夏銘禹

（中國(guó)人民解放軍92942 部隊(duì)， 北京100084）

0 引言

小口徑艦炮是現(xiàn)代防空武器的重要組成部分，主要用于海面對(duì)空中目標(biāo)射擊， 保護(hù)設(shè)備免受空襲武器攻擊[1]。同時(shí)具備一定的正面沖突作戰(zhàn)能力， 因此小口徑艦炮在近防領(lǐng)域占有極其重要地位。 隨著現(xiàn)代小口徑艦炮的裝備規(guī)模越來(lái)越大，任務(wù)越來(lái)越復(fù)雜，性能指標(biāo)越來(lái)越高，小口徑艦炮系統(tǒng)的各個(gè)部分關(guān)聯(lián)也越來(lái)越密切， 對(duì)艦炮管理與維修人員的素質(zhì)要求也越來(lái)越高。 與此對(duì)應(yīng)的艦炮系統(tǒng)所需的可靠保障及故障診斷級(jí)別要求也要相應(yīng)的提高， 因此研究基于多源參數(shù)的小口徑艦炮系統(tǒng)數(shù)據(jù)融合研究是國(guó)內(nèi)外艦炮行業(yè)的主流趨勢(shì)。

1 小口徑艦炮故障模式分析

小口徑艦炮具有高射速、高一次射彈量、大儲(chǔ)彈量等突出特點(diǎn)，以滿足攔截多批次來(lái)襲導(dǎo)彈、飛機(jī)和打擊近距離目標(biāo)的需求。 小口徑艦炮系統(tǒng)的射擊過(guò)程是各個(gè)機(jī)構(gòu)協(xié)調(diào)工作的結(jié)果， 系統(tǒng)各個(gè)零部件的設(shè)計(jì)過(guò)程也相當(dāng)復(fù)雜，要求各受力結(jié)構(gòu)必須有足夠的強(qiáng)度、剛度，同時(shí)應(yīng)有合理的動(dòng)態(tài)特性以盡量減小自身振動(dòng)并有效抵抗彈、炮發(fā)射時(shí)產(chǎn)生的振動(dòng)。 本文利用BP 神經(jīng)網(wǎng)絡(luò)的方法，研究了小口徑艦炮系統(tǒng)各系統(tǒng)在各種射擊狀態(tài)下的工作情況，從而得到可靠的系統(tǒng)狀態(tài)。 并將結(jié)果反饋到小口徑艦炮系統(tǒng)的故障診斷環(huán)節(jié)，利用DS 證據(jù)理論，經(jīng)過(guò)重復(fù)優(yōu)化，以達(dá)到提高系統(tǒng)的工作可靠性的目的。

小口徑艦炮的故障因素主要由圖1 所示的各個(gè)分系統(tǒng)產(chǎn)生，目前的主要故障模式分析主要是靠FMECA 的方法來(lái)進(jìn)行， 此方法主要依靠窮舉法將艦炮可能產(chǎn)生的各個(gè)故障列舉出來(lái)，再通過(guò)嚴(yán)重度評(píng)價(jià)準(zhǔn)則，不易探測(cè)度評(píng)價(jià)準(zhǔn)則來(lái)評(píng)判，受的主觀因素影響較大。而本文采用數(shù)據(jù)融合的方法則避免了人為因素的影響，通過(guò)BP 神經(jīng)網(wǎng)絡(luò)與DS 證據(jù)理論相融合的方法對(duì)各個(gè)故障因素進(jìn)行客觀的評(píng)價(jià)。

圖1 小口徑艦炮結(jié)構(gòu)組成

2 基于BP 神經(jīng)網(wǎng)絡(luò)的小口徑艦炮多傳感器數(shù)據(jù)融合過(guò)程

如圖2 所示， 主要由以下幾個(gè)環(huán)節(jié)組成多源傳感器的數(shù)據(jù)融合：①獲取信號(hào)；②信號(hào)的數(shù)模轉(zhuǎn)換及預(yù)處理；③特征值提??；④多源參數(shù)的數(shù)據(jù)融合計(jì)算；⑤融合結(jié)果輸出等。

圖2 多源傳感器數(shù)據(jù)融合過(guò)程

小口徑艦炮作為一種常規(guī)武器，往往使用環(huán)境十分復(fù)雜，惡劣的環(huán)境將使得監(jiān)控艦炮的傳感器各項(xiàng)參數(shù)受到很大影響， 造成測(cè)不準(zhǔn)的情況，通過(guò)BP 神經(jīng)網(wǎng)絡(luò)對(duì)艦炮系統(tǒng)傳感器進(jìn)行參數(shù)的預(yù)處理就可以較好的解決這一問(wèn)題。如表1 中所示，不同溫度環(huán)境壓力傳感器的測(cè)量值受不同溫度環(huán)境的影響存在著較大的漂移。去除某些奇異點(diǎn)以后，為了消除環(huán)境因素帶來(lái)的干擾， 對(duì)傳感器輸出信號(hào)做基于門限值的電壓預(yù)處理，可以達(dá)到消除傳感器輸出信號(hào)的失真與模糊，從而提高數(shù)據(jù)融合輸入樣本的信噪比。

