導彈故障診斷與預測系統的設計

王文雙，劉崇屹，許才雄，朱桂芳，徐廷學

（1.海軍航空大學，山東煙臺264001；2.海軍艦艇學院，山東青島266000）

導彈是現代化的高技術武器之一，國家武裝力量的重要組成部分，打贏未來戰爭的殺手锏。從德國最早研制的V1導彈投入使用至今，多種高新技術不斷地被運用到導彈上，導彈的綜合性能得到了大幅度的提升。但是也不可避免地出現了導彈故障等問題。由于導彈是一個包含大量元器件和電路的復雜、龐大的系統，各個組成部件之間聯系緊密，導彈武器系統任何一個部分的故障都可能導致導彈發射失敗或發射后失效，導彈部分或完全喪失戰斗力，無法對敵方目標形成有效的打擊，由此引發的經濟損失甚至災難性的后果更是不堪設想[1]。因此，必須進行有效的故障診斷準確定位導彈故障，同時實現故障發生前的故障預報，評價故障發展趨勢及后果，由此預先地做出規劃，將潛在的故障消滅在萌芽狀態[2]，最大限度地減小故障發生的可能及危害，提升導彈綜合作戰能力，保證最大限度發揮作戰效能。

國外在故障診斷與預測技術領域起步較早。以美國為代表的發達國家在裝備故障診斷與預測方面做出了大量研究工作，并成立了眾多科研機構和組織，取得了較多研究成果。美國成立的卓越技術中心（Center of Excellence，COE）主要從事故障診斷、預測與狀態管理方面的研究與應用；美國國防工業協會（National Defense Industrial Association，NDIA）參與美軍JSF項目中的電子產品故障診斷、預測工作；美軍還成立了故障預測與健康管理聯盟（Prognostics and Health Management Consortium，PHMC）[3-4]。

國內雖然在故障診斷與預測技術領域起步較晚，但是研究進展很快，工程應用方面進步也很大。倪巧云[5]和年夫順[6]等深入探討了故障診斷與健康管理的發展以及應用，對于國內開展相關工作具有借鑒意義。海軍航空大學馮玉光教授等人提出的軍用自動測試系統中GPIB總線故障定位的方法，解決了總線通信診斷的難題[7]。雖然學者們取得了許多可喜的研究成果，但是從總體上看，國內故障診斷與預測技術的研究成果絕大部分還停留在理論階段，缺少一個面向實際應用的工程系統。尤其是導彈受自身以及外部因素的影響，測試信息在一定程度上存在著不確定性，給導彈故障診斷與預測系統的設計增加了難度，相關研究成果寥寥。

針對這一問題，本文在深入分析導彈測試信息不確定性和故障診斷與預測系統需求的基礎上，劃分功能模塊，規劃工作流程，討論實現算法，設計了一個導彈故障診斷與預測系統，以期為導彈故障的準確定位和狀態的有效評估提供依據和指導。

1 系統分析

1.1 測試信息分析

導彈測試信息是對導彈狀態的客觀反映，是判明導彈故障的依據。受導彈自身以及外部因素的影響，導彈測試信息在一定程度上存在著不確定性，并且主要表現為冗余性、不完備性和不協調性。

1）冗余性。導彈測試信息中的某些測試參數不是判斷導彈故障情況所必須的。它們占用大量存儲空間，增加了定位故障和預測故障的發生發展趨勢的計算復雜度。

2）不完備性。導彈測試信息中存在著空值信息。它們可能是定位導彈故障的關鍵信息，影響故障診斷規則的獲取和故障趨勢的預測。

3）不協調性。導彈測試信息中，某些超差測試參數相同而故障情況卻不同。這可能導致規則提取時產生不確定性診斷規則，即某些不確定性規則的超差測試參數相同，診斷結果不同。利用不確定性規則對某一樣本進行故障診斷時可能產生多個彼此沖突的診斷結果。

