基于模糊方法的舰炮故障诊断*

余勃彪

(海军工程大学兵器工程系 武汉 430033)

1 引言

舰炮武器系统发生故障的直接反映是表征系统或设备工作状态的参数发生变化。这些参数很多,相互间的关系错综复杂,又往往是舰炮工作状态的间接反映,因此,使用通常的故障机理分析方法建立征兆与故障成因间的物理模型极为困难[1～2]。但是有丰富经验的技师在诊断舰炮故障时,往往从观测到的征兆群的整体出发,依据以往的多次经验就能较准确地诊断出某一故障成因。这种用自然语文来描述征兆和根据经验作出诊断的方法具有强烈的模糊性。这就使得利用模糊数学理论和计算机工具,模拟人的思维过程,建立模糊识别模型,从而组成舰炮故障诊断系统成为可能[3～4]。本文基于模糊数学理论,建立征兆的模糊隶属函数,对故障征兆进行识别,进行舰炮故障诊断。

2 舰炮武器系统故障诊断的模糊性

2.1 模糊数学理论

为了将议题局限在与问题相关的某一范围内,定义了“论域”,数学中用大写字母U、V、W 等表示。论域中的各个事物,亦即要考虑的各个对象,称为论域中的元素,用小写字母x,y,z等表示。

所谓论域U上的一个模糊子集(简称模糊集)A是指:对于任意 x、任意U,指定了一个数 μA(x)∈[0,1],叫做x对A的隶属程度。

上述定义表明,一个模糊集 A完全由其隶属函数μA来刻画。μA(x)的值接近于1,表示 x隶属于A的程度很高;μA(x)的值接近于0,表示 x隶属于 A 的程度很低[5～6]。

2.2 征兆及征兆与成因间关系的模糊性

由于舰炮武器系统在正常工作时,协调过程中的振荡、超调量、随动系统的跟踪误差是客观存在的,在一些工况下较小,在另一些工况时较大,不同的环境下存在不小的差异,故征兆具有模糊性。

征兆本身具有一定的模糊性,用有或无来表征征兆是否存在不利于对征兆的描述。它们不是简单的“有”、“无”这两个值,而往往是“亦有亦无”的中间状态。若1代表“有该征兆”,0代表“无该征兆”,则其取值除0,1外,理论上还可取0,1之间的任何值,该值是对该征兆的隶属度。一般隶属度取值为有限值,则在相应坐标轴上[0,1]区间内取有限个点,构成一个较复杂的n维欧氏空间,成为用隶属度函数来刻划的模糊集合。该空间是有限个点,则征兆群是一个有限的模糊集。

由于故障机理研究的不充分和系统的复杂性,所获得的征兆多是故障状态的间接反映,故障成因与征兆间的关系也不是简单的“有”、“无”这两个值。如前所述,故障诊断要从征兆群整体区别上对故障成因作出判断。所谓整体区别是指每个征兆群诊断为各个成因的关联程度是不相同的。这种关联程度具有强烈的模糊性。

3 模糊隶属度的确定

3.1 征兆的隶属函数

征兆的隶属函数,可由模糊统计法、专家调查法、二元对比排序法及基本概念扩充法等求得。下面引入舰炮高低瞄准速度进行模糊性描述。可将舰炮高低瞄准速度分为三类语义值:慢、正常、快。其征兆输入量的可能值落于区间[min,max]。请若干位本行业内专业人员各自提出速度慢与速度正常、速度正常与速度快的分界点C与D的值。分别在论域U上得到观察值(C1,C2,…,Cn)与(D1,D2,…,Dn),它们服从正态分布。

则在模糊子集A=(速度慢,速度正常,速度快)的隶属度函数为

通过以上模糊处理,可将定性的知识转化为定量表示,为以后的推理作好准备。

将上述方法确定的征兆的隶属度函数存入计算机中,当把测量到的征兆和人们感觉到的征兆输入计算机后即得隶属度,以便利用诊断模型进行诊断。

3.2 征兆群对故障成因隶属度的确定

由统计资料可以确定系统故障的成因的总数为m,例如:“系统绝缘电阻降低”、“随动系统刚性差”、“自整角机损坏”、“速度环元件损坏”、“活塞卡阻”、“电器零位与机械零位不一致”、“线路漏电”等等。每一种成因都占有一定的征兆群。而这种占有是不确定的,即每个征兆群与成因的关联程度是不相同的,一个征兆群只能以一定的隶属度诊断为某一种成因。故障成因是征兆群空间上的模糊子集。

