基于灰色理論的炮閂裝置健康診斷技術

黃應清，李 坤，張振山，李培富

(裝甲兵工程學院 a.控制工程系;b.兵器工程系，北京 100072)

健康診斷在軍事領域中已成為非常重要的技術手段，健康診斷技術的運用使得武器裝備的維修效率故障隔離率有了明顯的提高，為武器裝備戰斗力的發揮起到了非常重要的作用，針對炮閂結構復雜，實彈射擊時檢測不便，維修困難等狀況，健康診斷技術旨在尋找炮閂裝置技術的狀態變化規律，在裝備使用之前及使用過程中實現其運行情況的實時檢測，并對故障進行預測，保證裝備在使用過程中保持良好的狀態。

1 健康診斷技術的基本內涵

健康診斷技術，重點是利用先進的傳感器集成，并借助于各種算法和智能模型來預測、監控和管理系統的健康狀態［1］。

坦克炮閂裝置的特點是，工作環境復雜、干擾大、使用期限長，傳統的傳感器元件和設備組成的檢測系統的性能穩定性和耐久性都不能很好地滿足工程實踐的需要。近年來研究發展起來的諸如光纖、壓電、形狀記憶合金及疲勞壽命絲等高性能、大規模分布式智能傳感元件及具有子感知、子增強和子修復特性的智能材料，以及無線網絡傳輸和信息融合技術為復雜結構裝置智能檢測與診斷系統的研究和發展提供了基礎。

健康診斷智能檢測系統主要包括:高性能智能傳感器元件與信號采集裝備，多參量、多傳感元件檢測數據智能處理與數據動態管理方法，結構實時損傷識別、定位與模型修正，結構實時健康診斷與安全預警系統，運用到復雜的軍事領域中來，可以有效地提高武器裝備的可測試性和維修性［2］。

2 炮閂裝置及開閂運動分析

炮閂是用于火炮發射時閉鎖炮膛、擊發炮彈底火和發射后抽出藥筒，主要由閉鎖裝置、擊發裝置、發射裝置、保險裝置、復撥器、半自動開關閂裝置、抽筒裝置和裝彈盤總成等部分組成［3］。

火炮發射時，炮身后座，開閂裝置的固定座和沖桿隨炮尾一起向后運動，開閂裝置的檔鐵因固定在搖架上而停在原位不動;當沖桿離開檔鐵時，壓筒彈簧伸張使檔鐵下落，擋在沖桿前面;當炮身復進至沖桿前端與檔鐵相遇時，沖桿受到阻力不能前進，此時，其后端頂住桃形臂尖端，使桃形臂轉動，同時壓縮沖桿彈簧，帶動曲臂軸、曲臂一起轉動，使得閂體向左移動;抽筒子掛臂猛烈的撞擊抽筒子凸起部，抽筒子轉動，抽筒子爪抽出藥筒;同時，抽筒子右凸起部掛住抽筒子掛臂，將閂體控制在開閂位置。從開閂運動過程可以看出，參與運動的裝置主要有:閉鎖裝置、抽筒裝置、擊發裝置、放閂裝置、沖桿、曲臂、曲臂軸、滑輪和滑輪軸等。

可以看出，炮閂系統是一個典型的機械聯動系統，依靠碰撞傳遞力和力矩來完成各個機構的動作，涉及零件繁多機構比較龐大，同時，約束關系也比較復雜，每個零部件基本上都是同時承受來自相鄰部件的多個約束力。

3 灰色理論的基本方法

灰色理論是在信息不完全，即只有部分信息清楚，而另一部分信息不清楚的情況下，從已知的部分信息中提取有價值的信息，實現對系統運行的正確認識和有效控制［4］。因此，灰色理論是控制論觀點和方法的延伸，從系統的角度出發來研究信息間的關系，即研究如何利用已知信息去揭示未知信息，也就是系統的“白化”問題［5］。通常使用概率論、數理統計等方法也能解決相關的問題，但是，要求樣本量比較大，且要符合典型的概率模型，在炮閂的健康診斷中實現起來比較困難。

3.1 灰色統計的相關概念

灰色統計就是一種白數的灰化處理方法，以灰數的白化函數為基礎，將具體數據按照某種灰數所描述的類型進行歸納整理，從而判斷統計指標所屬的灰類。反應炮閂健康狀況的灰數為一個整體數，各專家給出的值為一區間數，要依靠白化函數將這些灰數進行白化。設f(x)∈［0，1］，對?x，如果滿足

則f(x)為典型的白化權函數，以下簡稱白化函數如圖1所示。

圖1 典型的白化函數

圖1中，L(x)為左支函數;R(x)為右支函數;［b1，b2］為峰值區，b1、b2為轉折點;x∈［b1，b2］，f(x)=fmax(x)為峰值區白化值;x∈［c1，c2］，f(x)→0 為終止區白化值。

