模糊模式識別在軍用車輛故障排查中的應用研究*

韓 振 鄭海鷗 張青苗

(防空兵指揮學院 鄭州 450052)

模糊模式識別在軍用車輛故障排查中的應用研究*

韓 振 鄭海鷗 張青苗

(防空兵指揮學院 鄭州 450052)

針對軍用車輛裝備故障信息的特點,提出應用模糊模式識別的方法進行故障分析的必要性。介紹了模糊模式識別的基本原理,并以某型軍用車輛故障排查為例驗證了算法的可行性,最后構建了故障分析系統,在一定程度上對軍用車輛故障分析起到了指導作用。

故障分析;模式識別;車輛故障

Class NumberO235

1 引言

隨著戰場環境的日益復雜,對于破損軍用車輛裝備的維修要求日益增高。而待修軍用車輛的故障排查是整個車輛維修過程中的關鍵所在,特別是在戰時準確、高速的車輛故障排查直接影響部隊戰斗力的形成,對掌握戰場主動權,具有重要影響。由于車輛功能的完善,任務的增加,工作條件的苛刻,使得軍用車輛裝備故障發生率不斷的提高,因此對于待修軍用車輛進行高速、快速的故障分析,迅速找到故障源,查明引起故障的內在原因,提出改進和預防措施,對保證軍用車輛裝備的正常工作,以及提高運行的可靠性都具有重要的意

義[1～2]。

在待修軍用車輛故障排查過程中,由于故障信息的復雜性、故障部件之間的相互破壞性、潛在故障因素的多樣性、故障機制的交叉性以及故障特征識別的模糊性,使得故障分析成為一個極其復雜的過程。如何對大量觀察、測試而獲取的不完整、不精確數據進行綜合分析,從眾多潛在因素中找出導致故障的根本原因,繼而有針對性地采取改進措施,是一件難度很大的工作。這樣,迫切需要發展一種高效、智能的自動化故障分析系統來彌補單純依靠人為分析所帶來的主觀性和被動性以及不可預見性。

2 模糊模式識別原理

模式識別技術是用機器模擬人的各種識別能力。它是一門交叉性學科,涉及計算機、統計學、智能數據庫等領域。主要包括數據選擇、數據處理、數據轉換和判斷分類等內容。圖1給出了模式識別的系統框圖。

圖1 模式識別系統框圖

在實施故障排查過程中,由于車輛故障具有不確定性和數據模糊性,而運用傳統的故障排除方法對帶有模糊性的事物進行識別效果難以令人滿意。模糊模式識別能有效解決上述問題,特別適用車輛故障排查問題。

2.1 貼近度

貼近度是模糊集理論和應用中重要的概念[3]。為了衡量同一論域上模糊集之間的接近程度,模糊模式識別提出貼近度的概念。

設A,B是論域U上的模糊子集,則稱

為 A和B的貼近度,其中AΘ B和A?B為A,B的內積和外積,內積越大,模糊集越靠近,外積越小,模糊集越靠近,從而σ0(A,B)越大,A和B越貼近。

2.2 擇近原則

設論域U上有m個模糊子集A1,A2,…,Am,構成一個標準模型庫{A1,A2,…,Am},B為待識別的模型,若存在 i0∈{1,2,…,m},使得

則稱B與Ai0最貼近,或者說把B歸并到Ai0類。

3 基于模糊模式識別的某型軍用車輛故障排查實例

設論域U={x1,x2,…,x8}是8輛某型故障車輛(8個樣本),每個樣本由7個主要指標來描述,即:xi=(xi1,xi2,…,xi7)(i=1,2,…,7)。7個指標含義如下:xi1使用年限(年);xi2工作環境(以7月平均氣溫計);xi3零件信息;xi4材質分析;xi5載荷信息;xi6更換次數;xi7司機違規操作(次/年)。樣本原始數據如表1所示。

1)將標本進行4分類:

Ⅰ(機械磨損 A1)={x2,x4,x5};Ⅱ(熱損傷A2)={x6};Ⅲ(電損傷 A3)={x3,x7};Ⅳ(人為損傷A4)={x1}。

表1 車輛樣本原始數據

2)構成標準模型庫{A1,A2,A3,A4},ˉxik是各分類中第k個指標的平均數(k=1,2,…,7),與待識別樣本B(樣本8)一并列在表2中。

表2 故障分類指標統計

為了便于計算貼近度,將表2上的數據標準化,即作變換:

將數據壓縮到[0,1]上,見表3(仍記為 xik)。

表3 標準化指標統計

采用貼近度公式得到:

