龐天照，趙新文

(海軍工程大學 核科學技術(shù)學院， 武漢 430033)

隨著社會快速發(fā)展和戰(zhàn)爭形態(tài)的轉(zhuǎn)變，以信息化為代表的高新技術(shù)不斷涌現(xiàn)，使得艦船裝備信息化程度不斷提高，體系構(gòu)成也越來越復雜，艦船裝備故障分析對象多元且難度加大，導致傳統(tǒng)的故障分析模型已不能有效地滿足現(xiàn)實需求[1]。迫切需要改進傳統(tǒng)檢測方法，更加準確地分析復雜信息化艦船裝備故障，提高艦船裝備維修和保障效能，為打贏信息化條件下局部戰(zhàn)爭提供保證。國內(nèi)外對裝備故障診斷與分析開展了大量卓有成效的研究[2-4]。利用灰色關(guān)聯(lián)度模型對艦船裝備進行故障診斷分析時，一般傾向采用平均加權(quán)方法處理灰色關(guān)系系數(shù)[5]，導致產(chǎn)生較差的預期診斷效果，且對船用裝備故障診斷分析結(jié)果缺少實例對比，故障分析結(jié)論與實際具有一定偏差。本文對比研究復雜艦船裝備兩種故障分析方法，首先理論上對比研究傳統(tǒng)故障分析模型與改進模型，然后進行實例分析，探討依托傳統(tǒng)方法的改進模型在現(xiàn)代艦船裝備故障分析中的應用可行性，提高艦船裝備故障診斷效率及其可信度。

1 傳統(tǒng)模型與改進模型的對比

綜合信息化艦船裝備非常復雜，一般由若干子系統(tǒng)構(gòu)成，并且各子系統(tǒng)結(jié)構(gòu)和相應功能各不相同，通過局域網(wǎng)相連接構(gòu)成體系，其綜合化和一體化性質(zhì)使得復雜信息化艦船裝備功能強大，作戰(zhàn)能力或保障效能遠遠高于一般艦船裝備。但復雜艦船裝備尤其是信息化高技術(shù)艦船裝備由于構(gòu)成要素和鏈接點眾多，某種程度上不可避免地存在“一損俱損”或“牽一發(fā)而動全身”的體系脆弱性[6～9]。為打贏未來信息化條件下的高技術(shù)戰(zhàn)爭，充分發(fā)揮信息化艦船裝備效能，對戰(zhàn)損或故障的復雜艦船裝備或子系統(tǒng)進行故障預測或分析是十分必要的，可有力保障艦船裝備的持續(xù)穩(wěn)定性能。

1.1 傳統(tǒng)灰色關(guān)聯(lián)模型

多數(shù)信息化復雜艦船裝備系統(tǒng)為灰色系統(tǒng)，根據(jù)其故障和征兆之間無確定的映射關(guān)系，一般采用灰色關(guān)聯(lián)模型進行故障分析[10]，以故障和征兆之間發(fā)展趨勢的異同來分析判斷故障。分析復雜系統(tǒng)內(nèi)部各因子之間的關(guān)聯(lián)系數(shù)及關(guān)聯(lián)度，并通過其大小有效確定對故障影響程度的主次因素。本方法對樣本量要求不十分苛刻，一般不需要樣本服從某種分布規(guī)律，且只需要較少的計算量即可獲得分析結(jié)果。建立傳統(tǒng)一般灰色關(guān)聯(lián)模型，首先設定狀態(tài)數(shù)據(jù)為參考序列X0=[x0(1),x0(2),…,x0(n)]，標準故障樣本集作為分析比較序列Xi=[x1(1),x1(2),…,xi(n)] (i=1,2,…,m)，并設定εik為各參考序列與比較序列的灰色關(guān)聯(lián)系數(shù)，表示各個時間段內(nèi)比較序列與參考序列的相吻合程度。εik定義如下：

(1)

