基于灰色理論與專家系統的電子設備在線故障預測方法研究

向 剛 張會彬 李海孟 陳星宇

1. 北京航天自動控制研究所，北京 100854 2. 中國航天科技集團公司系統工程部，北京 100048

隨著電子科學技術的迅速發展，電子設備日趨大型化和復雜化，功能越來越多、結構也越來越復雜，由電子設備故障造成的損失也逐漸增加，而采用傳統定期檢修的方法會造成人力、物力的極大浪費，引入電子設備的故障預測方法則能夠有效解決該問題。熱待機環境下電子設備的故障預測方法有灰色理論法和專家系統法。

灰色理論是由黑箱-白箱-灰箱理論拓廣而來，它是系統控制理論發展的產物，是用來解決信息不完備系統的數學方法。灰色理論能夠通過對部分已知信息的生成、開發，提取有價值的信息，實現對系統的預測。這種方法能夠對單個測點完成很好的狀態預測，而且具有很好的在線預測能力，但是這種方法要求測點數據能夠表現出確定的趨勢，且對復雜的多測點信息難以進行有效利用。專家系統預測法由于利用了領域專家的知識，本身具有一定的人工智能特性，在使用中能夠將新的知識添加到系統中，使專家預測系統逐漸趨于完善。專家系統預測法可以同時對多測點信息進行綜合利用，能夠完成對復雜系統的診斷與預測。雖然這種方法離線進行預測效果比較好，但無法對數據的趨勢信息進行有效利用。

本文提出了一種基于改進型灰色理論與專家系統的二階組合故障預測方法，利用改進型灰度預測方法進行單測點的狀態預測，然后將狀態預測結果送給專家系統預測模塊，由多測點狀態預測信息進行推理實現系統故障預測，由此形成二階組合預測算法。

1 電子設備的故障分類

電子設備的故障特征主要有隨機性、層次性、時間性以及傳播性等。電子設備的故障從故障發生的時間歷程可分為2類：突發性故障和漸進性故障。突發性故障是由于系統外部原因對系統沖擊而造成的，這種故障表現出較強的隨機性，因而難以進行預測；漸發性故障是指設備在使用過程中由于某些部件老化、磨損、疲勞等造成性能逐漸下降，最終超出允許值而發生的故障，這類故障占有相當大的比重，具有一定的規律性，能夠通過早期的狀態運行數據進行預測和防止[1]。本文主要針對電子設備的漸發性故障進行故障預測研究。

2 故障預測方法

2.1 灰色GM(1,1)模型的建立

灰色預測模型的特點是根據自身數據建立動態微分方程再預測自身的發展。本文采用GM(1,1)模型[2]，下面給出模型的建立過程。

設有原始數據數列X(0)={x(0)(i)≥0,i=1,…,n}。對序列做一次累加生成(1-AGO)：

X(1)={x(1)(i)≥0,i=1,…,n},

(1)

計算GM(1,1)模型的背景值

z(k)=0.5×(x(1)(k)+x(1)(k-1))

(式中，k=2,…,n。)

(2)

一階灰色模型方程為：

(3)

(4)

由最小二乘法得參數估計值：

(5)

灰色模型方程的解為：

(式中，k=1,2,…,n。)

(6)

取x(1)(1)=x(0)(1)，則模型的還原值為：

(7)

2.2 灰色模型的改進

灰色系統理論采用初始數據作為建模依據，沒有考慮未來時刻可能影響系統狀態的因素，稱這種模型為靜態模型。然而，在電子系統中，隨時間的發展，受干擾的因素在不斷變化，數據也在變化之中，舊數據對預測值的影響逐漸減弱，新數據的重要性逐漸加強。此時如果仍套用GM(1, 1)模型進行長期預測，不但預測精度會降低，模型也不能反映出系統的變化，其預測可信度較小。因此，有必要對原始灰度模型進行改進。當加入的信息為預測的灰數時，稱為灰數模型。同時，GM(1, 1)模型長期預測的有效性明顯受系統時間序列長短及數據變化影響，這時再加入等維的約束條件，稱之為等維動態預測模型。

