楊 敬，賈召會，龔夢彤，蔡 偉，劉佳豪，王 軒，樊艷春

(1.北京航天測控技術(shù)有限公司，北京 100041; 2.北京航空航天大學(xué) 自動化科學(xué)與電氣工程學(xué)院，北京 100191;3.航空工業(yè)吉林航空維修有限責(zé)任公司，吉林 132102)

0 引言

近年來隨著我國航空航天領(lǐng)域相關(guān)技術(shù)的快速發(fā)展，風(fēng)洞在飛行器研制中的重要作用日益凸顯。在風(fēng)洞的長期運(yùn)行過程中，設(shè)備疲勞、老化和不及時(shí)的故障檢測導(dǎo)致的維護(hù)時(shí)間消耗和經(jīng)濟(jì)損失逐年增加[1]。為了增強(qiáng)風(fēng)洞各測試段的性能監(jiān)測和診斷能力，提高風(fēng)洞設(shè)備的可靠性和穩(wěn)定性，有必要對其進(jìn)行可測試性分析，并對故障診斷方法進(jìn)行研究，從而實(shí)現(xiàn)快速而精確的故障檢測與隔離，提升風(fēng)洞試驗(yàn)的成功率，為飛行器設(shè)計(jì)提供可靠的測試支撐[2-4]。

基于多信號模型[5]的故障診斷方法最初由美國康涅狄格大學(xué)的Pattipati和Deb等人提出，目前已廣泛應(yīng)用于測試性工程與系統(tǒng)維修領(lǐng)域[6-12]。該方法以有向圖的形式描述了系統(tǒng)組件與故障傳播路徑之間的關(guān)聯(lián)關(guān)系，能夠清晰地體現(xiàn)實(shí)際組件與測點(diǎn)之間的對應(yīng)關(guān)系。基于多信號流圖的故障診斷具有故障建模難度低、故障診斷速度快、使用便捷等優(yōu)點(diǎn)，能夠識別出已知的正常、故障和被懷疑的組件，是一種通用的基于規(guī)則的診斷算法[13]。

本文結(jié)合亞跨超聲速風(fēng)洞系統(tǒng)的特點(diǎn)，提出了基于多信號流圖的風(fēng)洞系統(tǒng)故障知識描述方法，并采用Teams-RT算法實(shí)現(xiàn)了對該型風(fēng)洞的故障診斷，驗(yàn)證結(jié)果表明該方法能夠保證較高的故障檢測率與隔離率，進(jìn)而為風(fēng)洞故障維修決策提供相應(yīng)參考。為實(shí)現(xiàn)多信號流圖的快速建立，開發(fā)了多信號流圖建模工具，提高測試開發(fā)過程的靈活性。

1 風(fēng)洞系統(tǒng)組成及測試性分析

1.1 風(fēng)洞系統(tǒng)組成及關(guān)鍵部件

典型風(fēng)洞通常由氣源系統(tǒng)、真空及閥門系統(tǒng)、試驗(yàn)段、測量及控制系統(tǒng)和勤務(wù)系統(tǒng)組成，根據(jù)流場模擬要求的不同，具體風(fēng)洞的尺寸、結(jié)構(gòu)和功能有所差異[14]。風(fēng)洞正常運(yùn)行依賴于各系統(tǒng)的協(xié)同工作，影響風(fēng)洞性能的因素包括氣源系統(tǒng)的氣源壓力、真空及閥門系統(tǒng)的流量控制、試驗(yàn)段的壓力控制、測量及控制系統(tǒng)性能等。上述因素可能受到多部件的交聯(lián)耦合影響，考慮到故障檢測、隔離及維修保障要求，將風(fēng)洞劃分為整體、子系統(tǒng)(LRU)、部件(SRU)、各部件的故障模式4個(gè)層級，結(jié)構(gòu)如圖1所示，圖中僅列出子系統(tǒng)中關(guān)鍵部件的常見故障模式，其余部分省略。