(2)

式(1)、式(2)中：ρ∈(0,1)為分辨系數(shù)。為計算方便，一般灰色關(guān)聯(lián)模型常取0.5；εik為k點的灰色關(guān)聯(lián)系數(shù)；γi為參考序列和比較序列之間的對應元素的灰色關(guān)聯(lián)度，傳統(tǒng)灰色關(guān)聯(lián)分析中取各點灰色關(guān)聯(lián)系數(shù)的算術(shù)平均值。

1.2 優(yōu)化改進的模型

系統(tǒng)運行過程中受到各種不確定性因素的擾動，并且參考序列和比較序列每個計算點的關(guān)聯(lián)系數(shù)對整個灰色關(guān)聯(lián)度的影響是不同的[11]。傳統(tǒng)灰色關(guān)聯(lián)模型通常將各個點的灰色關(guān)聯(lián)系數(shù)進行簡單算術(shù)平均后直接作為灰色關(guān)聯(lián)度值，不能準確地反映系統(tǒng)參考序列和比較序列的關(guān)系。產(chǎn)生的信息損失會導致無法充分考慮系統(tǒng)特征波動對結(jié)果的影響，以及不能反映基于不同時的點關(guān)聯(lián)系數(shù)對復雜系統(tǒng)的重要性，使得復雜艦船裝備系統(tǒng)故障分析結(jié)果與系統(tǒng)真實情況嚴重不符，即系統(tǒng)故障診斷分析的精確性較低[12]。因此需要優(yōu)化改進傳統(tǒng)灰色關(guān)聯(lián)模型，計算參考序列和比較序列的灰色關(guān)聯(lián)度時，采用添加權(quán)重的灰色關(guān)聯(lián)度理論。主要在以下三方面對傳統(tǒng)模型進行優(yōu)化。

第一步：改進各序列的點關(guān)聯(lián)系數(shù)的計算方法，為傳統(tǒng)關(guān)聯(lián)度模型引入權(quán)重并重新定義：

(3)

第二步：由式(3)可知計算加權(quán)灰色關(guān)聯(lián)度值，需確定權(quán)重值wk。灰色關(guān)聯(lián)度模型的比較序列對參考序列的影響應維持穩(wěn)定，且影響期望是均衡客觀的[13]。因此采用熵權(quán)法對引入權(quán)重進行賦值，通過建立相應拉格朗日函數(shù)并計算矩陣行列式，最終得到最大化約束條件下的權(quán)重向量：

Ω=M-1A

(4)

第三步：式(1)的分辨系數(shù)ρ在傳統(tǒng)灰色關(guān)聯(lián)模型中取固定值0.5，降低了模型的抗干擾性。為增加模型反應系統(tǒng)關(guān)聯(lián)性的靈活性和真實性，需優(yōu)化分辨系數(shù)ρ。根據(jù)系統(tǒng)參考序列和比較序列的具體情況進行動態(tài)調(diào)節(jié)取值，提高系統(tǒng)分辨能力。ρ的動態(tài)取值如下：

(5)

改進傳統(tǒng)灰色關(guān)聯(lián)度模型后，可計算加權(quán)灰色關(guān)聯(lián)度值，并按大小排序。系統(tǒng)關(guān)聯(lián)度最大值對應的故障被認為診斷故障，從而完成復雜艦船裝備的故障分析。

2 案例分析

2.1 故障分析系統(tǒng)的建立

復雜信息化艦船裝備系統(tǒng)集成多功能于一體，各部件故障機理復雜、種類多樣且相互之間依存度大，精確的故障診斷需盡可能多地獲取變量。必然增大系統(tǒng)分析的不確定性，增加“誤診”風險[14]。為促進艦船裝備故障快速精準分析，提高艦船裝備系統(tǒng)的可維修性和保障性，必須建立適應復雜信息化艦船裝備系統(tǒng)故障特征的故障診斷系統(tǒng)，為操縱者提供及時準確的監(jiān)測變量和可靠信息。根據(jù)優(yōu)化改進模型建立復雜信息化艦船裝備系統(tǒng)故障分析系統(tǒng)，如圖1所示。

