基于RBF神经网络的火炮修后水弹试验故障诊断技术研究

张泽峰,傅建平,苗建松,赵志江

(1.军械工程学院 火炮工程系，河北 石家庄 050003；2.山西农业大学 信息学院机电工程系，山西 太谷 030800；3.驻国营763厂军代室，山西 太原 030000)

基于RBF神经网络的火炮修后水弹试验故障诊断技术研究

张泽峰1,傅建平2,苗建松3,赵志江3

(1.军械工程学院 火炮工程系，河北 石家庄 050003；2.山西农业大学 信息学院机电工程系，山西 太谷 030800；3.驻国营763厂军代室，山西 太原 030000)

快速、准确地对火炮修后水弹试验评估与诊断是火炮水弹试验的重要环节。基于火炮结构原理，对火炮水弹试验故障树进行分析，在把握火炮水弹试验故障总体原因基础上，建立了基于RBF神经网络的火炮水弹试验故障诊断模型，并以某新型火炮水弹试验为例，对人工设置的故障进行了故障诊断，诊断结果表明了所建立诊断模型的正确性，以及诊断结果的可信性，该诊断模型可应用于火炮水弹试验工程实践。

火炮；故障诊断；故障树；RBF神经网络；水弹试验

火炮在大修、中修后需要进行水弹试验来检验火炮修理质量，只有水弹试验检验合格的火炮，部队方可进行射击与训练[1]。若水弹试验检验不合格，需要返厂重新对火炮进行维修，并修后再次进行水弹试验。火炮水弹试验评估与诊断是火炮水弹试验的重要内容，如何快速、准确地找到火炮水弹试验故障发生的部位与原因，是火炮试验技术人员亟需解决的技术难题。故障诊断方法可分为基于数学模型、信号处理和人工智能诊断等方法[2-4]。火炮结构相对复杂，故障具有层次性、相关性、多样性和偶然性等特点[5]。笔者以火炮水弹试验为研究对象，采用故障树分析方法对火炮反后坐装置的故障进行定性分析，总体把握火炮可能出现的故障；然后采用人工神经网络智能诊断的方法对火炮反后坐故障进行定量诊断，得到火炮水弹试验具体故障部位和故障原因，从而指导维修人员制定维修方案。

1 火炮修后水弹试验及其常见故障

1.1 火炮修后水弹试验原理

火炮水弹试验就是在较小的试验场地内，用一定质量的水代替弹丸，在全装药射击下，使火炮做后坐与复进运动，模拟实弹射击效果，以此来检验火炮的技术状态[6]。火炮水弹试验原理如图1所示。试验前，将特制的木塞从后方置入坡膛，从炮口装入一定质量的清水，后部装填带全装药的药筒。发射时，发射药燃烧产生的高温高压气体将水弹，包括木塞和水，高速推出身管，同时产生的炮膛合力使火炮做后坐与复进运动。

1.2 火炮修后水弹试验常见故障

火炮修后水弹试验要求火炮后坐距离在规定的正常后坐距离范围内，并平稳复进到位。火炮的后坐距离和复进到位速度是衡量火炮后坐与复进运动正常与否的主要特征量。根据火炮后坐距离，火炮后坐故障可分为后坐过长或后坐过短的两种故障，其中后坐过长容易损坏火炮机件，并产生翻

炮事故；后坐过短则易产生无法开闩等情况。根据复进到位速度大小，火炮复进故障可分为复进过猛与复进不足两种故障，其中复进过猛会影响火炮射击精度，复进不足则易产生复进不到位、抽筒无力等情况。火炮水弹试验中一旦出现上述故障，须停止试验，分析并排除故障后方可继续试验。火炮水弹试验故障如图2所示。

2 火炮修后水弹试验故障定性分析

火炮结构相对复杂，修理过程较难控制，难以保证完好的修理质量。当火炮水弹试验发生故障时，通常先从火炮结构与修理范围进行故障原因定性分析，找到所有可能出现的故障原因；再进行火炮运动机理分析，找出其具体的故障原因。

