功能交聯(lián)條件下飛機(jī)混合增強(qiáng)故障診斷方法

　　摘要: 由于飛機(jī)系統(tǒng)結(jié)構(gòu)復(fù)雜，功能交聯(lián)程度高，傳統(tǒng)以機(jī)內(nèi)測(cè)試( BIT) 方法為基礎(chǔ)的機(jī)載綜合診斷方法受到機(jī)載測(cè)試點(diǎn)設(shè)置限制，故障檢測(cè)、隔離能力無(wú)法完全滿足部隊(duì)使用維護(hù)需求。近年來(lái)，數(shù)據(jù)驅(qū)動(dòng)方法發(fā)展迅速，并被廣泛運(yùn)用到故障診斷中，其中概率神經(jīng)網(wǎng)絡(luò)( PNN) 憑借其結(jié)構(gòu)簡(jiǎn)單、計(jì)算速度快、運(yùn)算精度高和分類結(jié)果好等優(yōu)勢(shì)，非常適合故障診斷與分類問(wèn)題。但同時(shí)，數(shù)據(jù)驅(qū)動(dòng)方法由于樣本不足，工程應(yīng)用存在困難，不能完全替代傳統(tǒng)方法。為提升系統(tǒng)故障檢測(cè)率、隔離率，降低虛警率，通過(guò)應(yīng)用 PNN 處理飛機(jī)健康狀態(tài)數(shù)據(jù)進(jìn)行故障診斷，并結(jié)合 BIT 中的診斷信息，利用二者間的互補(bǔ)性提出了一種混合增強(qiáng)飛機(jī)系統(tǒng)故障診斷方法。詳細(xì)介紹了該融合方法的基本原理、融合層次、融合規(guī)則等。最后，通過(guò)某型號(hào)飛機(jī)分系統(tǒng)診斷實(shí)例表明，檢測(cè)、隔離能力有顯著提升，能夠滿足功能交聯(lián)條件下飛機(jī)故障診斷需求。

　　關(guān)鍵詞: 信息融合; 神經(jīng)網(wǎng)絡(luò); 故障診斷; 飛機(jī)系統(tǒng)

　　飛機(jī)集成了各類功能設(shè)備以滿足不同任務(wù)需求，其組成系統(tǒng)十分復(fù)雜，且系統(tǒng)間交聯(lián)程度高，因而會(huì)產(chǎn)生交聯(lián)故障難以診斷，尤其是隔離存在困難，進(jìn)而延長(zhǎng)飛機(jī)排故時(shí)間，影響飛機(jī)正常使用。因此，保障任務(wù)完好率需要重點(diǎn)提高飛機(jī)復(fù)雜系統(tǒng)的交聯(lián)故障診斷能力。

　　目前，飛機(jī)系統(tǒng)普遍采用基于測(cè)試性模型的故障診斷方法[1]，該方法基于故障傳遞關(guān)系，通過(guò)描述測(cè)試點(diǎn)與故障的相關(guān)性矩陣，可以診斷飛機(jī)系統(tǒng)是否存在故障，且將故障隔離 LRU 級(jí)別，利于維修時(shí)快速故障定位，一定程度上節(jié)省機(jī)務(wù)準(zhǔn)備時(shí)間與保障資源。但由于可靠性、經(jīng)濟(jì)性等因素的限制，無(wú)法在每一設(shè)備中都設(shè)置測(cè)試點(diǎn)，因此無(wú)法做到將故障完全檢測(cè)與隔離。

　　而且，由于飛機(jī)系統(tǒng)功能交聯(lián)情況復(fù)雜，某一分系統(tǒng)中的設(shè)備發(fā)生故障可能由另一分系統(tǒng)內(nèi)部故障造成，需整合多個(gè)分系統(tǒng)測(cè)試性模型進(jìn)行故障診斷，集成時(shí)接口定義困難，可能導(dǎo)致模型建立不準(zhǔn)確。為準(zhǔn)確找到故障源，需對(duì)交聯(lián)故障的故障傳遞路徑中的每部分進(jìn)行狀態(tài)確認(rèn)，排除正常狀態(tài)的設(shè)備。鑒于測(cè)試性模型只能對(duì)一部分設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)，在不增加測(cè)試點(diǎn)的前提下，需對(duì)現(xiàn)有飛機(jī)健康狀態(tài)數(shù)據(jù)進(jìn)行合理利用，建立故障診斷模型，在數(shù)據(jù)層面表征系統(tǒng)健康/故障狀態(tài)，即基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法[2]。

