王 卉，李英順

1.廣西科技大學(xué) 電氣與信息工程學(xué)院，廣西 柳州545000

2.大連理工大學(xué) 控制科學(xué)與工程學(xué)院，遼寧 大連116024

1 引言

傳統(tǒng)的故障診斷方法不僅嚴(yán)重地導(dǎo)致資源浪費(fèi)并且故障確診率相對很低。近些年來，智能的故障診斷算法已經(jīng)成為對復(fù)雜系統(tǒng)故障診斷的研究方向之一[1-3]。隨著人工智能故障診斷算法的廣泛應(yīng)用，動態(tài)故障診斷技術(shù)作為逐步完善的先進(jìn)診斷技術(shù)已經(jīng)在國內(nèi)外的許多領(lǐng)域廣泛應(yīng)用。動態(tài)故障診斷問題已成為前沿故障診斷問題的關(guān)鍵之一。自動裝填系統(tǒng)是一個邏輯非常復(fù)雜的時序控制，在作戰(zhàn)過程中極其容易發(fā)生電氣故障和機(jī)械故障，從而很大程度上影響裝備的戰(zhàn)斗力?？紤]故障診斷結(jié)果需給出元器件級維修建議進(jìn)行精確定位，達(dá)到相對全面地實現(xiàn)了自動裝填系統(tǒng)的狀態(tài)監(jiān)測與故障診斷。本文通過對已有的算法進(jìn)行改進(jìn)，在精確性、智能性和實時性方面對自動裝填系統(tǒng)故障診斷確診率進(jìn)行有效的提高。

證據(jù)融合是只能夠?qū)崿F(xiàn)對稱的和靜態(tài)的融合，也就是只能實現(xiàn)在同一個時刻所獲取的多個診斷證據(jù)，從而所得到的證據(jù)與除該時刻外的其他時刻的診斷證據(jù)無關(guān)。從生產(chǎn)實際考慮，自動裝填系統(tǒng)是一個動態(tài)時序控制系統(tǒng)，進(jìn)而診斷證據(jù)也是隨時間變化的。再應(yīng)用以往的證據(jù)理念無法獲取更加真實可信的故障決策結(jié)果。同時確診率是評價故障診斷的一個重要指標(biāo)。近些年，一些學(xué)者已經(jīng)對證據(jù)更新進(jìn)行了研究，文獻(xiàn)[4]中Shafer提出Dempster條件規(guī)則和證據(jù)理論的基本概念。文獻(xiàn)[5]中Smets 提出的模型能夠?qū)崿F(xiàn)在完全確知情況下的新到證據(jù)更新，但該文僅針對所述模型進(jìn)行理論分析，未對實際工程應(yīng)用進(jìn)行分析。文獻(xiàn)[6]中Kulasekere 等提出了條件化的線性組合更新方法，該方法由現(xiàn)有證據(jù)和條件證據(jù)的線性組合組成，利用加權(quán)融合的方式實現(xiàn)證據(jù)更新。它使人們能夠通過適當(dāng)選擇線性組合權(quán)重來解釋現(xiàn)有證據(jù)的“完整性”和“慣性”以及更新的“靈活性”，但也未論證其可行性與工程應(yīng)用情況。文獻(xiàn)[7]提出了一種基于Dezert-Smarandache理論的新組合規(guī)則來處理由識別框架的非窮盡性引起的沖突證據(jù)。根據(jù)原始DSmT組合規(guī)則或新DSmT組合規(guī)則進(jìn)行融合，雖給出了電機(jī)轉(zhuǎn)子故障診斷應(yīng)用實例，但僅說明組合規(guī)則的有效性，未能實現(xiàn)真正意義上的證據(jù)更新和動態(tài)故障診斷。類Jeffery 更新的缺點(diǎn)在于過度依賴于當(dāng)前證據(jù)的作用，而忽略了歷史證據(jù)的作用。通過對原始證據(jù)更新規(guī)則進(jìn)行改進(jìn)并將其在故障診斷的工程實際應(yīng)用，對方法的可行性進(jìn)行分析并與其他故障診斷方法進(jìn)行對比。