按擇近原則,被識別的樣本B屬于A1類,即樣本8的故障損壞屬于機械磨損。

4 軍用車輛裝備故障案例庫的建立

軍用車輛裝備系統是一個零部件類型豐富、結構功能復雜、故障隱患因素多樣的龐大系統,所以軍用車輛裝備故障信息也具有有別于其他系統的獨特性質。

軍用車輛裝備故障信息具有一定的層次性。對于同一類故障信息,可以不斷地將其細化。以尋求最細致、最能夠體現故障本質的信息描述。以故障模式為例,它分為變形、斷裂、磨損、熱損傷、電損傷、腐蝕、污染和輻射損傷等幾大類。而其中發生頻率最多的斷裂,又可以被進一步的細化。

軍用車輛裝備故障具有一定的相關性[4～5]。在系統內不同零部件之間存在著故障傳遞的現象,某一結構單元在發生故障之后,會導致相關聯的結構單元的關聯狀態發生改變進而產生故障。相關性還體現在故障信息之間,例如可以由裂紋的走向和形狀推斷部件故障的起始位置,可以由斷口的宏、微觀特征推斷可能的故障模式和引起故障的因素。即不同類的故障信息之間存在關聯關系。如果將這些關聯關系挖掘出來形成規則的形式,對于故障分析起到十分有效的指導作用。根據故障信息的上述特點,可建立故障案例庫。將故障信息分為零件信息、材料信息、材質分析、載荷信息、環境信息、外觀特征、故障位置、裂紋特征、斷口宏觀特征、斷口微觀特征、分析手段、故障模式、故障原因、預防措施和斷裂機制等幾大類。這樣便可以方便地利用數據挖掘方法中的關聯規則挖掘方法,來發現故障信息之間的關聯關系,以得出有利于故障分析的關聯規則。

5 系統結構框架的構建

為有效實現系統的功能,軍用車輛裝備故障分析系統應具有數據處理模塊、數據轉換模塊、模式識別模塊、規則管理模塊以及規則的數據轉換模塊[6～8]。系統流程如圖2所示。

圖2 系統流程

系統各模塊功能如下所述。

1)數據處理模塊。實現對案例數據的添加、刪除、修改、完整化,生成字典庫及案例庫。

2)數據轉換模塊。實現屬性條目的特征性選擇,即剔除無意義的屬性條目,以生成新的案例數據表作為數據挖掘的原始數據,并生成可以被數據挖掘模塊識別的屬性描述和案例數據文件。

3)模式識別模塊。實現故障貼近度以及決策屬性的預測,導出所有滿足置信度和支持率要求的識別規則。

4)規則管理模塊。由于數據挖掘工具所挖掘出的關聯規則,并不都是用戶感興趣的。其中包含一些無意義的、對于故障分析無指導作用的規則,應將其從規則文件中刪除,以提高規則文件的有效性。該模塊就是通過對于不同故障信息類型之間的關聯關系分析以及其他的更為靈活、適用的限定條件對規則進行過濾、以得到更有價值、更實用的規則。

5)規則轉換模塊。實現規則數據的轉換,生成便于用戶識別的規則文件。

6 結語

本文首先針對軍用車輛故障信息的特點,進而提出應用模糊模式識別的方法進行故障分析的必要性,以某型軍用車輛故障排查為例驗證了模糊模式識別算法在車輛故障排查應用的可行性,最后構建了故障分析系統,在一定程度上對軍用車輛裝備故障分析起到了指導作用。

[1][美]提摩西.J.羅斯.模糊邏輯及其工程應用[M].錢同惠,譯.北京:電子工業出版社,2000

[2]賈希勝.針對機械磨損過程的功能檢測模型[J].中國機械工程,1998(12)

[3]謝季堅,劉承平.模糊數學方法及其應用[M].武漢:華中科技大學出版社,2003

[4]賈希勝.以可靠性為中心的維修決策模型[M].北京:國防工業出版社,2007

[5]劉寶波,李勤真,米斌斌.數據挖掘技術在軍用車輛裝備故障分析中的應用研究[J].裝備環境工程,2008(4)

[6]劉志勤,王興錄.戰時裝備保障概論[M].北京:軍事科學出版社,2002

[7]杜建社,曹小平,等.裝備維修信息化工程[M].北京:國防工業出版社,2005

[8]郝杰忠,楊建軍,楊若鵬.裝備技術保障運籌分析[M].北京:國防工業出版社,2006

Application Research of Fuzzy Pattern-recognition in Military Vehicle Trouble Checking

Han Zhen Zheng Hai'ou Zhang Qingmiao
(Air Defense Forces Command Academy,Zhengzhou 450052)

Aim at the characteristic of trouble information to the military vehicle,put forward the necessity that the method to use fuzzy pattern-recognition carries on trouble information analysis.Having introduced the basic principle of fuzzy pattern-recognition,the feasibility of the algorithm has been proved for the example with the one type military vehicle trouble check,structured the analytic system of the trouble information finally,played the guidance function to military vehicle accident analysis to a certain extent.

trouble information analysis,pattern-recognition,vehicle trouble

O235

2010年8月11日,

2010年9月20日

韓振,男,碩士,研究方向:裝備保障、計算機仿真。