余勃彪

(海軍工程大學(xué)兵器工程系 武漢 430033)

1 引言

艦炮武器系統(tǒng)發(fā)生故障的直接反映是表征系統(tǒng)或設(shè)備工作狀態(tài)的參數(shù)發(fā)生變化。這些參數(shù)很多,相互間的關(guān)系錯綜復(fù)雜,又往往是艦炮工作狀態(tài)的間接反映,因此,使用通常的故障機(jī)理分析方法建立征兆與故障成因間的物理模型極為困難[1～2]。但是有豐富經(jīng)驗的技師在診斷艦炮故障時,往往從觀測到的征兆群的整體出發(fā),依據(jù)以往的多次經(jīng)驗就能較準(zhǔn)確地診斷出某一故障成因。這種用自然語文來描述征兆和根據(jù)經(jīng)驗作出診斷的方法具有強(qiáng)烈的模糊性。這就使得利用模糊數(shù)學(xué)理論和計算機(jī)工具,模擬人的思維過程,建立模糊識別模型,從而組成艦炮故障診斷系統(tǒng)成為可能[3～4]。本文基于模糊數(shù)學(xué)理論,建立征兆的模糊隸屬函數(shù),對故障征兆進(jìn)行識別,進(jìn)行艦炮故障診斷。

2 艦炮武器系統(tǒng)故障診斷的模糊性

2.1 模糊數(shù)學(xué)理論

為了將議題局限在與問題相關(guān)的某一范圍內(nèi),定義了“論域”,數(shù)學(xué)中用大寫字母U、V、W 等表示。論域中的各個事物,亦即要考慮的各個對象,稱為論域中的元素,用小寫字母x,y,z等表示。

所謂論域U上的一個模糊子集(簡稱模糊集)A是指:對于任意 x、任意U,指定了一個數(shù) μA(x)∈[0,1],叫做x對A的隸屬程度。

上述定義表明,一個模糊集 A完全由其隸屬函數(shù)μA來刻畫。μA(x)的值接近于1,表示 x隸屬于A的程度很高;μA(x)的值接近于0,表示 x隸屬于 A 的程度很低[5～6]。

2.2 征兆及征兆與成因間關(guān)系的模糊性

由于艦炮武器系統(tǒng)在正常工作時,協(xié)調(diào)過程中的振蕩、超調(diào)量、隨動系統(tǒng)的跟蹤誤差是客觀存在的,在一些工況下較小,在另一些工況時較大,不同的環(huán)境下存在不小的差異,故征兆具有模糊性。

征兆本身具有一定的模糊性,用有或無來表征征兆是否存在不利于對征兆的描述。它們不是簡單的“有”、“無”這兩個值,而往往是“亦有亦無”的中間狀態(tài)。若1代表“有該征兆”,0代表“無該征兆”,則其取值除0,1外,理論上還可取0,1之間的任何值,該值是對該征兆的隸屬度。一般隸屬度取值為有限值,則在相應(yīng)坐標(biāo)軸上[0,1]區(qū)間內(nèi)取有限個點,構(gòu)成一個較復(fù)雜的n維歐氏空間,成為用隸屬度函數(shù)來刻劃的模糊集合。該空間是有限個點,則征兆群是一個有限的模糊集。

由于故障機(jī)理研究的不充分和系統(tǒng)的復(fù)雜性,所獲得的征兆多是故障狀態(tài)的間接反映,故障成因與征兆間的關(guān)系也不是簡單的“有”、“無”這兩個值。如前所述,故障診斷要從征兆群整體區(qū)別上對故障成因作出判斷。所謂整體區(qū)別是指每個征兆群診斷為各個成因的關(guān)聯(lián)程度是不相同的。這種關(guān)聯(lián)程度具有強(qiáng)烈的模糊性。

3 模糊隸屬度的確定

3.1 征兆的隸屬函數(shù)

征兆的隸屬函數(shù),可由模糊統(tǒng)計法、專家調(diào)查法、二元對比排序法及基本概念擴(kuò)充法等求得。下面引入艦炮高低瞄準(zhǔn)速度進(jìn)行模糊性描述。可將艦炮高低瞄準(zhǔn)速度分為三類語義值:慢、正常、快。其征兆輸入量的可能值落于區(qū)間[min,max]。請若干位本行業(yè)內(nèi)專業(yè)人員各自提出速度慢與速度正常、速度正常與速度快的分界點C與D的值。分別在論域U上得到觀察值(C1,C2,…,Cn)與(D1,D2,…,Dn),它們服從正態(tài)分布。

則在模糊子集A=(速度慢,速度正常,速度快)的隸屬度函數(shù)為

通過以上模糊處理,可將定性的知識轉(zhuǎn)化為定量表示,為以后的推理作好準(zhǔn)備。

將上述方法確定的征兆的隸屬度函數(shù)存入計算機(jī)中,當(dāng)把測量到的征兆和人們感覺到的征兆輸入計算機(jī)后即得隸屬度,以便利用診斷模型進(jìn)行診斷。

3.2 征兆群對故障成因隸屬度的確定

由統(tǒng)計資料可以確定系統(tǒng)故障的成因的總數(shù)為m,例如:“系統(tǒng)絕緣電阻降低”、“隨動系統(tǒng)剛性差”、“自整角機(jī)損壞”、“速度環(huán)元件損壞”、“活塞卡阻”、“電器零位與機(jī)械零位不一致”、“線路漏電”等等。每一種成因都占有一定的征兆群。而這種占有是不確定的,即每個征兆群與成因的關(guān)聯(lián)程度是不相同的,一個征兆群只能以一定的隸屬度診斷為某一種成因。故障成因是征兆群空間上的模糊子集。

