基于TEAMS的惯性测量组合测试性建模与分析

何 星，王宏力，陆敬辉，姜 伟

（第二炮兵工程大学自动控制系，陕西 西安 710025）

0 引 言

惯性测量组合是飞行器控制系统的重要组成部分，它主要通过敏感飞行器相对惯性空间的运动来引导和控制其按预定轨道飞行，在整个飞行器系统中至关重要[1]。但是，由于受制造工艺水平、元器件使用寿命及工作环境的影响，加之惯性测量组合的精度要求非常高，使得其成为极易产生故障的部件之一；因此，保证惯性测量组合的正常工作，快速、准确定位与隔离出现的故障就显得尤为重要。惯性测量组合是较为复杂且精密的机电系统，包含大量复杂电路及敏感元器件，其故障诊断较为困难。目前，针对惯性测量组合的故障定位及诊断主要依赖维修人员的经验，致使对惯性测量组合的故障诊断能力相对较弱，严重制约着部队战斗力的生成与发挥。

测试性的概念最早产生于航空电子领域。测试性这一术语是1975年由F.Liour等人在《设备自动测试性设计》一文中首先提出，随后相继用于诊断电路设计及研究等各个领域[2]。开展测试性设计，可以显著降低产品寿命周期的费用，提高故障检测率，缩短维修时间[3]。

测试性工程与维修系统（testability engineering and maintenance system，TEAMS）是由美国 QSI公司开发的一套提供测试性、维护性、系统健康监视等解决方案的商用软件产品。它通过一个简便易用的GUI界面，提供多信号模型建模方法和智能推理算法，实现了系统的测试性分析、故障诊断策略、实时健康监视等功能，已经在航空、国防、空间科学、商业等各个领域得到了广泛地验证[4-6]。在国内，TEAMS及其应用方面的研究成果还比较少，只有个别单位或研究人员进行了TEAMS的介绍和尝试[7-9]。

本文在研究多信号建模方法的基础上，利用TEAMS建立了某惯性测量组合的多信号模型，并对其进行了测试性分析，针对固有测试点不足带来的故障诊断效果较差的问题，给出了两种改进方案。测试性分析结果表明，多信号建模方法能够方便地对大型复杂设备进行建模和分析，利用测试性分析结果实现故障的快速准确隔离和定位，对提高故障诊断效率、降低维修人员要求、增强装备保障能力具有重要的意义。

1 多信号测试性建模方法

多信号模型又被称为多信号流图模型，最早由Somnath Deb和Krishna R.Pattipati等人于20世纪90年代初提出[4]，其是在系统结构和功能分析基础上，以分层有向图表示信号流导向、组成单元（故障模式）的构成以及它们之间的相互连接关系，并通过定义信号（功能）以及组成单元（故障模式）、测试与信号之间的关联性，来表征系统组成、功能、故障及测试之间相关性的一种模型表示方法。一个多信号通常包含以下7个要素[7]：

（1）C={c1，c2，…，cM}为系统的组成模块集合，其元素称为故障组元，表示系统包含M个独立和相对完整的最小功能模块；

（2）S={s1，s2，…，sL}为系统的独立信号集合，表示系统具有L个独立信号。信号是指系统传输特性中能够清晰地描述系统功能的特征属性；

（3）测试点的有限集 TP={TP1，TP2，…，TPp}；

（4）可用测试的有限集 T={t1，t2，…，tN}；

（5）每个测试点TPi包含一组测试SP（TPi）；

（6）每个功能模块ci相关或影响的信号的有限集，表示为SC（ci）；

（7）每个测试ti所能检测到的信号集ST（ti）为S的子集。

多信号模型的图形化建模过程一般可分为以下3个步骤：（1）在分析建模对象工作原理及提取相关信息（系统组成、功能、测试等）的基础上构建结构模型、原理图模型或概念方框图；（2）向模块和测试点加载信号，并根据信号（功能）的流向确定系统组成单元的输入、输出及相互的连接关系；（3）根据特定情况调整、修正和校验模型。