表1 不同溫度下的壓力傳感器輸出標(biāo)定值

為了增強(qiáng)BP 神經(jīng)網(wǎng)絡(luò)算法的識(shí)別能力，需要對(duì)預(yù)處理所得數(shù)據(jù)進(jìn)行歸一化處理， 進(jìn)而減小數(shù)據(jù)融合結(jié)果的系統(tǒng)誤差，并增強(qiáng)系統(tǒng)的測(cè)量性能。最終通過(guò)對(duì)不同溫度環(huán)境下的壓力傳感器輸出標(biāo)定值輸入到已訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)中從而進(jìn)行數(shù)據(jù)融合。通常在對(duì)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練選擇學(xué)習(xí)算法時(shí)，既要考慮算法本身性能，又要視所求問(wèn)題的復(fù)雜度、樣本集大小、網(wǎng)絡(luò)規(guī)模、網(wǎng)絡(luò)誤差目標(biāo)和解決問(wèn)題類型而定[2]。

通過(guò)經(jīng)過(guò)反復(fù)試差的方法設(shè)定的BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)如下：

數(shù)據(jù)融合的最終結(jié)果見(jiàn)圖3。

圖3 BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化圖

由圖3 中BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差變化中可以看出，訓(xùn)練誤差在 第500～600 步 時(shí) 訓(xùn)練結(jié)果基本不再變化，系統(tǒng)開(kāi)始收斂不再變化，從而得到系統(tǒng)誤差最小的訓(xùn)練結(jié)果。 訓(xùn)練完成后，將BP 神經(jīng)網(wǎng)絡(luò)對(duì)溫度傳感器和壓力傳感器的數(shù)據(jù)融合結(jié)果進(jìn)行處理，將得到的結(jié)果再通過(guò)DS 證據(jù)理論的方法診斷，從而得到診斷結(jié)果診斷結(jié)果。

3 基于DS 證據(jù)理論與BP 神經(jīng)網(wǎng)絡(luò)相融合的故障診斷方法

Dempster/Shafer 證據(jù)理論簡(jiǎn)稱D-S 證據(jù)理論，20 世紀(jì)60 年代哈佛大學(xué)的數(shù)學(xué)家A.P.Dempster 和Shafer （他的學(xué)生）提出了一種基于人工智能范疇的模糊推理方法。

許紅波等[3]提出了一種推廣的DS 證據(jù)理論合成規(guī)則：

當(dāng)數(shù)據(jù)融合產(chǎn)生的基本信任分配值產(chǎn)生沖突時(shí)，將通過(guò)BP 神經(jīng)網(wǎng)絡(luò)融合得到傳感器測(cè)量值的基本信任分配值的沖突度K 分配給每一個(gè)對(duì)應(yīng)的沖突焦元， 并按基本信任分配值的比例確定沖突度K 的大小。 在式（1）中，f（A）表示矛盾概率分配函數(shù)，滿足如下條件

從艦炮系統(tǒng)各個(gè)部位傳感器參數(shù)進(jìn)行多源傳感器的數(shù)據(jù)融合，從而給出艦炮故障診斷的決策。 這其中包括：自動(dòng)機(jī)故障診斷系統(tǒng)、 供彈診斷系統(tǒng)、 氣液故障診斷系統(tǒng)、傳動(dòng)系統(tǒng)故障診斷系統(tǒng)。多源參數(shù)的故障診斷系統(tǒng)將艦炮系統(tǒng)作為一個(gè)整體設(shè)計(jì)故障診斷系統(tǒng)， 這對(duì)艦炮系統(tǒng)在正常執(zhí)行任務(wù)時(shí)的狀態(tài)監(jiān)測(cè)具有重大意義。

在故障診斷過(guò)程中， 很多故障原因是很難診斷出來(lái)的， 這其中傳動(dòng)系統(tǒng)的故障診斷最難從傳感器采集的數(shù)據(jù)中表現(xiàn)出現(xiàn)了何種的故障， 因此本文以艦炮傳動(dòng)系統(tǒng)中的減速器為例， 搭建出傳動(dòng)系統(tǒng)減速器的基本故障識(shí)別框架，如下所示：

式中：P1，P2，P3，P4分別代表傳動(dòng)系統(tǒng)減速器一般出現(xiàn)的四種故障：軸承磨損、基礎(chǔ)變形、聯(lián)軸器不對(duì)中以及齒輪磨損。

