王進(jìn)才

（陸軍航空兵學(xué)院航電和兵器工程系，北京 101123）

0 引言

隨著航空領(lǐng)域信息化技術(shù)裝備的快速發(fā)展，各類傳感器在系統(tǒng)中被廣泛地采用，在大幅提高智能化的同時(shí)，也給維護(hù)維修提出更多的挑戰(zhàn)。比如，設(shè)備一旦發(fā)生故障或失常，其所產(chǎn)生的錯(cuò)誤就將直接導(dǎo)致系統(tǒng)功能的喪失。因此，及時(shí)地對(duì)測(cè)量系統(tǒng)故障進(jìn)行檢測(cè)，準(zhǔn)確地識(shí)別感測(cè)部件的故障程度，不僅可減少系統(tǒng)檢測(cè)時(shí)間，更重要的在于能確保系統(tǒng)安全。

系統(tǒng)診斷檢測(cè)一般分3個(gè)階段：故障檢測(cè)（Fault detection）、故障定位與故障隔離（Isolation）以及系統(tǒng)部件值偏差程度的判定（Identification）。由于在系統(tǒng)中，部件與傳感器可能因?yàn)楫惓６a(chǎn)生超出容許范圍的偏離，使得感測(cè)性能降低，也就是所謂軟故障（Soft fault）或稱為參數(shù)故障，此類故障是由于失常部件參數(shù)值的偏差引起的。而硬件故障（Hard fault），可能會(huì)造成部件與系統(tǒng)間的短路、開(kāi)路或是傳感器的嚴(yán)重?fù)p壞，將會(huì)影響系統(tǒng)的整體性能與輸出特性。

傳統(tǒng)的傳感器檢錯(cuò)主要是以殘差（Residuals）來(lái)作為判斷的依據(jù)。殘差信號(hào)的產(chǎn)生能用來(lái)估計(jì)傳感器的狀態(tài)，并檢測(cè)實(shí)際的故障情形，以排除由于不穩(wěn)定失效或信號(hào)失真所引起的錯(cuò)誤告警（False alarms）。當(dāng)殘差產(chǎn)生后，借助設(shè)定的臨界值（Threshold）進(jìn)行檢錯(cuò)分析，其限制的范圍越嚴(yán)格，故障診斷的靈敏度就越高，但出現(xiàn)不正確告警的風(fēng)險(xiǎn)就越大。過(guò)去已有一些方法[1]，原理上可分為硬件冗余 （Physical redundancy） 和解析冗余（Analytical redundancy）等方式。在硬件冗余中，就是設(shè)置多個(gè)平行并列的傳感器于控制系統(tǒng)中，并以其輸出信號(hào)作為故障判定的基準(zhǔn)，但硬件冗余方法會(huì)增加系統(tǒng)成本和占用更大的空間，并且也會(huì)增加系統(tǒng)的復(fù)雜性，因此也就會(huì)降低系統(tǒng)可靠性。

面對(duì)日益復(fù)雜的裝備系統(tǒng)，如何以最小的維護(hù)代價(jià)，得到最佳的維護(hù)效果，同時(shí)滿足系統(tǒng)的使用安全，解析冗余提供了系統(tǒng)失效檢測(cè)的另一個(gè)方法。而一個(gè)成功的解析冗余方法，需要模型對(duì)不確定性（Uncertainty）有好的魯棒性（Robust），及對(duì)失效檢測(cè)有高的敏感性（Sensitivity），所以如何建構(gòu)良好的失效檢測(cè)系統(tǒng)，是本文的目的。因此，本文運(yùn)用人工神經(jīng)網(wǎng)絡(luò)感測(cè)系統(tǒng)失效，估計(jì)測(cè)量殘差，將其與設(shè)定臨界值進(jìn)行比較，以達(dá)到檢測(cè)系統(tǒng)失效的目的。

1 運(yùn)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行故障檢測(cè)

本文系運(yùn)用人工神經(jīng)網(wǎng)絡(luò)解析冗余的方法，以系統(tǒng)正常狀況下傳感器實(shí)際量測(cè)值當(dāng)作訓(xùn)練數(shù)據(jù)實(shí)施訓(xùn)練，將人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練與受控對(duì)象（Plant）傳感器數(shù)據(jù)交聯(lián)后，借助人工神經(jīng)網(wǎng)絡(luò)估計(jì)值與失效傳感器產(chǎn)生殘差予以評(píng)估，達(dá)到失效檢測(cè)的目的，檢測(cè)模式如圖1所示。主人工神經(jīng)網(wǎng)絡(luò)（MNN）和3個(gè)分布式人工神經(jīng)網(wǎng)絡(luò)（DNN）皆為前饋式人工神經(jīng)網(wǎng)絡(luò)（FNN），將利用人工神經(jīng)網(wǎng)絡(luò)快速學(xué)習(xí)的特性，計(jì)算傳感器輸出值與人工神經(jīng)網(wǎng)絡(luò)估計(jì)值的殘差，并進(jìn)行評(píng)估。