本文提出了改進(jìn)型證據(jù)更新規(guī)則的動態(tài)故障診斷算法，并將其應(yīng)用到火炮自動裝填故障診斷系統(tǒng)中。結(jié)合自動裝填系統(tǒng)的控制時序和實際特點(diǎn)進(jìn)行深入研究，確定火炮自動裝填故障的辨識框架并生成診斷證據(jù)，隨后對診斷證據(jù)進(jìn)行動態(tài)更新，將更新融合后的證據(jù)進(jìn)行故障決策，并與目前廣泛使用的原始證據(jù)理論和原始單獨(dú)模糊推理進(jìn)行分析對比，探討改進(jìn)型證據(jù)更新規(guī)則的動態(tài)故障診斷算法應(yīng)用的優(yōu)勢。

2 故障分析

自動裝填系統(tǒng)是由自動裝填系統(tǒng)程序控制盒完成控制。自動裝填系統(tǒng)的各個部件按照一定的順序進(jìn)行控制。通過對自動裝填系統(tǒng)的基本組成和電路圖控制原理進(jìn)入研究，從而為故障診斷打下扎實基礎(chǔ)。以火炮自動裝填系統(tǒng)旋轉(zhuǎn)輸彈機(jī)不旋轉(zhuǎn)發(fā)生為例，通過對電路和邏輯控制關(guān)系分析得到旋轉(zhuǎn)輸彈機(jī)不旋轉(zhuǎn)的8個已知故障和5 個故障特征參數(shù)進(jìn)行故障特征參數(shù)和故障模式分析?；鹋谘b填系統(tǒng)故障特征參數(shù)及故障模式如表1所示。

故障診斷數(shù)據(jù)是采集自動裝彈機(jī)程序盒航空頭的實時電壓值，按照故障模式對自動裝填系統(tǒng)故障進(jìn)行部分分析。通過對程控盒、裝彈操縱臺、記憶裝置共提取可檢測信號78項。根據(jù)提取的故障數(shù)據(jù)給出了元部件級的維修建議。

表1 故障特征參數(shù)及故障模式

3 故障診斷辨識框架生成

本文通過構(gòu)建新型模糊推理生成火炮自動裝填故障診斷系統(tǒng)辨識框架，生成過程如下所述：

令辨識框架Θ={θ1,θ2,…,θn}，其中2Θ是Θ 的所有子集?；鹋谘b填系統(tǒng)的辨識框架定義為Θ={Y1,Y2,…,Yj,…,Yn}，辨識框架中Yj代表在故障集合Θ 中的第j個故障。火炮裝填系統(tǒng)的故障特征參數(shù)集合描述為E={e1,e2,…,en}，由于某一個故障特征參數(shù)會受到其他不同故障發(fā)生的影響，將發(fā)生第j 個故障時第i 個故障的特征參數(shù)的描述為eij，其取值區(qū)間為，其中為取值區(qū)間的左、右端點(diǎn)值，得到單個故障特征參數(shù)模糊區(qū)間為EI=，其中是所有的最大取值，其中是所有的最大取值。將該區(qū)間的取值范圍進(jìn)行三角均分，得到下述的語言項集。

故障特征參數(shù)可以由模糊語言項來描述，用Ak,1,Ak,2,…,Ai,j,…,Ak,pm表示故障特征參數(shù)Pm(m=1,2,…,n)個語言項，定義故障特征參數(shù)的語言項集合為笛卡爾積空間U=U1×U2×…×Uk，其中第k 個故障特征參數(shù)語言集為Uk=(Ak,1,Ak,2,…,，每個模糊語言項。當(dāng)發(fā)生第j 個故障時第i 個故障特征參數(shù)Eij與單個故障特征參數(shù)模糊區(qū)間IA 存在Eij∩IA ≠0 成立，則稱第j 個故障時第i 個故障的特征參數(shù)Eij落入單個故障特征參數(shù)模糊區(qū)間IA中，即火炮裝填系統(tǒng)出現(xiàn)故障辨識框架中Yj項故障。改進(jìn)型模糊規(guī)則如式（1）所示：

