基于灰色理论与专家系统的电子设备在线故障预测方法研究

向 刚 张会彬 李海孟 陈星宇

1. 北京航天自动控制研究所，北京 100854 2. 中国航天科技集团公司系统工程部，北京 100048

随着电子科学技术的迅速发展，电子设备日趋大型化和复杂化，功能越来越多、结构也越来越复杂，由电子设备故障造成的损失也逐渐增加，而采用传统定期检修的方法会造成人力、物力的极大浪费，引入电子设备的故障预测方法则能够有效解决该问题。热待机环境下电子设备的故障预测方法有灰色理论法和专家系统法。

灰色理论是由黑箱-白箱-灰箱理论拓广而来，它是系统控制理论发展的产物，是用来解决信息不完备系统的数学方法。灰色理论能够通过对部分已知信息的生成、开发，提取有价值的信息，实现对系统的预测。这种方法能够对单个测点完成很好的状态预测，而且具有很好的在线预测能力，但是这种方法要求测点数据能够表现出确定的趋势，且对复杂的多测点信息难以进行有效利用。专家系统预测法由于利用了领域专家的知识，本身具有一定的人工智能特性，在使用中能够将新的知识添加到系统中，使专家预测系统逐渐趋于完善。专家系统预测法可以同时对多测点信息进行综合利用，能够完成对复杂系统的诊断与预测。虽然这种方法离线进行预测效果比较好，但无法对数据的趋势信息进行有效利用。

本文提出了一种基于改进型灰色理论与专家系统的二阶组合故障预测方法，利用改进型灰度预测方法进行单测点的状态预测，然后将状态预测结果送给专家系统预测模块，由多测点状态预测信息进行推理实现系统故障预测，由此形成二阶组合预测算法。

1 电子设备的故障分类

电子设备的故障特征主要有随机性、层次性、时间性以及传播性等。电子设备的故障从故障发生的时间历程可分为2类：突发性故障和渐进性故障。突发性故障是由于系统外部原因对系统冲击而造成的，这种故障表现出较强的随机性，因而难以进行预测；渐发性故障是指设备在使用过程中由于某些部件老化、磨损、疲劳等造成性能逐渐下降，最终超出允许值而发生的故障，这类故障占有相当大的比重，具有一定的规律性，能够通过早期的状态运行数据进行预测和防止[1]。本文主要针对电子设备的渐发性故障进行故障预测研究。

2 故障预测方法

2.1 灰色GM(1,1)模型的建立

灰色预测模型的特点是根据自身数据建立动态微分方程再预测自身的发展。本文采用GM(1,1)模型[2]，下面给出模型的建立过程。

设有原始数据数列X(0)={x(0)(i)≥0,i=1,…,n}。对序列做一次累加生成(1-AGO)：

X(1)={x(1)(i)≥0,i=1,…,n},

(1)

计算GM(1,1)模型的背景值

z(k)=0.5×(x(1)(k)+x(1)(k-1))

(式中，k=2,…,n。)

(2)

一阶灰色模型方程为：

(3)

(4)

由最小二乘法得参数估计值：

(5)

灰色模型方程的解为：

(式中，k=1,2,…,n。)

(6)

取x(1)(1)=x(0)(1)，则模型的还原值为：

(7)

2.2 灰色模型的改进

灰色系统理论采用初始数据作为建模依据，没有考虑未来时刻可能影响系统状态的因素，称这种模型为静态模型。然而，在电子系统中，随时间的发展，受干扰的因素在不断变化，数据也在变化之中，旧数据对预测值的影响逐渐减弱，新数据的重要性逐渐加强。此时如果仍套用GM(1, 1)模型进行长期预测，不但预测精度会降低，模型也不能反映出系统的变化，其预测可信度较小。因此，有必要对原始灰度模型进行改进。当加入的信息为预测的灰数时，称为灰数模型。同时，GM(1, 1)模型长期预测的有效性明显受系统时间序列长短及数据变化影响，这时再加入等维的约束条件，称之为等维动态预测模型。

2.3 专家系统

专家系统是一种基于知识推理的计算程序，用于模拟人类专家解决某一专业领域问题。一般来讲，一个专家系统具有如图1所示的基本结构，它包括人机界面、推理机、知识库、知识管理系统、解释模块和动态数据库6个部分。

图1 专家系统基本结构

2.3.1 知识表达技术

知识系统是专家系统的核心系统[3]。专家系统中一切推理和诊断都是围绕知识开展的，知识表达技术决定了专家系统的升级和扩展能力。本文采用产生式规则表示法表达知识，主要由征兆表，规则表和结论表完成，分别如表1～3所示。此法表述简单清晰，易于扩展。

表1 征兆表

表2 规则表

表3 结论表

2.3.2 推理机制

推理机制是影响故障诊断专家系统诊断效率和诊断精度的关键因素，需要设计以下功能模块：黑板，起到信息资源发布、共享、记录的功能，是推理机运行的主要模块；推理机，即推理的方式，解决推理的流程；解释模块，解释专家系统得到诊断结果的依据和过程。常见的推理机制有3种：正向推理、反向推理和混合推理，本文根据数据采用正向推理即可快速、有效地完成故障预测过程，所以只考虑正向推理机制。

3 故障预测系统结构

根据本文采用的故障预测方法，提出一种故障预测系统，其总体结构图如图2所示。

图2 故障预测系统总体结构图

3.1 灰度预测模块

由获得的各测点一段时间内的状态信息，采用灰色预测算法计算未来时间的状态值，并把计算结果传递给专家系统进行推理预测。

3.2 知识管理模块

知识管理模块包括征兆表、规则表和结论表。

3.3 推理机制

推理机制由灰度预测模块获取的状态值生成测点信息，并由知识管理模块获取相应知识进行知识载入和黑板生成，最终由推理模块实现故障预测。在进行故障诊断前，专家系统要预先在系统所运行的计算机内存中载入知识库，其中包括对知识规则的载入，如图3所示。规则载入的模式将决定规则匹配和推理的方法、效能。与故障快速推理相关的规则事实前件、规则结论前件采用位逻辑形式载入。

