，并提出改進(jìn)模糊故障Petri網(wǎng)(ImprovedFuzzyFaultPetriNet，IFFPN)。它可定義為一個(gè)10元組：

IFFPN= (P，T，I，O，M，Ω，α，f，λ，U)

1)P表示非空有限庫所的集合，反映故障事件或者故障設(shè)備的狀態(tài)，P={p1,p2,…,pn}(n>0)。

2)T表示非空有限變遷集合，表示事件的狀態(tài)變化或行為動(dòng)作，反映故障流轉(zhuǎn)的傳播過程，T={t1,t2,…,tn}(n>0)。

3)I為Petri網(wǎng)的輸入矩陣，用從庫所到變遷的有向弧來表示，即I：P*T。

4)O為Petri網(wǎng)的輸出矩陣，用從變遷到庫所的有向弧來表示，即O：T*P。

5)M表示庫所標(biāo)志分布矢量，不同的token數(shù)目和顏色反映了不同的故障路徑數(shù)目和故障嚴(yán)重程度，M={m1,m2,…,mn}(n>0)。

6)Ω表示庫所故障事件的權(quán)值，反映庫所對變遷的影響程度，Ω={ω1,ω2,…,ωn}(n>0)。

7)α表示庫所的置信度，反映故障事件真實(shí)性的可信程度，提出基于云模型的初始值確定方法，即α值由前件云發(fā)生器生成，α={α1,α2,…,αn}(n>0)。

8)f表示庫所事件模糊故障率的集合，f={f1,f2,…,fn}(n>0)，其中f代表故障發(fā)生的概率大小。

9)λ表示變遷規(guī)則閾值的集合，λ={λ1,λ2,…,λn}(n>0)。

10)U=diag(u1,u2,…,un)為變遷規(guī)則的可信度矩陣，反映不同變遷規(guī)則的可信度。

當(dāng)庫所置信度與對應(yīng)權(quán)值乘積的和大于變遷閾值，那么稱該變遷為預(yù)使能，若庫所中包含了不少于一個(gè)token值，那么后繼庫所也會(huì)產(chǎn)生新的置信度。

1.2基于云模型的模糊token值

云模型是近年興起的一種不確定性語言描述工具[7-8]，它適合于對類似模糊值等不確定性概念的描述，而IFFPN中的模糊token值恰恰適用這一概念。云概念雖為定性概念，但它的數(shù)字特征可由3個(gè)變量來概括：云滴點(diǎn)的位置期望Ex、反映云概念不確定度的熵En、反映離散程度與厚度的超熵He。

在確定模糊token值的過程中，利用云模型方法來代替?zhèn)鹘y(tǒng)方法，更能夠體現(xiàn)庫所初始狀態(tài)信息的不確定性[9]?；谠颇Ｐ偷哪：齮oken值確定步驟如下：

1)基于專家評價(jià)和人工經(jīng)驗(yàn)給出定性描述。

2)運(yùn)用逆向云發(fā)生器轉(zhuǎn)換為不確定性概念。

3)把被考察對象指標(biāo)物理量代入前件云發(fā)生器中，得到正態(tài)云確定度。

2 推理算法分析

IFFPN基于Petri網(wǎng)改進(jìn)得來，它同樣具有Petri網(wǎng)的可達(dá)性，結(jié)合矩陣計(jì)算方法，可以進(jìn)行故障模型的正向與反向故障推理。在文獻(xiàn)[10]的基礎(chǔ)上，定義如下算子：

取大算子∧C=A∧B，其中A、B、C均為m×n的矩陣，令cij=max(aij,bij)，i=1,2,…，m；j=1,2,…，n。

取小算子∨C=A∨B，其中A、B、C均為m×n的矩陣，令cij=min(aij,bij)，i=1,2,…，m；j=1,2,…，n。

比較算子⊙C=A⊙B，其中A、B、C均為m×n的矩陣，若aij>bij則令cij=1，否則令cij=0，i=1,2,…，m；j=1,2,…，n。

2.1正向推理

IFFPN的正向推理過程主要通過對設(shè)備故障狀況的實(shí)時(shí)檢測，從而預(yù)測設(shè)備將要發(fā)生的故障種類和故障形式。而對變遷點(diǎn)火的判斷和故障狀態(tài)token值的流動(dòng)，是推理過程中需要完成的主要任務(wù)。引用文獻(xiàn)[4]中變遷點(diǎn)火的判別矢量，并進(jìn)行簡化修正，最終得到：