通過監(jiān)測的特征參數(shù)狀態(tài)值xi來計算故障特征參數(shù)語言集為Uk=(Ak,1,Ak,2,…,Ak,pm) 的模糊語言項的隸屬度取值如式（2）所示，對模糊語言項進(jìn)行歸一化處理得到Aij和Aij+1置信度取值如式（3）所示。

其中，i=1,2,…,M,j ∈1,2,…,Ji-1。

根據(jù)式（3）的語言項的置信度計算方法得出當(dāng)t 條規(guī)則被選中模糊推理規(guī)則后項的置信度取值如式（4）所示：

4 改進(jìn)證據(jù)更新規(guī)則

4.1 建立規(guī)則

改進(jìn)證據(jù)更新規(guī)則是由類Jeffery 證據(jù)更新規(guī)則改進(jìn)的更新方法，是具有時間標(biāo)簽的并考慮前后時刻的證據(jù)關(guān)聯(lián)性的證據(jù)更新規(guī)則方法[8-11]。類Jeffery證據(jù)更新規(guī)則定義為：辨識框架Θ 上的兩條獨(dú)立的證據(jù)(D1,m1)和(D2,m2),C ∈D1∩D2,m1和m2分別代表歷史證據(jù)和當(dāng)前證據(jù)的置信度。

不難看出這種更新方法僅與當(dāng)前故障診斷證據(jù)有關(guān)，而與歷史故障診斷證據(jù)無關(guān)，缺乏全局性不適用于動態(tài)故障診斷。進(jìn)而提出改進(jìn)證據(jù)更新規(guī)則如下所述：

改進(jìn)證據(jù)更新規(guī)則的更新過程如圖1所示。

其中：

改進(jìn)證據(jù)更新規(guī)則的故障診斷方法確保了故障診斷的實時性，證據(jù)的可信性，利用當(dāng)前故障診斷所獲取的證據(jù)對先前獲取的故障診斷證據(jù)進(jìn)行更新，完善了普通的模糊理論的缺陷問題，使得故障診斷結(jié)果準(zhǔn)確可信。

4.2 故障決策

故障決策是故障診斷中關(guān)鍵的步驟[12-18]。本文采用將更新后診斷證據(jù)的基本置信度轉(zhuǎn)換成Pignistic 概率進(jìn)行故障決策。采集故障診斷對象的特征參數(shù)在線監(jiān)測X={x1,x2,…,xn}，通過新型模糊規(guī)則獲取到故障診斷對象的準(zhǔn)確故障診斷證據(jù)，應(yīng)用改進(jìn)證據(jù)更新規(guī)則對獲取到的證據(jù)進(jìn)行更新，根據(jù)下述方法對故障更新證據(jù)進(jìn)行決策得到最終故障原因，從而給出針對該故障的維修建議。故障決策如式（7）所示：

5 應(yīng)用實例分析

火炮裝填系統(tǒng)是時序變化的復(fù)雜控制系統(tǒng)，影響其工作狀態(tài)的因素較多，固定時刻的故障診斷證據(jù)又不足以具有說服力。根據(jù)火炮裝填系統(tǒng)的控制工況，采集火炮裝填系統(tǒng)在線故障特征參數(shù)的監(jiān)測值，計算得出該故障特征參數(shù)對應(yīng)的實時監(jiān)測值在新型模糊推理規(guī)則中所屬于該種模糊語言項的置信度取值，進(jìn)而通過證據(jù)更新規(guī)則對證據(jù)進(jìn)行更新，得出不同時刻的證據(jù)進(jìn)行故障診斷決策，該算法能夠與火炮裝填系統(tǒng)控制實際相吻合，具有較強(qiáng)可行性。動態(tài)故障診斷分析以旋轉(zhuǎn)輸彈機(jī)不旋轉(zhuǎn)為例，可構(gòu)造的模糊規(guī)則總數(shù)有1 247個，旋轉(zhuǎn)輸彈機(jī)不旋轉(zhuǎn)的故障特征參數(shù)模糊語言集如下：