圖1 人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于殘差評(píng)估示意圖

失效檢測(cè)網(wǎng)絡(luò)模式的各種功能如下：

a）主人工神經(jīng)網(wǎng)絡(luò)（MNN）

為反向傳遞神經(jīng)網(wǎng)絡(luò)架構(gòu)，利用均方根失效指數(shù)作為指針，及變量輸入、輸出多對(duì)應(yīng)能力，對(duì)飛行器的滾轉(zhuǎn)角速率、俯仰角速率及側(cè)滑角速率的耦合參數(shù)進(jìn)行估計(jì)。

b）分布式人工神經(jīng)網(wǎng)絡(luò)（DNN）

輔助主人工神經(jīng)網(wǎng)絡(luò)檢測(cè)工作，利用各參數(shù)間所存在的物理關(guān)系，分別對(duì)滾轉(zhuǎn)角速率、俯仰角速率及側(cè)滑角速率的解偶合參數(shù)進(jìn)行單獨(dú)的估計(jì)，以驗(yàn)證各參數(shù)是否已將不穩(wěn)定失效及其它偏移量濾除。

依據(jù)飛機(jī)模式檢查輸入測(cè)量參數(shù)、輸入的數(shù)目、隱藏層的數(shù)目及隱藏層的神經(jīng)元數(shù)目、輸出值及學(xué)習(xí)效率，相關(guān)參數(shù)如表1所示。分別訓(xùn)練MNN、DNNp、DNNq及DNNr 4個(gè)人工神經(jīng)網(wǎng)絡(luò)，供系統(tǒng)檢錯(cuò)用。MNN人工神經(jīng)網(wǎng)絡(luò)系對(duì)飛行器滾轉(zhuǎn)角速率、俯仰角速率及側(cè)滑角速率的耦合參數(shù)進(jìn)行估計(jì)，而DNNp、DNNq及DNNr則分別為滾轉(zhuǎn)角速率、俯仰角速率及側(cè)滑角速率的解偶合參數(shù)做個(gè)別估計(jì)[2]。

1.1 檢測(cè)邏輯

系統(tǒng)在故障檢測(cè)與隔離（Fault Detection and Isolation－FDI）模式中，利用實(shí)際量測(cè)值及利用數(shù)學(xué)模型估算值所產(chǎn)生的殘差（Residual）來(lái)設(shè)定閾值（Threshold）執(zhí)行檢錯(cuò)工作。傳感器的失效檢測(cè)，是利用實(shí)際量測(cè)值對(duì)數(shù)學(xué)模型運(yùn)算估算值殘差來(lái)比對(duì)臨界值以完成檢錯(cuò)的工作。當(dāng)殘差產(chǎn)生時(shí)，由檢測(cè)邏輯及設(shè)定的臨界值來(lái)進(jìn)行檢測(cè)分析，其限制的范圍越嚴(yán)謹(jǐn)，失效檢測(cè)的靈敏度就越高，但出現(xiàn)錯(cuò)誤警示（False alarms）的風(fēng)險(xiǎn)也就越大。因此，在本文中利用檢測(cè)邏輯，將檢測(cè)失效狀態(tài)區(qū)分為正常（Normal）、 懷疑（Suspect）及失效（Failure）等3種狀況，增強(qiáng)魯棒（強(qiáng)?。┬裕?/p>

a）正常狀況。指?jìng)鞲衅鞴ぷ髡?，傳感器一般運(yùn)作保持在此狀態(tài)。

b）懷疑狀況。指?jìng)鞲衅鬏p微地超出容許誤差值。

c）失效狀況。指?jìng)鞲衅鞒鋈菰S誤差值很多。研究中利用FNN所訓(xùn)練的MQEE、OQEE和DQEE[3]來(lái)執(zhí)行檢錯(cuò)，而其方程式為：

其中：x=p，q，r。

1.2 臨界值檢測(cè)