2.3 專家系統

專家系統是一種基于知識推理的計算程序，用于模擬人類專家解決某一專業領域問題。一般來講，一個專家系統具有如圖1所示的基本結構，它包括人機界面、推理機、知識庫、知識管理系統、解釋模塊和動態數據庫6個部分。

圖1 專家系統基本結構

2.3.1 知識表達技術

知識系統是專家系統的核心系統[3]。專家系統中一切推理和診斷都是圍繞知識開展的，知識表達技術決定了專家系統的升級和擴展能力。本文采用產生式規則表示法表達知識，主要由征兆表，規則表和結論表完成，分別如表1～3所示。此法表述簡單清晰，易于擴展。

表1 征兆表

表2 規則表

表3 結論表

2.3.2 推理機制

推理機制是影響故障診斷專家系統診斷效率和診斷精度的關鍵因素，需要設計以下功能模塊：黑板，起到信息資源發布、共享、記錄的功能，是推理機運行的主要模塊；推理機，即推理的方式，解決推理的流程；解釋模塊，解釋專家系統得到診斷結果的依據和過程。常見的推理機制有3種：正向推理、反向推理和混合推理，本文根據數據采用正向推理即可快速、有效地完成故障預測過程，所以只考慮正向推理機制。

3 故障預測系統結構

根據本文采用的故障預測方法，提出一種故障預測系統，其總體結構圖如圖2所示。

圖2 故障預測系統總體結構圖

3.1 灰度預測模塊

由獲得的各測點一段時間內的狀態信息，采用灰色預測算法計算未來時間的狀態值，并把計算結果傳遞給專家系統進行推理預測。

3.2 知識管理模塊

知識管理模塊包括征兆表、規則表和結論表。

3.3 推理機制

推理機制由灰度預測模塊獲取的狀態值生成測點信息，并由知識管理模塊獲取相應知識進行知識載入和黑板生成，最終由推理模塊實現故障預測。在進行故障診斷前，專家系統要預先在系統所運行的計算機內存中載入知識庫，其中包括對知識規則的載入，如圖3所示。規則載入的模式將決定規則匹配和推理的方法、效能。與故障快速推理相關的規則事實前件、規則結論前件采用位邏輯形式載入。

圖3 規則載入流程

規則快速匹配算法采用位與運算模式進行匹配。匹配過程中，程序首先要建立其事實黑板和結果黑板，所謂黑板就是一個數據存儲區，事實黑板中存儲的是系統檢測到的征兆數據，在診斷前需要按照征兆數據內容對事實黑板進行設置。事實黑板設置流程見圖4。

圖4 事實黑板設置流程

結果黑板與事實黑板類似，不同的是結果黑板記錄的是匹配成功后得到的規則結論，在推理前聲明即可，若在推理過程中得到結論JN，將結果黑板倒數第N位置為1，未得到結論的置為0。

規則快速匹配算法采用位與運算模式進行匹配，規則快速匹配算法將規則(事實、結論)前件與(事實、結論)黑板按位相與，如圖5所示。

圖5 規則快速匹配算法

這種簡單快速的位與運算保證了推理的快速性和準確性，大大提高了故障診斷系統的診斷效率和診斷速度。推理過程中要兼顧推理速度和推理的完全， 就需要縮小推理過程中對規則的遍歷范圍，采用淺層推理和深層推理結合的推理模式，可以有效的兼顧推理的速度和完整性。

3.4 結果顯示模塊

結果顯示模塊對故障預測結果進行顯示，若有故障征兆，模塊會給出相應的解釋并提供對應的處理策略，由人機界面傳遞給用戶。

4 試驗數據分析

本文針對某PLC的物理和應用特點，研究了PLC在高溫、高頻、高振動的工作狀態下的特性，總結和提取了熱待機環境下相關電子產品的故障模式，研究并提出故障預測算法，根據算法要求開發相應的故障預測設備，并針對漸發性故障進行故障預測研究。根據獲得的電子設備的故障數據信息，建立相應的故障模式庫，并形成故障預測知識庫，根據性能退化數據進行測試。

