基于证据理论的复杂电子装备故障诊断方法浅析

基于证据理论的复杂电子装备故障诊断方法浅析 摘要：本文首先分析了复杂电子装备故障的特点；针对其特点，提出了使用基于证据理论来 诊断复杂电子装备故障，并对其具体方法进行了详细介绍；最后使用该方法对一实例进行了 分析，验证了基于证据理论的复杂电子装备故障诊断方法的可行性和创新性。 关键词：证据理论；复杂电子装备；故障诊断 随着军队信息化建设的不断深入和武器装备的不断发展，越来越多的复杂电子装备列装 到部队，其维修和维护已成为部队装备保障的一项重要工作。对于复杂电子装备的维修、维 护来说，快速的故障诊断是保持、恢复、乃至提高电子装备战斗力的重要因素。它不仅直接 关系到电子装备的战术技术性能的发挥，而且对部队的快速反应能力、出动强度和持续战斗 力起着决定性的作用。这已被二战以来的历次战争所证明。同时， 故障诊断和维修保障也是 保持复杂电子装备战备完好性，延长其使用寿命的关键要素，复杂电子装备作为信息化武器 系统的重要组成部分，是部队进行信息化作战的核心武器系统，必须使其始终保持良好的技 术状态。 本文主要针对复杂电子装备故障的特点，研究复杂电子装备的故障诊断方法，重点解决 复杂电子装备的故障快速定位的问题；为保持复杂电子装备的战备完好性提供理论方法。 1.复杂电子装备故障的特点 电子装备的组成及复杂性决定了其故障具有以下的几个突出特点： 1.1层次性 复杂电子装备一般由若干电子功能单元组成，每个单元又由许多电子模块构成，而每个 模块又由若干电子元件组成。其中任一电子元件出现故障，其所在的功能模块就会出现故障， 而该功能模块所在的功能单元也必定会出现故障，因此，复杂电子装备的故障具有明显的层 次性。 1.2传播性 复杂电子装备作为一个复杂的系统，其中任一个电子元件或功能模块出现故障，都可能 造成其他电子元件或功能模块出现故障，具有明显的传播性。 1.3不确定性 复杂系统的一个突出特征就是不确定性。复杂电子装备作为一个复杂系统，同样具有这 个突出特征，其故障很难确定和定位，具有明显的不确定性。 通过对复杂电子装备故障特点的分析，可看出复杂电子装备故障难以进行精确的状态描 述和完整的故障模拟，给诊断工作带来很大困难。而通常的诊断方法又需有统一的识别框架、 完整的先验概率和条件概率知识等要求，但实际应用中很难满足这些条件，因而不适宜解决 数据不确定性问题。而证据理论则不需要先验概率和条件概率密度，采用信度 函 关于工期滞后的函关于工程严重滞后的函关于工程进度滞后的回复函关于征求同志党风廉政意见的函关于征求廉洁自律情况的复函 数，而不是 概率作为度量，对不确定信息描述采用“区间估计” ，而不是“点估计”方法，在区分未知与不确定方面及精确反映证据收集方面显示出很大灵活性。故本文针对复杂电子装备故障诊 断中的特点，探索利用证据理论加以解决，提出基于证据理论故障诊断方法，来解决故障诊 断中的不确定性问题。 2.基于证据理论的复杂电子装备故障诊断方法 电子装备故障诊断中，若干故障会产生症状，每个症状下各故障可能有一定的发生概率， D-S 证据理论中，用信度函数表达概率大小，由多诊断设备测试被诊断对象，得出每一诊断 设备的症状属于各类故障的信度函数，再利用组合规则进行信息融合，得到融合后症状分别 属于各类故障的信度函数，最后依判定准则确定故障类型，其诊断过程如图1。 不同类型的诊断设备监测同一个目标或状态，每个诊断设备各自完成变换和处理，其中 包括数据预处理、特征提取、识别或判决，以建立对所监测目标或状态的初步结论。而后通 过证据组合处理，进行故障决策，最终获得联合推断结果。 诊断源1 故障识别 诊断结 故证 特 果输出 障据 征诊断源2 故障识别 决组 抽 ……………… ……………… 策合 取 诊断源n 故障识别 图1 基于证据理论的故障诊断决策模型 2.1基本概率赋值与信任函数 设? 是故障判决问题所有可能取值的集合，且所有在 ? 内元素间是互不相容的， 则 ,M(),0,,,2,[0,1]称 ? 为识别框架。设函数：，且满足时，称为的基本概M(A)MA,M(A)1,,,A,,, [1]率赋值。表示对的精确信任程度。定义?上的信任函数： A ,,,BEL:2[0,1], ,BEL(A),M(B)(,A,,),,B,A, 如果识别框架?一个子集为，具有M(A),0，则称为信任函数的焦元（Focal AABELElement），所有焦元的并称为核（Core）。