因此，系統在故障診斷與預測之前必須減小甚至消除測試信息冗余性、不完備性和不協調性的影響，從而降低故障診斷與預測結果中的不確定性[8-9]。

1.2 系統需求分析

能夠對采集到的具有不確定性的導彈測試信息進行處理，提取診斷規則。通過故障診斷實現導彈故障的準確定位。通過故障預測實現導彈狀態的有效評估。進而建立導彈測試信息數據庫、故障診斷規則庫和故障診斷預測結果庫。要求具有操作簡單、界面友好、功能強大的人機交互界面，并且能夠對歷史信息進行查詢。

主要功能包括：通過人機交互界面將采集的測試信息錄入系統數據庫，對錄入的不確定性測試信息進行處理，包括刪除正常、重復測試信息和冗余測試參數以及缺失值的完備化處理，最終提取診斷規則；能夠對導彈進行故障診斷，在已有故障診斷規則無法直接對超差測試信息進行診斷以及出現規則沖突時，能夠實現故障診斷推理；能夠結合已有的特征參數信息，對未來某一時刻的值進行預測；能夠對歷史測試信息、故障診斷結果和故障預測結果進行模糊和精確查詢；能夠實現用戶名和密碼的修改并且提供一套嚴格的身份驗證機制，確保安全。

2 總體設計

2.1 功能結構設計

根據軟件系統的功能需求，系統主要包含測試信息管理、故障診斷、故障預測、歷史信息查詢和系統管理5個功能模塊，如圖1所示。

1）測試信息管理模塊。最終目的是從原始測試信息中提取故障診斷規則豐富導彈故障診斷規則庫。本模塊首先將采集到的不確定性原始測試信息錄入導彈測試信息數據庫，刪除正常測試信息、重復測試信息和冗余參數，對不完備測試信息進行完備化處理；然后，分別從中提取確定性診斷規則與不確定性診斷規則，刪除重復規則；最后，整理合并規則，錄入導彈故障診斷規則數據庫。

2）故障診斷模塊。本模塊將故障診斷樣本信息錄入導彈測試信息數據庫，利用導彈故障診斷規則庫中的確定性診斷規則對樣本信息進行故障診斷推理，得到唯一診斷結果。

3）故障預測系統。本模塊首先刪除采集到的故障預測測試信息中的缺失值，再錄入導彈測試信息數據庫；然后，構造預測模型，預測未來某個時刻的特征參數值；最后，將該預測值與故障門限值比較，判斷故障情況。

4）歷史信息查詢模塊。在界面輸入導彈編號或（和）測試時間，查詢導彈測試信息數據庫中的測試信息或者故障診斷預測結果庫中的故障診斷、預測結果。

5）系統管理模塊。主要包括用戶名和密碼的修改以及用戶登錄和連接數據庫的身份驗證。

圖1 功能模塊結構圖Fig.1 Structure graph of function module

2.2 工作流程設計

通過系統的功能結構設計，系統已經有了總體的框架結構，但是系統各個模塊之間的協作過程仍然是模糊抽象的。因此，必須對系統的工作流程進行規劃，幫助設計者把握全局，為下一步各個功能模塊的設計實現奠定基礎。

導彈故障診斷與預測系統整體的工作流程描述如下：

1）用戶通過身份驗證進入系統主界面后可以進行用戶名和密碼的修改，也可以對歷史測試信息、故障診斷結果和故障預測結果進行查詢，或者連接數據庫以便下一步進行故障診斷與預測。

2）成功連接數據庫后，用戶可以錄入原始測試信息通過測試信息處理提取診斷規則；也可以錄入故障診斷樣本信息進行故障診斷推理；或者錄入故障預測測試信息進行故障預測。

3）關閉界面，用戶退出系統。如圖2所示。

圖2 工作流程圖Fig.2 Work flow graph

3 算法實現

3.1 測試信息管理模塊

本模塊分為測試信息錄入、測試信息處理和提取診斷規則3個部分。

首先，剔除正常測試信息、重復測試信息和冗余測試參數，避免冗余性造成的故障診斷時間和空間上的浪費。其次，采用完備化算法填補缺失值，避免不完備性造成的有用故障診斷信息的丟失。最后，從測試信息中提取故障診斷規則，包括確定性診斷規則和不確定性診斷規則，從而克服導彈測試信息的不協調性對故障診斷的影響，錄入導彈故障診斷規則庫。本模塊流程如圖3所示。

