基于BAM和FTA在车长周视指挥镜系统故障诊断专家系统的应用研究

李英顺，赵玉鑫，王占峰

（1.沈阳工业大学 化工过程自动化学院，辽宁 辽阳111003；2.沈阳工业大学 信息科学与工程学院，辽宁 沈阳110870）

基于BAM和FTA在车长周视指挥镜系统故障诊断专家系统的应用研究

李英顺1，赵玉鑫1，王占峰2

（1.沈阳工业大学 化工过程自动化学院，辽宁 辽阳111003；2.沈阳工业大学 信息科学与工程学院，辽宁 沈阳110870）

文中对车长周视指挥镜系统的故障进行了深入了解与研究，提出了一种基于BAM神经网络和FTA相结合的诊断方法，利用故障树分析法建立各个分系统的故障树，使用最小割集对系统进行分解，生成BAM神经网络的训练样本。设计出一种权值矩阵的方法，克服了BAM神经网络数据样本冗余的问题，提高了BAM神经网络的训练效率以及收敛速度。应用该方法对某型坦克的车长周视指挥镜系统进行故障诊断，结果表明：该系统能够对故障进行准确定位，提高了故障诊断效率。

车长周视指挥镜系统；双向联想记忆神经网路；故障树分析法；故障诊断

车长周视指挥镜作为坦克的重要组成部分，也是损坏率极高的部件和更换维修费用最高部件之一。车长周视指挥镜的组成部件比较多，构造比较复杂，一但发生故障，不易快速找到故障的位置给出维修建议，将会导致整台坦克停止运行，造成巨大的损失。因此，对车长周视指挥镜系统进行监测以及故障诊断，对降低部队维修费用，提高坦克性能具有重要意义。例如文献［1］提出的基于BAM网络的坦克火控系统在线诊断方法，以坦克的火控系统为研究对象，利用层次分析法建立系统故障模型，用最小割集对系统进行分解，生成训练的BAM网络，优化了BAM网络，收敛速度有所提高。故障树分析法大部分应用于机车发动机故障诊断，应用在坦克车长周视指挥镜故障诊断时，由于车长周视指挥镜系统的故障树的知识库比较大，故障树最小割集的规则数目会较多，导致规则提取数据时速度变慢，无法及时给出诊断结果。BAM神经网络经常用在多故障诊断系统中，但应用在车长周视指挥镜系统故障诊断是，由于需要大量的训练样本，对样本的遍历性、相容性等要求较高，如果单纯的人工工作实现较为困难。文中通过将FTA和BAM神经网络的结合，能够对故障做出正确的判断，并且诊断快速，效率高。故障树分析法能够处理系统出现的故障现象，除去荣誉的故障数据，为BAM神经网络提供独立的正交性样本。这样既可以消除使用单一FTA方法时无法快速诊断的问题，也可以消除BAM神经网络的训练样本整理困难的问题，实现故障的正确判断，诊断快速，效率高。

1　基于BAM和FTA的故障诊断专家系统

在车长周视指挥镜故障诊断系统中，是以BAM神经网络作为系统的核心，FTA为BAM神经网络提供数据的预处理，以及整理提供给神经网络的样本数据。故障诊断的结构，首先，FTA模块，FTA对故障事件进行编码，为BAM神经网络提供训练样本并储存在样本库中；然后建立故障知识库储存故障诊断中的关联数据，利用联想记忆得出诊断结果；最后通过解释器给出用推理的结论，即诊断结果。

1.1车长周视指挥镜系统故障树的建立与分析

1.1.1故障树分析法

故障树分析法（Fault Tree Analysis，FTA）是沃森和默恩在开发民兵式导弹发射控制系统时创建的，是一种依据图表将系统的故障形式按照树的结构逐级表示出来，把所有所研究系统中的最不希望发生的故障状态作为顶事件，将其一步步的分解，直至不能分解，将其作为底事件，故障树建立完成。由于其结构的特点，故障树可以有效的可靠的对系统进行故障的检测以及诊断。

1.2.2车长周视指挥镜系统故障树的建立

通过查找使用规则手册、专家经验以及对车长周视指挥镜系统的分析和故障的特点。确定车长周视镜指挥镜系统的主要故障部件有车长操纵台故障、车长专用电源盒故障、车长控制盒故障、稳像系统故障以及激光器故障。车长周视指挥镜的所有故障树的顶事件如图1所示。其中车长周视指挥镜系统的车长操纵台故障树结构框图如图2所示。

图1　车长周视镜系统顶事件故障树

图2　车长操纵台故障树模型

表1　图2的符号意义

图2中的符号意义如表1所示。

故障树建立完成后，对故障树进行分析，确定结构函数，求最小割集。最小割集的计算方法可以分为上行法和下行法。文章中运用下行法，从故障树的顶事件触发，自上而下，将上一级的事件置换为下一级事件，如果是与门，就将上级事件横向并列写出，如果是或门，就将上级事件竖向串列写出，将所有逻辑门全部置换为底事件为止。

图3的结构函数为：

得出图2的最小割集：

根据结构函数和最小割集，将图2车长操纵台故障树转化为如图3所示的结构。

图3　改进后的故障树

图3中，G1=A∪B∪G，G2=B∪F，G3=C∪D∪I∪J∪K，G4= D∪H，G5=E∪L，G6=E∪M∪N，G7=E∪O∪P，G8=E∪O∪Q，G9=E∪O∪R，G10=E∪O∪S.