2 惯性测量组合多信号模型的建立

2.1 惯性测量组合组成及功能

模型惯性测量组合主要由本体、电子箱和二次电源3部分组成，其连接关系如图1所示。

图1 惯性测量组合示意图

当惯组处于工作状态时，二次电源将外部一次电源送入的直流电变换为电子箱和本体所需的各种交、直流电压，通过连接电缆对各个电路板进行供电。首先电子箱及本体中的加温片、热敏元件和温控电路在接受二次电源的供电后实现温度的控制，使得陀螺仪和加速度计能够正常工作；其次二次电源的供电保证陀螺仪和加速度计准确敏感飞行器运动的角速度和加速度，并以电流形式输出到电子箱中的校正网络板和功放板，经过校正放大后输入脉冲输出板，将陀螺仪和加速度计送来的模拟信号变换为脉冲信号，供机载计算机及外部测试设备对飞行器姿态和位置进行判定，然后反馈至陀螺仪和加速度计力矩器，通过伺服机构实现对飞行器的导引和控制。二次电源中的频标板产生多种频标信号保证脉冲输出板的工作，温控信号、部分二次电源信号和脉冲输出信号通过3根电缆送到外部的测试设备，以实现对惯性测量组合的标定。

惯性测量组合内部结构非常复杂，当其出现故障时，如果仅依靠技术人员的经验很不可靠，但通过分析可以看出该惯组信号传递关系很容易判断，模块结构也易于获取。因此，根据上节介绍的多信号模型构造步骤，按照分层建模的思想，就可以构造上述惯性测量组合的多信号模型，而后可以利用其多信号模型进行故障的定位与诊断。

2.2 惯性测量组合多信号模型的构建

本节将利用TEAMS软件来构建惯性测量组合的多信号模型。通过对惯性测量组合各组成元件及其信号传递的依赖性分析，不考虑粗加温电路故障和连接电缆及其插座的故障，建立了由93个故障源模块组成的惯性测量组合三层多信号模型。由于测试性建模过程复杂且内容较多，这里仅示例性给出利用TEAMS软件构建的二次电源中频率激磁电源板的多信号模型，见图2。

它主要由温补晶振、分频器电路、稳压电路以及放大电路等部分组成。一路通过晶振和分频器生成基本的频率信号，并对其进行分频，生成陀螺仪及其伺服机构所需的各种频标信号，另一路通过稳压器、功放以及高频变压器电路产生陀螺前置放大板所需的激磁信号。

图2 频率激磁电源板的多信号模型

构建好惯性测量组合的多信号模型后，下一步就要设置测试点。根据惯性测量组合测试设备的实际情况，在地测电缆、遥测电缆和机载计算机电缆上各可设置1个测试点，3个测试点共包含23个测试，分别测试系统中的加温信号、二次电源产生的部分信号和陀螺仪、加表的脉冲输出信号，为了提高测试效率，减少冗余测试，本文对惯组结构中存在的反馈回路做断开处理。

3 惯性测量组合测试性分析及改进

以系统的测试性分析与评估为目的，进行如下假设：（1）单故障假设；（2）惯组各组成模块发生故障概率相等，不考虑测试所需时间和费用。

至此，按照上节中建立的系统多信号模型，通过TEAMS平台的测试性分析，该惯组的测试性分析和评估结果如表1所示，系统模糊组的分布情况如表2所示。

从表1可以看出，仅仅使用系统预留的3个插座上的23个测试，得到的故障检测率100%；但是故障隔离率很低，平均模糊组很大，这说明仅仅使用固有测试难以满足故障定位和诊断的要求，必须获取更多的故障信息提高隔离率，减小模糊组容量。从表2模糊组容量可以看出，经过测试性分析，最大的模糊组包含42个难以分辨的模块，其次还包含容量为6，5，4的模糊组，这给故障的准确定位带来困难。