圖1 風(fēng)洞結(jié)構(gòu)層次劃分

1.2 風(fēng)洞關(guān)鍵部件測試性研究

亞跨超聲速風(fēng)洞中的SRU主要包含儲罐、主管路總閥、主管路調(diào)壓閥、引射器蝶閥、引射器調(diào)壓閥、噴管段、攻角彎刀機(jī)構(gòu)、總壓測量系統(tǒng)、液壓站等。根據(jù)FD-12風(fēng)洞實(shí)際運(yùn)行中出現(xiàn)的故障情況，通過系統(tǒng)分析，能夠確定系統(tǒng)的各個(gè)部件在設(shè)計(jì)和制造過程中所有可能的故障模式以及每一故障模式的原因及影響[15]，最終建立的風(fēng)洞關(guān)鍵部件可測試性分析報(bào)告如表1所示。其中，故障模式定義為對象部件能觀測到的故障現(xiàn)象的客觀描述[16]，故障原因由故障機(jī)理和間接原因兩部分決定[17]，故障等級體現(xiàn)了不同失效模式最終影響的嚴(yán)重程度[18]。以主管路調(diào)壓閥為例，其故障模式主要包括密封不嚴(yán)、振動異常與動作異常，對應(yīng)的故障原因分別為密封圈破損、受力不均與結(jié)構(gòu)損壞，其中密封不嚴(yán)的故障嚴(yán)重程度最高。為了實(shí)現(xiàn)故障識別與定位，需針對每種故障模式歸納其故障檢測方法，診斷結(jié)果可通過傳感器監(jiān)測信號分析得出。根據(jù)FD-12風(fēng)洞系統(tǒng)中的傳感器布局與可測試性分析報(bào)告中總結(jié)的檢測方法構(gòu)建故障模式集F與測試集T，如表2所示?？紤]到診斷過程的復(fù)雜程度，文中僅涵蓋了實(shí)際運(yùn)行中經(jīng)常出現(xiàn)的12種故障類型，分別對應(yīng)16個(gè)測點(diǎn)，故障類型與測點(diǎn)的對應(yīng)關(guān)系能夠?yàn)楹罄m(xù)多信號流圖建模提供依據(jù)。

表1 風(fēng)洞關(guān)鍵部件測試性分析

表2 風(fēng)洞關(guān)鍵部件屬性集描述

2 基于多信號流圖的建模方法

多信號流圖模型描述了系統(tǒng)各層次之間故障模式交聯(lián)耦合關(guān)系和測點(diǎn)與故障模式依賴性關(guān)系，是一種層次化故障測試有向傳播網(wǎng)絡(luò)模型。該建模方法的優(yōu)勢在于能夠融合診斷知識、維修知識與預(yù)測知識，構(gòu)建診斷、預(yù)測和維修一體化模型，同時(shí)降低建模難度，適用于復(fù)雜大型系統(tǒng)的模型構(gòu)建。