μij的确定要综合考虑多种因素:首先考虑现有的统计资料(L1);其次为了弥补资料的不足还要考虑机理分析因素(L2);征兆出现的强烈程度(L3);获得该征兆的难易程度(L4)。针对这四种因素评分。

按机理分析,当成因 Aj出现时,征兆群 μij有必然出现,非常可能出现,…至不可能出现几种情况,则其评分可为1,0.9,…至0。

而根据成因Aj出现时,征兆群出现的强烈程度可分为很强烈,比较强烈,…直至没变化,则可按1,0.9,…至0评分。

在确定隶属度时,对上述四个因素考虑的侧重点有所区别,则对四个因素给出对应的权系数。(L1,L2,L3,L4)组成权系数集合。

假若在进行诊断时,比较侧重于故障的实际统计强烈程度,可以有如下的权系数:

由每个征兆群的评分集合和权系数集合按下式算出相应的隶属度:

以上用加数统计法确定征兆群对成因的隶属度,既考虑了各种实际因素,又有所侧重。又由于评分是通过大量专业人员用模糊统计方法确定的,就有效地总结了各专业人员的经验,从而保证了所确定的隶属度比较符合实际。

3.3 故障征兆的模式识别

模糊性故障知识是用模糊子集的形式描述的。以随动系统不平稳故障为例,由于模糊子集的特殊形式,可将该类知识的获取设计成表1所示。

表1 随动系统跟踪不平稳模糊集

按照这张表格进行故障诊断时,先由征兆产生一个模糊集B(x)(b1,b2,b3,b4,b5}(bi为各个故障因素的征兆函数隶属度归一化值)。

由模糊识别理论取格贴近度:

由模糊择近原则,则认为B与Ai0最贴近,应把B归入Ai0类。对于格贴近度出现的误差再由专家依据实际情况进行修正[9]。如果出于稳妥需要可以将其它贴近度计算出来做参考。

获得贴近度最大值的那个成因即认为是该故障的成因。这就是计算机的诊断结果,可用中文输出,提供给系统的使用、维修人员以指导排故处理。也可按N(A,B)的大小,由大到小排列输出几个备查成因。这个诊断结果,具有一定的精度。统计资料越丰富,机理分析越透彻,则精度越高。它给人们提供了排故决策和处理的依据,随排故经验的增多,诊断精度将不断提高。

假若计算机输出的贴近度最大的成因的贴近度很小,或者两种及多种以上成因间贴近度的差值很小,使得很难作出诊断结论。此时可以建立问诊模型,计算机向系统操作维护人员提问,补充输入信息量大的征兆,可提高诊断结果的准确性。其过程如图1所示。

图1 模糊诊断过程模型

4 结语

基于模糊数学的舰炮故障诊断方法充分利用了故障检测数据和专家的经验知识,对故障征兆进行模式识别,实现故障的自动诊断。需要注意的是,在没出现故障时,实时监测系统也会向计算机输入征兆,计算机根据这些征兆也会输出结果,这个结果不是故障的成因,而是表明这几个成因是应该注意的问题,它们有可能发展而引发故障,从而提示有关人员采取必要措施以预防故障的发生。

[1]左宪章,康健,李浩,等.故障预测技术综述[J].火力与指挥控制,2010(1):1～5

[2]王芳,周晓波.某型舰炮控制系统故障诊断专家系统[J].舰船电子工程,2008,28(2):145～146

[3]薛子云,杨江天,朱衡君.机械故障预测模型综述[J].机械强度,2006,28(S):60～65

[4]秦海勤,徐可君,隋育松,等.基于图像奇异值分解的滚动轴承故障模式识别[J].轴承,2010(6):55～58

[5]孙宁.多目标决策问题的最大隶属度方法研究[J].电脑知识与技术,2010,6(15):4305～4306

[6]邱晞,刘平,魏生民.基于隶属函数的装配协调顺序优化方法[J].航空制造技术,2010,13:68～70

[7]崔湘军.模糊模式识别中隶属函数选取的探讨[J].邵阳学院学报(自然科学版),2010,7(2):5～8

[8]李鸿吉.模糊数学基础及实用算法[M].北京:京华科技出版社,2005

[9]阳宁光,韩维维.修正的正态模糊集下的格贴近度[J].汕头大学学报(自然科学版),2010,25(1):7～11