舰船装备电子电路故障区域节点跟踪定位方法

梅 杰，高 峰

(湖北工业大学工程技术学院，湖北 武汉 430068)

0 引 言

近年来，舰船内部安装的电子装备越来越多，为舰船航行提供便利[1]，但却加大了电子装备电路维修的难度，影响舰船航行的安全性。电子电路故障区域节点跟踪定位方法可帮助维修人员快速、精准地找到故障区域节点，及时维修故障元件，为舰船安全航行提供有力保障[2]。胡创业等[3]利用辐射能谱仪模拟电子电路，采集电子电路不同状态下的电路信息，支持向量机依据不同状态下的电路信息进行故障区域节点跟踪定位。该方法的故障区域节点跟踪定位精度为76%。高校平等[4]建立存在故障距离与过渡电阻的时域方程组，同时通过最小二乘法求解该时域方程组，得到故障定位跟踪定位结果。该方法具备较高的故障跟踪定位精度。但这2 种方法均受电子电路的量纲影响，并未考虑电子电路不同故障特性间的联系，无法排除故障变量间相关性的干扰。为此，以改进马氏距离为基础，研究舰船装备电子电路故障区域节点跟踪定位方法，精准跟踪定位故障区域节点。

1 电子电路故障区域节点跟踪定位

利用经验模态分解(empirical mode decomposition，EMD)在舰船装备电子电路原始数据内，提取不同状态下舰船装备电子电路的故障特征，但EMD 提取故障特征时，存在端点效应问题[5-6]。为此，通过最小二乘支持向量机(least square support vector machine，LSSVM)，延拓处理不同状态下舰船装备电子电路的原始数据，并将延拓处理后的数据输入至EMD 内，提取故障特征，解决端点效应问题[7]。采用改进马氏距离算法，计算未知故障特征与已知故障集间的马氏距离，以马氏距离为故障区域节点跟踪定位的依据，实现故障区域节点跟踪定位。

1.1 基于EMD 的舰船装备电子电路故障特征提取

利用EMD 在舰船装备电力电路原始数据x(t)内，提取不同状态下舰船装备电子电路故障特征，具体步骤如下：

1) 确定全部舰船装备电子电路原始数据的全部局部极值点a(t)，共包含2 种类型，分别是极大、小值点，记作amax(t)与amin(t)。

2) 通过三次样条线分别连接amax(t)与amin(t)，获取上、下包络线qup(t)，qdown(t)。qup(t)与qdown(t)内包含全部舰船装备电子电路原始数据点。令qup(t)与qdown(t)的均值是q1(t)。

3) 在x(t)内去掉q1(t)获取新的数据z1(t)，公式如下：

如果z1(t)是一个固有模式分量(intrinsic mode functions，IMF)，则z1(t)为x(t)的首个分量。

4) 若z1(t)不符合IMF 条件，则z1(t)以为原始数据，返回步骤1，获取新的均值q11(t)，在z1(t)内去掉q11(t)得到新的数据z11(t)，公式如下：

分析z11(t)是否符合IMF 条件，若不符合，反复进行上述操作，共进行k次，获取：

其中：qk(t)，z1k(t)为进行k次操作时的均值、IMF 分量；z1(k-1)(t)为进行k-1次操作时的舰船装备电子电路数据。此时，z1k(t)符合IMF 条件，将其记作c1(t)，即首个符合IMF 条件的IMF 分量。

5) 在x(t)内，分离c1(t)，获取：

其中，r1(t)为舰船装备电子电路的差值数据。以r1(t)为原始数据，重复上述操作，获取x(t)的第2 个IMF分量c2(t)，以此类推，反复进行n次，获取x(t)的n个IMF 分量rn(t)，表达公式如下：