多信號流圖模型組成元素包括[19]：

1)在有限的系統(tǒng)中構(gòu)造部件集合C；

2)構(gòu)建與系統(tǒng)相關(guān)的獨(dú)立信號集合S；

3)構(gòu)造n維有限測試集合T；

4)有限的測試點(diǎn)集合P；

5)每個(gè)測試點(diǎn)pi對應(yīng)的一組測試集TP(pi)；

6)每個(gè)部件ci影響的一組信號集SC(ci)；

7)每個(gè)測試tj檢測到的一組信號子集ST(tj)；

多信號流圖模型可通過有向圖DG={C,TP,E}表示，邊E代表了系統(tǒng)中的故障傳播關(guān)系。有向圖中的基本元素包括子系統(tǒng)節(jié)點(diǎn)、故障節(jié)點(diǎn)、輸出節(jié)點(diǎn)、輸入節(jié)點(diǎn)和測試節(jié)點(diǎn)等，此外，與節(jié)點(diǎn)和開關(guān)節(jié)點(diǎn)等邏輯性節(jié)點(diǎn)也可加入到模型中。其中故障節(jié)點(diǎn)與部件的故障模式對應(yīng)；子系統(tǒng)節(jié)點(diǎn)由多個(gè)故障節(jié)點(diǎn)封裝組成，使故障源可以隔離到不同的層次[20]；測試節(jié)點(diǎn)表征一個(gè)故障節(jié)點(diǎn)的可測試性，只有輸入端口屬性；開關(guān)節(jié)點(diǎn)可用于表示系統(tǒng)的多模式特性；與節(jié)點(diǎn)則用于表示系統(tǒng)的冗余特性，連接線表示了信號的流向[21]。

多信號流圖建模過程的具體步驟如下：

1)輸入結(jié)構(gòu)模型、原理圖或概念方框圖；

2)將信號加入模塊或測試中，根據(jù)系統(tǒng)的結(jié)構(gòu)和功能，確定每個(gè)模塊或測點(diǎn)應(yīng)該包含的信號集。

3)對一些特殊的情形進(jìn)行模型修正：

(1)如果系統(tǒng)含有冗余，通過與節(jié)點(diǎn)構(gòu)建冗余組件；

(2)如果系統(tǒng)包含不同的運(yùn)行模式，采用開關(guān)節(jié)點(diǎn)對其建模；

在多信號流圖模型中，故障源與測試之間的依賴關(guān)系是通過對模塊和測試定義關(guān)聯(lián)信號來實(shí)現(xiàn)的，以此為基礎(chǔ)生成故障-測試相關(guān)矩陣(D矩陣)對模型進(jìn)行故障診斷。故障-測試相關(guān)矩陣是不同測試節(jié)點(diǎn)與部件故障模式集合之間的數(shù)學(xué)表示。

D矩陣中，行代表測試節(jié)點(diǎn)，列代表某個(gè)部件的某種故障類型。系統(tǒng)故障(第j個(gè)部件)如果無法測出(第i個(gè)測試)，則有dij=0；如果能夠測出，則有dij=1；數(shù)據(jù)(源于傳感器實(shí)時(shí)采集)處理結(jié)束條件下所獲得的檢測結(jié)果為實(shí)時(shí)監(jiān)測向量T=[ti]，且ti=1、0分別表示測試沒有通過或測試通過。

D矩陣生成是進(jìn)行可達(dá)性分析和相關(guān)性分析的過程。本文的D矩陣假設(shè)故障元件與其可達(dá)的測試之間均有信號交聯(lián)(對應(yīng)完全故障)，各矩陣行的具體生成步驟如下：

1)將D-矩陣行所對應(yīng)故障模式節(jié)點(diǎn)F作為中心，建立空節(jié)點(diǎn)集合T、O、N；

2)清空集合N，將各中心的后繼節(jié)點(diǎn)放到集合N和集合O中，如果后繼節(jié)點(diǎn)為test節(jié)點(diǎn)，則將該節(jié)點(diǎn)添加到集合T中；如果生長中心為switch節(jié)點(diǎn)則根據(jù)switch的狀態(tài)決定其后繼節(jié)點(diǎn)；如果后繼節(jié)點(diǎn)為and節(jié)點(diǎn)，且其前驅(qū)節(jié)點(diǎn)被遍歷的個(gè)數(shù)未達(dá)到設(shè)定閾值，則該and節(jié)點(diǎn)不并入N，否則and節(jié)點(diǎn)并入N；如果后繼節(jié)點(diǎn)在集合O中，則該節(jié)點(diǎn)不并入N中；

3)如果N為空集結(jié)束生長，集合T中的節(jié)點(diǎn)即為故障模式F所影響的測試，否則將N中的節(jié)點(diǎn)作為節(jié)點(diǎn)，進(jìn)行步驟2)；

