小型战术导弹智能测试诊断技术研究*

周玉清,薛小乐,母勇民,黎玉刚

(中国兵器工业第203研究所,西安 710065)

小型战术导弹智能测试诊断技术研究*

周玉清,薛小乐,母勇民,黎玉刚

(中国兵器工业第203研究所,西安 710065)

针对小型战术导弹武器系统,研究测试路径优化、信号采集与处理、数据管理、特征提取、信息融合、模式分类、状态评估、智能判别与决策预示等导弹智能测试诊断技术,正确有效的揭示导弹故障的发生、发展和转移规律,从而为实现小型战术导弹的高效测试、故障精确快速定位,提供理论与技术支撑。

小型战术导弹;诊断;测试

0 引言

近年来,国内外高度重视小型战术导弹的智能测试诊断技术研究,并取得很大进展[1-10]。但是,为实现小型战术导弹的快速诊断与测试,在信号选择和采集、信号处理、特征提取、识别分类、智能决策等研究领域进行多学科交叉渗透中,尚存在许多有待解决的问题:由于测试性设计、测试设备与接口内容、测试点的选择与配置等没有做到与导弹设计同步,这对测试速度和深度有十分重要的影响,因此,单单研究复杂故障的诊断理论方法将很难解决智能化测试与故障诊断问题;目前,虽然BIT(built-in test)或BIST(built-in self test)技术在小型战术导弹系统得到了广泛的应用,但大多仍停留在“系统自检”方面;基于智能和知识的诊断方法,包括模糊理论、神经网络、专家系统、模式识别等,这些方法各具特色,只在一定的条件和场合下有效,还面临着诸如诊断信息不完整、模糊隶属函数的人为确定、专家系统的知识获取困难、征兆和故障对应的歧义性、推理速度慢等问题,限制了这些方法的应用;所需测试的对象多,用单一的人工智能和系统分析方法的各自优点,模拟领域专家思维过程进行决策,已经成为智能化测试诊断的研究方向。当前,小型战术导弹系统组成复杂,故障种类繁多,以至于技术人员感觉越来越难以掌握成千上万条关于故障的知识,只能根据获得的故障现象,利用自己的经验或查阅故障手册进行故障诊断,显然,这种缓慢的、原始的人工测试方式无法满足现在战争瞬息万变的需求。因此,要研究小型战术导弹快速测试诊断关键理论与技术,突破各LRU、SRU故障模式分析、诊断知识库、专家知识库管理和快速故障推理等关键技术,准确和快速测试覆盖未来多种制导模式小型战术导弹的光机电的故障,实现小型战术导弹的高效测试诊断。

1 研究思路与内容1.1 研究思路

从信号采集到故障智能诊断与预示,就信号合理选择、优化测试路径规划、信号采集与处理、数据管理、特征提取、信息融合、模式分类、状态评估、智能判别与决策预示过程,充分利用现有基础,研究开发先进的理论与技术,进行层层把关。研究内容归纳为数据获取、数据分析、状态评估、混合智能决策以及智能化诊断系统技术研究等五项主要任务所需要的理论与技术,如图1所示。其中前四项是第五项实施的理论与技术基础,而且前四项可根据不同任务作交叉、综合运用,从而以多种途径达到小型战术导弹智能测试诊断的目的。

图1 小型战术导弹智能测试诊断技术研究思路

1.2 研究内容

1)状态信息的采集、预处理方法研究

通过信号合理选择、优化测试路径规划、扩充故障信息来源、信息智能筛选等方面的研究,为导弹智能测试诊断提供丰富、精确、可靠的原始数据。

①可测试性技术研究:合理划分LRU,建立各LRU与状态信息的关联关系以及LRU内部的关联模型,优化选择测试接口,获得最能反映各LRU状态或故障的信息。关注数字电路、模拟电路以及模数混合电路的可测试性技术,配置模糊组,确定可测试元件,优化选择各测试点。

