裝備系統故障診斷技術研究

胡浩，閆英敏，陳永利

（軍械工程學院 電氣工程系，河北 石家莊 050003）

對于裝備系統的故障診斷技術，國外很早就開始對其研究，并且取得了很多研究成果。許多國家已經將一些先進的故障診斷方法廣泛應用于裝備系統的故障診斷中，如基于數學模型的方法、基于信號處理的方法和基于知識的方法。隨著科學技術和裝備保障需求的進一步發展，國外又提出了故障預測和健康管理（PHM）等新技術[1]。故障診斷的任務由低級到高級涉及到以下4方面內容：1）故障建模即按照輸入和輸出的關系建立故障數學模型。2）故障檢測即從過程可測量或者不可測量的估算信息中提取描述系統的特征信息，從而判斷是否發生故障。3）故障的分離和估計，當系統發生故障時，給出了故障源的位置。4）故障的分類，評價和決策[2]。

1 裝備系統故障診斷方法

1.1 基于神經網絡故障診斷模型

隨著人工智能技術不斷發展，智能化技術應用于系統故障診斷已經成為一種發展趨勢，基于人工智能的故障診斷方法不需要知道被控制對象的精確的模型，能夠較好的應用于不確定的或者模糊的故障，從其診斷的過程來講是一種類似于模式分類的問題[3]。BP網絡是一種前饋型的神經網絡，神經元的傳遞是S函數，可以實現從輸入到輸出的非線性映射，由于權值的調整，采用反向傳播的學習算法。因此稱其為BP網絡。其結構如圖1所示。

圖1 BP神經網絡結構Fig.1 Structure of BPneural network

1.2 BP神經網絡用于故障診斷的仿真

BP神經網絡[4]具有其固定的缺點，比如收斂速度慢，局部極值，難以確定隱層節點個數等。在實際應用中，BP算法很難適應所有的情況，因此出現了許多改進算法，BP算法的改進主要兩個方面：一種是采用啟發式學習的算法，另一種是更有效的優化算法。文中采用的數據來自于文獻[5]，建立12-15-6的三層神經網絡，其中的檢驗量如表1所示。

表1 控制系統故障診斷中的檢驗量Tab.1 Control system fault diagnosis in the amount of inspection

1.2.1 BP神經網絡的彈性梯度下降法

彈性梯度下降法訓練函數為trainrp，利用數據對檢驗量進行仿真，將網絡學習率設為0.8，權值變化增加量設為1.01，最小梯度要求為10-4，權值變化減小量為0.7，最大訓練不數為5 000。任意選取數據中的第5種數據進行仿真。條件設置與仿真結果如圖2所示。

圖2 BP神經網絡彈性梯度改進算法誤差曲線Fig.2 Neural network algorithm to improve the error curve of elastic gradient

其輸入為p=[0.062 7 0.108 8 0.151 9 0.228 5 0.293 6 0.396 3；0.094 2 0.138 3 0.179 2 0.251 7 0.313 4 0.410 7]；目標為 t=[0 0 0 0 1 0]； 網絡輸出為 t=sim （net，p） 結果為 t=[0.113 9 0.063 3 0.177 2 0.075 9 0.886 1 0.126 6]；說明故障類型是第5種故障，網絡的收斂速度是比較快的。

1.2.2 BP神經網絡有動量的梯度下降法

在工具箱中，train函數采用了有動量的梯度下降法，提高了學習的速度和算法的可靠性。網絡的學習率為0.8，最大訓練步數為5 000步，用附加動量方法進行仿真。任選第二組故障數據，p=[0.070 1 0.135 3 0.157 1 0.157 3 0.668 3 1 1 1 1 1]；目標輸出t=[0 1 0 0 0 0]，網絡輸出為t=[0.112 5 0.788 3 0.223 2 0.083 7 0.034 79 0.302 1]仿真曲線如圖3所示。