4)對D-矩陣各行對應(yīng)的故障模式依次進(jìn)行上述操作，即可得到多信號流圖模型完整的D-矩陣；若故障模式F是功能故障節(jié)點(diǎn)，那么在步驟3)中刪除集合T里所有與節(jié)點(diǎn)F沒有信號交聯(lián)的測試，剩下的就是故障模式F所影響的測試。

為簡化多信號流圖模型的建模過程，本文開發(fā)了一套多信號流圖建?？梢暬浖?，如圖2所示。建模過程中用戶可自定義節(jié)點(diǎn)的屬性，并實(shí)現(xiàn)復(fù)雜系統(tǒng)的分層次建模。

圖2 多信號流圖建?？梢暬浖驁D

3 基于多信號流圖模型的故障診斷方法

基于風(fēng)洞系統(tǒng)的多信號流圖模型，本文采用TEAMS-RT算法[22-24]實(shí)現(xiàn)風(fēng)洞系統(tǒng)的故障診斷。TEAMS-RT算法以監(jiān)測系統(tǒng)健康狀態(tài)的智能傳感器處理結(jié)果(實(shí)時(shí)監(jiān)測向量T)作為輸入，根據(jù)系統(tǒng)多信號流圖模型生成的D矩陣進(jìn)行實(shí)時(shí)故障診斷。系統(tǒng)各部件的健康狀態(tài)定義為健康、故障、懷疑以及未知共4種。TEAMS-RT算法的特點(diǎn)包括：

1)傳感器結(jié)果的高效實(shí)時(shí)處理；

2)故障測試點(diǎn)依賴性的更新響應(yīng)于系統(tǒng)狀態(tài)的改變；

3)依賴關(guān)系的更新取決于冗余組件的故障。

TEAMS-RT算法計(jì)算復(fù)雜度低，能夠勝任大規(guī)模系統(tǒng)的快速故障診斷[25]。但這種算法的缺點(diǎn)是得到的推理結(jié)果會將所有的可能性列出，即除了故障部件外還會找出所有可疑部件。當(dāng)故障源的個(gè)數(shù)未知時(shí)會造成較高的虛警率，給維修人員帶來不便。算法流程如下：

1)初始化將所有潛在的系統(tǒng)故障置于Unknow集合中：系統(tǒng)故障對應(yīng)于D矩陣的每一行，可通過遍歷得到；

2)處理通過的測試遍歷通過的測試：將影響這些測試的故障移動到Good集合中；

3)處理失敗的測試遍歷失敗的測試：如果在Unknow集合中影響某一失敗測試的故障源只有一個(gè)，則將該故障添加到Bad集合中,遍歷結(jié)束后將Bad集合中的故障從Unknow集合中刪去；

4)添加可疑故障遍歷失敗的測試：如果在Unknow集合中仍存在導(dǎo)致測試失敗的故障源，則將所有影響該測試的故障移動到Suspected集合中。

TEAMS-RT推理用于實(shí)時(shí)診斷系統(tǒng)的故障，輸入為系統(tǒng)健康狀態(tài)的實(shí)時(shí)監(jiān)測向量和系統(tǒng)當(dāng)前工作模式下的D矩陣，輸出為部件狀態(tài)(未知、正常、懷疑、故障全部包括在內(nèi))的集合，算法流程如圖3所示。