②总线状态信息获取技术研究:分析导弹武器系统的总线网络组成方式以及信息流向,研究最佳的总线状态信息测试技术。

③故障注入技术研究:考察导弹不同关键部件故障注入模型,建立故障验证平台。

④状态信息的智能筛选技术:状态的智能测试诊断与信号的质量密切相关,为剔出采集获取的伪数据并提高数据的整体质量,构建了数据采集主动过滤、数据入库自动识别、人工确认为一体的三层质保体系。

2)故障信号特征提取方法及理论研究:导弹故障主要来自于机械(舵机、导引头等)、电路(数字电路、模拟电路、混合电路)、部件性能的退化等。在影响故障确认的诸多因素中,通过现代信号处理方法来提高诊断信息的质量,从而提高故障诊断的准确性与可靠性。选择适当的先进信号分析方法,可为导弹的各种故障发生、发展、预示、诊断提供依据。

3)小型战术导弹状态评估与预测的理论和方法研究

①基于集合经验模式分解(EEMD)和马氏距离的武器性能评估理论研究:集合经验模式分解技术可有效消除模式混叠的影响,提取武器的故障特征,然后结合马氏距离(Mahalanobis distance)判断准则,以实现武器性能的快速评估。

②基于威布尔比例故障率模型的武器性能评估理论研究:在武器状态信号特征提取的基础上,提出基于威布尔比例故障率模型的武器性能评估的新方法。

③基于伪随机噪声信号激励的导弹状态评估技术研究:研究基于伪随机噪声信号激励的导弹状态评估技术原理,考察伪随机噪声信号发生方法,建立导弹状态评估或故障定位模型。

4)混合智能决策技术

①基于集成支持向量回归机(SVM)的智能预测技术:以统计学习理论(SLT)为基础的支持向量机是针对少样本和小样本机器学习的一种方法,研究证明可解决困扰故障诊断领域多年的缺乏足够的故障样本而难以进行模式分类的问题,为智能测试诊断提供了一个新途径。重点研究了集成支持向量机(SVR),建立适合于故障智能预示的快速响应模型,预测故障的发展趋势。

②基于贝叶斯网络的智能预测技术:贝叶斯网络可将故障诊断中存在的大量不确定性信息综合起来处理。贝叶斯网络诊断分析的整个推理过程更符合人的实际诊断思路,不同于以往"由征兆到故障"的层式神经网络诊断。本研究把贝叶斯网络的不确定性推理方法引入到导弹故障诊断中,有效提高诊断信息的利用率,同时为故障的智能快速推理判别开辟了一条新的途径。

③混合智能预测技术研究:为了克服单一的人工智能方法在导弹系统故障快速诊断中的困难,综合研究Bayesian网络、故障树、模糊推理、Petri网络、神经网络、Graphic mode、专家系统、快速推理等基于符号智能和数字小型战术导弹的人工方法,从而对小型战术导弹状态进行合理快速的判断。

5)智能测试诊断系统研究

以上述智能测试诊断关键理论与技术研究为基础,构建小型战术导弹智能化测试诊断平台。

2 研究方法2.1 总体技术方案

研究将采用理论研究、数字分析、试验分析和工程验证相结合的研究方法。具体的研究方案为:

①研究对象:主要包括弹上计算机、舵机、导引头、惯性器件等。它涉及到电路(模拟、数字、混合电路)、机械以及总线的智能和故障诊断的理论与技术。

②“软件-硬件”结合研究方法:分别深入研究导弹信息采集与智能筛选、特征提取、状态评估和智能决策的理论与方法,以及它们的软件实现形式,并同时开展测试系统硬件开发技术研究。两者相辅相成,实现智能测试诊断系统的开发。

③“测试-预示-诊断”的研究思路:即导弹可测试性研究是智能测试诊断的基础;根据历史数据,采用支撑向量机、集合经验模式分解趋势分析法,对状态性能或部件故障预测作为补充;以状态评估理论和方法以及混合决策技术进行故障诊断;三位一体,实现导弹快速诊断与测试。