1.2BAM神经网络

联想记忆模型是一种具有信息存储和联系的能力，常用在神经网络模型中。1987年 Kosko提出了双向联想记忆（BAM）的概念，是通过单层的Cohen-Grossberg模型进行概括的，是两层的非线性的而神经网络。BAM神经网络的拓扑图如图4所示，其中，Fa表示输入的神经元域，有n个神经元节点，W是输入神经元到输出神经元的权值矩阵；Fb输出神经元域，有m个神经元节点，WT是输出神经元到输入神经元的权值矩阵。

图4　BAM神经网络的拓扑图

BAM神经网络训练步骤如下：其中，假设P是输入，Q是输出，则

第一步：输入信号Pt-1，权重W，其的输出结果存入Q；

第二步：输出向量Q的传递函数为fq，经过变换后得到qt-1：qt-1=fp（qt-1W）；

第三步：输出qt-1加权重 WT，反馈给输入向量Pt；pt=fp（qt-1WT）

第四步：以此类推，直到足够多次的训练后，p（t）和q（t）保持稳定状态。

对于含有N个输入样本的BAM神经网络，其权值矩阵W为：

由于在实际的应用中，输入样本均为二值向量（0，1）表示，那么对于样本经权值矩阵W以及传递函数fq转换后，取值始终为1，W矩阵没有起到作用，难以达到稳定状态。因此引入双极化向量（-1，+1）取代二值向量，使系统较快的达到稳定状态。

2　BAM和FTA故障诊断的实现

故障诊断的效率取决于权值矩阵W，若样本维数较多，W抑制的效果就会较差，BAM神经网络很难到达稳定状态，即无法快速诊断故障的位置，因此取值矩阵以及样本维数最小化成为关键问题。对于两两正交的输入样本Ri，权值矩阵W、WT由式（2）（3）得到，对于输入样本而言，只需输入Ri时，能够正确的对应Si即可。因此，

由图3车长操纵台故障树，根据下行法，求出最小割集｛p1｝，｛p2｝，｛p3｝，｛p4｝，｛p5｝，｛p6｝，｛p7｝，｛p8｝，｛p9｝，｛p10｝，转换后的故障树如图4所示，根据最小割集建立故障表，如表2所示。

表2　故障表

其中，q1表示车长专用电源盒的稳像电源电路板故障；q2表示车长操作台的编码电路故障；q3表示车长控制盒的混合放大电路板故障；q4表示车长操纵台损坏或是YG组件故障；q5表示激光计数器故障；q6表示车长专用电源盒的激光电源电路板故障；q7表示氙灯不放电，检查氙灯；q8表示氙灯放电但是无激光；q9表示放大器故障；q10表示计数器故障。

按照式（4）使用双极化向量得到（RN，SN），权值矩阵W为：

经过计算，该方法所得到的诊断结果与系统故障的位置相匹配，因此其可以满足检查系统故障的要求，并且诊断的速度快，系统比较稳定。

3　结　论

文章中提出了一种基于BAM神经网络和故障树分析法相互融合的车长周视指挥镜的故障诊断方法。是运用故障树分析法对样本进行获取，通过BAM神经网络对样本数据进行训练，使训练数据消除冗余性。使用两种方法的结合，不仅避免了训练数据的盲目性，也提高了诊断的速度和准确性，解决了专家系统中知识获取难的问题。利用BAM-FTA导出诊断规则的结论，对应故障树的顶事件，确保选择的故障树是需要进行诊断的故障树，求出故障发生的所有最小割集，亦即导致故障发生的所有原因。应用结果表明，此方法能够有效诊断出故障的位置，方法是可行的。

［1］公丕平，杨小强，崔忠清，等.基于BP神经网络的某型装备故障诊断专家系统［J］.信息技术，2012，41（5）:125-126.

［2］Kok Yeng Chen，Chee Peng Lim，Weng Kin Lai.Application of a neural fuzzy system with rule extraction to fault detection and diagnosis［J］.Journal of Intelligent Manu-facturing，2005，16，679-691.

［3］李英顺，姜双双，佟维妍，等.基于RETE及FTA的故障诊断专家系统在综合传动装置中的应用研究 ［J］.制造业自动化，2013，38（8）：146-150.

［4］FA Bo，YIN Yi-xin，FU Cun-fa.The bidirectional associative memory neural network based on fault tree and its application to inverter's fault diagnosis［C］.IEEE，2009:209-213.

［5］Jaddi Najmeh Sadat，Abdullah Salwani.Nonlinear great deluge algorithm for rough set attribute reduction［J］.Journal of Information Science and Engineering，2013（29）:49-62.

［6］LIU Yang，LAN Cong-Hua，TANG Zhan-Hong.Value reduction algorithm based on attribute union［J］.Advanced Materials Research，2014（926）:3718-3721.

Research and application of fault diagnosis expert system for tank commander panoramic based on BAM and FTA

LI Ying-shun1，ZHAO Yu-xin1，WANG Zhan-feng2
（1.School of Chemical Process and Automation，Shenyang University of Technology，Liaoyang 111003，China；2.School of Chemical Process and Automation，Shenyang University of Technology，Shenyang 110870，China）

Failures for tank commander panoramic system was understood and studied on this article，a new fault diagnosis technology based on BAM neural network theory and FTA，established fault tree by using fault tree analysis theory.Then the minimal cut set method was used to decompose the system and obtain learning sample.A method of generating the weighted matrix was proposed，it can reduce learning sample of redundancy，improve the training efficiency and speed up convergency. At last the issue presented an example to illustrate the application，the result showed that the new method could carry on the accurate positioning of the fault and it was effective to solve these issues.

tank commander panoramic system；bidirectional associative memory neural network；fault tree analysis；fault diagnosis

TN2

A

1674-6236（2016）16-0022-03

2015-08-11稿件编号：201508048

辽宁省自然科学基金项目（2014020115）

李英顺（1971—），女，辽宁辽阳人，博士，教授。研究方向：模式识别与智能系统、故障诊断与专家系统。