模糊模式识别在军用车辆故障排查中的应用研究*

韩 振 郑海鸥 张青苗

(防空兵指挥学院 郑州 450052)

模糊模式识别在军用车辆故障排查中的应用研究*

韩 振 郑海鸥 张青苗

(防空兵指挥学院 郑州 450052)

针对军用车辆装备故障信息的特点,提出应用模糊模式识别的方法进行故障分析的必要性。介绍了模糊模式识别的基本原理,并以某型军用车辆故障排查为例验证了算法的可行性,最后构建了故障分析系统,在一定程度上对军用车辆故障分析起到了指导作用。

故障分析;模式识别;车辆故障

Class NumberO235

1 引言

随着战场环境的日益复杂,对于破损军用车辆装备的维修要求日益增高。而待修军用车辆的故障排查是整个车辆维修过程中的关键所在,特别是在战时准确、高速的车辆故障排查直接影响部队战斗力的形成,对掌握战场主动权,具有重要影响。由于车辆功能的完善,任务的增加,工作条件的苛刻,使得军用车辆装备故障发生率不断的提高,因此对于待修军用车辆进行高速、快速的故障分析,迅速找到故障源,查明引起故障的内在原因,提出改进和预防措施,对保证军用车辆装备的正常工作,以及提高运行的可靠性都具有重要的意

义[1～2]。

在待修军用车辆故障排查过程中,由于故障信息的复杂性、故障部件之间的相互破坏性、潜在故障因素的多样性、故障机制的交叉性以及故障特征识别的模糊性,使得故障分析成为一个极其复杂的过程。如何对大量观察、测试而获取的不完整、不精确数据进行综合分析,从众多潜在因素中找出导致故障的根本原因,继而有针对性地采取改进措施,是一件难度很大的工作。这样,迫切需要发展一种高效、智能的自动化故障分析系统来弥补单纯依靠人为分析所带来的主观性和被动性以及不可预见性。

2 模糊模式识别原理

模式识别技术是用机器模拟人的各种识别能力。它是一门交叉性学科,涉及计算机、统计学、智能数据库等领域。主要包括数据选择、数据处理、数据转换和判断分类等内容。图1给出了模式识别的系统框图。

图1 模式识别系统框图

在实施故障排查过程中,由于车辆故障具有不确定性和数据模糊性,而运用传统的故障排除方法对带有模糊性的事物进行识别效果难以令人满意。模糊模式识别能有效解决上述问题,特别适用车辆故障排查问题。

2.1 贴近度

贴近度是模糊集理论和应用中重要的概念[3]。为了衡量同一论域上模糊集之间的接近程度,模糊模式识别提出贴近度的概念。

设A,B是论域U上的模糊子集,则称

为 A和B的贴近度,其中AΘ B和A◦B为A,B的内积和外积,内积越大,模糊集越靠近,外积越小,模糊集越靠近,从而σ0(A,B)越大,A和B越贴近。

2.2 择近原则

设论域U上有m个模糊子集A1,A2,…,Am,构成一个标准模型库{A1,A2,…,Am},B为待识别的模型,若存在 i0∈{1,2,…,m},使得

则称B与Ai0最贴近,或者说把B归并到Ai0类。

3 基于模糊模式识别的某型军用车辆故障排查实例

设论域U={x1,x2,…,x8}是8辆某型故障车辆(8个样本),每个样本由7个主要指标来描述,即:xi=(xi1,xi2,…,xi7)(i=1,2,…,7)。7个指标含义如下:xi1使用年限(年);xi2工作环境(以7月平均气温计);xi3零件信息;xi4材质分析;xi5载荷信息;xi6更换次数;xi7司机违规操作(次/年)。样本原始数据如表1所示。

1)将标本进行4分类:

Ⅰ(机械磨损 A1)={x2,x4,x5};Ⅱ(热损伤A2)={x6};Ⅲ(电损伤 A3)={x3,x7};Ⅳ(人为损伤A4)={x1}。

表1 车辆样本原始数据

2)构成标准模型库{A1,A2,A3,A4},¯xik是各分类中第k个指标的平均数(k=1,2,…,7),与待识别样本B(样本8)一并列在表2中。

表2 故障分类指标统计

为了便于计算贴近度,将表2上的数据标准化,即作变换:

将数据压缩到[0,1]上,见表3(仍记为 xik)。

表3 标准化指标统计

采用贴近度公式得到:

