发动机故障统计与分析系统设计方法

王文栋，刘效磊，李玺仁，马 壮

(空军94287部队，山东 济南 250023)

1 引言

国内外对专家系统的研究在上世纪末已趋于成熟，著名知识工程师Hayes Roth等人提出的专家系统的理想结构等改进模型，在许多领域内都得到了广泛应用。神经网络学的发展与应用始于20世纪90年代初，其基础模型BP神经网络在使用发展过程中不断变化改进，从人工神经网络到自适应神经网络，与遗传算法、模糊数学等结合紧密，神经网络的学习功能和算法精度不断提高，伴随着计算机应用科学的高速发展，目前广泛应用于各个领域[1，2]。在军内工程领域，随着计算机网络的普及，该方法已广泛应用于科研院所的各研究领域，但一线部队与实际工程应用的结合还较少，应用专家系统分析预测质量信息的工程应用前景十分广阔，值得借鉴国内外设计方法，与维修保障实践工作相结合，深入开展研究。

近年来，部队在检查维护中发现、排除的发动机断裂渗漏和耗损性故障多，发动机质量问题突出，有的甚至引发了严重飞行事故。因此，对发动机故障的统计与分析具有重大的现实意义。传统使用的《航空维修管理信息系统》，存在发动机故障信息收集样本小(仅局限于本部队本机型)、统计分析预测能力弱等缺点。本文所设计的系统，就是要通过构建完备的故障信息数据库、专家评测系统，基于模糊神经网络等计算方法，实现故障的统计及分析预测。

2 系统设计方法

2.1 系统的总体设计和功能模块制定[3，4]

(1)系统的总体设计

某型发动机故障统计与分析系统由综合数据库、知识库、推理机、解释器、知识获取、软件平台等6个部分构成，基本构成如图1所示。

图1 系统的总体结构图Fig.1 Overall structure of the system

其中，知识库只用于存放不依赖于领域中具体问题的知识，如一些判断性知识和元知识；与领域中具体问题有关的知识(如描述问题的数据等)则放在综合数据库中。综合数据库用于存放系统运行过程中所需要和产生的所有信息，包括问题的描述、中间结果、解题过程的记录等信息。

质量信息数据库的架构是设计的一项重要内容，数据组织、数据间联系、数据管理需重点考虑。在专家系统中，数据的表示与组织结构应尽量做到和知识的表示与组织相容，以便推理机使用知识库中的知识和描述问题当前状态的数据去求解问题。

解释子系统负责回答用户提出的各种问题，包括与系统运行有关和与运行无关的系统本身的一些问题。解释子系统是实现系统透明性的主要部件。

知识获取子系统负责管理知识库中的知识，包括根据需要修改、删除或添加知识及由此引起的一切必要的改动，维持知识库的一致性、完整性等。知识获取子系统是实现系统灵活性的主要部件，它使领域专家可以修改知识库而不必了解知识库中知识表示方法、知识库的组织结构等实现上的细节问题，这大大提高了系统的可扩充性。

软件平台的设计是实现人机交互功能的重要过程，要求系统不仅要为用户提供熟悉的表示信息的手段(如自然语言、图形、表格等)，而且人机接口蕴含在各子系统中，它负责把用户输人的信息转换成系统的内部表示形式，然后把这些表示形式交给相应部件去处理。系统输出的内部信息也由人机接口转换成用户易于理解的外部表示形式显示给用户，并支持外部打印、导出等基本功能。另外，系统设计中还着重考虑到与《航空维修管理信息系统》的交连，方便质量信息样本的批量录入和修改，使得系统更加开放，人机之间的交互性实现更强。

(2)主要功能模块划分

系统要实现的功能主要有录入、查询、统计、解释、预测、监控等，主要功能模块可分为录入模块、查询模块、分析和预测模块、监控和校验模块四个部分。其中，分析和预测模块是该专家系统设计的重点和难点，其任务是通过对过去和现在已知状况的分析，总结归纳信息规律，推断未来可能发生的情况。需要设计模糊神经网络计算模型，用于实现学习预测功能。

2.2 模糊神经网络计算模型的建立

本系统采用的模糊神经网络是结合模糊控制和神经网络两种技术的一种新的智能技术。利用神经网络去高速并行地实现模糊推理，从而得到更为准确的规则和更强的自学习、自适应能力。

为了实现系统的开放式自主学习能力，本系统研究使用了一种结构化的模糊神经网络，并设计了一种自适应预测控制方案，采用了遗传算法和BP算法相结合的混合学习算法。

(1)模糊神经网络自适应系统的设计

利用一个神经网络辨识器和模糊神经网络控制来解决非线性滚动优化问题，引入辨识器来对控制效果进行预测，以使系统在控制点间具有学习能力，从而提高收敛速度，增强系统的稳定性。

(2)模糊神经网络控制模型的设计

模糊神经网络控制模型如图2所示。图中两个输入(x1，x2)分别表示误差和误差变化率，而模糊子空间则划分成子集{PB，PM，PS，ZO，NS，NM，NB}，分别表示 {“正大”，“正中”，“正小”，“零”，“负小”，“负中”，“负大”}，输出为 y。