冗余測試參數的處理采用屬性約簡[10]算法，具體步驟如下。

Step1：計算分辨矩陣D和相對核CoreC(D)。將相對核作為初始的約簡集R，即R=CoreC(D)。

Step2：檢驗分辨矩陣D中的每一個元素項是否含有約簡集R中的元素，如果含有，令該元素為空，分辨矩陣D轉化為再生分辨矩陣Z。

Step3：檢驗Z是否是空矩陣，如果成立，則算法結束。否則，執行Step4。

Step4：計算Z的再生集S。

Step5：計算S中再生集屬性ck在Z中出現的頻率f(ck)。

Step6：統計f(ck)=1的再生集屬性ck個數。如果個數為1，則R=R?ck，算法結束。如果個數為0，則計算所有再生集屬性ck的決策熵E(R?ck→D)，跳到Step7。否則，找出決策熵最小的再生集屬性ck，令R=R?ck，算法結束。

Step7：找出最小決策熵E(R?ck→D)對應的再生集屬性ck，統計ck個數。如果個數為1，則R=R?ck，跳到Step2。否則，執行Step8。

Step8：選取在Z中出現頻率f(ck)最高的ck，令R=R?ck，跳到Step2。

圖3 測試信息管理模塊流程圖Fig.3 Flow graph of test information management module

關于缺失值的完備化處理，常用的完備化處理方法有刪除法、補齊法和擴展法[11]。文獻[12]中的ROUSTIDA算法是一種填補性能較好的經典算法。但是當該算法應用在不完備不協調決策系統中可能會導致新的沖突情況。本文采用文獻[13]的方法，考慮不同子系統中相似對象對填補效果的影響，對不完備決策系統進行重新劃分，避免產生沖突。具體算法步驟在此不再贅述。

導彈故障診斷規則是反映故障與故障征兆之間關系的一種表現形式，分為確定性診斷規則和不確定性診斷規則。確定性診斷規則指所有與規則相符的樣本都一定會得到唯一診斷結果；不確定性診斷規則指與規則相符的樣本可能得到多個彼此沖突的診斷結果。經過測試信息處理后的信息仍具有不協調性。這就導致不確定性診斷規則的產生，在一定程度上影響了故障診斷的可靠性。因此，本文采用一種屬性值約簡算法，分別篩選出確定性診斷規則和不確定性診斷規則，將二者區別對待，具體步驟如下。

Step1：令決策系統的行序號p=1，執行如下循環。

Step2：計算決策系統規則rp的規則辨識矩陣M(rp)。

Step3：檢驗M(rp)是否有全零行。如果成立，記錄該規則的行序號p值與全零行對應對象的行標i值，該規則和全零行對應對象的規則屬于不確定性規則，均不約簡，跳到Step8。否則，執行Step4。

Step4：刪除重復的行。

Step5：計算規則rp的值核屬性。令值核Core(rp)=?。在M(rp)中找出只存在一個1而其余元素均為0的行。將這唯一的一個1所在的列加入Core(rp)。刪除M(rp)中該列元素也為1的所有行。Core(rp)中的元素即為所求值核屬性。

Step6：檢驗M(rp)是否為空。如果成立，根據Core(rp)得到規則rp的簡化規則，跳到Step8。否則，執行Step7。

Step7：計算規則區分函數。從規則區分函數中得出極小合取范式，再轉化為析取范式。析取范式中的每個合取式都是診斷規則rp的簡化規則。

Step8：p=p+1，若p＜|U|（U為決策系統的行數），則結束循環。

3.2 故障診斷模塊

本模塊分為測試信息錄入、完備決策系統錄入和故障診斷推理3個部分。

首先，判斷錄入的樣本信息是否為正常測試信息。然后，利用導彈故障診斷規則庫中的確定性診斷規則與樣本測試信息進行比對，若得到唯一診斷結果，則輸出診斷結果并將診斷結果錄入故障診斷預測結果庫，以便查詢。否則，結合沖突證據合成方法[14]進行判斷。本模塊流程如圖4所示。