按择近原则,被识别的样本B属于A1类,即样本8的故障损坏属于机械磨损。

4 军用车辆装备故障案例库的建立

军用车辆装备系统是一个零部件类型丰富、结构功能复杂、故障隐患因素多样的庞大系统,所以军用车辆装备故障信息也具有有别于其他系统的独特性质。

军用车辆装备故障信息具有一定的层次性。对于同一类故障信息,可以不断地将其细化。以寻求最细致、最能够体现故障本质的信息描述。以故障模式为例,它分为变形、断裂、磨损、热损伤、电损伤、腐蚀、污染和辐射损伤等几大类。而其中发生频率最多的断裂,又可以被进一步的细化。

军用车辆装备故障具有一定的相关性[4～5]。在系统内不同零部件之间存在着故障传递的现象,某一结构单元在发生故障之后,会导致相关联的结构单元的关联状态发生改变进而产生故障。相关性还体现在故障信息之间,例如可以由裂纹的走向和形状推断部件故障的起始位置,可以由断口的宏、微观特征推断可能的故障模式和引起故障的因素。即不同类的故障信息之间存在关联关系。如果将这些关联关系挖掘出来形成规则的形式,对于故障分析起到十分有效的指导作用。根据故障信息的上述特点,可建立故障案例库。将故障信息分为零件信息、材料信息、材质分析、载荷信息、环境信息、外观特征、故障位置、裂纹特征、断口宏观特征、断口微观特征、分析手段、故障模式、故障原因、预防措施和断裂机制等几大类。这样便可以方便地利用数据挖掘方法中的关联规则挖掘方法,来发现故障信息之间的关联关系,以得出有利于故障分析的关联规则。

5 系统结构框架的构建

为有效实现系统的功能,军用车辆装备故障分析系统应具有数据处理模块、数据转换模块、模式识别模块、规则管理模块以及规则的数据转换模块[6～8]。系统流程如图2所示。

图2 系统流程

系统各模块功能如下所述。

1)数据处理模块。实现对案例数据的添加、删除、修改、完整化,生成字典库及案例库。

2)数据转换模块。实现属性条目的特征性选择,即剔除无意义的属性条目,以生成新的案例数据表作为数据挖掘的原始数据,并生成可以被数据挖掘模块识别的属性描述和案例数据文件。

3)模式识别模块。实现故障贴近度以及决策属性的预测,导出所有满足置信度和支持率要求的识别规则。

4)规则管理模块。由于数据挖掘工具所挖掘出的关联规则,并不都是用户感兴趣的。其中包含一些无意义的、对于故障分析无指导作用的规则,应将其从规则文件中删除,以提高规则文件的有效性。该模块就是通过对于不同故障信息类型之间的关联关系分析以及其他的更为灵活、适用的限定条件对规则进行过滤、以得到更有价值、更实用的规则。

5)规则转换模块。实现规则数据的转换,生成便于用户识别的规则文件。

6 结语

本文首先针对军用车辆故障信息的特点,进而提出应用模糊模式识别的方法进行故障分析的必要性,以某型军用车辆故障排查为例验证了模糊模式识别算法在车辆故障排查应用的可行性,最后构建了故障分析系统,在一定程度上对军用车辆装备故障分析起到了指导作用。

[1][美]提摩西.J.罗斯.模糊逻辑及其工程应用[M].钱同惠,译.北京:电子工业出版社,2000

[2]贾希胜.针对机械磨损过程的功能检测模型[J].中国机械工程,1998(12)

[3]谢季坚,刘承平.模糊数学方法及其应用[M].武汉:华中科技大学出版社,2003

[4]贾希胜.以可靠性为中心的维修决策模型[M].北京:国防工业出版社,2007

[5]刘宝波,李勤真,米斌斌.数据挖掘技术在军用车辆装备故障分析中的应用研究[J].装备环境工程,2008(4)

[6]刘志勤,王兴录.战时装备保障概论[M].北京:军事科学出版社,2002

[7]杜建社,曹小平,等.装备维修信息化工程[M].北京:国防工业出版社,2005

[8]郝杰忠,杨建军,杨若鹏.装备技术保障运筹分析[M].北京:国防工业出版社,2006

Application Research of Fuzzy Pattern-recognition in Military Vehicle Trouble Checking

Han Zhen Zheng Hai'ou Zhang Qingmiao
(Air Defense Forces Command Academy,Zhengzhou 450052)

Aim at the characteristic of trouble information to the military vehicle,put forward the necessity that the method to use fuzzy pattern-recognition carries on trouble information analysis.Having introduced the basic principle of fuzzy pattern-recognition,the feasibility of the algorithm has been proved for the example with the one type military vehicle trouble check,structured the analytic system of the trouble information finally,played the guidance function to military vehicle accident analysis to a certain extent.

trouble information analysis,pattern-recognition,vehicle trouble

O235

2010年8月11日,

2010年9月20日

韩振,男,硕士,研究方向:装备保障、计算机仿真。