共有3種分辨的臨界值用來(lái)檢測(cè)傳感器的狀況，其閾值為：

a）主二次型估計(jì)誤差MQEE（Main quadratic estimation error）。此值為MNN與滾轉(zhuǎn)角速率、俯仰角速率及偏航角速率傳感器實(shí)際測(cè)量值的二項(xiàng)式失效估算值，閾值MQEEmax代表MQEE的最大值。

b）輸出二次型估計(jì)誤差 OQEE（Output quadratic estimation error）。此值為MNN與DNN的二項(xiàng)式估算值，臨界值OQEEmax是OQEE的最大值。

c）分散二次型估計(jì)誤差DQEEx（Decentralized quadratic estimation error）。此值為DNN分別與滾轉(zhuǎn)角速率、俯仰角速率及偏航角速率傳感器實(shí)際測(cè)量值的二項(xiàng)式失效估算值，臨界值DQEExmax是DQEEx的最大值。

1.3 判定傳感器的狀況

在檢測(cè)邏輯中，起初對(duì)傳感器的狀況在正?；蚱渌鼱顩r下進(jìn)行判定及轉(zhuǎn)換的條件是：

a）正常狀況。MQEE和OQEE兩者的測(cè)量值均低于臨界值MQEEmax和OQEEmax時(shí)，歸類為正常狀況，所以MQEE及OQEE在檢測(cè)邏輯中屬主要?dú)埐?；如任一量測(cè)值過(guò)臨界值，則利用DQEE繼續(xù)判斷。

b）懷疑狀況。不符合正常狀況檢測(cè)邏輯條件時(shí)，則停止DNN學(xué)習(xí)，傳感器則被歸類為懷疑狀況。

c）失效狀況。不符合上述兩種狀況檢測(cè)邏輯條件時(shí)，當(dāng)DQEE超過(guò)DQEEmax，傳感器則宣告為失效狀況；故DQEE屬輔助殘差，借以判斷懷疑或失效狀況。

當(dāng)傳感器處在懷疑狀況時(shí)，下一次測(cè)量值其DQEE低于DQEEmax，則傳感器重新歸類為正常狀況；此時(shí)，DNN重新開(kāi)始學(xué)習(xí)，當(dāng)DQEE超過(guò)DQEEmax，傳感器則被宣告失效?？傊?，在懷疑狀況下，傳感器DQEE需維持在DQEEmax之下；在失效狀況下，傳感器不是保持在失效狀況，就是轉(zhuǎn)換成正常狀況，傳感器若想從失效狀況轉(zhuǎn)換成正常狀況，則DQEE必須降至DQEEmax以下，傳感器被宣告成正常狀況，且DNN學(xué)習(xí)重新開(kāi)始。

2 系統(tǒng)仿真

本仿真分別按步階失效（Step Failure）、漂移失效 （Drift Failure） 和不穩(wěn)定失效 （Erratic Failure）3種不同特性的失效類型[4]，分別加入滾轉(zhuǎn)角速率、俯仰角速率及偏航角速率傳感器信號(hào)中，共9組檢測(cè)分析數(shù)據(jù)，每組均為獨(dú)立傳感器及環(huán)境，以分析失效檢測(cè)模式對(duì)不同類型失效的檢測(cè)情況。

檢測(cè)狀態(tài)設(shè)定某機(jī)型為正常飛行，模擬飛行50 s，飛行高度15000 ft、速度500 ft/s、失效時(shí)間設(shè)定第20 s（t=20）、檢錯(cuò)臨界值為：

各種失效類型的設(shè)定如表2所示。

2.1 滾轉(zhuǎn)角速率傳感器失效測(cè)試

2.1.1 步階失效

1）如圖2（a）、 （b）所示，當(dāng)時(shí)間約20 s時(shí)主要?dú)埐盍⒓礄z測(cè)出傳感器突然的偏移值，并超出臨界值，依傳感器檢測(cè)邏輯流程，進(jìn)入懷疑狀態(tài)；2）再由輔助殘差圖2（c）判斷傳感器失效；3）因此模式能檢測(cè)出滾轉(zhuǎn)角速率傳感器步階失效。

圖2 滾轉(zhuǎn)角速率傳感器步階失效檢測(cè)

2.1.2 漂浮失效

1）如圖3（a）所示，滾轉(zhuǎn)角速率傳感器漂浮失效檢測(cè)，主要?dú)埐钣谀M時(shí)間50 s內(nèi)未超越臨界值，表示MQEE對(duì)漂浮失效檢測(cè)的反應(yīng)較慢；2）主要?dú)埐?OQEE（圖 3（b））于 34.5 s時(shí)超過(guò)臨界值，進(jìn)入懷疑狀況；3）再經(jīng)由輔助殘差圖3（c）圖判斷34.5 s時(shí)宣告?zhèn)鞲衅魇В?）顯示失效檢測(cè)模式對(duì)滾轉(zhuǎn)角速率傳感器緩慢性的漂浮失效具檢測(cè)能力，惟檢測(cè)出失效的反應(yīng)時(shí)間，需視傳感器衰退程度而定。