圖1 證據(jù)更新規(guī)則過程

故障特征參數(shù)在已知故障下的取值范圍如圖2所示。

圖2 故障特征參數(shù)在已知故障下的取值范圍

通過采集火炮裝填系統(tǒng)在線故障特征參數(shù)的監(jiān)測值，分析計算得出該故障特征參數(shù)對應(yīng)的實時監(jiān)測值在新型模糊推理規(guī)則中所屬于該種模糊語言項的置信度取值。

故障特征參數(shù)在0時刻的在線監(jiān)測值，從而確定被監(jiān)測值選中的模糊規(guī)則，經(jīng)過新型模糊推理模型得到0時刻的故障診斷證據(jù)。故障特征參數(shù)的監(jiān)測值及模糊語言項的歸一化置信度如表2所示，共有32條組合規(guī)則被選中，32條模糊規(guī)則被選中。

表2 監(jiān)測值及模糊語言項的歸一化置信度

從而得到特征參數(shù)監(jiān)測值在模糊規(guī)則中所選中的故障診斷模糊推理前項為表3所示。

特征參數(shù)監(jiān)測值在模糊規(guī)則中所選中故障診斷模糊推理后項為表4所示。

根據(jù)本文提出的證據(jù)更新規(guī)則獲取k=1 時刻更新后的診斷證據(jù)和Pignistic概率如表5和表6所示。

最后根據(jù)故障決策準(zhǔn)則做出故障判斷，在k=1 時刻故障Y7發(fā)生，實例診斷結(jié)果與先前實際設(shè)定的故障模式一致。下面所述診斷結(jié)果的對比分析，根據(jù)火炮自動裝填狀態(tài)值采樣給出1 600 個采樣數(shù)據(jù)點(diǎn)，通過每個故障有200個采樣點(diǎn)進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，根據(jù)火炮裝填系統(tǒng)的已知在線診斷獲得265個采樣數(shù)據(jù)，加入部分?jǐn)_動的測試數(shù)據(jù)。利用模糊神經(jīng)網(wǎng)絡(luò)、原始的證據(jù)診斷方法和本文提到的故障診斷方法進(jìn)行測試并分析對比。診斷結(jié)果對比分析結(jié)果如圖3所示。

表3 故障診斷模糊推理前項及其置信度

表4 故障診斷模糊推理后項及其置信度

從故障診斷結(jié)果的對比分析不難看出改進(jìn)型類Jeffery 證據(jù)更新規(guī)則的動態(tài)故障診斷方法優(yōu)勢明顯。在解決動態(tài)故障診斷問題中發(fā)揮了作用。

圖3 本文方法診斷結(jié)果對比分析

表6 k=1 時刻更新后診斷證據(jù)Pignistic概率

6 結(jié)束語

本文提出的改進(jìn)型證據(jù)更新規(guī)則的動態(tài)故障診斷算法解決了動態(tài)故障診斷的問題。新型的模糊推理較原始模糊推理的推理結(jié)果更加真實可信，對證據(jù)規(guī)則的更新保障了證據(jù)的實時性，從而保證了故障診斷結(jié)果的實時性。該系統(tǒng)通過實車狀態(tài)下的原位檢測，能夠全面真實地反映實際工況，給出元部件級的維修建議，相對全面地實現(xiàn)了裝甲裝備自動裝填系統(tǒng)故障診斷，體現(xiàn)了人工智能故障診斷在軍事作戰(zhàn)中的重要作用。

該火炮自動裝填故障診斷系統(tǒng)的推廣為提高部隊作戰(zhàn)能力，為準(zhǔn)確把握裝備質(zhì)量提供了科學(xué)依據(jù)，為提高裝備維修效益提供了有效保障。該系統(tǒng)對火炮進(jìn)行全方位狀態(tài)監(jiān)測和故障診斷，具有重大的軍事效益和經(jīng)濟(jì)效益。