L=α⊙λ

(1)

式中：α為庫所置信度矢量；λ為變遷閾值矢量。

兩者進(jìn)行比較后，得出變遷預(yù)使能點(diǎn)火矢量為L=[l1,l2,…,ln]T，n>0,當(dāng)ln=1時(shí)，表示發(fā)生變遷點(diǎn)火，反之若ln=0則表示未點(diǎn)火。

利用IFFPN模型的關(guān)聯(lián)矩陣，可得到標(biāo)識分布矢量為：

Mk=Mk-1∧(A?Vk)

(2)

基于點(diǎn)火規(guī)則可以得到使能點(diǎn)火矢量為

(3)

2.2逆向推理

當(dāng)設(shè)備發(fā)生故障并進(jìn)行維修保養(yǎng)時(shí)，需要對其進(jìn)行故障診斷，判斷故障發(fā)生的位置和具體原因。根據(jù)IFFPN進(jìn)行逆向推理，能夠輔助進(jìn)行判斷，迅速地查找可能的故障源。

在逆向推理中，IFFPN模型里的輸入庫所和輸出庫所分別為其逆向模型中的輸出庫所和輸入庫所，即：

I-=0,0-=I

在現(xiàn)有文獻(xiàn)[11]逆向推理矩陣的基礎(chǔ)上，進(jìn)行改進(jìn)調(diào)整后得到：

(4)

3 建立輸彈機(jī)IFFPN模型

輸彈機(jī)作為自動(dòng)裝彈機(jī)子系統(tǒng)的重要組成部分，是決定火炮武器系統(tǒng)工作是否正常的關(guān)鍵因素之一。而作為結(jié)構(gòu)機(jī)電一體化和動(dòng)作流水化作業(yè)的輸彈機(jī)，卻一直面臨著多種多樣的故障問題，同時(shí)，其故障機(jī)理復(fù)雜，往往一種現(xiàn)象與多種原因?qū)?yīng)，或者多種現(xiàn)象與一種原因?qū)?yīng)。某型履帶步兵戰(zhàn)車的100mm火炮輸彈機(jī)簡化結(jié)構(gòu)示意如圖1所示。

結(jié)合IFFPN知識可以建立輸彈機(jī)的IFFPN模型，庫所對應(yīng)的故障事件和設(shè)備如表1中所示，輸彈機(jī)的IFFPN模型如圖2所示。

表1 庫所對應(yīng)故障事件

4 輸彈機(jī)故障分析與驗(yàn)證

為了能夠更加清晰地表現(xiàn)故障分析過程，下面將以“輸彈機(jī)不轉(zhuǎn)動(dòng)”故障為例，結(jié)合IFFPN模型進(jìn)行說明。輸彈機(jī)不轉(zhuǎn)動(dòng)的IFFPN模型如圖3所示。

4.1初始化

4.1.1置信度的確定

基于云模型確定庫所事件為真的可信度，可以利用前件云發(fā)生器來計(jì)算，單因素(多因素)模糊token值的確定方法具體如下：

1)生成一組隨機(jī)數(shù)，使其滿足期望為Eni=(En1,En2,…,Enn)，方差為He2=(He12,Ee22),即超熵的平方，Enni=Norm(En,He2)；

以庫所事件p29為例進(jìn)行分析，容彈裝置發(fā)生故障時(shí)的設(shè)備運(yùn)轉(zhuǎn)時(shí)間通常為700～1000h，通過相關(guān)數(shù)據(jù)統(tǒng)計(jì)和整理，選定8位專家評定故障發(fā)生時(shí)運(yùn)轉(zhuǎn)時(shí)間的閾值為(752，900，960,683，1022，843,954,887)。對于部分庫所初始模糊token值，通過相關(guān)數(shù)據(jù)計(jì)算可以模擬形成其故障標(biāo)識token的云模型，即：

根據(jù)數(shù)字特征，利用Labview編程對其進(jìn)行可視化顯示，最終隨機(jī)模擬得到的云模型如圖4所示。

利用前件云發(fā)生器可以計(jì)算不同情況下的模糊token值，即為庫所事件的模糊置信度，若x=875，則μ=0.836。以此類推，可以通過計(jì)算得到全部置信度，將初始置信度設(shè)置為

α0=[0.62,0.835,0.728,0.58,0.918,0.753,0.897,0.92,0.755,0.953]

