自行火炮故障预测模糊专家系统研究

第２３卷第３期　２　０　０　２年８月　兵　工　学　报　ＡＣＴＡ　ＡＲＭＡ＾ｄＥＮＴＡＲＩＩ　Ｖ０１．２３　ＮＯ．３　Ａｕｇ．　２００２　

自行火炮故障预测模糊专家系统研究　

黄景德　王兴贵　王祖光　（军械工程学院）　摘要　采用面向对象方法，开发了一个自行火炮故障预测模糊专家系统。介绍了系统的总体结构　和各模块的功能，阐述了故障预测和系统报警的实现方法及系统的推理途径。　关键词　自行火炮；故障预测；模糊专家系统；面向对象方法　中图分类号ＴＰ３１１　

自行火炮使用性能受复杂的动力学环境、巨大　的能量、机械的复杂性等因素影响，每个故障都可能　产生主要和次要的危险后果。预测故障发生的时　机，改善装备的质量监控技术水平，故障预测系统要　求知识体既能静态地表达领域专家的经验、决策等　定性知识，又能动态地表达自行火炮随服役条件改　变而变化的定量知识。同时，必须具备较复杂的科　学计算能力。Ｚａｄｅｈ提出的基于模糊逻辑的近似推　理及面向对象的程序设计方法为系统的开发提供了　有效的工具。基于这一思想，本文提出了一种自行　火炮故障预测的大系统的设想。　１　系统的设计原则　自行火炮故障预测模糊专家系统是一种以　ＡＤＡＭＳ仿真平台开发出的自行火炮“虚拟样机”为　基础，充分利用已有的维修领域的知识和专家经验　建立动态的运算规则，经过模糊推理机的科学运算，　评判出故障部位，然后将其仿真结果参照故障阈值　定量判断，预测故障发生的时机、状况的智能性程序　系统。系统的设计应遵循以下三条原则：　（１）人机界面友好　通过人机交互界面，用户可以向预测系统输入　信息并提出要解决的问题，预测系统也可以把系统　预测的结果传输给用户并回答用户提出的问题。在　操作过程中每一步都有提示，为用户提供一个学习　故障预测的软件环境。具体包括：知识库管理，便于　知识的更新；数据库管理，便于故障阈值及故障预测　

２００１年６月收稿，２００２年５月定稿。　有关参数的修改；预测结果的解释，便于用户对预测　结果的理解；预防对策，便于用户进行预防性维修。　（２）充分利用好知识　预测结果的准确性主要取决于知识来源的正确　性和系统的推理机制，对于本系统来说，各个影响因　素的隶属度和权重系数是最重要的预测信息。　（３）系统应具有可扩展性　系统的报警、故障预测，需要通过仿真平台的仿　真数据来检验，系统设计时，必须解决好和仿真平台　的接口关系。　２系统的总体结构　自行火炮的故障机理很复杂，譬如过度使用的　因素或自然环境的因素，而故障模式通常由故障机　理引起。为了提高自行火炮服役期间的可靠性和安　全性，提高其服役状态的实时监测和故障预测能力，　其故障预测模糊专家系统应具有三大功能（如图　２．１所示）。　