圖3 滾轉(zhuǎn)角速率傳感器漂浮失效檢測(cè)

2.1.3 不穩(wěn)定失效

a）滾轉(zhuǎn)角速率傳感器不穩(wěn)定失效檢測(cè)

1）經(jīng)仿真，主要?dú)埐铒@示時(shí)間0～20.5 s，檢測(cè)結(jié)果判斷傳感器為正常狀況；

2）當(dāng)時(shí)間為20.5 s時(shí)，檢測(cè)結(jié)果判斷傳感器為懷疑狀況，再由輔助殘差判斷未失效；

3）當(dāng)時(shí)間進(jìn)行至?xí)r間26 s時(shí)檢測(cè)結(jié)果判斷傳感器進(jìn)入懷疑狀況，再由輔助殘差判斷宣告失效。

b）證明失效檢測(cè)模式對(duì)滾轉(zhuǎn)角速率傳感器不穩(wěn)定失效具檢錯(cuò)能力

本文設(shè)計(jì)俯仰角速率與側(cè)滑角速率傳感器失效測(cè)試，同樣以步進(jìn)階躍失效、漂移失效及不穩(wěn)定失效等3種不同類型進(jìn)行失效仿真分析，其結(jié)果顯示，模式對(duì)俯仰角速率傳感器漂移及不穩(wěn)定失效，未能判定，其它均能檢測(cè)出傳感器失效狀況。未能判定原因，系受臨界值設(shè)定及傳感器失效程度的大小所影響。

3 結(jié)論

由于自動(dòng)化系統(tǒng)的廣泛運(yùn)用，也促使傳感器大量被使用，如何及時(shí)檢測(cè)失效并獲得有用的信息、采取適當(dāng)、有效的控制策略，避免裝備損壞及造成事故，這是值得重視的問(wèn)題。本文應(yīng)用人工神經(jīng)網(wǎng)絡(luò)理論架構(gòu)，采用傳感器失效檢測(cè)模式，以某機(jī)型為研究對(duì)象，并仿真了傳感器3種失效類型，驗(yàn)證了設(shè)計(jì)失效檢測(cè)模式，使人工神經(jīng)網(wǎng)絡(luò)失效檢測(cè)的理論及方法獲得驗(yàn)證。此傳感器檢測(cè)模式有如下貢獻(xiàn)：

a）所使用的檢測(cè)方法，不需復(fù)雜及昂貴的量測(cè)設(shè)備，只需使用模式計(jì)算與實(shí)體量測(cè)來(lái)產(chǎn)生殘差值評(píng)估；毋須硬件作備份，即可達(dá)到失效檢測(cè)的目的。

b）因飛行計(jì)算數(shù)據(jù)龐大且繁雜，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)獨(dú)特的分析、歸納和適應(yīng)特性，于離線階段進(jìn)行網(wǎng)絡(luò)訓(xùn)練與權(quán)重調(diào)整，訓(xùn)練網(wǎng)絡(luò)通過(guò)回想過(guò)程以實(shí)現(xiàn)實(shí)時(shí)（Real time）失效檢測(cè)的目的。此模式可以廣泛地應(yīng)用于復(fù)雜控制系統(tǒng)上。

c）本文檢測(cè)模式的人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，包括1個(gè)主人工神經(jīng)網(wǎng)絡(luò)及3個(gè)分布式人工神經(jīng)網(wǎng)絡(luò)，借助各種不同的殘差值設(shè)計(jì)及計(jì)算，增加模式對(duì)不同類型失效的檢測(cè)能力及敏感度。

表1 失效檢測(cè)模式中人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

表2 不同失效類型對(duì)某機(jī)型角速率失效設(shè)定值

[1]KORBICZ J.Advances in fault diagnosis systems[C]//Proc.10thIEEE Int.Conf.on Methods and Models Inautomation and Robotics MMAR.2004：725-733.

[2]WILLSKY A S.A survey of design methods for failure detection in dynamic system[J].Automatica，1996，32：601-611.

[3]FRAZER D G，NAPOLITANO M R，F(xiàn)AMOURI P.A neural network-based sensor validation scheme within aircraft control laws[R].USA：West Virginia University，2007：213-218.

[4]房方，魏樂(lè).傳感器故障的神經(jīng)網(wǎng)絡(luò)信息融合診斷方法[J].傳感技術(shù)學(xué)報(bào)，2000，13（4）：35-37.