孫金明，潘紅兵，周晶晶

（海軍工程大學(xué) 湖北 武漢 430033）

機(jī)內(nèi)測(cè)試（Built-in Test，簡(jiǎn)稱BIT）是系統(tǒng)或設(shè)備自身為故障檢測(cè)、隔離或診斷提供的自動(dòng)測(cè)試能力。它是一種能顯著改善裝備或系統(tǒng)測(cè)試性能與診斷能力的重要技術(shù)手段，在航空電子設(shè)備可靠性與維護(hù)性設(shè)計(jì)中日益受到重視。但虛警率較高始終是困擾BIT技術(shù)研究和應(yīng)用的主要問題之一。BIT虛警問題是導(dǎo)致武器系統(tǒng)戰(zhàn)備完好性差、使用保障費(fèi)用高的重要因素。虛警率高不但直接影響B(tài)IT的有效性，而且對(duì)武器系統(tǒng)的戰(zhàn)備狀態(tài)產(chǎn)生種種不利影響。

1 BIT虛警原因分析

產(chǎn)生BIT虛警的原因大致可歸納為以下9種：設(shè)計(jì)者的假設(shè)不當(dāng)[1]；BIT設(shè)計(jì)不適合系統(tǒng)的實(shí)際情況；測(cè)試門限值/容差不合理；BIT或其他監(jiān)測(cè)電路失效；錯(cuò)誤的故障隔離；正常系統(tǒng)的偶然故障或偶然的性能變化；不適當(dāng)激勵(lì)或干擾；時(shí)間環(huán)境應(yīng)力；間歇故障的影響等[2]。其中最主要的是:

1）時(shí)間環(huán)境應(yīng)力:根據(jù)美軍ROME空軍實(shí)驗(yàn)室的研究報(bào)告，時(shí)間環(huán)境應(yīng)力是造成現(xiàn)役電子設(shè)備BIT虛警的重要原因。由美軍機(jī)載電子設(shè)備環(huán)境應(yīng)力故障原因比率圖 （如圖1所示）可知:50%以上的電子設(shè)備故障是由各種環(huán)境因素引起的，其中溫度、濕度、振動(dòng)三項(xiàng)就造成大約44%的故障。惡劣的環(huán)境因素使電子系統(tǒng)在實(shí)際工作條件下所承受的環(huán)境應(yīng)力與原來(lái)預(yù)計(jì)的不同，使得系統(tǒng)工作特性與原計(jì)劃相比發(fā)生了變化，這樣就直接影響到BIT模塊本身，造成原設(shè)計(jì)的BIT特性出現(xiàn)虛警區(qū)和未檢測(cè)區(qū)，使BIT有效性下降，而產(chǎn)生虛警。

2）間歇故障:根據(jù)美軍裝備和電子工業(yè)的數(shù)據(jù)表明:間歇故障是產(chǎn)生BIT虛警的一個(gè)主要原因，占電子系統(tǒng)BIT虛警的30%～40%。間歇故障的特點(diǎn)是隨機(jī)出現(xiàn)和消失，其發(fā)生時(shí)間很隨機(jī)，在有限的、不能預(yù)料的時(shí)間內(nèi)對(duì)系統(tǒng)產(chǎn)生影響，且沒有明顯的模式或頻率。

圖1 機(jī)載電子設(shè)備環(huán)境應(yīng)力故障原因比較Fig.1 Comparison of airborne electronic equipment malfunction causes of environmental stress

間歇故障的這種不確定性引起了BIT診斷的不確定，表現(xiàn)出如圖2所示的各種現(xiàn)象。圖中，INTERMITTENT是間歇故障，而 CND （不能復(fù)現(xiàn)）、NPF（沒找到問題）、NFF（沒找到故障）、RTOK （重檢合格）、NEOF （失效無(wú)法驗(yàn)證）和ER（錯(cuò)誤拆卸）是由間歇故障引發(fā)的不確定性問題，這些問題都因?yàn)閳?bào)告了異常而事后卻找不到故障，于是導(dǎo)致虛警。

圖2 間歇故障導(dǎo)致的現(xiàn)象Fig.2 Phenomenon caused by intermittent faults

2 BIT的虛警控制

為解決以上問題達(dá)到提高BIT故障診斷能力、降低BIT虛警率的目的，分別從時(shí)間環(huán)境應(yīng)力和間歇故障的角度出發(fā)，降低 BIT虛警[3]。

2.1 時(shí)間環(huán)境應(yīng)力與BIT虛警分析

基于多元Logistic[4]回歸的關(guān)聯(lián)分析：

基于logistic分布的logistic回歸模型是對(duì)二分類因變量進(jìn)行定量分析的有力工具，該方法在醫(yī)藥衛(wèi)生社會(huì)科學(xué)領(lǐng)域廣泛應(yīng)用于變量對(duì)結(jié)果的影響因素及重要程度計(jì)算。通過(guò)采用多元logistic回歸對(duì)時(shí)間應(yīng)力和BIT虛警關(guān)聯(lián)分析進(jìn)行定量分析，得到相應(yīng)影響程度。