圖3 TEAMS-RT算法流程

4 亞跨超聲速風(fēng)洞的故障診斷過程及結(jié)果分析

4.1 亞跨超聲速風(fēng)洞的多信號流圖模型

基于1.2節(jié)中風(fēng)洞關(guān)鍵部件測試性分析的相關(guān)結(jié)論，采用多信號流圖建模方法對亞跨超聲速風(fēng)洞進(jìn)行測試性建模。根據(jù)實(shí)際應(yīng)用中風(fēng)洞氣流的流向與故障傳播關(guān)系，將故障模式集F中對應(yīng)的部件依次連接，并根據(jù)故障模式與測試集中的對應(yīng)關(guān)系引出測試節(jié)點(diǎn)，建立的多信號流圖模型如圖4所示。模型中故障被隔離到SRU層，除噴口外各部件均對應(yīng)1個(gè)或以上測試節(jié)點(diǎn)，體現(xiàn)了測點(diǎn)選擇的合理性?；谠摱嘈盘柫鲌D模型生成的相關(guān)性矩陣如表3所示，根據(jù)結(jié)果可知共有4個(gè)故障模式與測點(diǎn)一一對應(yīng)，分別為F2、F6、F9與F11，以上故障模式在診斷中應(yīng)不存在漏檢與虛警。而F1與F8所對應(yīng)的測點(diǎn)存在能夠檢測多個(gè)故障的特點(diǎn)，因此其虛警率可能較高。

表3 風(fēng)洞測試性模型相關(guān)性矩陣

圖4 FD-12風(fēng)洞多信號流圖模型

4.2 故障診斷結(jié)果

在風(fēng)洞系統(tǒng)實(shí)際運(yùn)行過程中，將表3所示的相關(guān)性矩陣與實(shí)時(shí)觀測向量作為輸入，可通過第3節(jié)給出的TEAMS-RT診斷算法實(shí)現(xiàn)故障診斷。系統(tǒng)中各部件的健康狀態(tài)分為正常和故障2種，假設(shè)不存在狀態(tài)未知的測試，通過仿真對系統(tǒng)注入數(shù)種或單一故障組合，應(yīng)用上述方法對風(fēng)洞系統(tǒng)關(guān)鍵設(shè)備進(jìn)行故障診斷，驗(yàn)證結(jié)果如表4所示。其中，故障注入與風(fēng)洞系統(tǒng)設(shè)備的多信號流圖中的故障模式編號相對應(yīng)，故障部件代表可確定的故障模式，可疑部件為不能確定但有故障可能的故障模式，未列出的部件為正常部件。由測試結(jié)果可知，針對本文搭建的風(fēng)洞系統(tǒng)多信號流圖模型，無論是注入單故障還是多故障，TEAMS-RT算法均能將故障元件和可疑元件全部列出，不存在漏檢，但存在一定虛警率。特別的，該模型對于單故障的檢測效果較好，如表4所示當(dāng)單獨(dú)注入故障F3與F6時(shí)算法能夠進(jìn)行準(zhǔn)確識別故障部件，無其他部件被列為可疑部件。此外，注入故障中涉及F1與F8時(shí)易產(chǎn)生虛警，這與4.1節(jié)中的分析相符合。

表4 TEAMS-RT算法診斷結(jié)果

5 結(jié)束語

本文根據(jù)故障檢測、隔離及維修保障要求對亞跨超聲速風(fēng)洞進(jìn)行了層次劃分，并依據(jù)實(shí)際運(yùn)行中出現(xiàn)的故障情況對風(fēng)洞關(guān)鍵設(shè)備進(jìn)行了測試性分析，采用多信號流圖模型建立了風(fēng)洞的測試性模型，根據(jù)生成的相關(guān)矩陣實(shí)現(xiàn)了基于TEAMS-RT算法的風(fēng)洞故障診斷。結(jié)果表明本文建立的多信號流圖模型能夠?qū)崿F(xiàn)風(fēng)洞故障診斷需求，但由與建模過程中對風(fēng)洞結(jié)構(gòu)進(jìn)行了簡化，導(dǎo)致故障模式與測點(diǎn)數(shù)量相較于實(shí)際情況有所欠缺，后續(xù)將對風(fēng)洞多信號流圖模型進(jìn)行優(yōu)化，并基于模型構(gòu)建風(fēng)洞的診斷策略。