④“两步走”研究策略:基于先进的故障特征提取技术,基于集合经验模式分解和马氏距离、威布尔比例故障模型的导弹状态评估技术,基于集成支撑向量机的导弹故障预测技术等方面,从导弹的可测试性技术研究着手,为导弹的快速诊断与测试开辟一种新的途径,这为第一步研究策略;通过上述研究方法,获取的故障特征显然丰富了故障知识库或专家系统,然后研究快速推理方法,可实现故障快速定位,这为第二步研究策略。

⑤建立故障注入试验平台,并利用现有的试验装置和条件进行多种故障的试验研究,分析总结开发方法的特点和适用对象,并对方法和软件进行反复检验和改进,达到目标要求。2.2 具体研究方法

1)状态信息的获取和处理方法

①紧跟小型战术导弹设计过程,合理划分弹上各重要RLU(导引头、弹上计算机、惯性器件),做出其关联图,并进行测试点和测试接口优化选择与布置,以便系统级和芯片级测试。

②舵机无传感器信息获取技术:通过规划测试曲线,产生不同的自激励信号,根据获取的指令信息和电位计反馈信息,实现舵机控制系统动态特性评估。

③总线状态信息获取技术研究:总线系统交联关系比较复杂,系统一旦出现故障,将很难对其定位与排除。拟采用总线数据监视技术、总线时延测试技术、总线故障注入技术,实现总线关键状态信息的获取。

④故障注入技术:根据导弹的结构属性,建立统一的故障特征向量矩阵,使其能够表征导弹关键部件的故障信息,并以此建立导弹故障注入试验平台。

2)基于S变换的故障特征提取技术

由于S变换所获得的时频分布图并不能定量的给出导弹故障特征,不便于故障特征的提取;通过在S变换的时频域内对信号进行分析,利用奇异值分解技术进行数据压缩并提取特征,可有效地实现导弹机械装置(如舵机、各种类型的电路等)的故障识别。

3)状态评估与预测的理论与方法研究

①基于集合经验模式分解(EEMD)和马氏距离的武器性能评估理论研究

在对状态信号进行经验模式分解(EMD)之前,在信号中添加一定能量比例的噪声信号,可大大降低模式混叠的影响,更能准确的提取导弹的主要特征,然后结合小型战术导弹故障库信息,通过马氏距离准则,判断系统是否出现故障。其优点在于可以对导弹关键部件电路和机械故障进行评估,并且EEMD的残余项可用于信号的趋势分析。

②基于威布尔比例故障率模型的武器性能评估理论研究

在集成失效数据性能建模技术和状态信号特征提取的基础上,提出基于威布尔比例故障率模型进行性能评估的新方法。该方法可以把底层信息与高层信息之间建立联系,适合小型战术导弹性能参数的估计,以实现小型战术导弹状态信息的评估。

③基于伪随机噪声信号激励的导弹状态评估技术研究

研究表明伪随机噪声信号(pseudorandom noise,PRN)作为模拟电路诊断激励信号,正常状态和故障状态下输出响应之间的残差信号反映了电路处于不同的故障状态,因此,通过电路的状态观测,并利用信号分析方法可实现电路的故障定位。该方法进行故障诊断时仅需要输入端口和输出端口两个测试节点,并且不需要进行多次测试,适合工程化应用。

4)基于集成支持向量回归机的智能预测技术

采用集成支持向量机的方法来对惯性器件性能进行预测,其原理如下:首先构造多个利用较少数据样本学习而保证故障智能分类器错误率最小的核心算法和支持向量回归机的核心算法;其次,对不同的核进行筛选,选择较适合惯性器件性能预测的核;最后,对这些核进行优化集成,构造最能适合惯性器件性能预测的核,以实现惯性器件性能预报的正确率。