　　基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法摒棄了傳統(tǒng)中飛機(jī)健康狀態(tài)數(shù)據(jù)僅用于狀態(tài)監(jiān)測(cè)、故障判讀等分系統(tǒng)內(nèi)設(shè)備級(jí)故障診斷，而是有機(jī)結(jié)合用于表征飛機(jī)功能交聯(lián)故障中測(cè)試性模型無(wú)法診斷的故障部分，實(shí)現(xiàn)系統(tǒng)可診斷交聯(lián)故障數(shù)量的提升; 飛機(jī)結(jié)構(gòu)、系統(tǒng)復(fù)雜，難以使用普通的模型完整表達(dá)系統(tǒng)關(guān)系，基于數(shù)據(jù)驅(qū)動(dòng)的方法不依賴于建立精準(zhǔn)的模型，僅根據(jù)數(shù)據(jù)的情況即可表征系統(tǒng)狀態(tài)，實(shí)現(xiàn)對(duì)系統(tǒng)關(guān)系的精準(zhǔn)把控，且可以根據(jù)數(shù)據(jù)量的增多而不斷更新，使模型更加準(zhǔn)確。測(cè)試性模型診斷信息、數(shù)據(jù)驅(qū)動(dòng)診斷信息等信息中存在多種異構(gòu)信息，以不同角度表征系統(tǒng)狀態(tài)，各有優(yōu)劣，能診斷的故障種類也不盡相同。

　　二者的 SWOT分析[3]，基于模型與數(shù)據(jù)驅(qū)動(dòng)既能相互促進(jìn)，也能相互干擾。若可以將其中冗余信息剔除，互補(bǔ)信息保留加以利用，可進(jìn)一步增加診斷準(zhǔn)確性。因此，在基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法基礎(chǔ)上提出一種有機(jī)結(jié)合測(cè)試性模型與數(shù)據(jù)驅(qū)動(dòng)方法的故障診斷方法，其融合總體過(guò)程如圖 2 所示。混合增強(qiáng)故障診斷方法能將多種故障診斷信息合理利用，實(shí)現(xiàn)交聯(lián)故障診斷能力提升。國(guó)內(nèi)外研究人員已將人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、專家系統(tǒng)等方法廣泛應(yīng)用于飛機(jī)系統(tǒng)、飛機(jī)發(fā)動(dòng)機(jī)故障診斷中，并采用D-S 證據(jù)理論、貝葉斯理論等方法進(jìn)行融合診斷以提升診斷能力，取得了良好的效果，但尚未針對(duì)測(cè)試性模型診斷信息進(jìn)行融合相關(guān)研究。

　　本文提出了飛機(jī)系統(tǒng)功能交聯(lián)條件下混合增強(qiáng)故障診斷方法依托現(xiàn)有智能診斷方法理論進(jìn)行研究，依據(jù)分析梳理出的交聯(lián)故障特性及診斷方法的診斷能力設(shè)計(jì)相應(yīng)診斷策略，并使用作戰(zhàn)飛機(jī)實(shí)際飛行數(shù)據(jù)進(jìn)行驗(yàn)證。本研究的飛機(jī)系統(tǒng)功能交聯(lián)條件下混合增強(qiáng)故障診斷方法，將在現(xiàn)有指標(biāo)基礎(chǔ)上進(jìn)一步提升故障檢測(cè)率、隔離率，降低虛警率，為后續(xù)支持維修決策、再次出動(dòng)準(zhǔn)備等活動(dòng)提供可靠的決策依據(jù)，具有重要的軍事和經(jīng)濟(jì)價(jià)值。

　　1 混合增強(qiáng)故障診斷方法

　　1. 1 基于測(cè)試性模型的故障診斷方法

　　1. 1. 1 測(cè)試性模型

　　目前，飛機(jī)分系統(tǒng)中的故障診斷方法為基于測(cè)試性模型的方法。該方法主要通過(guò)描述故障與測(cè)試點(diǎn)間的相關(guān)性關(guān)系，根據(jù)模型中測(cè)試點(diǎn)反映的信息判斷分系統(tǒng)內(nèi)設(shè)備故障發(fā)生情況。

　　1. 2 基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法

　　近年來(lái)由于數(shù)據(jù)驅(qū)動(dòng)方法在模式識(shí)別的能力突出，因此被研究者廣泛關(guān)注并用于故障診斷研究，常用方法如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等[7 - 8]�；�于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法相比于傳統(tǒng)故障診斷方法，不需建立診斷對(duì)象模型，因此一定程度上避免了因模型建立不準(zhǔn)確導(dǎo)致的誤診和漏檢問(wèn)題。