4.1.2其他值的確定

基于文獻(xiàn)[12]中的設(shè)置方法，結(jié)合專家評價(jià)與人工經(jīng)驗(yàn)，可將初始權(quán)值設(shè)置為

ω=[0.8,1.0,0.9,0.85,0.8,1.0,1.0,1.0,1.0,1.0]

閾值均設(shè)為0.5，變遷規(guī)則可信度設(shè)為

U=diag[0.7,0.8,0.8,0.95,0.8,0.7,0.9,0.95,0.8,0.7]

4.2正向推理與驗(yàn)證

4.2.1推理計(jì)算

當(dāng)輸彈機(jī)進(jìn)行輸彈動(dòng)作，假設(shè)完成第1次輸彈后并未發(fā)生故障，但監(jiān)測設(shè)備或人員發(fā)現(xiàn)有以下兩個(gè)現(xiàn)象：“按鈕失靈”和“電機(jī)異常振動(dòng)”，即初始庫所標(biāo)志分布矢量為

M0=[0，0，1，0，1，0，0，0，0，0]T

將置信度α0代入公式(1)中，即可得到

L=[1，1，1，1，1，1，1，1，1，1]T

將變遷預(yù)使能點(diǎn)火矢量代入公式(2)中，其中，輸入矩陣為

借助MATLAB編程計(jì)算，可得

V1=[1，0，1，1，1，0，0，1，0，1]T

M1=[1，1，1，0，0，0，0，1，0，0]T

V2=[1，0，0，0，1，0，0，0，0，0]T

M2=[0，1，1，0，1，1，0，0，1，0]T

V3=[1，0，1，0，1，0，1，0，0，1]T

M3=[1，0，1，0，1，0，1，0，1，1]T

V4=[0，0，0，0，0，0，0，0，0，1]T

M4=[1，0，1，0，0，0，1，1，0，1]T

V5=[0，0，0，0，0，0，0，0，0，1]T=V4

此時(shí)，M5=[1，0，1，1，0，1，1，1，0，1]T，推理結(jié)束，將相關(guān)信息轉(zhuǎn)入IFFPN模型中顯示，可以更加直觀、清晰地觀察故障在傳播過程中的可能路徑，如p3、p4→p7→p10,p1→p7→p10等；以及需要重點(diǎn)檢測的部位，如p3、p4等。正向推理結(jié)束后，token分布示意如圖5所示。

4.2.2計(jì)算驗(yàn)證

在實(shí)際工作中，往往要?dú)w納總結(jié)自動(dòng)裝彈機(jī)的常見故障模式，并對故障機(jī)理進(jìn)行分析，從而進(jìn)一步尋找故障發(fā)生的位置。傳統(tǒng)方法中，利用故障樹進(jìn)行分析能夠有效改進(jìn)并監(jiān)測故障，如圖6所示為輸彈機(jī)不轉(zhuǎn)動(dòng)的故障樹。

故障樹并不能夠體現(xiàn)IFFPN中的模糊信息，因而可引入規(guī)則置信度等到故障樹中。假設(shè)發(fā)生事件A2和A3，與其相關(guān)聯(lián)的事件有A4、B7和C10，可設(shè)ω43=0.55，ω44=0.45，ω5=0.8。當(dāng)置信度與權(quán)值之積大于對應(yīng)閾值時(shí)，則認(rèn)為該事件發(fā)生，同時(shí)由析取式原則可得：

X1=A3×ω43=0.401

X2=A4×ω44=0.261

X=X1+X2=0.662>ω

B7=X×u4=0.629

B8=X3×u5=0.576

C10=B7×u8=0.705

通過折線對比圖7可以看到，通過引入模糊概念后傳統(tǒng)故障樹方法的計(jì)算，其結(jié)果與之前推理結(jié)果是可以相互映證的，且誤差較小，能夠滿足故障推理檢測的需求。

4.3逆向推理與驗(yàn)證

4.3.1推理計(jì)算

當(dāng)輸彈機(jī)進(jìn)行輸彈動(dòng)作并檢測到“控制臺(tái)故障”時(shí)，逆向初始標(biāo)志矢量為

代入置信度到公式(1)中，可得逆向變遷預(yù)使能點(diǎn)火矢量為

L-=[1，1，1，1，1，1，1，1，1，1]T

4.3.2數(shù)據(jù)驗(yàn)證

由于輸彈機(jī)工作環(huán)境的惡劣性和特殊性，操作人員和維修人員都往往無法獲得十分具體、準(zhǔn)確、詳細(xì)的故障信息，這為數(shù)據(jù)驗(yàn)證模型推理增加了難度。在保留部分不明原因故障的前提下，挑選出具有代表性的故障記錄，經(jīng)整合、完善后得到表2。