数据管理Ｉ　『　报警Ｊ　『故障预测　预　测　结　果　查　询　萋ｌ｝　ｉ　ｌ　｛ｌ蓁ｌ　囊ｌ　ｌ蓁ｌ霎　

图２．１系统总体结构图　Ｆｉｇ．２．１　Ｆｒａｍｅｗｏｒｋ　ｏｆ　ｔｈｅ　ｗｈｏｌｅ　ｓｙｓｔｅｍ　知　识　库　管　

理　维普资讯 http://www.cqvip.com ３００　兵　工　学　报　第２３卷　

（１）报警功能　存储有关的报警信息，通过数　据分析，对预测对象进行决策报警。　（２）数据管理功能　负责故障阈值管理及报警　信息和预测结果的查询。　（３）故障预测功能根据获得的各影响因素权　重系数和模糊关系矩阵，对预测对象进行实时评判，　得出若干个故障的隶属度，按照最大隶属度原则来　识别，将可能性较大的故障输入报警模块，进行决策　分析，并作出故障解释，给出预防对策。同时借助知　识库管理模块，可对规则库和事实库进行添加、修　改、删除、输入等操作。　３系统功能的实现　３．１预测模型的建立　预测模型的建立是本系统的关键环节，找到预　测对象所有可能发生的故障和影响因素。设这些影　响因素组成的向量为Ｕ＝｛　１，　２，…，　｝，所有可　能出现的故障点组成的向量为Ｖ＝｛　１，　２，…，　｝，中间因素组成的向量为Ｕｉ＝｛　…，　｝．Ａ：（ａ１，ａ２，…，ａ　）是【，上的一个模糊子集，　ａ　表示因素　呈现的程度，即　的权重大小，且　∑口　＝１．同理对　有Ａｌ＝（口ｍ口　…，口　），且　ｔ　１　Ｐ　∑ａ　＝１．通过分析专家经验和大量的实验数据来　确定模糊关系Ｒ＝（　，）　，ｒ　，表示第ｉ个影响因　素对第Ｊ个故障点的隶属度　，．　将Ａ与Ｒ进行广义模糊合成运算，即可得到故　障预测的基本模型　Ｂ＝Ａ　ｏＲ　（３．１）　模糊算子分为“主因素突出型”、“主因素决定　型”及“加权平均型”等几种类型，各模型有各自的特　点和适用范围，前两者都突出了主要因素的作用，而　忽略了次要因素的影响。对于自行火炮的故障预　测，应综合考虑各方面因素的影响，所以模型中模糊　合成运算采用“加权平均型”算子Ｍ（・，④）．　３．２故障预测的实现　故障预测的实现过程，究其实质是一个动态的、　复杂的大系统。故障预测数据流向如图３．１所示，　方框表示系统库所，椭圆表示系统功能模块。故障　参数库用于存储定量判断所需的阈值及预测模型中　的参数，供信息获取模块和报警模块调用；预测结果　库用于存放预测记录，包括故障模式、故障位置、剩　余时间；解释对策库用于存储故障推理、判断和定位　过程以及预防维修建议；知识库存放领域专家的经　验、知识和模糊隶属函数的选取知识，采用规则、框　架等表示方法。在上述知识描述基础上，系统通过　各功能模块完成具体预测任务，知识库管理模块由　事实库、规则库和模糊关系矩阵库组成，为用户提供　友好的知识获取和管理界面，通过对话框提取规则，　建立知识库；信息获取模块通过调用和人机交互获　取等方式获取推理的有关信息，同时定义各因素隶　属函数，并将它们转换为模糊隶属度供预测推理模　块使用；预测推理模块利用获取的知识进行推理运　算，并给出推理结果，是整个系统的核心部分；结果　解释模块记录推理的过程和路径，并解释推理过程　中所用的规则；预防建议模块针对预测出的故障结　果，向用户输出预防维修建议；输入输出模块便于用　户查询预测结果，同时提供打印功能；此外为了给用　户提供一个学习故障预测的软件环境，系统还将提　供提示信息模块，主要任务是在预测过程中的各个　环节设置帮助文本，指导用户使用本系统。　

一　

图３．１故障预测数据流向图　Ｆｉｇ．３．１　Ｔｅｎｄｅｎｃｙ　ｏｆ　ｆａｕｌｔ　ｆｏｒｅｃａｓｔ　ｄａｔａ　用　户　

３．３报警的实现　系统报警的实现主要通过报警模块来实现。报　警模块由数据分析、预测结果存储和决策报警三项　组成，通过对存储故障的数据分析，按照设定的择优　方法进行决策和报警；故障参数管理模块负责故障　阈值的上、下限及预测模型参数录入和修改。如当　某部件的磨损量超过该部件故障阈值上限时，系统　报警并将报警信息写入预测结果库。报警模块数据　流向如图３．２所示。　故障参数库　：　据接口模　ＡＤＡＭＳ仿真平台　系统报警模块　＝；　预测结果库　故障参数管理）　用户Ｉ；＝＝　入输出模　