故障树分析法，从火炮总体至局部按树状逐层细化，直到找出导致故障发生的全部原因，它用特定符号来表征装备故障之间的因果关系，是装备安全性、可靠性和故障诊断的重要方法之一[7]。笔者基于火炮结构原理，查阅相关技术文献，建立了火炮水弹试验故障相应的4个子故障树[8]，即后坐过长故障树、后坐过短故障树、复进过猛故障树与复进不足故障树。受篇幅限制，只列出火炮后坐过长子故障树，如图3所示。

后坐过长故障树清晰反映了各个零部件与火炮试验故障之间的逻辑关系。由故障树可看出，致使后坐过长的原因很多，但其根本原因是火炮后坐阻力偏小，具体原因可能为制退机内制退液质量与液量不符合要求，以及制退机节制环、节制杆调速筒铜衬套等内部磨损等，为后续故障定量诊断确定了诊断范围。

3 火炮修后水弹试验故障定量诊断

故障树分析法虽明确了故障的所有原因，但不能确定故障具体部位，还需要进行定量的分析。火炮经过修理，水弹试验前又进行了严格检查，后坐指示标尺指示异常等外部故障容易排除，而密封件等内部机件磨损没及时更换，也会引起火炮水弹试验故障。为抓住问题重点，笔者只针对制退机漏液、复进机漏气和节制环磨损等故障原因进行定量分析，即通过火炮水弹试验时的后坐复进位移、速度与复进机压力等测试数据，来判断漏液量、漏气量及磨损量。

3.1 火炮修后水弹试验故障诊断模型

分析水弹发射的过程以及火炮的运动规律，建立火炮修后水弹试验故障诊断模型，为下一步神经网络的训练提供样本数据以及测试已建好的神经网络的准确性。

为建模方便，对火炮水弹试验受力和运动状态作如下假设：

1)火炮和地面为绝对刚体。

2)火炮置于坚硬水平地面，忽略弹丸回转力矩的影响，并认为所有的力作用在射面内。

3)射击时全炮处于平衡状态。

可建立火炮水弹试验时火炮后坐运动模型为

(1)

其故障诊断模型中火炮复进运动模型为

(2)

式中：u为复进速度；Fφfy为复进液压阻力；ξ为复进行程；Af为复进机活塞工作面积；p0为复进机气体初压；W0为气体初始容积；λ为复进总行程；k为气体绝热系数。

3.1.1 制退机漏液

制退机内皮圈、石棉绳等密封件长期受高低压及摩擦力的作用，不断磨损而损坏，修理中不换件，容易产生漏液。制退机漏液后会使制退机工作腔内出现一段真空，真空消失前，制退机液压阻力为0[9]，导致后坐过长和复进过猛。设制退机漏液体积为ΔV，则制退机真空长

(3)

此时制退机液压阻力为

(4)

3.1.2 复进机漏气

复进机密封装置长期工作，因失效会导致漏气，复进机气体初压降低，复进机力减小，从而导致后坐过长和复进不足。设复进机漏气量为Δpf 0，此时复进机力为

(5)

3.1.3 节制环磨损

在气蚀磨损、冲蚀磨损、化学腐蚀和热作用等的相互作用下，节制环容易出现磨损，致使液压阻力减小，易出现后坐过长故障。

设节制环磨损量为Δdg，此时节制环面积为

(6)

由上分析可知：节制环磨损量Δdg,制退机漏液量ΔV和复进机漏气量Δpf 0这3种故障原因与火炮后坐位移xmax、最大后坐速度vmax和复进到位速度vfmax3种故障现象之间存在关联的非线性的隐含关系，即：

(7)

3.2 火炮修后水弹试验RBF故障诊断方法

径向基函数RBF网络是一种性能良好的前向网络，学习速度快，并且不存在局部极小值问题[10]，可应用于火炮水弹试验故障诊断。RBF神经网络的结构与多层前向网络类似，是一种三层前向网络，由感知单元组成的输入层、计算节点的隐含层和计算节点的输出层组成[11]，其拓扑结构如图4所示。

RBF网络从输入层到隐含层空间的变换是非线性的，而从隐含层空间到输出层空间变换是线性的。输入层仅仅起传输信号的作用；隐含层对激活函数的参数进行调整；输出层则是对线性权进行调整。