圖3 BP神經網絡有動量梯度下降法曲線Fig.3 BPneural network with a gradient descent method curve

2 系統CAN總線的仿真

2.1 CAN軟件系統節點定義

CANoe軟件是Vector Informatik公司開發的CAN工具系列中最重要的工具之一，Vector Informatik公司是德國一家專門從事現場總線特別是CAN總線的研究，開發的高科技公司，它在CAN總線應用領域開發了一系列強有力的開發軟件工具，CANoe（CAN Open Environment）作為 CAN 總線的開發工具支持整個系統開發的全部過程[6]。本設計只需要構建網絡中的物理層和數據鏈路層便采用ISO11898-1標準進行構建，應用層標識符數據的格式應按照SAE J1939協議規定的格式來設定．通信速率為250 kbps．本設計采用3個節點分別為：數據輸入節點，數據輸出節點，故障顯示節點在CANoe的仿真配置窗口中，3個節點分別與總線相連接，形成三節點仿真控制系統網絡。

圖4 節點連接Fig.4 Node connection

2.2 數據庫的建立

要建立一個完整的系統要先對自己設計的系統有一個全局的把握，對于這個控制系統應該實現的功能，控制過程中每個節點要發送的報文或者要接收的報文都應該有一個清晰的認識.對信號進行定義時包括信號的名字，長度，字節順序，信號值單位，范圍，類型，比例系數，偏移量，此外還要定義信號所屬報文及其接收節點等.

2.3 面板編輯

面板的編輯主要就是設計面板控件還要把環境變量與面板上的空間聯系起來，實現虛擬儀表系統，其具有把計算機資源，接口電路，用戶界面軟件等有機結合的功能[7]。文中介紹的系統主要編輯3個面板分別是數據輸入面板，輸出面板和故障顯示面板.以彈性梯度下降法為例。

表2 信息報文和信號Tab.2 Information message and signal

圖5 數據輸入與顯示面板Fig.5 Data entry and display panel

為了保證系統的人性化設計，也為滿足專業技術人員不在現場時應急搶修的要求對系統數據進行處理，以輸出故障數據大于0.7作為判定故障的條件，輸出面板如圖6所示。

圖6 故障種類顯示面板Fig.6 Display of fault types pane

2.4 數據輸出

本次仿真的實際負載率可以從CANoe軟件的總線統計（Bus Statics）窗口中看出，在系統中使用總線的是CAN1，所以CAN2總線上的示數是0，總線1的實際負載率是35.22%。數據的傳輸采用擴展幀，每秒發送710幀，到目前為止已傳輸19 872幀。另外本次設計波特率為250 Kbps。

圖7 總線數據統計Fig.7 Bus data statistics

3 結 論

總線報文的類型只能是數據幀，不存在錯誤幀，遠程幀和過載幀。其中，幀起始有1位，仲裁域有29位（擴展幀格式），控制域有6位，數據域為64位，CRC域為15位，應答域2位，幀結尾7位，總共124位。把以上數據代入公式，總線負載率為總位數乘以每秒發送幀數再除以波特率結果為35.216%。理論負載率和實際負載率之間誤差為實際負載率與理論負載率的差再除以理論負載率結果為0.001 4%，系統運行正常。

[1]周杰.BP神經網絡在電廠制粉系統故障診斷中的應用研究[D].重慶:重慶大學，2003:2-4.

[2]唐洪法.基于BP神經網絡的網絡故障診斷系統[D].南京:南京理工大學，2005:3-6.

[3]商云龍.基于BP神經網絡的垃圾焚燒故障診斷的方法研究[D].北京:北京化工大學，2006:4-5.

[4]吳軍，帥海燕.一種基于多方法組合的新型等值附鹽密度預測模型[J].陜西電力，2011（8）：13-17.WUJun，SHUAIHai-yan.A new esdd forecasting model based on multi-methods combination[J].Shaanxi Electric Power，2011（8）：13-17.

[5]趙永玲.基于神經網絡的控制系統故障診斷研究[D].大慶:大慶石油學院，2003:27-28.

[6]王峰.基于J1939協議的車輛綜合信息顯示系統仿真設計與分析[J].現代計算機，2007，5（1）:20-30.WANG Feng.A emulation design and analysis of vehicle integrated information display system based on J1939 protocol[J].Modern Computer，2007，5（1）:20-30.

[7]陳智勇，羅詩途.基于CAN總線技術的車輛虛擬儀表數據采集系統的設計[J].微計算機信息，2003，19（12）:8-15.CHEN Zhi-yong，LUO Shi-tu.A design of data acquisition system for vehicle virtual instrument based on CAN bus technology[J].Micro Computer Information，2003，19（12）:8-15.