工程机械诊断策略生成方法的研究

张 琦，徐 宙，朱春生，张红涛

（解放军理工大学 工程兵工程学院，江苏 南京 210007）

随着电子技术、光学技术等高新技术在新型工程机械中越来越多的应用，在提高性能的同时也使其结构变得复杂，故障诊断困难.为解决这一问题，必须在设计阶段就进行测试性设计，以便快速准确隔离故障，从而提高工程机械的可用性.诊断策略的设计是测试性设计的重要内容，其目的是设计一定的测试序列，从而使测试代价（测试费用、测试时间、测试步骤等）最小［1］.

测试序列的生成是一个NP（Non-Deterministic Polynomial）完全问题［2］，要直接得到一个最优的诊断策略是非常困难的，实际工程应用中常假设系统只有单个故障发生，且测试结果是可靠的.根据信息理论［3－4］，序贯的诊断过程是一个逐渐降低系统状态不确定性的过程，可根据每个测试所能获得系统状态信息的多少来确定下一步要执行的测试.本文以某型挖掘机液压转向系统为例，介绍基于相关性模型和信息熵理论，采用贪婪算法即逐步寻找信息熵最大的测试来生成近似最优的工程机械诊断策略的方法.

1 故障模式分析、测试点布置

故障模式影响分析［5］是确定系统所有可能的故障，根据对故障模式的分析，确定每一个故障对系统工作的影响，找出单点故障，并确定故障模式的严酷度和其发生概率的系统方法.通过故障模式分析，找出对系统危害较大的故障模式，并根据这些故障模式布置测试点，是建立系统故障测试相关性模型的关键.根据参考文献［6］，对某型挖掘机液压转向系统进行的故障模式分析及测试点布置如表1和图1所示.

表1中ti表示故障fi能被检测到的测试结果（如果故障fi发生，则测试ti显示异常），t1为测量油箱的油液高度；t2为测量油箱的流出压力；t3为测量流出滤油器的油液污染度；t4为测量泵的振动；t5为测量溢流阀Ⅰ溢流后的油压；t6为测量泵的输出压力；t7为测量换向阀的输出压力；t8为测量单向阀的输入压力；t9为测量单向阀的输出压力；t10为测量液压缸的输入压力；t11为测量液压缸的输出压力；t12为测量液压缸的振动；t13为测量溢流阀Ⅲ溢流后的压力；t14为测量流回油箱的压力.

表1 故障属性及对应的测试Tab.1 Property of different faults and corresponding tests

图1 转向液压系统原理及测试点布置Fig.1 Diagram of hydraulic steering system and layout of tests

2 相关性矩阵生成和简化

故障－测试相关性矩阵是指被测单元组成模块的故障和测试点的测试存在的逻辑关系.故障和测试的相关性模型可用以下矩阵表示：

根据表1可建立故障－测试相关性矩阵数据表，分析该相关性矩阵可知，T10和T11两列数值相同，提供的诊断信息相同，是一个冗余测试，需去掉一个.常去掉测试费用较高、不易安放传感器的测试点，这里去掉T11.因此可得化简后的故障测试相关性矩阵如表2所示，其中F0为系统无故障状态.

表2 化简后的故障－测试相关性矩阵Tab.2 Simplified fault-test dependency matrix

3 各测点的信息增益计算及矩阵分割

根据文献［2］，可用下式计算选用测试tj所获得的系统状态信息增益IG（X，tj）（即测试tj提供的关于X的信息量）：

式中：P（Xjp）和P（Xjf）分别为集合Xjp和Xjf的总概率矩阵；X为执行测试tj前的系统状态矩阵；Xjp为测试tj通过后的系统状态子矩阵；Xjf为测试tj不通过的系统状态矩阵.若故障－测试相关性矩阵为A，则有

显然，信息增益最大的测试点为t14，用t14分割矩阵得到的Xjp和Xjf分别如表3和表4所示.

从Xjp可以看出T4，T5，T8，T9，T10，T12，T13的值均为0，说明这些测试已经不能提供测试信息，需要去除这些测试；从Xjf可以看出T1，T2的值也均为0，也需要去除这些测试.因此化简后的Xjp和Xjf如表5和表6所示.