火炮修后水弹试验故障诊断中，以后坐位移xmax、

最大后坐速度vmax和复进到位速度vfmax这3个测试值作为RBF神经网络的输入信号，节制环磨损量Δdg,制退机漏液量ΔV和复进机漏气量Δpf 0等3种原因作为RBF神经网络的输出信号，构建RBF网络，即该网络输入层神经元有3个，输出层的神经元有3个。

3.3 火炮修后水弹试验RBF故障诊断流程

RBF神经网络诊断流程分为神经网络样本采集、样本训练和模型验证3步。首先获取训练神经网络所需的样本，然后通过训练，找出水弹试验故障现象与原因的内在规律；最后利用已知故障数据验证所建立的内在联系的正确性和有效性。

1)样本采集。神经网络需要大量训练样本确保网络准确性。火炮修理质量总体上是有保证的，火炮水弹试验出现故障很少，难以收集大量故障样本。工程实践中，通常采用理论仿真计算样本来替代实际故障样本，以此作为神经网络的训练样本。具体方法为：将Δdg、ΔV和Δpf 03个故障原因特征量分别在各自的取值范围内等间隔取10个值，代入故障诊断模型式(7)中计算出火炮的xmax、vmax和vfmax，从而得到10×10×10=1 000组样本数据。

2)样本训练。从1 000组样本中取980个样本，利用RBF神经网络模型训练，摸索出故障现象与故障原因之间的内在关系。其训练误差响应曲线如图5所示，其训练精度达到9.307 79×10-5。

3)模型验证。从1 000组中，取3组不同类型故障，如表1所示，通过已知故障来验证RBF网络诊断模型的正确性和有效性，诊断结果如表2所示。

表1 设置故障

表2 RBF网络计算结果

从表2可知，故障诊断值与故障设量值基本吻合，误差较小，表明故障部位与故障原因诊断结果正确；故障诊断精度较高，从而证明所建故障诊断模型的正确性，所建故障诊断模型可应用于火炮水弹试验的故障诊断工程应用。

4 火炮修后水弹试验故障诊断实例

某新型自行火炮修后进行水弹试验，结合试验对后坐时间、后坐位移等进行测试，测试结果如表3所示。

表3 某型火炮水弹试验测试结果

从修理工厂获悉，该火炮反后坐装置内的节制环为更新件，同时在该炮水弹试验后对反后坐装置气液量重新测试。应用所建神经网络模型对表3中的数据进行诊断，诊断结果如表4所示。

表4 某型火炮故障诊断结果

由表4可知对该炮试验后测试值与故障诊断值基本吻合，误差较小。综上所述，笔者所建故障诊断模型适用于火炮反后坐装置故障的工程应用。

5 结束语

笔者以某火炮水弹试验为研究对象，运用故障树分析法对其进行故障诊断定性分析，定性得出水弹试验故障的故障原因。在此基础上，建立了火炮水弹试验故障诊断模型，基于RBF神经网络进行了定量的分析与诊断。结果表明，该方法可用于火炮水弹试验的故障诊断。由于本文所用方法需要有足够的训练样本才能保证诊断结果可靠性，目前缺乏火炮故障分析所用的大样本数据，故需要不断积累，从而不断提高故障诊断效率，以便更好地服务于部队。

References)

[1]傅建平，张泽峰，余家武，等.火炮修理后水弹试验内弹道设计方法研究[J]. 兵工学报,2015,36(12)：2381- 2385. FU Jianping,ZHANG Zefeng,YU Jiawu,et al.Research on the internal ballistics design method of water-projectile test after gun repaired[J] Acta Armamentarii,2015,36(12)：2381-2385.(in Chinese)

[2]傅建平，张晓东，张培林.基于改进遗传算法的反后坐装置故障诊断方法[J].火炮发射与控制学报，2007 (2):69-72. FU Jianping,ZHANG Xiaodong,ZHANG Peilin. Fault diagnosis method of recoil mechanism based on improved genetic algorithm[J].Journal of Gun Launch & Control， 2007 (2):69-72.(in Chinese)

[3]张培林.自行火炮油液光谱分析研究[D].南京：南京理工大学，2003. ZHANG Peilin. Spectral analysis of self propelled gun oil[D].Nanjing: Nanjing University of Science and Techno-logy,2003. (in Chinese)