在rn(t)无法提取符合IMF 条件的分量时，结束操作，获取：

其中：ci(t)为x(t)的第i个IMF 分量；rn(t)为残量，代表x(t)的变化趋势。

6) 计算各IMF 分量的能量Ei，公式如下：

其中，ci(t)的数据长度是Mi；ci(t)内第j个数据是。

7) 以能量熵H为舰船装备电子电路故障特征，公式如下：

其中，E为全部IMF 分量的总能量。

通过上述操作便可获取不同状态下，舰船装备电子电路故障特征H。

但EMD 算法在提取故障特征时，存在端点效应问题。利用LSSVM 算法，延拓处理x(t)，得到新的数据x*(t)。LSSVM 延拓处理x(t)的非线性函数为：

其中：αl为拉格朗日乘子；b为偏置；xl，xβ为第l，β个舰船装备电子电路原始数据样本；η为原始数据样本数量；K为核函数。

通过f(x)得到x*(t)，公式如下：

式(10)代表通过ε个原始数据xη-ε，预测第l个数据。将预测的数据，作为EMD 算法的输入，完成电子电路故障特征提取。

1.2 基于改进马氏距离的电子电路故障跟踪定位

令舰船装备电子电路故障样本集的维度为v，数量为g，计算故障特征样本向量h至故障样本集m×n矩阵Y间的马氏距离，公式如下：

其中，Yi′为Y内第i′个故障样本。

通过在式(11)内添加权值ω，降低故障特征样本微弱变化对故障跟踪定位结果的影响，公式如下：

第j′个故障特征样本的权值ωj′为：

其中：oj′为N′为第j′个故障特征的电压灵敏度；故障特征样本数量。

利用改进马氏距离跟踪定位电子电路故障区域节点的具体步骤如下：

步骤1求解各故障特征至故障样本集的马氏距离d1,d2,···,dM′，M′为故障样本集内故障数。

步骤2计算d1,d2,···,dM′内的最小值，并找到对应的故障号。

步骤3按照故障号，在故障样本集内搜索故障类型。

步骤4验证dj′是否位于该故障类型的马氏距离范围内，若位于马氏距离范围内，那么故障区域节点跟踪定位成功。

2 实验结果分析

以某舰船装备的部分电子电路为实验对象，该部分电子电路内共包含5 个电阻，记作R1,R2,···,R5，3 个电容，记作C1,C2,C3，电阻与电容均属于电子电路节点，即该部分电子电路内共包含8 个节点，具体信息如表1 所示。

表1 电子电路具体信息Tab. 1 Electronic circuit specific information

利用本文方法对该舰船装备电子电路原始数据进行延拓处理，并提取故障特征，延拓处理结果以及故障特征提取结果如图1 所示。根据图1(a)可知，舰船装备电子电路原始电压数据存在大量冗余数据，变化趋势并不显著，无法为后续故障区域节点跟踪定位提供较好的数据支持。根据图1(b)可知，经过本文方法延拓处理后，可剔除大量冗余数据，可明显看出电压的变化趋势。根据图1(c)可知，本文方法可有效计算各IMF 分量的能量熵，即提取电子电路故障特征。实验证明：本文方法具备较优的数据延拓处理效果，并有效提取电子电路故障特征。

图1 延拓处理结果以及故障特征提取结果Fig. 1 Results of extension processing and fault feature extraction

为该部分电子电路内的各节点均设置2 种故障，分别是短路与短路故障，利用本文方法计算各故障特征的马氏距离，跟踪定位故障区域节点，跟踪定位结果如表2 所示。根据表2 可知，本文方法可有效计算各故障特征的马氏距离，且计算获取的马氏距离值，均处于马氏距离范围内，说明该故障区域节点存在故障，即本文方法可有效跟踪定位故障区域节点位置，且与实际情况一致。实验证明，本文方法可精准跟踪定位故障区域节点。

表2 故障区域节点跟踪定位结果Tab. 2 Node tracking and locating results in the faulty area

3 结 语

新型舰船内包含很多结构繁琐的电子电路，大大增加电子电路故障定位难度。为此，研究舰船装备电子电路故障区域节点跟踪定位方法，精准跟踪定位故障区域节点，为维修人员提供精准的故障位置，提升电子电路故障维修效果。