μij的確定要綜合考慮多種因素:首先考慮現(xiàn)有的統(tǒng)計資料(L1);其次為了彌補(bǔ)資料的不足還要考慮機(jī)理分析因素(L2);征兆出現(xiàn)的強(qiáng)烈程度(L3);獲得該征兆的難易程度(L4)。針對這四種因素評分。

按機(jī)理分析,當(dāng)成因 Aj出現(xiàn)時,征兆群 μij有必然出現(xiàn),非?？赡艹霈F(xiàn),…至不可能出現(xiàn)幾種情況,則其評分可為1,0.9,…至0。

而根據(jù)成因Aj出現(xiàn)時,征兆群出現(xiàn)的強(qiáng)烈程度可分為很強(qiáng)烈,比較強(qiáng)烈,…直至沒變化,則可按1,0.9,…至0評分。

在確定隸屬度時,對上述四個因素考慮的側(cè)重點有所區(qū)別,則對四個因素給出對應(yīng)的權(quán)系數(shù)。(L1,L2,L3,L4)組成權(quán)系數(shù)集合。

假若在進(jìn)行診斷時,比較側(cè)重于故障的實際統(tǒng)計強(qiáng)烈程度,可以有如下的權(quán)系數(shù):

由每個征兆群的評分集合和權(quán)系數(shù)集合按下式算出相應(yīng)的隸屬度:

以上用加數(shù)統(tǒng)計法確定征兆群對成因的隸屬度,既考慮了各種實際因素,又有所側(cè)重。又由于評分是通過大量專業(yè)人員用模糊統(tǒng)計方法確定的,就有效地總結(jié)了各專業(yè)人員的經(jīng)驗,從而保證了所確定的隸屬度比較符合實際。

3.3 故障征兆的模式識別

模糊性故障知識是用模糊子集的形式描述的。以隨動系統(tǒng)不平穩(wěn)故障為例,由于模糊子集的特殊形式,可將該類知識的獲取設(shè)計成表1所示。

表1 隨動系統(tǒng)跟蹤不平穩(wěn)模糊集

按照這張表格進(jìn)行故障診斷時,先由征兆產(chǎn)生一個模糊集B(x)(b1,b2,b3,b4,b5}(bi為各個故障因素的征兆函數(shù)隸屬度歸一化值)。

由模糊識別理論取格貼近度:

由模糊擇近原則,則認(rèn)為B與Ai0最貼近,應(yīng)把B歸入Ai0類。對于格貼近度出現(xiàn)的誤差再由專家依據(jù)實際情況進(jìn)行修正[9]。如果出于穩(wěn)妥需要可以將其它貼近度計算出來做參考。

獲得貼近度最大值的那個成因即認(rèn)為是該故障的成因。這就是計算機(jī)的診斷結(jié)果,可用中文輸出,提供給系統(tǒng)的使用、維修人員以指導(dǎo)排故處理。也可按N(A,B)的大小,由大到小排列輸出幾個備查成因。這個診斷結(jié)果,具有一定的精度。統(tǒng)計資料越豐富,機(jī)理分析越透徹,則精度越高。它給人們提供了排故決策和處理的依據(jù),隨排故經(jīng)驗的增多,診斷精度將不斷提高。

假若計算機(jī)輸出的貼近度最大的成因的貼近度很小,或者兩種及多種以上成因間貼近度的差值很小,使得很難作出診斷結(jié)論。此時可以建立問診模型,計算機(jī)向系統(tǒng)操作維護(hù)人員提問,補(bǔ)充輸入信息量大的征兆,可提高診斷結(jié)果的準(zhǔn)確性。其過程如圖1所示。

圖1 模糊診斷過程模型

4 結(jié)語

基于模糊數(shù)學(xué)的艦炮故障診斷方法充分利用了故障檢測數(shù)據(jù)和專家的經(jīng)驗知識,對故障征兆進(jìn)行模式識別,實現(xiàn)故障的自動診斷。需要注意的是,在沒出現(xiàn)故障時,實時監(jiān)測系統(tǒng)也會向計算機(jī)輸入征兆,計算機(jī)根據(jù)這些征兆也會輸出結(jié)果,這個結(jié)果不是故障的成因,而是表明這幾個成因是應(yīng)該注意的問題,它們有可能發(fā)展而引發(fā)故障,從而提示有關(guān)人員采取必要措施以預(yù)防故障的發(fā)生。

[1]左憲章,康健,李浩,等.故障預(yù)測技術(shù)綜述[J].火力與指揮控制,2010(1):1～5

[2]王芳,周曉波.某型艦炮控制系統(tǒng)故障診斷專家系統(tǒng)[J].艦船電子工程,2008,28(2):145～146

[3]薛子云,楊江天,朱衡君.機(jī)械故障預(yù)測模型綜述[J].機(jī)械強(qiáng)度,2006,28(S):60～65

[4]秦海勤,徐可君,隋育松,等.基于圖像奇異值分解的滾動軸承故障模式識別[J].軸承,2010(6):55～58

[5]孫寧.多目標(biāo)決策問題的最大隸屬度方法研究[J].電腦知識與技術(shù),2010,6(15):4305～4306

[6]邱晞,劉平,魏生民.基于隸屬函數(shù)的裝配協(xié)調(diào)順序優(yōu)化方法[J].航空制造技術(shù),2010,13:68～70

[7]崔湘軍.模糊模式識別中隸屬函數(shù)選取的探討[J].邵陽學(xué)院學(xué)報(自然科學(xué)版),2010,7(2):5～8

[8]李鴻吉.模糊數(shù)學(xué)基礎(chǔ)及實用算法[M].北京:京華科技出版社,2005

[9]陽寧光,韓維維.修正的正態(tài)模糊集下的格貼近度[J].汕頭大學(xué)學(xué)報(自然科學(xué)版),2010,25(1):7～11