定義時(shí)間環(huán)境應(yīng)力表達(dá)式如下：

x1（t）為時(shí)間應(yīng)力向量；xn（t）為某種應(yīng)力參數(shù)，如振動(dòng)，溫度等，xn（t）是一個(gè)隨機(jī)變量。

定義函數(shù) y（t）為系統(tǒng) BIT輸出，其中，0為正常狀態(tài)，1為虛警狀態(tài)，定義環(huán)境時(shí)間應(yīng)力作用下系統(tǒng)發(fā)生虛警概率為：P（y（t）=1|X）=π（x）=π[x1（t），x2（t），…，xn（t）]

由logistic回歸模型理論，可以建立時(shí)間應(yīng)力與BIT虛警關(guān)聯(lián)的多元logistic回歸模型為

式中，β0表示與各種應(yīng)力因素?zé)o關(guān)的常數(shù)項(xiàng)，在數(shù)學(xué)模型中表現(xiàn)為回歸截距；βi為該回歸模型的回歸系數(shù)，具體表示各種應(yīng)力因素，xn（t）導(dǎo)致BIT虛警的貢獻(xiàn)量，即各種應(yīng)力因素對(duì)該虛警的影響程度。

通過(guò)環(huán)境時(shí)間應(yīng)力與BIT性能影響分析，可知關(guān)聯(lián)閾值是影響時(shí)間應(yīng)力與虛警關(guān)聯(lián)后BIT檢測(cè)率和虛警率的最要影響參數(shù)，這兩個(gè)閾值如果選擇不當(dāng)，會(huì)導(dǎo)致降低BIT虛警識(shí)別效果，降低BIT檢測(cè)率。目前解決這類問題主要有Bayes理論，神經(jīng)網(wǎng)絡(luò)、k近鄰方法、SVM等。SVM具有以下優(yōu)點(diǎn)：1）結(jié)構(gòu)簡(jiǎn)單，各種技術(shù)性能泛化能力明顯提高。2）樣本較小情況下有很好的分類效果。3）算法確定的網(wǎng)絡(luò)結(jié)構(gòu)是自動(dòng)生成的，對(duì)模型選擇依賴度低。

2.2 間歇故障與BIT虛警分析

來(lái)自美軍裝備和電子工業(yè)的數(shù)據(jù)表明：間歇故障是導(dǎo)致系統(tǒng)暫時(shí)失效的一個(gè)主要原因，它占了整個(gè)系統(tǒng)故障的70%～90%，間歇故障[6]也是產(chǎn)生BIT虛警的一個(gè)主要原因，電子系統(tǒng)的虛警中有30%～40%是由間歇故障引起的。對(duì)此，美國(guó)相關(guān)研究機(jī)構(gòu)開展了診斷間歇故障抑制BIT虛警的技術(shù)研究，通過(guò)診斷間歇故障，達(dá)到抑制虛警的目的。間歇故障和故障一樣是很多系統(tǒng)難以避免的問題，由于間歇故障情況復(fù)雜、時(shí)隱時(shí)現(xiàn)、難以診斷，因此基于兩狀態(tài)分類的傳統(tǒng)BIT一般是忽略或干脆避開間歇故障。由此產(chǎn)生的結(jié)果是:在間歇故障活躍時(shí)，BIT報(bào)警有永久故障，可事后又找不到故障，造成虛警率升高；在間歇故障不活躍時(shí)，BIT判斷系統(tǒng)為正常，造成間歇故障的漏診，使得故障檢測(cè)率降低。因此兩狀態(tài)分類就成為傳統(tǒng)BIT的一個(gè)最大的不足。

間歇故障時(shí)有時(shí)無(wú)，是一種變化劇烈的動(dòng)態(tài)時(shí)間序列。傳統(tǒng)BIT的診斷方法多從單一時(shí)刻的狀態(tài)來(lái)判別 （如神經(jīng)網(wǎng)絡(luò)虛警過(guò)濾器等），遺漏了系統(tǒng)的動(dòng)態(tài)信息，易引起診斷決策的錯(cuò)誤，從而導(dǎo)致BIT虛警。實(shí)際上，間歇故障前后時(shí)刻的態(tài)存在著一定的轉(zhuǎn)移關(guān)系，這種狀態(tài)轉(zhuǎn)移關(guān)系給診斷決策提供了重要的信息，如果有效地利用這些信息，則可以更準(zhǔn)確地識(shí)別間歇故障。