　　基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷部分采用概率神經(jīng)網(wǎng)絡(luò)[9]( Probability Neural Network，PNN) 。其核心思想是將貝葉斯決策論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，通過(guò) Parzen 窗估計(jì)法來(lái)估計(jì)樣本總體分布的概率密度函數(shù)，并采用貝葉斯最小風(fēng)險(xiǎn)決策進(jìn)行分類，分類準(zhǔn)確率高。與 BP 神經(jīng)網(wǎng)絡(luò)相比，PNN 不需計(jì)算反向誤差，也不需考慮局部最優(yōu)問(wèn)題，僅根據(jù)歷史飛機(jī)健康狀態(tài)參數(shù)中的故障數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，即可得到貝葉斯最小風(fēng)險(xiǎn)決策下的最優(yōu)分類結(jié)果。

　　1. 3 基于 D-S 證據(jù)理論的混合增強(qiáng)故障診斷方法

　　D-S 證據(jù)理論是由 Dempster 于 1967 年最先提出，后經(jīng)過(guò)他的學(xué)生 Shafer 于 1976 年進(jìn)一步擴(kuò)展并發(fā)展起來(lái)的一種不確定性推理方法[10]。該方法不同于貝葉斯概率論，無(wú)需知道先驗(yàn)概率，并能直接表達(dá)不確定性。根據(jù)不同診斷方法的診斷能力將多源信息分別輸入至相應(yīng)診斷模型中，在決策層使用 D-S 證據(jù)理論融合后，能增強(qiáng)相應(yīng)交聯(lián)故障診斷能力。

　　2 基于某型號(hào)飛機(jī)的故障診斷實(shí)例

　　混合增強(qiáng)故障診斷方法用于某型號(hào)飛機(jī)交聯(lián)系統(tǒng)故障診斷分析過(guò)程，根據(jù)飛機(jī)結(jié)構(gòu)、系統(tǒng)功能及分系統(tǒng)間功能交聯(lián)情況進(jìn)行功能交聯(lián)條件下故障傳播影響分析，并依據(jù)不同診斷方法的診斷能力設(shè)計(jì)診斷策略; 研究選取基于機(jī)器學(xué)習(xí)的數(shù)據(jù)驅(qū)動(dòng)方法，輸入歷史故障數(shù)據(jù)進(jìn)行基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷模型訓(xùn)練; 選取交聯(lián)系統(tǒng)故障信息進(jìn)行模型故障診斷能力驗(yàn)證，當(dāng)系統(tǒng)報(bào)故時(shí)，測(cè)試性模型方法根據(jù)測(cè)試點(diǎn)報(bào)故情況輸出故障信息，數(shù)據(jù)驅(qū)動(dòng)方法根據(jù)飛機(jī)飛行參數(shù)輸出故障信息，后二者進(jìn)行決策層融合，輸出最終故障診斷信息。

　　2. 1 故障交聯(lián)影響分析

　　在飛機(jī)運(yùn)行過(guò)程中，系統(tǒng)故障可能由多種因素造成，如剎車系統(tǒng)內(nèi)部，伺服閥輸出壓力不準(zhǔn)確、主機(jī)輪剎車盤(pán)磨損、輪胎磨損等均可造成剎車能力下降; 同時(shí)，外部系統(tǒng)異常輸入，如液壓系統(tǒng)輸出壓力低、飛管系統(tǒng)輸出剎車指令錯(cuò)誤等也均可造成剎車能力下降甚至喪失剎車能力的嚴(yán)重后果。因此，對(duì)飛機(jī)交聯(lián)系統(tǒng)進(jìn)行故障診斷技術(shù)研究前，為表征故障傳遞影響，應(yīng)先建立交聯(lián)系統(tǒng)故障傳播模型。本部分以飛機(jī)剎車系統(tǒng)能力降級(jí)為例，應(yīng)用基于模糊 Petri 網(wǎng)的故障傳播分析法研究可能使剎車系統(tǒng)能力降級(jí)的故障源。