5)智能测试诊断系统研究

①为了克服单一的人工智能方法在导弹系统故障预测中的困难,综合研究了Bayesian网络、模糊推理、Petri网络、神经网络、Graphic mode、专家系统、快速推理等基于符号智能和数字智能的人工方法,为导弹故障快速诊断奠定了坚实的基础。

②研究高速多路并行采集和处理技术、多用途适配器,为导弹智能测试诊断提供硬件技术支持。

③进行通用智能化的自动测试软件开发环境技术研究,该软件包括仪器驱动模块、TPS(测试程序集)模块、数据处理模块、故障快速诊断模块、数据显示及管理模块,自动测试软件环境将这些通用模块进行封装,从而提高其可靠性、可维护性、编程效率。

④深入研究导弹BIT集成技术和无障碍测试技术,其涉及两个对象的内容:其一,对于正在研发的或改进的导弹,在设计阶段就要考虑BIT系统与武器系统一起进行设计,提高导弹固有的状态监测与故障诊断能力;其二,对于智能测试诊断系统仍需嵌入BIT技术,提高测试系统本身的可靠性。

3 结论

随着小型战术导弹结构与性能的提高,迫切需要面向现在和未来的智能测试诊断技术的支撑,通过深入研究,将形成小型战术导弹智能测试诊断关键理论与技术体系,从而为小型战术导弹智能测试诊断奠定了基础。

[1] 邵云峰, 彭涛. 地空导弹综合测试技术发展及展望 [J]. 现代防御技术, 2012, 40(5): 1-7.

[2] 李树盛, 魏清新, 李祺, 等. 基于导弹总体效能的设计试验保障一体化测试技术 [J]. 计算机测量与控制, 2013, 21(6): 1412-1414.

[3] 代京, 安茂春, 张平, 等. 导弹智能诊断测试系统设计 [J]. 测控技术, 2008, 27(10): 10-13.

[4] 秦文娟, 王魁. 基于TEAMs软件的空空导弹测试性建模方法 [J]. 弹箭与制导学报, 2011, 31(5): 44-46.

[5] 丛林虎, 徐廷学, 杨继坤, 等. 导弹退化故障预测方法研究 [J]. 电光与控制, 2014, 21(5): 78-82.

[6] 李东兵, 马艳, 潘鸿飞, 等. 战术导弹综合故障诊断技术研究 [J]. 战术导弹技术, 2011(4): 42-46.

[7] 黎奇志, 胡国平. 基于故障特征信息熵的故障诊断策略优化方法 [J]. 计算机应用, 2012, 32(4): 1064-1066.

[8] HU Changhua, WANG Qing, CHEN Xinhua. Fuzzy neural network based on competitive learning and its application to fault diagnosis of missile [J]. Journal of Astronautics, 1999, 20(4): 99-103.

[9] SHAMES Soheil. Neural network optimization for multi-target multi-sensor passive parking [J]. Proceeding of the IEEE, 1996, 84(10): 1442-1457.

[10] DEB Somnath, PATTIPATI Krishn R, RAGHAVAN Vijay, et al. Multisignal flow graphs: A novel approach for system testability analysis and fault diagnosis [J]. IEEE Aero Space and Electronic Systems Magazine, 1994, 10(5): 361-373.

Investigation on Intelligent Testing and Diagnostic Technology for Small Tactical Missile

ZHOU Yuqing,XUE Xiaole,MU Yongmin,LI Yugang

(No.203 Research Institute of China Ordnance Industries, Xi’an 710065, China)

For small tactical missile weapon system, test path optimization, signal acquisition and processing, data management, feature extraction, information fusion, pattern classification, condition assessment, intelligent discriminant and decision prediction in intelligent test and diagnostic technology were profoundly investigated. And missile fault occurrence, development and transfer rule were revealed correctly and effectively. Therefore, it provides theoretical and technical support for efficient testing, quick and accurate fault diagnosis of small tactical missile.

small tactical missile; diagnosis; test

2015-06-17

周玉清(1978-),男,安徽临泉人,高级工程师,博士,研究方向:武器系统综合测试技术。

TP302

B