HMM[6]是在Markov鏈的基礎(chǔ)上發(fā)展而來(lái)的一種統(tǒng)計(jì)模型，是一個(gè)雙重隨機(jī)過(guò)程。模型中真實(shí)的狀態(tài)不能直接看到，只能是通過(guò)一個(gè)觀測(cè)值去感知狀態(tài)的存在及特征。HMM具體可表示為 λ=（π，A，B）， 其中:π 為初始概率分布矢量；A為狀態(tài)轉(zhuǎn)移概率矩陣；B為觀測(cè)值概率矩陣。π，A描述的是一個(gè)Markov鏈，產(chǎn)生的輸出是狀態(tài)序列；B描述是一個(gè)隨機(jī)過(guò)程，產(chǎn)生的輸出為觀察值序列。模型采用左右型三狀態(tài)轉(zhuǎn)移的Markov鏈，每個(gè)狀態(tài)的觀測(cè)概率由2個(gè)高斯概率密度函數(shù)聯(lián)合決定。系統(tǒng)開始時(shí)總是處于正常狀態(tài)，因此取初始狀態(tài)概率矢量為π=[1，0，0]，A的初值均勻選取。為增加HMM診斷模型的穩(wěn)健性，訓(xùn)練時(shí)利用多個(gè)觀測(cè)值序列的重估算法，由初始模型對(duì)訓(xùn)練樣本進(jìn)行Baum-Welch算法：

其中:α為前向變量；β為后向變量；L為觀測(cè)值序列的數(shù)量。由初始模型對(duì)訓(xùn)練樣本進(jìn)行匹配計(jì)算和狀態(tài)標(biāo)注后，估計(jì)出一組新的模型，再對(duì)訓(xùn)練樣本重新進(jìn)行匹配計(jì)算和狀態(tài)標(biāo)注，估計(jì)出更新的模型參數(shù)λ，如此反復(fù)直至收斂，得到優(yōu)化模型，使P（O，λ）最大。診斷分為兩個(gè)階段：1）分別對(duì)正常、間歇和故障3種狀態(tài)的訓(xùn)練樣本提取特征向量，利用Baum-Welch算法進(jìn)行模型訓(xùn)練，獲得各類典型故障的HMM模型；2）在實(shí)際狀態(tài)監(jiān)測(cè)時(shí)，將測(cè)得的信號(hào)經(jīng)EMD分解處理提取特征向量后作為觀測(cè)值序列，將其送入已經(jīng)訓(xùn)練好的HMM模型，通過(guò)前向-后向算法計(jì)算觀測(cè)向量在不同模型下的概率P（O，λ），由概率值最大的HMM模型決定被測(cè)系統(tǒng)的狀態(tài)。

3 結(jié)束語(yǔ)

虛警率較高始終是制約BIT技術(shù)研究和應(yīng)用的瓶頸問題之一。本文從降低智能BIT虛警率入手，從時(shí)間環(huán)境應(yīng)力和間歇故障角度，利用支持向量機(jī)（SVM）解決時(shí)間環(huán)境應(yīng)力問題，利用隱馬爾科夫模型（HMM）解決間歇故障問題，有效的降低BIT虛警率。

[1]楊鈺.機(jī)內(nèi)測(cè)試虛警分析和控制[J].新工藝新技術(shù)新設(shè)備，2007， 34（10）:93-96.YANG Yu.The analysis of false alarm in test and control[J].New Technology New Technology and New Equipment，2007，34（10）:93-96.

[2]徐永成，溫熙森，易曉山.機(jī)內(nèi)測(cè)試虛警原因的分析及其解決方案[J].振動(dòng)、測(cè)試與診斷，2002，22（1）:38-42.XU Yong-cheng，WEN Xi-sen，YI Xiao-shan.The analysis and solutions of the reason of BIT false alarm[J].Vibration Testing and Diagnosis，2002，22（1）:38-42.

[3]鄭文榮，夏清濤.武器系統(tǒng)BIT的設(shè)計(jì)與應(yīng)用[J].艦船電子工程，2012，32（12）:131-133.ZHEN Wen-rong，XIA Qing-tao.The design and application of BITweapon system[J].Ship Electronic Engineering，2012，32（12）:131-133.

[4]Gao R X，Suryavanshi A.BIT for intelligent system design and condition monitoring[J].IEEE Transactions on Instrumentation and Measurement，2002，51（5）:221-225.

[5]柳新民，邱靜，劉冠軍，等.診斷間歇故障降低BIT虛警[J].測(cè)試技術(shù)學(xué)報(bào)，2004，18（4）:53-55.LIU Xin-min，QIU Jing，LIU Guan-jun，et al.Intermittent fault diagnosis BIT reduce false alarms[J].Test and Measurement Technology，2004，18（4）:53-55.

[6]張超，馬存寶，宋東，等.隱馬爾科夫模型[J].計(jì)算機(jī)測(cè)量與控制，2007，24（5）:58-61.ZHANG Chao，MA Cun-bao，SONG Dong，et al.Hidden markov models[J].Computer Measurement&Control，2007，24（5）:58-61.