对Xjp优选下一步测试，计算各测点的信息增益得：IG（Xjp，t1）＝0.067；IG（Xjp，t2）＝0.038；IG（Xjp，t3）＝0.038；IG（Xjp，t6）＝0.053；IG（Xjp，t7）＝0.081.则选择t7为测试点.按照该方法继续优选测试点［7－9］依次为：t1，t6，t3.回溯后要增加的测试点依次为t2，t13，t10，t9，t5，t6，t4，t12.

表3 T14测试通过的矩阵XjpTab.3 Passed fault-test matrix Xjp

表4 T14测试不通过的矩阵XjfTab.4 Failed fault-test matrix Xjf

表5 化简后的XjpTab.5 Simplified Xjp

表6 化简后的XjfTab.6 Simplified Xjf

4 故障诊断树的建立

由上步的计算及推导过程，根据参考文献［2］可建立故障诊断树，如图2所示.则平均测试步骤数为［1］

式中：m0为故障的数量；Pi为各故障的发生概率；Ki为故障诊断树第i个故障所用的测试个数.

图2 转向液压系统故障诊断树Fig.2 Troubleshooting tree of hydraulic steering system

5 结论

本文通过对工程机械液压转向系统进行故障模式分析并对布置的测试点进行分析，从而建立了故障－测试相关性模型；利用贪婪算法求解各测试的信息增益，选取信息增益最大的测试作为优选测试从而逐步生成诊断策略，并建立其故障诊断树.该方法生成的诊断策略是近似最优的测试序列，虽然不能保证平均测试费用最低，但由于方法简单，求解速度快，很适于工程机械这样的结构复杂、故障多的系统.

［1］田仲，石君友.系统测试性设计分析与验证［M］.北京：北京航空航天大学出版社，2002.TIAN Zhong，SHI Junyou.System testability design analysis and verification［M］.Beijing：Beijing University of Aeronautics and Astronautics Press，2002.

［2］杨鹏.基于相关性模型的诊断测试优化设计技术［D］.长沙：国防科技大学，2008.YANG Peng.Optimization technology of design for diagnostic strategy based on dependency model［D］.Changsha：National University of Defense Technology，2008.

［3］景小宁，李全通，郭友松.基于信息熵的最小测试费用故障诊断策略［J］.计算机应用，2005，25（2）：417－419.JING Xiaoning，LI Quantong，GUO Yousong.Information entropy-based fault diagnosis strategy with least test cost［J］.Computer Applications，2005，25（2）：417－419.

［4］许军，常天庆.基于最大故障特征信息熵的测试点优化设计［J］.装甲兵工程学院学报，2009，23（3）：41－44.XU Jun，CHANG Tianqing.Optimal design of test point based on the maximum failure feature information entropy［J］.Journal of A-cademy of Armored Force Engineering，2009，23（3）：41－44.

［5］周海京，遇今.故障模式、影响危害性分析与故障树分析［M］.北京：航空工业出版社，2003.ZHOU Haijing，YU Jin.Failure modes，effects，criticality analysis and faulty tree analysis ［M］.Beijing：Aeronautics Industry Press，2003.

［6］冉红亮，张琦，朱春生.基于自适应遗传算法的工程装备液压系统测试选择问题研究［J］.机械制造及自动化，2010，39（6）：79－81.RAN Hongliang，ZHANG Qi，ZHU Chunsheng.Research on engineering equipment hydraulic system and test selection based on adaptive genetic algorithm ［J］.Machine Building ＆ Automation，2010，39（6）：79－81.

［7］孙煜，刘松风，马力.贪心算法在系统故障诊断策略生成中的应用［J］.计算机系统应用，2011，20（1）：150－154.SUN Yu，LIU Songfeng，MA Li.Application of greedy algorithm to sequential fault diagnosis［J］.Computer Systems ＆ Applications，2011，20（1）：150－154.

［8］TU F，PATTIPATI K R.Rollout strategies for sequential fault diagnosis［J］.IEEE Transactions on SMC：Part A：Systems and Humans，2003，33（1）：86－99.

［9］RAGHAVAN V，SHAKERI M，PATTIPATI K P，et al.Optimal and near-optimal test sequencing algorithms with realistic test models［J］.IEEE Transactions on Systems，Man，and Cybernetics Part A：Systems and Humans，1999，29（1）：11－26.