表2 故障信息表

采用計(jì)算相關(guān)性的方法，判斷故障數(shù)據(jù)與基于云模型確定的模糊token值之間是否存在一致性，過程如下：

1)平均值Y1=10，Y2=0.673 5。

2)標(biāo)準(zhǔn)差S1=25.649，S2=0.327 8。

3)相關(guān)系數(shù)ρY1Y2=0.798 2。

由相關(guān)系數(shù)可知，真實(shí)故障記錄次數(shù)與基于云模型推理的token值具有較強(qiáng)的相關(guān)性，說明推理結(jié)果是較有說服力的。

5 結(jié)束語

通過改變以往專家評價(jià)和人工經(jīng)驗(yàn)來設(shè)置參數(shù)的傳統(tǒng)做法，提出基于云模型的模糊token值初始化方法，并利用故障數(shù)據(jù)進(jìn)行驗(yàn)證；對正反推理算法進(jìn)行探討，實(shí)現(xiàn)對旋轉(zhuǎn)輸彈機(jī)的狀態(tài)評價(jià)和故障問題的原因診斷；將IFFPN模型運(yùn)用于輸彈機(jī)的故障分析，建立旋轉(zhuǎn)輸彈機(jī)IFFPN故障模型，通過正反推理驗(yàn)證了該故障分析方法的有效性。

受到相關(guān)故障數(shù)據(jù)準(zhǔn)確性和具體性的限制，該方法在驗(yàn)證某些故障時(shí)仍然不夠準(zhǔn)確，下一步應(yīng)當(dāng)在擴(kuò)大故障信息來源、對模型和算法加以完善的同時(shí)，將其應(yīng)用于故障檢測和診斷的軟件開發(fā)。

References)

[1] 張仕新，張耀輝，呂會(huì)強(qiáng).某型步兵戰(zhàn)車故障規(guī)律及維修保障方案優(yōu)化研究[R].北京：裝甲兵工程學(xué)院，2011. ZHANG Shixin, ZHANG Yaohui, LYU Huiqiang. Research on the failure rules and maintenance support conception for one type infantry fight vehicle[R]. Beijing: Academy of Armored Forces Engineering,2011.(in Chinese)

[2] 王國輝，王威.基于故障Petri網(wǎng)的自動(dòng)裝彈機(jī)故障診斷研究[J].火炮發(fā)射與控制學(xué)報(bào)，2004(4):55-58. WANG Guohui, WANG Wei. Study on diagnosis of autoloader based on Petri net[J]. Journal of Gun Launch & Control,2004(4):55-58.(in Chinese)

[3] 張振山，李培富，黃晶晶,等.模糊Petri網(wǎng)在坦克自動(dòng)裝彈機(jī)故障檢測中的應(yīng)用[J].四川兵工學(xué)報(bào)，2011，32(9):7-9. ZHANG Zhenshan, LI Peifu, HUANG Jingjing,et al. Application of fuzzy Petri-net to fault detection in tank autoloader[J]. Journal of Sichuan Ordnance,2011,32(9):7-9.(in Chinese)

[4] 程學(xué)珍，王程，于永進(jìn),等.一種基于模糊故障Petri網(wǎng)的三相異步電動(dòng)機(jī)故障分析方法[J].電工技術(shù)學(xué)報(bào)，2015，30(17):132-138. CHENG Xuezhen, WANG Cheng, YU Yongjin,et al. An approach for three-phase asynchronous motor failure analysis based on fuzzy fault Petri net[J]. Transactions of China Electrotechnical Society,2015,30(17):132-138.(in Chinese)

[5] 羅雪山，羅愛民，張耀鴻,等. Petri網(wǎng)在C4ISR系統(tǒng)建模、仿真與分析中的應(yīng)用[M].長沙: 國防科技大學(xué)出版社，2007. LUO Xueshan,LUO Aimin,ZHANG Yaohong,et al.Application of Petri nets in modeling,simulation and ana-lysis of C4ISR system[M]. Changsha: National University of Defense Technology Press,2007.(in Chinese)