在基于DS 證據(jù)理論的艦炮系統(tǒng)故障診斷系統(tǒng)中采集到的傳動(dòng)故障診斷系統(tǒng)的故障信息，能夠從中得到故障識(shí)別框架中四種常見(jiàn)故障因素出現(xiàn)的三種證據(jù)體， 通過(guò)這三種證據(jù)體進(jìn)行故障診斷可以得到系統(tǒng)的故障因素。 在傳動(dòng)系統(tǒng)的故障診斷中， 這三種證據(jù)體分別是相關(guān)故障因素所具備的頻域特征、振動(dòng)特征和頻率特征。將采集到的相應(yīng)證據(jù)體的特征參數(shù)通過(guò)系統(tǒng)輸入故障診斷系統(tǒng)的數(shù)據(jù)庫(kù)中并進(jìn)行基于DS 證據(jù)理論的故障診斷，見(jiàn)表2-4。

表2 證據(jù)體1 的特征參數(shù)

表3 證據(jù)體2 的特征參數(shù)

表4 證據(jù)體3 的特征參數(shù)

由多源傳感器對(duì)傳動(dòng)系統(tǒng)的減速器進(jìn)行檢測(cè)， 并由系統(tǒng)的信號(hào)分析功能對(duì)測(cè)量值進(jìn)行分析， 從而得到艦炮運(yùn)行時(shí)各證據(jù)體的測(cè)量值，見(jiàn)表5-7。

表5 證據(jù)體1 的實(shí)測(cè)值

表6 證據(jù)體2 的實(shí)測(cè)值

表7 證據(jù)體3 的實(shí)測(cè)值

通過(guò)實(shí)測(cè)值可以求出各證據(jù)體對(duì)于識(shí)別框架中各故障因素的貼近度和相關(guān)系數(shù)，見(jiàn)表8，表9。再由各個(gè)故障因素的距離和相關(guān)系數(shù)可得每個(gè)證據(jù)體的基本可信度分配。 每個(gè)故障因素的基本可信度分配，見(jiàn)表10。

表8 故障與故障框架中各故障帖近度

表9 故障與識(shí)別框架中各故障類型的相關(guān)系數(shù)

表10 各故障類型的基本可信度分配

4 結(jié)果分析

通過(guò)各個(gè)證據(jù)體聯(lián)合概率分布的方法， 可得識(shí)別框架中各個(gè)故障的聯(lián)合概率分布，見(jiàn)表11 所示。

表11 聯(lián)合概率分配

表中m12（·）為對(duì)證據(jù)體1 和證據(jù)體2 先進(jìn)行融合的結(jié)果，m123（·）為對(duì)證據(jù)體1 和證據(jù)體2 先進(jìn)行融合再將m12（·）與證據(jù)體3 進(jìn)行融合的結(jié)果，m123為直接對(duì)證據(jù)體1、證據(jù)體2 與證據(jù)3 直接融合的結(jié)果，mp為引入了平均沖突法得到的融合結(jié)果。

基于DS 證據(jù)理論的融合結(jié)果見(jiàn)圖4，可以看出通過(guò)引入了平均沖突法后得到的DS 證據(jù)理論的融合結(jié)果，相較于原始的DS 證據(jù)理論對(duì)故障的診斷的可信度提高了很多。 同時(shí)可以看到軸承磨損是導(dǎo)致當(dāng)前艦炮傳動(dòng)系統(tǒng)出現(xiàn)的故障的原因，因此需要更換軸承。同時(shí)通過(guò)圖中融合結(jié)果可以看出DS 證據(jù)理論預(yù)測(cè)在以后的某階段最容易出現(xiàn)故障的是齒輪磨損，因此需要實(shí)時(shí)監(jiān)測(cè)傳動(dòng)系統(tǒng)齒輪的磨損情況，或采用新的抗磨損的齒輪工藝。

通過(guò)示例中傳動(dòng)系統(tǒng)的最終診斷結(jié)果中可以得出結(jié)論，引入了平均沖突法的DS 證據(jù)理論在故障診斷決策階段可以得出很好的結(jié)果。

圖4 DS 證據(jù)理論融合結(jié)果

5 結(jié)束語(yǔ)

多源數(shù)據(jù)融合作為一種新興的技術(shù)還有極大的發(fā)展空間， 應(yīng)用多源數(shù)據(jù)融合在艦炮系統(tǒng)故障診斷中還有許多待解決待發(fā)展的方面：

（1）對(duì)新興的數(shù)據(jù)融合技術(shù)還沒(méi)有做深入的探討，由于多源數(shù)據(jù)融合技術(shù)還在不斷的完善和發(fā)展， 因此對(duì)如何將新技術(shù)融合進(jìn)艦炮系統(tǒng)故障診斷中去還需進(jìn)一步的學(xué)習(xí)與探討。

（2）由于艦炮是一個(gè)大型的復(fù)雜裝備，它整合機(jī)電氣液各領(lǐng)域的技術(shù)于一體， 本文對(duì)于電氣液方面的研究還有待學(xué)習(xí)，在接下來(lái)的研究階段，可以將多源數(shù)據(jù)融合技術(shù)應(yīng)用于電氣液領(lǐng)域方面。