　　2. 1. 1 模糊 Petri 網(wǎng)Petri 網(wǎng)[11]由德國(guó)當(dāng)代數(shù)學(xué)家 C. A. Petri 定義的一種通用數(shù)學(xué)模型，用于描述存在于條件和事件間的關(guān)系。模糊 Petri 網(wǎng)為 Petri 網(wǎng)與知識(shí)表達(dá)的結(jié)合，最早被用于描述模糊生成規(guī)則。在復(fù)雜系統(tǒng)故障診斷中，模糊 Petri 網(wǎng)采用圖形化的表示方法，展現(xiàn)功能交聯(lián)條件下跨系統(tǒng)間與系統(tǒng)內(nèi)部的故障傳播過(guò)程，從而利于后續(xù)故障診斷過(guò)程分析及診斷策略分配等工作進(jìn)行。

　　2. 1. 2 基于模糊 Petri 網(wǎng)的故障傳播分析以某型號(hào)飛機(jī)為例，系統(tǒng)剎車過(guò)程一般由指令系統(tǒng)發(fā)出指令、飛管系統(tǒng)控制輸出、液壓系統(tǒng)提供壓力、剎車系統(tǒng)執(zhí)行剎車等交聯(lián)系統(tǒng)工作過(guò)程組成。其中控制輸出部分包括飛管計(jì)算機(jī)、遠(yuǎn)程接口單元等; 提供壓力部分包括油箱、液壓泵、油濾及蓄壓器等; 執(zhí)行剎車部分包括伺服閥、主機(jī)輪等。

　　3 結(jié)束語(yǔ)

　　針對(duì)飛機(jī)功能交聯(lián)條件下故障診斷需求，提出了一種基于測(cè)試性模型和基于數(shù)據(jù)驅(qū)動(dòng)的初步診斷及基于 D-S 證據(jù)理論的融合診斷方法，并以某型號(hào)飛機(jī)故障數(shù)據(jù)為例進(jìn)行方法驗(yàn)證。結(jié)果表明，本方法在現(xiàn)有方法故障診斷能力基礎(chǔ)上，能一定程度上增加系統(tǒng)交聯(lián)功能故障可檢測(cè)故障數(shù)量，提升故障檢測(cè)率; 對(duì)傳統(tǒng)基于測(cè)試性模型方法存在的交流功能故障模糊組現(xiàn)象進(jìn)行故障定位，從而提升故障隔離率; 將兩種方法形成的一致初步診斷結(jié)果融合，進(jìn)行故障確認(rèn)，減少傳統(tǒng)測(cè)試性模型可能導(dǎo)致虛警的情況發(fā)生。

　　參考文獻(xiàn):

　　[1] 石君友. 測(cè)試性設(shè)計(jì)分析與驗(yàn)證[M]. 北京: 國(guó)防工業(yè)出版社，2011.SHI J Y. Testability design analysis and verification[M].Beijing: National Defense Industry Press，2011 ( in Chinese).

　　[2] 李小林，屈衛(wèi)東. 基于 D-S 證據(jù)理論的航空發(fā)動(dòng)機(jī)氣路故障融合診斷[C]/ / 中國(guó)控制會(huì)議. 2018.LI X L，QU W D. Fusion diagnosis of aeroengine gas pathfault based on D-S evidence theory[C]/ /China ControlConference. 2018( in Chinese) .

　　[3] EZHILARASU C M，SKAF Z，JENNIONS I K. The applicationof reasoning to aerospace integrated vehicle healthmanagement ( IVHM) : challenges and opportunities[J].Progress in Aerospace Sciences，2019，105: 60 - 73.

　　[4] 葉文，呂鑫燚，呂曉峰，等. 某型導(dǎo)彈發(fā)控通道層次化測(cè)試性建模方法[J]. 現(xiàn)代防御技術(shù)，2019，47 ( 2) : 122 -129.YE W，LYU X Y，LYU X F，et al. Hierarchical testabilitymodeling method of a certain missile-launch channel[J].Modern Defence Technology，2019，47 ( 2) : 122 - 129 ( inChinese) .

　　[5] 張士剛. 基于多信號(hào)模型的診斷策略優(yōu)化與生成技術(shù)研究[D]. 長(zhǎng)沙: 國(guó)防科學(xué)技術(shù)大學(xué)，2008.ZHANG S G. Research on the optimization and generationtechniques for diagnostic strategy based on multi-signalmodel[D]. Changsha: National University of Defense Technology，2008(in Chinese) .

　　[6] 馬德仲. 基于貝葉斯網(wǎng)絡(luò)和多源信息構(gòu)建可靠性分析模型方法研究[D]. 哈爾濱: 哈爾濱理工大學(xué)，2015.

　　作者：郭文彬，劉 東，王宇健

轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/30039.html