[6] 黃敏，林嘯，侯志文.模糊故障 Petri 網(wǎng)建模方法及其應(yīng)用[J]. 中南大學(xué)學(xué)報(bào):自然科學(xué)版，2013，44(1):208-215. HUANG Min, LIN Xiao, HOU Zhiwen. Modeling method of fuzzy fault Petri nets and its application[J]. Journal of Central South University: Science and Technology,2013，44(1):208-215.(in Chinese)

[7] 董磊，閻芳，王鵬.基于修正高維云的故障映射模型[J].系統(tǒng)工程與電子技術(shù)，2015，37(2):354-359. DONG Lei, YAN Fang, WANG Peng. Fault mapping model based on correction high dimensional cloud[J]. Systems Engineering and Electronics,2015,37(2):354-359.(in Chinese)

[8] 王兵，李盼池，楊冬黎,等.云過程神經(jīng)網(wǎng)絡(luò)模型及算法研究[J]. 電子與信息學(xué)報(bào)，2015，37(1):110-115. WANG Bing, LI Panchi, YANG Dongli,et al. Research on cloud process neural network model and algorithm[J]. Journal of Electronics & Information Technology,2015,37(1):110-115.(in Chinese)

[9] 黨小超，樊婷，郝占軍.基于云模型的模糊Petri網(wǎng)token確定方法研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2014，35(4):827-830. DANG Xiaochao, FAN Ting, HAO Zhanjun. Study on method of determining fuzzy tokens in fuzzy Petri nets based on cloud model[J]. Journal of Chinese Computer Systems,2014,35(4):827-830.(in Chinese)

[10] 汪惠芬，梁光夏，劉庭煜,等.基于改進(jìn)模糊故障Petri網(wǎng)的復(fù)雜系統(tǒng)故障診斷與狀態(tài)評價(jià)[J].計(jì)算機(jī)集成制造系統(tǒng)，2013，19(12):3049-3060. WANG Huifen, LIANG Guangxia, LIU Tingyu,et al. Machinery failure diagnosis and condition evaluation for complex system based on improved fuzzy fault Petri net[J]. Computer Integrated Manufacturing Systems,2013,19(12):3049-3060.(in Chinese)

[11] MOTAMENI H，GHASSEMPOURI T.Transforming fuzzy communication diagram to fuzzy Petri net[J].American Journal of Scientific Research，2011，16:63-74.

[12] 謝倩，樂曉波，周愷卿,等.模糊 Petri 網(wǎng)庫所集中token 初始值的確定方法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48(12):49-52. XIE Qian， YUE Xiaobo， ZHOU Kaiqing,et al. Determination of token in initial place of fuzzy Petri nets[J]. Computer Engineering and Applications，2012，48(12):49-52.(in Chinese)

[13] 原菊梅.復(fù)雜系統(tǒng)可靠性 Petri 網(wǎng)建模及其智能分析方法[M].北京: 國防工業(yè)出版社，2011. YUAN Jumei. Petri net modeling and intelligent analysis method for complex system reliability[M]. Beijing: National Defense Industry Press,2011.(in Chinese)

OneApproachforFailureAnalysisofAuto-loaderBasedonCloudModelandImprovedFuzzyFaultPetriNet

WANG Guohui, FAN Pengfei, LI Xiangrong, BAI Xianghua

(Department of Arms Engineering, Academy of Armored Force Engineering, Beijing100072, China)

Aiming at the circumstances of the high rate of failure and complexity of reasons in the auto-loader of armoured armament, in combination with the Petri net theory, one approach for failure analysis of rotatory feed mechanism was proposed based on improved fuzzy fault petri net and cloud model. This approach changes the traditional parameter settings method which relies on expert evaluation and manual experience to the new initializing method of fuzzy token value based on cloud model. Based on relevant literature, the positive and negative reasoning algorithms were sudied, enabling the status evaluation and failure judgment. Then the rotary ramming mechanism was taken for an instance, with the improved fuzzy fault petri net model establihed according to concrete structure, and with its effectiveness verified via part of failure data and relevant model reasoning.

improved fuzzy fault Petri net; auto-loader; failure analysis

TJ303.3

： A

：1673-6524(2017)03-0085-07

10.19323/j.issn.1673-6524.2017.03.017

2017-02-20

王國輝(1966—)，男，教授，主要從事武器系統(tǒng)與保障工程技術(shù)研究。E-mail：474691046@qq.com