由圖1可知，故障診斷系統(tǒng)主要由4個階段組成，且各階段之間利用串口通信協(xié)議完成數(shù)據(jù)的傳輸任務[15]。第1階段獲取被分析系統(tǒng)的運行參數(shù)數(shù)據(jù)，第2階段對獲取的數(shù)據(jù)進行科學預處理，第3階段引入改進優(yōu)化加權(quán)關(guān)聯(lián)度模型進行分析，第4階段分析系統(tǒng)故障診斷的結(jié)果。

2.2 實例分析

(6)

故障診斷過程中，根據(jù)采集到的系統(tǒng)狀態(tài)數(shù)據(jù)：0.5、0.75、0.25、0.75、0.5、0.5、0.5、0.5，得到改進灰色關(guān)聯(lián)度數(shù)據(jù)為ε(x0,x1)=0.727 3、ε(x0,x2)=0.571 4、ε(x0,x3)=0.989 9、ε(x0,x4)=0.666 7、ε(x0,x5)=0.615 4?？芍瑇0,x3的加權(quán)關(guān)聯(lián)度值最大，且故障F3對應的征兆集與采集系統(tǒng)狀態(tài)數(shù)據(jù)相同，可判斷系統(tǒng)故障為F3。關(guān)聯(lián)系數(shù)和權(quán)重計算結(jié)果如表1所示。

2.3 系統(tǒng)敏感性對比

對復雜艦船裝備系統(tǒng)進行故障分析時，不可避免地產(chǎn)生測量噪聲，為了對比參數(shù)、變量的改變對傳統(tǒng)模型和改進優(yōu)化模型分析結(jié)果的影響，需分析結(jié)果對測量噪聲的敏感性，以測量系統(tǒng)穩(wěn)定性。分別基于傳統(tǒng)模型和改進優(yōu)化模型對系統(tǒng)添加5%、10%、15%的噪聲，敏感性分析結(jié)果如圖2、圖3所示。

表1 關(guān)聯(lián)系數(shù)與權(quán)重向量

觀察圖2和圖3可知，兩種模型系統(tǒng)均對第二和第四個征兆狀態(tài)參數(shù)的敏感度最高，敏感性指數(shù)伴隨噪聲的增加而升高，并且傳統(tǒng)模型敏感性數(shù)值比改進優(yōu)化模型的變化快。因此改進模型對系統(tǒng)測量噪聲的敏感度較低，即抗噪聲干擾性能更強，具有較好的自穩(wěn)自調(diào)性，更能真實地反映系統(tǒng)故障。

2.4 系統(tǒng)分辨率對比

為驗證系統(tǒng)分辨故障的能力，離線輸入狀態(tài)數(shù)據(jù)：0.50、0.75、0.50、0.25、0.75、0.25、0.45、0.5，分別利用傳統(tǒng)和改進優(yōu)化灰色關(guān)聯(lián)模型對復雜艦船裝備系統(tǒng)進行故障分析。歸一化處理兩種模型的關(guān)聯(lián)度，關(guān)聯(lián)度散點連線圖見圖4。由圖4可知兩種模型系統(tǒng)的故障關(guān)聯(lián)度總體上排序基本一致，改進優(yōu)化模型的兩種故障距離更遠，因此改進優(yōu)化模型具有更高的分辨能力。

定量計算傳統(tǒng)和改進的灰色關(guān)聯(lián)模型對故障的分辨率(其數(shù)據(jù)見表2)。由表2可知，改進優(yōu)化模型的系統(tǒng)分辨率均大于或等于傳統(tǒng)模型，對各種系統(tǒng)故障的區(qū)分度更大，因此改進模型的故障診斷可靠性更高，故障分析結(jié)果更具準確性與可信性。