图３．２报警模块数据流向图　Ｆｉｇ．３．２　Ｔｅｎｄｅｎｃｙ　ｏｆ　ａｌ

ａｒｍ　ｄａｔａ　维普资讯 http://www.cqvip.com 第３期　自行火炮故障预测模糊专家系统研究　３０１　

４推理途径　４．１推理知识表示策略　自行火炮故障预测系统涉及到的知识是以逻辑　性、运算性知识为特点的知识类型。当预测对象确　定后，首先找到问题涉及的所有影响因素，利用其权　重和模糊隶属度来描述此问题。在这些影响因素　中，有些能明确描述，有些因素的确定则可以作为一　个子问题，需要下一层的影响因素来确定，所以整个　预测知识的表示策略具有鲜明的层次性。　（１）权重系数的表示方法　预测结果的准确性依赖于权重系数和影响因素　与故障之间的隶属关系。为了使权重系数反映出Ｕ　不同时刻的重要程度，根据自行火炮在其个体寿命　内的变化趋势，推理运算时采用下式修正权重系数　ｆ　＝（１一ｅ　）・口　（４．１）　不同的部件在自行火炮故障的磨合期、稳定期　和耗损期内，ｋ的取值也不同，同一部件在一定时　期内可用极大似然估计法求出。　由于影响因素和故障之间是一种层次结构，如　图４．１所示，第ｉ层第Ｊ个结点的评价结果为Ｂ　各　子结点为中间子目标，评价指标处于各分支的最底　层。每个结点对应一个子规则，一个预测任务对应　一个规则库，规则库采用“母规则＋子规则”的规则　组合方式，母规则是系统推理的主线，反映故障位置　与影响因素的逻辑确定关系，有且必须只有一对　ＩＦ，ＴＨＥＮ规则；子规则反映具体的权重系数的修　正方法，对ＩＦ，ＴＨＥＮ规则的个数不作限制，其中子　规则的前提因素必须是母规则前提链中的一部分。　表示格式如下：　表示格式：Ｒｕｌｅｓ（规则库标识符）　Ｒｕｌｅ　Ｎ（Ｎ母规则的规则号标识符）　ＩＦ前提链ＴＨＥＮ结论链　Ｓｕｂ—Ｒｕｌｅ　ｎ（ｎ子规则标识符）　ＩＦ前提ＴＨＥＮ权重系数的修正算法　

图４．１　反后坐装置后坐过短故障关系树　Ｆｉｇ．４．１　Ｆａｕｌｔ　ｒｅｌａｔｉｏｎ　ｏｆ　ｒｅｃｏｉｌ　ｓｙｓｔｅｍ　ｒｅｃｏｉｌｉｎｇ　ｓｈｏｒｔ　在系统内的格式如表４．１所示，表格内存放各　元素所对应的编号，指针指向下一条子规则的编号。　表４．１权重系数表示方法　Ｔａｂ．４．１　Ｅｘｐｒｅｓｓｉｏｎ　ｏｆ　ｗｅｉｇｈｔ　ｃｏｅｆｆｉｃｉｅｎｔ　ＲＵｌｅＮ前提链结论链Ｓｕｂ－Ｒｕｌｅ　ｎ前提权重系数　指针　Ｓｕｂ—Ｒｕｌｅ　１　１　４　Ｓｕｂ－Ｒｕｌｅ　２　２　

例如预测反后坐装置故障时，针对后坐过短共　有五个故障位置，三个一级子目标（部件间有异物、　驻退液变质与摩擦阻力过大）组成，摩擦阻力过大又　进一步分解为部件碰伤、部件弯曲、螺帽旋过紧三个　二级指标，共形成２条产生式规则，第１条子规则　为：　ＩＦ部件碰伤权重系数ａ２１（０．２９３）ＡＮＤ部件　弯曲权重系数ａ２２（０．２６４）ＡＮＤ螺帽旋过紧权重系　数ａ，　（０．４４３）　ＴＨＥＮ　Ｃ３１＝（１一ｅ　）・口３１　３２：（１一ｅ一舡）・。３２　３３：（１一ｅ—ｎ）・。３３　如果前提的三项编号分别为１、２、３，结论的编　号为４，这条规则在系统中的表示格式列于表４．１。　每一个预测任务的所有子规则组成一个规则库，存　放于不同的文件中。　（２）模糊关系矩阵的表示方法　对领域专家的丰富经验和大量的试验数据分析　总结后，找到所有可能发生的故障和影响因素及各　影响因素的隶属度，采用表格表示法来实现。表格　的格式如表４．２所示。　表４．２表格表示法　Ｔａｂ．４．２　Ｅｘｐｒｅｓｓｉｏｎ　ｉｎ　ｔａｂｕｌａｒ　ｆｏｒｍ　

因素Ｕｌ　因素Ｕ　２　

因素“　

ｒ巧表示Ｕ　对　发生的相关程度，它的正确确定　直接影响着预测的效果，考虑预测系统的适时性，模　糊关系矩阵应为动态矩阵，即影响因素和故障点的　

隶属关系应随着使用状况的改变而变化。为此系统　维普资讯 http://www.cqvip.com ３０２　兵　工　学　报　第２３卷　

建立了动态的隶属度公式　ｆ／１　（“　，　，Ｘ）　有影响时　＝　（４．２）　【０　无影响时　ｚ是动态变量，表征在装备的个体寿命中的服　役时间等，对于确定性问题，用０，１表示影响因素与　故障点是否相关，相关为１，不相关则为０，对于不　确定性问题，用隶属度来表示，即ｒ“介于［０，１］之　间。此表示法使得知识库具有动态的特性。每一个结　点对应一个模糊关系矩阵，底层影响因素评判出来　的结果直接作为上层模糊关系的一个向量。　４．２推理过程　系统的运行过程也就是获取知识、选择预测模　型，进而解决问题的过程。由于自行火炮的服役环　境在不断地变化，故障的引发因素中既有定性因素，　又有定量因素，要求系统应满足实时性和定性定量　并行推理的特性。系统的推理流程如图４．２所示。