图2中，网络的(Ⅰ)-(Ⅱ)层对应于模糊控制规则的前提“IF-THEN”部分；(Ⅲ)层对应模糊逻辑，每个节点输出表示一条规则的触发强度(隶属度)，“∏”表示模糊隶属度取极小运算；(Ⅳ)层对应于规则推理的结论部分“THEN-PART”，完成推理合成，逆模糊运算。

(3)神经网络辨识器的设计

当采用BP算法的多层前馈网络进行系统辨识时，单输入、单输出系统的非线性动态模型如式(1)所示。式中，u(k)、y(k)分别为系统在k时刻的输入和输出， f｛·｝为非线性函数，m、n分别表示与前m次输入及前n次输出有关。

为保证整个辨识结构的稳定性，并使模型的输出充分逼近实际对象的输出，一般采用串-并联辨识模型：

为使模型更加真实地反映实际对象，并考虑到反馈控制的作用可能会使边界输入、输出系统变得无界，因此首先对系统进行离散辨识，然后将网络模型加入控制系统，以适应对象参数的时变，得到精确的局部预测模型。

(4)模糊神经网络混合学习算法

模型使用遗传算法和BP算法相结合的混合学习算法，为缩短运算时间和提高准确度，在模糊神经网络学习算法的基础上采用BP算法对模型实时调整。

式中：η为学习速率；β为动量项系数，加入动量项系数是为了减少学习过程中的振荡。

2.3 程序编制和软件开发

系统使用Delphi语言实现，以SQL Server 2000为数据处理平台，以航空维修管理信息系统数据库Aero_qc为基本数据库，调研空军相同、相似机型部队，以及相关飞机、发动机大修工厂，结合本单位装备保障实际，一方面尽力丰富系统分析所依托的基础数据样本，另一方面设计系统时预留信息批量录入接口用于录入模拟分析数据，为完成分析和预测两大目的提供详细、完备的数据资料，提高系统分析结果的可信度及精确度。在完成前期数据准备的基础上，信息处理流程如图3所示。

2.4 数据验证及调试修正

(1)对2000～2010年某部质量信息样本进行录入分析，验证系统设计以及模糊神经网络算法的数据处理精度和准确性，预测最近1年的质量信息(故障发生率、重要监控指标、重点监控的发动机及使用寿命阶段等)，与实际故障情况进行比较，验证设计系统的可靠性，对专家系统知识库进行不断的修正和完善。

(2)应用神经网络生成样本数据，采用大样本进一步验证数据处理的准度和软件的可靠性；计划再应用该系统处理同类机型的其它部队质量信息样本，对故障规律性研究进行比较分析。

(3)广泛征求领域专家、操作使用人员的使用意见，对软件的交互性、容错性以及可扩充性进行综合调试修正。

3 结束语

通过收集历年来外场维护、场内修理中出现的大量故障，调研获取工厂、院校和科研院所对某型发动机的使用维护意见，并结合部队使用维护经验，建立应用系统，主要实现了以下功能：发动机故障数据的录入和查询，发动机故障数据的统计和分析，发动机故障信息的监控和预测，提供典型故障的排除方法和预防措施等。

系统设计的主要经验做法：一是建立开放、完备的发动机质量信息分类数据库，对质量信息进行细化标识，对故障类型、涉及系统、发生时机(检查发现时机，飞机、发动机自然状况，故障件的日历期限、翻修次数、装机使用时间等)进一步细化标准，实现基本的数据查询、录入等功能。二是建立规范的发动机质量信息专家评测系统。通过广泛调研征求系统建立的意见、建议，科学架构质量信息评测系统，选择有突出代表性的特征指标进行评测，给出阶段性评测报告。三是针对质量信息大样本，研究先进的学习预测算法(如神经网络、模糊控制等)，对质量故障情况进行分析预测，对多发性、危险性、突发性故障和质量问题进行发生概率分析，提出针对性预防维护措施。四是开发软件平台，实现人机交互。进一步规范故障及质量问题录入系统，方便维修一线管理人员的统计分析、预测工作，突出体现故障和质量问题的排除方法及过程，阶段性故障和质量问题的分析预测，以及针对性的检查维护措施。目前，已运用该系统处理了大量的发动机维修保障信息，在实践中取得较好效果。

[1]蔡开龙，付 敏，谢寿生.基于RBF神经网络的航空发动机故障诊断模型 [J].燃气涡轮试验与研究，2003，16(4)：9—11.

[2]于 刚，高正平，徐治皋，等.基于神经网络与专家系统的汽轮发电机组故障诊断系统 [J].电器系统自动化，2004，28(4)：67—70.

[3]古莹奎，黄开启.发动机可靠性数据分析系统设计与研究[J].机床与液压，2009，37(3)：176—178.

[4]汪振兴，刘臣宇，李 丽，等.基于改进BP神经网络的某型装备故障诊断专家系统[J].计算机与现代化，2010，(2)：200—203.