各種情形系統(tǒng)故障分辨率故障組合F4和F2F2和F3F3和F5F5和F1F4和F3傳統(tǒng)模型0.23430.11710.08100.15440.1171改進模型0.30660.13010.08790.15060.1765故障組合F4和F1F4和F5F3和F1F2和F1F2和F5傳統(tǒng)模型0.18370.02930.06660.05060.2050改進模型0.24610.09550.06960.06040.2111

3 結(jié)論

由于信息化艦船裝備起步較晚，投入使用時間也較短，故障樣本數(shù)據(jù)較少，為克服樣本容量不足的問題，采用灰色關(guān)聯(lián)模型對其進行故障分析。針對傳統(tǒng)模型的局限性，對其進行改進優(yōu)化；通過案例分析表明改進模型具有較好的穩(wěn)定性和分辨率，獲得了較為滿意的使用效果，可有效應用于復雜信息化艦船裝備系統(tǒng)的故障分析。

參考文獻：

[1] 張煒,梁魏.復雜電磁環(huán)境下艦船裝備保障對策研究[J].艦船裝備指揮技術(shù)學院學報，2008，19(4)：1-4.

[2] PENG Y,REGGIA J A.A probabilistic causal model for diagnosis problem solving—part I:Integrating symbolic causal inference with numeric probabilistic inference[J].IEEE Trans SMC,1987,17(2):146:162.

[3] 張勇,曹先常.基于遺傳算法的系統(tǒng)維修性優(yōu)化分配問題研究[J].華東電力，2003,12(1):85-87.

[4] 吳定海,張培林,任國全,等.基于遺傳算法的概率因果模型在液壓泵故障診斷中的應用[J].潤滑與密封,2006,177(5):157-159.

[5] 謝春玲,施小成.基于遺傳算法的船舶核動力裝置冷凝器故障診斷研究[J].船舶工程,2006,28(6):48-50.

[6] 戰(zhàn)曉蘇.信息化戰(zhàn)爭與武器艦船裝備信息化的若干問題探討[J].國防技術(shù)基礎(chǔ),2010(12):44-47.

[7] 賈秀權(quán),李鑫,胡斌.大型復雜信息化艦船裝備軍民一體化保障的研究[J].現(xiàn)代電子技術(shù),2013,36(11):25-27.

[8] 李陽,武昌,雷志雄.艦船裝備維修保障信息化建設的若干問題[J].四川兵工學報,2013(4):113-115.

[9] 李世英,曲長征,薛文力.信息化艦船裝備體系的RMS參數(shù)體系框架研究[J].2008,22(6):39-42.

[10] 周宇陽,陳漢平,王煒哲等.故障診斷灰色數(shù)學模型[J].中國電機工程學報，2002(6):146-151.

[11] MARKS R J.Intelligence:Computaional versus artificial [J].IEEE Trans on Neural Networks,1993,4(5):737-739.

[12] 徐小濤,田鋮,朱學維.IETM在信息化艦船裝備保障中的應用研究[J].國防技術(shù)基礎(chǔ),2008(9):22-29.

[13] 程晉,嚴承華,樊攀星.基于CBR的信息化艦船裝備故障案例推理復用技術(shù)研究[J].計算機與數(shù)字工程,2013，41(8)：1308-1311.

[14] FRIEND A D,SCUHGART H H,RUNNING S W.A physiology-based gap model of forest dynamics[J].Ecology,1993,74(3):792-797.

[15] DAISUKE Y,LI G D,KOZO M.On the generalization of grey relational analysis [J].Journal of Grey System,2006,9(1):23-34.

[16] 龔俊名，劉偉． 多橋并聯(lián)勵磁系統(tǒng)功率單元故障診斷方法[J].重慶理工大學學報(自然科學)，2017(6)：171-178．