DS證據理論能夠有效解決沖突問題[15]，但是不適用于證據高度沖突的情況[16]，并且基本概率賦值獲取受主觀因素影響較大。本文在文獻[17]的基礎上，選取證據信任度作為基本概率賦值，引入證據可信度作為權重對DS證據理論進行改進，解決了上述問題，實現了診斷推理。完整的運算步驟如下：

Step1：將樣本信息與導彈故障診斷規則庫中的確定性規則進行比對，若能夠得出唯一診斷結果，則輸出診斷結果。否則，跳到Step2。

Step2：構造識別框架Θ={θ1,θ2,…,θN}。完備決策系統中所有的決策屬性作為識別框架的元素θ1,θ2,…,θN，所有測試參數作為證據E。

其中，基本概率賦值最大的決策屬性即為診斷出的故障部件，輸出診斷結果。

圖4 故障診斷模塊流程圖Fig.4 Flow graph of fault diagnosis module

3.3 故障預測模塊

本模塊分為測試信息錄入和故障預測兩個部分。

首先，將測試信息錄入導彈測試信息數據庫，刪除空值信息，避免測試信息的不完備性使得故障趨勢難以預測。然后，設置故障門限值和預測時間，通過構造預測模型得到預測值，與故障門限值比較，從而判斷故障是否會發生。最后，將預測結果錄入故障診斷預測結果庫，以便查詢。本模塊流程如圖5所示。

圖5 故障預測模塊流程圖Fig.5 Flow graph of fault prognosis module

灰色系統是指同時具有已知信息和未知或非確定信息的系統。導彈測試數據具有不確定性，因而導彈可以看作是一個灰色系統。又因導彈特征參數的監測是由具體任務而定，大多是不等時間間隔的[18]。因此，本文提出一種改進UGM(1,1)的非等間隔預測方法，依據測試數據進行故障預測，主要運算步驟如下。

Step4：構造數據矩陣B和Yn。其中，。

3.4 信息查詢模塊

本模塊分為歷史測試信息查詢、故障診斷結果查詢和故障預測結果查詢。首先，輸入查詢條件；然后，數據庫中的結果與查詢條件進行匹配。若匹配成功，則輸出查詢結果。否則，輸出提示語句“沒有找到符合條件的測試文件”。

3.5 系統管理模塊

本模塊分為用戶管理和安全管理。用戶管理包括用戶名和密碼的修改；安全管理包括登錄和連接數據庫時的安全驗證。以密碼修改為例，首先輸入原始密碼，檢驗與登錄密碼是否相同以防止他人惡意修改。如果不相同，則彈出錯誤提示重新輸入。否則，再次輸入新密碼。然后，檢驗兩次輸入的密碼是否相同以防止誤輸入，如果不相同，則彈出錯誤提示重新輸入。否則，將新密碼寫入注冊表，完成修改。完整的流程如圖6所示。

圖6 系統管理模塊流程圖Fig.6 Flow graph of system management module

4 結束語

本文針對導彈保障需求，結合導彈測試信息不確定性的特點，從系統的需求分析入手，按照模塊化的原則，對系統進行總體設計，確定了系統的功能結構和工作流程，并且給出了各個功能模塊的工作流程和實現算法，最終設計出一個導彈故障診斷與預測系統，克服了測試信息冗余性、不完備性和不協調性的問題，實現了故障的準確定位和狀態的有效預測，具有一定的實際應用意義。但是，系統還存在一些不足。例如，導彈測試信息的不確定性因素有很多，本文只討論了冗余性、不完備性和不協調性，對于其他因素，特別是測試信息的隨機性，還有待進一步深入研究。