設N 為統計對象;M 為統計指標;S 為統計灰類;dij為第i 個統計群體對第j 個統計指標所提出的白化值，其中:i∈{1，2，3，…，n}，j∈{1，2，3，…，m}。則炮閂健康診斷灰色統計具體步驟如下:

1)明確統計群體，劃分統計灰類，確定統計方案。

2)專家根據炮閂的各指標評分標準獨立打分，根據評分結果構造D 矩陣

3)根據準則或一定的經驗即炮閂的灰度標準，做出白化函數圖。

4)求出評價決策系數njk的值其中，njk為第j 個統計指標屬于第k 個灰類系數;Ni為第i 個統計對象中統計者的人數;fk(dij)為第i 個統計對象對第j 個統計指標所提出的決策量的白化值，其中:k=1，2，…，Na;j=1，2，…，m;i=1，2，…，n。

5)求決策權和決策權向量，決策權表達式

6)判斷灰類，得出炮閂指標的健康狀況。如果rj中第k*個權的值最大，即

其中，i=1，2，…，Na;i≠k*，則第j 個統計指標就屬于第k*個灰類。

3.2 灰色理論在炮閂上的應用

考慮到炮閂裝置狀態是為了坦克火炮的可用性作指導，同時兼顧后續的維修工作，根據炮閂裝置的使用情況為原則，從可用性的角度出發，將炮閂裝置的健康狀況分成五種類型:健康、亞健康、注意、病變、禁用，分別表示炮閂裝置沒有出現過不良工況，無須維修，處于完全的正常工作狀態;炮閂雖然處于相對正常工作狀態，無須維修，但須擦拭清洗;炮閂雖然處于正常工作狀態，但偶爾也會出現不良狀況，經簡單維修后仍能夠正常工作;炮閂處于非正常工作狀態，時好時壞，經維修后偶爾能夠參與訓練;炮閂處于非正常工作狀態，經單位維修后也不能參與訓練，此時應該停止該裝備的使用，送至專業維修廠進行維修。相對應的評分標準如表1所示。

表1 灰色統計評分標準

參加炮閂健康診斷的專家有6 位，每位為一組，則共有六組(i=1，2，…，6)，診斷因素為開閂、抽筒、自動關閂、自動擊發、發火(j=1，2，…，5)。

根據灰色統計的評分標準，6 位專家根據實驗統計數據及經驗、計算結果對炮閂的5 個診斷項目獨立進行打分情況如下:

式(1)中的D 即為評分矩陣。

根據灰類的評分標準，作出白化函數圖如圖2 所示。

圖2 白化函數圖

則6 組專家(Ni=1，2，…，6)對因素1 評為健康的評價系數為

同理，可以求出因素1 評為亞健康的評價系數n12=5.338、評價為注意的評價系數n13=4.417、評價為病變的評價系數n14=1.075、評價為禁用的評價系數n14=1.075。

那么，六組專家對因素1 的總的評價系數n1:

由此，可以求出專家對因素1 的評價權rik:

則因素1 的評價權向量:

同理可以求出6 組專家對因素2 -5 的評價權向量:

由以上計算結果對各指標進行灰類判斷，可以得出各健康狀況所屬的灰類，如表2 所示。

表2 診斷結果

這樣，根據上述判斷結果就可以根據需要，有選擇地對該炮閂裝置進行維護修理。

4 結束語

本文通過對灰色統計理論方法的分析研究，提出了基于灰色理論的炮閂裝置健康狀態評估方法，將炮閂裝置的健康狀態分為健康、亞健康、注意、病變、禁用五類，并根據6 位專家對這五種因素分析的有關數據，通過給出的炮閂裝置健康診斷的6 大步驟，逐步計算分析，得出了該炮閂裝置健康狀況的有關結論，從而為炮閂裝置下一步的使用維護提供了理論基礎。通過實例，證明了該方法的實用性，具有一定的實踐指導意義。

［1］寧宣熙，劉思峰.管理預測與決策方法［M］.北京:科學出版社，2003.

［2］趙芳.基于模糊模式識別的船用柴油機狀態檢測和故障診斷［D］.濟南:山東大學，2005.

［3］邵思杰.武器測試與故障診斷［M］.北京:裝甲兵工程學院，2007.

［4］王學萌.灰色系統預測決策建模程序集［M］.北京:科學普及出版社，1986.

［5］何永.彈性身管和彈丸禍合運動的研究［J］.四川兵工學報，1995，16(3):73.

［6］李榮鈞.模糊多準則決策理論與應用［M］.北京:科學出版社，2002.

［7］劉楊，任德奎.基于灰色理論的間斷性需求備件預測方法［J］.四川兵工學報，2011(4):27-29.

［8］劉瓊，段亦彬.基于灰色理論的火炮維修器材消耗預測模型［J］.四川兵工學報，2011(1):49-51.