图3 规则载入流程

规则快速匹配算法采用位与运算模式进行匹配。匹配过程中，程序首先要建立其事实黑板和结果黑板，所谓黑板就是一个数据存储区，事实黑板中存储的是系统检测到的征兆数据，在诊断前需要按照征兆数据内容对事实黑板进行设置。事实黑板设置流程见图4。

图4 事实黑板设置流程

结果黑板与事实黑板类似，不同的是结果黑板记录的是匹配成功后得到的规则结论，在推理前声明即可，若在推理过程中得到结论JN，将结果黑板倒数第N位置为1，未得到结论的置为0。

规则快速匹配算法采用位与运算模式进行匹配，规则快速匹配算法将规则(事实、结论)前件与(事实、结论)黑板按位相与，如图5所示。

图5 规则快速匹配算法

这种简单快速的位与运算保证了推理的快速性和准确性，大大提高了故障诊断系统的诊断效率和诊断速度。推理过程中要兼顾推理速度和推理的完全， 就需要缩小推理过程中对规则的遍历范围，采用浅层推理和深层推理结合的推理模式，可以有效的兼顾推理的速度和完整性。

3.4 结果显示模块

结果显示模块对故障预测结果进行显示，若有故障征兆，模块会给出相应的解释并提供对应的处理策略，由人机界面传递给用户。

4 试验数据分析

本文针对某PLC的物理和应用特点，研究了PLC在高温、高频、高振动的工作状态下的特性，总结和提取了热待机环境下相关电子产品的故障模式，研究并提出故障预测算法，根据算法要求开发相应的故障预测设备，并针对渐发性故障进行故障预测研究。根据获得的电子设备的故障数据信息，建立相应的故障模式库，并形成故障预测知识库，根据性能退化数据进行测试。

下面给出一组故障预测实例，测试数据共有8个通道。建立征兆表如表4，规则表如表5，结论表如表6所示。

表4 专家系统征兆表

表5 专家系统规则表

表6 专家系统结论表

其中通道1和通道7按照性能退化数据进行了模拟，其它通道模拟正常数据，故障预测系统实时获取各通道的数据，通道1与通道7的原始数据与灰色预测结果如图6和图7所示。对比2个通道的原始数据与预测数据，可以发现：通道1在数据平缓区，最大误差0.01，平均误差为0，在数据上升或下降区，最大误差0.005，平均误差0.001；通道7在数据平缓区，最大误差0.007，平均误差为0，在数据上升或数据下降区，最大误差0.01，平均误差0.001。原始数据与预测数据均在小范围内浮动，且误差很小，灰色理论预测数据能够较好地匹配原始数据。

表7表示测试后期通道1和通道7的原始数据与预测数据。

图6 通道1原始数据与预测数据

图7 通道7原始数据与预测数据

时间(0．5h)通道1原始数据通道1预测数据通道7原始数据通道7预测数据︙︙︙︙︙1937．5017．5073．4983．4911947．4957．4893．5073．5121957．4727．4773．5273．5261967．4597．4613．5423．5431977．4457．4443．5583．5581987．4287．4303．5733．5731997．4167．4123．5813．5912007．4027．4013．5973．5982017．3897．3873．6143．610

比较测试后期的数据，可以发现通道1在第200个数据时(100h时)，预测结果已经小于征兆表4中相应的故障征兆值7.4(此时预测值为预测数据的第201个数据)，通道7在第200个数据时，预测结果大于征兆表4中相应故障征兆值3.6，根据专家系统规则表5可知，此时对应故障结论1和结论5。故障预测设备根据判断，最后按照结论表6得到被测对象电源模块及CMOS有故障征兆。30min后测试相应通道，发现通道1数据为7.389，误差为0.002，通道7数据为3.614，误差为0.004，预测结果误差均很小。说明本文采用的二阶故障预测算法，对于具有性能退化特点的渐发性故障能够较好地实现故障预测。

5 结束语

结合电子设备的故障特点，针对渐发性故障的预测提出了一种基于灰色模型与专家系统的在线故障预测方法，并考虑到在线预测的要求对原始的灰

色模型进行了改进，在专家系统的推理部分采用了一种快速匹配算法，提高了推理的快速性和准确性，最后对实际的电子设备进行测试，能够实现对具有性能退化特点的渐发性故障预测，验证了本文提出方法的正确性和有效性。

参 考 文 献

[1] 曹宏炳, 蔡金燕, 黄允华. 电子设备的故障预测方法研究[C]. 中国电子学会第七届学术年会论文集, 2001, 821-822. (Cao Hongbing, Cai Jinyan, Huang Yunhua. The Study on the Methods to Electronics Equipment Fault Prediction[C]. The Seventh Annual Conference Proceedings of Chinese Institute of Electronics, 2001, 821- 822.)

[2] 邓聚龙. 灰色系统基本方法(第一版)[M]. 武汉:华中科技大学出版社, 2005.(Deng Julong. The Primary Methods of Grey System Theory[M]. Wuhan: The Press of Huazhong University of Science and Technology, 2005.)

[3] 张庆振,李清东,任章. 基于故障模式分析的运载火箭发射决策系统推理技术研究[J]. 航天控制, 2006, 24(3):81- 83.(Zhang Qingzhen, Li Qingdong, Ren Zhang. Inference Engine Design for Launching Decision- making Expert System[J]. Aerospace Control, 2006, 24(3): 81- 83.)