表1 系统测试性分析结果

表2 系统模糊组分布情况

除了模糊组分布结果，TEAMS软件测试性分析还给出了模糊组的具体报告，通过分析模糊组报告及系统信号传递关系，可用来实现对模糊组的进一步压缩，实现故障的更精确定位。结合实际惯组信号依赖性关系及本文多信号模型的测试报告，发现存在的模糊组可以通过增加测试点的方法来进行压缩，除了惯组已有的连接外部测试设备和机载计算机的固有测试外，本文提出两种增加测试点的改进方案：

（1）从3个大部件之间连接电缆的插座上引出测试点来获取故障信息，本文分别从二次电源和本体中各两个插座添加测试点，共13个测试信号；

（2）可以从部分内部电路板输出端接口引出测试信号，本文分别从电子箱中温控板及加速度计、陀螺仪A/D转换板以及二次电源分立电源板中添加测试点，共16个测试信号。利用TEAMS软件进行测试性分析，得到两种改进测试性分析的结果如表3和表4所示。

表3 改进的测试性分析结果

表4 改进后模糊组分布情况

表3和表4两种改进后的测试性分析结果表明，多信号模型表征的系统信号传递关系可以用来判读故障位置，与以往根据人工经验判读的结果基本吻合，且根据TEAMS测试性分析报告可以给出惯性测量组合满足要求的诊断策略。相比以往利用技术人员经验的做法，多信号模型进行测试性分析效率更高，结果更可靠。

上述惯性测量组合测试性建模及分析实例表明，多信号建模方法在对系统的测试性建模分析和评估中是可行、有效的，可以实现系统的测试性评估，进而改进测试性设计，提高系统的固有测试性。

4 结束语

惯性测量组合是飞行器控制系统中的核心部件之一，其结构复杂，包含大量模数混合电路，元器件数目巨大，因此其故障的快速定位及诊断是急需解决的难题。针对目前惯组故障诊断主要依靠技术人员经验带来的弊端，结合多信号建模思想，利用TEAMS软件构建了某型惯组的多信号流图模型，并对其固有测试性进行了分析，利用软件给出的测试性结果，结合系统实际结构，提出了两种增加测试点的改进方案，测试性结果表明改进方法能够更加有效和准确地定位故障。同时，说明对于复杂机电系统，利用多信号建模思想可以方便地获取其模型，进而实现测试性的分析与改进。

[1]侯青剑，王宏力.基于TEAMS的惯性测量组合故障诊断[J].现代防御技术，2009，37（5）：64-67.

[2]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，2003：8-10.

[3]刘海明，易晓山.多信号流图的测试性建模与分析[J].中国测试技术，2007，33（1）：49-50.

[4]Deb S，Pattipati K R，Raghavan V，et al.Multi-signal flow graphs:a novel approach for system testability analysis and fault diagnosis[J].Aerospace and Electronic System Magazine，1995，10（5）：14-25.

[5]Hindson W，Sanderfer D，Deb S，et al.A modelbased health monitoring and diagnostic system for the UH-60 helicopter[C]∥Proceedings of the AHS International 57th Annual Forum and Technology Display，2001：331-338.

[6]Wen F，Willett P K，Deb S.Signal Processing and fault detection with application to CH-46 helicopter data[C]∥Proceedings of the IEEE Aerospace Conference，2000：2113-2120.

[7]龚勇，景小宁，陈云翔，等.基于多信号流图的飞控系统实时故障诊断[J].电光与控制，2006，13（6）：89-92.

[8]林志文，贺喆，杨士元.基于多信号模型的雷达测试性设计分析[J].系统工程与电子技术，2009，31（11）：2781-2784.

[9]何光进，叶晓慧，王红慧.多信号模型在故障诊断中的应用[J].计算机测量与控制，2009，17（1）：25-27.