下面給出一組故障預測實例，測試數據共有8個通道。建立征兆表如表4，規則表如表5，結論表如表6所示。

表4 專家系統征兆表

表5 專家系統規則表

表6 專家系統結論表

其中通道1和通道7按照性能退化數據進行了模擬，其它通道模擬正常數據，故障預測系統實時獲取各通道的數據，通道1與通道7的原始數據與灰色預測結果如圖6和圖7所示。對比2個通道的原始數據與預測數據，可以發現：通道1在數據平緩區，最大誤差0.01，平均誤差為0，在數據上升或下降區，最大誤差0.005，平均誤差0.001；通道7在數據平緩區，最大誤差0.007，平均誤差為0，在數據上升或數據下降區，最大誤差0.01，平均誤差0.001。原始數據與預測數據均在小范圍內浮動，且誤差很小，灰色理論預測數據能夠較好地匹配原始數據。

表7表示測試后期通道1和通道7的原始數據與預測數據。

圖6 通道1原始數據與預測數據

圖7 通道7原始數據與預測數據

時間(0．5h)通道1原始數據通道1預測數據通道7原始數據通道7預測數據?????1937．5017．5073．4983．4911947．4957．4893．5073．5121957．4727．4773．5273．5261967．4597．4613．5423．5431977．4457．4443．5583．5581987．4287．4303．5733．5731997．4167．4123．5813．5912007．4027．4013．5973．5982017．3897．3873．6143．610

比較測試后期的數據，可以發現通道1在第200個數據時(100h時)，預測結果已經小于征兆表4中相應的故障征兆值7.4(此時預測值為預測數據的第201個數據)，通道7在第200個數據時，預測結果大于征兆表4中相應故障征兆值3.6，根據專家系統規則表5可知，此時對應故障結論1和結論5。故障預測設備根據判斷，最后按照結論表6得到被測對象電源模塊及CMOS有故障征兆。30min后測試相應通道，發現通道1數據為7.389，誤差為0.002，通道7數據為3.614，誤差為0.004，預測結果誤差均很小。說明本文采用的二階故障預測算法，對于具有性能退化特點的漸發性故障能夠較好地實現故障預測。

5 結束語

結合電子設備的故障特點，針對漸發性故障的預測提出了一種基于灰色模型與專家系統的在線故障預測方法，并考慮到在線預測的要求對原始的灰

色模型進行了改進，在專家系統的推理部分采用了一種快速匹配算法，提高了推理的快速性和準確性，最后對實際的電子設備進行測試，能夠實現對具有性能退化特點的漸發性故障預測，驗證了本文提出方法的正確性和有效性。

參 考 文 獻

[1] 曹宏炳, 蔡金燕, 黃允華. 電子設備的故障預測方法研究[C]. 中國電子學會第七屆學術年會論文集, 2001, 821-822. (Cao Hongbing, Cai Jinyan, Huang Yunhua. The Study on the Methods to Electronics Equipment Fault Prediction[C]. The Seventh Annual Conference Proceedings of Chinese Institute of Electronics, 2001, 821- 822.)

[2] 鄧聚龍. 灰色系統基本方法(第一版)[M]. 武漢:華中科技大學出版社, 2005.(Deng Julong. The Primary Methods of Grey System Theory[M]. Wuhan: The Press of Huazhong University of Science and Technology, 2005.)

[3] 張慶振,李清東,任章. 基于故障模式分析的運載火箭發射決策系統推理技術研究[J]. 航天控制, 2006, 24(3):81- 83.(Zhang Qingzhen, Li Qingdong, Ren Zhang. Inference Engine Design for Launching Decision- making Expert System[J]. Aerospace Control, 2006, 24(3): 81- 83.)