[4]贾长治，王兴贵,龚烈航.基于虚拟样机技术的火炮故障仿真及应用研究[J].机械工程学报，2004,40(9)：89- 94. JIA Changzhi,WANG Xinggui, GONG Liehang. Fault simulation and application research of gun based on virtual prototype technology[J]. Journal of Mechanical Enginee-ring, 2004,40(9)：89-94. (in Chinese)

[5]吴军.火炮状态智能诊断技术研究[D].南京：南京理工大学，2013. WU Jun. Research on intelligent diagnosis technology of gun state[D].Nanjing: Nanjing University of Science and Technology,2013. (in Chinese)

[6]傅建平，吕世乐，郑立评，等．火炮水弹试射内弹道分析研究[J].军械工程学院学报，2014，26(2)：21-24 FU Jianping,LYU Shile,ZHENG Liping,et al. Study on the ballistic missile test of artillery projectile[J]. Journal of Ordnance Engineering College，2014，26(2)：21-24(in Chinese)

[7]张金玉，张炜.装备智能故障诊断与预测[M]. 北京：国防工业出版社，2013:31-35. ZHANG Jinyu,ZHANG Wei.Equipment intelligent fault diagnosis and prediction[M].Beijing: National Defence Industry Press，2013:31-35. (in Chinese)

[8]秦俊奇.大口径火炮故障分析与故障预测技术研究[D].南京：南京理工大学，2005. QIN Junqi.Fault analysis and fault prediction technology research of large caliber gun[D].Nanjing: Nanjing University of Science and Technology,2005. (in Chinese)

[9]李三群，郭英军，陶辰立.漏液对火炮性能的影响仿真及灵敏度分析[J].火炮发射与控制学报，2005(2):25- 29. LI Sanqun,GUO Yingjun,TAO Chenli.Simulation and sensitivity analysis of the effect of the leakage on the performance of the gun[J].Journal of Gun Launch & Control， 2005(2):25-29.(in Chinese)

[10]郭涛，黄波.基于神经网络的某鱼雷保障设备故障预测方法[J].兵工自动化,2013,32(5):85-90. GUO Tao, HUANG Bo. Fault predication method of an equipment for torpedo guarantee based on neural network[J].Ordnance Industry Automation,2013,32(5):85-90. (in Chinese)

[11]韦艳玲.一种改进的RBF神经网络在预测虫害中的应用研究[J].科学技术与工程，2013,13(1)：136-156. WEI Yanling.Application research on improved RBF neural network in pests forecast[J]. Science Technology and Engineering，2013,13(1)：136-156. (in Chinese)

Research on the Fault Diagnosis Technology of the Water-projectile Test Posterior to the Gun Repair

ZHANG Zefeng1, FU Jianping2, MIAO Jiansong3, ZHAO Zhijiang3

(1.Artillery Engineering Department, Ordnance Engineering College, Shijiazhuang 050003, Hebei，China;2.Department of Mechanical and Electrical Engineering, College of Information,Shanxi Agricultural University, Taigu 030800,Shanxi，China; 3.No. 763 State-Owned Factory Presentation Room, Taiyuan 030000, Shanxi，China)

The rapid and accurate detection and fault diagnosis posterior to the gun repair is an important link in the gun water-projectile test. The gun water-projectile test fault tree was built based on gun structure principle, which is conducive to the overall grasp of the fault of gun. The fault diagnosis mo-del of artillery water bomb test was established based on RBF neural network. With the aid of a new type of gun water-projectile test, fault diagnosis was conducted in terms of the artificially set defects. The diagnostic results show that diagnosis model built in this paper is correct, and that considering the reliability of diagnostic results, the diagnosis model can be applied to the gun water-projectile test in engineering practice.

gun; fault diagnosis; fault tree; RBF neural network; water-projectile test

10.19323/j.issn.1673-6524.2017.01.019

2016-06-04

张泽峰(1991—)，男，硕士研究生，主要从事火炮检测与诊断技术研究。E-mail：972653865@qq.com

TP183；TP277

A

1673-6524(2017)01-0095-06