对于电子装备故障诊断系统，设有个诊断设备，p M(A)A个故障类别，则表示诊断设备测得的症状属于故障的信度函数。 qiijj2.2故障组合规则方法 ,MM该方法提供组合两个证据规则。设和是上两个相互独立的基本概率赋值，即故212 M,M,M障诊断设备，组合后的基本概率赋值：。 12 BELBELMM设和是识别框架?的两个信任函数，和分别是对应的基本概率赋值，1212[3]A,...AB,...B焦元分别为和，即待识别的故障模式。 1k1r 又设： K,M(A)M(B),1,12ij,ijAi,Bj,, ,M(A)M(B),12ij,,ijAi,Bj,C则：M(C), ,,C,,C,,1,K,0C,,, MM式中，若，则确定基本概率赋值；若，、矛盾，不能对基本概率赋K,1MK,112值组合。由此证据组合规则称为 Dumpster 。对多个证据组合，可采用Dumpster对证据进行两辆综合。 2.3基于基本概率赋值的决策方法 M(A),M(A),,,121M(A),max{M(A),A,U},,1iiM(U),,A对于：，若有：，则即为,,21MAMAAU且AA(),max{(),,,}2iii1,,M(A),M(U)1, ,,,判决结果，即故障判决为A发生故障，其中为预先设定的门限。 121 3.基于证据理论的电子装备故障诊断实例分析 在某次演习中，我炮兵某型炮位侦察校射雷达发生故障，经检测发现该雷达的信号发送 系统的主控电路模块存在故障，该模块包含共基极放大器、共射极放大器、射随器、差动式 放大器 4 个子模块。上级要求我装备保障部门迅速定位到某个子模块单元，再对其进行更换 或维修，以保证其能为炮兵火力打击提供及时准确的情报信息，并对炮兵射击进行适时的校 射。本文将以此为例，使用基于证据理论的方法对其故障进行诊断定位。 X,{X,X,X,X}假设采用两种故障诊断设备进行故障定位，则故障识别框架为， 故1234 M,{M,M}障测量框架为，其基本概率赋值空间如下表：为属性未知。 U12 1 MM 12 XXXX U3124 M 0.35 0.1 0.25 0.3 0.25 1 M 0.4 0.05 0.2 0.35 0.2 2 2 S1,S2 M 1M,M 12X(0.25)X(0.35)X(0.1)X(0.3) U(0.25) 3124 X(0.4) 0.14 0.04 0.1 0.12 0.1 1 X(0.05) 0.0175 0.005 0.0125 0.015 0.0125 2 X(0.2)M 0.07 0.02 0.05 0.06 0.05 32 X(0.35) 0.1225 0.035 0.0875 0.105 0.0875 4 U(0.2) 0.07 0.02 0.05 0.06 0.05 根据证据理论决策方法，由表2的数据，计算得到两组证据的不一致因子： =（0.04+0.1+0.12）+（0.0175+0.0005+0.015） K +（0.07+0.02+0.06）+（0.1225+0.035+0.0875）=0.688， 则有： 1=0.312 ,K MM可分别计算得到、组合后的基本概率赋值如下： 12 M(X),0.24M(X),0.54M(X),0.15；；； 312 M(X),0.33；M(U),0.08。 4 ,,,,0.1可见，不确定的基本概率赋值明显下降，采用该决策方法，选取门限，由本12文2.3介绍的决策方法，可得决策结果为 F，即故障判决结果为该雷达信号发射系统中的共1 基极放大器发生故障，应立即予以更换或进行维修。 4 结论 通过故障诊断实例的分析，验证了基于证据理论的复杂电子装备故障诊断决策模型的有 效性和可操作性。但证据理论在复杂电子装备故障诊断的应用中也存在缺陷，如证据理论组 合规则的“证据独立性”要求限制使用范围，其正则化过程可能掩盖证据本身的冲突性，这 些都有待进一步进行分析和探讨。 参考文献： [1]蒋谱成.军用电子装备故障智能诊断与维修[J]. 舰船电子工程，2000（５）：２９－３２. [2]黄瑛，陶云刚，周洁敏等.D-S 证据理论在多传感器数据融合中的应用[J].南京航空航天大学学报，2001.2 [3]王壮，胡卫东，郁文贤等.数据融合中的 Dempster- Shafer 证据理论[J].火力与指挥控制, 2001，26 (3).