艦載火控系統故障診斷知識獲取技術研究

劉憲忠，趙昶宇

（1.海軍裝備部駐天津地區第二軍事代表室，天津300308；2.天津津航計算技術研究所，天津300308）

隨著艦載火控系統的不斷發展以及艦載火控設備的功能性和復雜性日益提高，傳統的艦載火控系統故障診斷方法已不滿足火控設備故障診斷的要求。知識獲取技術是故障診斷的瓶頸，一直以來都是故障診斷過程中最復雜、最薄弱的環節，它直接決定了艦載火控系統故障診斷能力的高低。

因此，如何提高艦載火控系統故障診斷知識獲取能力，進一步提高知識的可維護性、擴寬知識應用面以及加快知識的檢索時間，成為艦載火控系統設計人員的奮斗目標。

艦載火控系統的故障大體上分為2 種：①有定量參數的故障，比如設備的電壓值、電流值或溫度值等；②無定量參數的故障，比如設備死機、顯示屏黑屏、通訊中斷等。

針對上述2 種故障類型，本文提出了粗糙集和案例推理相結合的技術，用于解決無定量參數的艦載火控系統故障診斷；采用基于故障樣本特征貢獻率的方法，解決有定量參數的故障。

1 艦載火控系統組成及故障診斷體系結構

艦載火控系統是作戰艦船的重要組成部分，隨著其功能和結構復雜度不斷增加，對其進行維修的成本和難度也越來越大。艦載火控系統通常由幾個子系統組成的，每個子系統內包含多個部件，每個部件又包含多條電路，一直分解到最低層次的元器件。

艦載火控系統的組成如圖1 所示。

圖1 艦載火控系統組成示意圖

艦載火控系統的故障診斷體系結構如圖2 所示，該結構主要由知識庫、解釋機制、推理機制、數據庫等構成。知識庫的作用是存儲和管理領域專家的經驗和知識，進行故障推理；解釋機制用于解釋規則、推理過程和中間結果；推理機作為故障診斷專家系統的核心，在推理和搜索算法的基礎上完成故障推理；數據庫用于存儲初始數據、推理的過程和結果、結論以及和推理相關的應用程序。

圖2 艦載火控系統的故障診斷體系結構

2 基于粗糙集和案例推理進行知識獲取

粗糙集的最大優點是處理不確定和不精確問題，它能夠在不借鑒任何先驗知識的前提下，將復雜冗余的原始信息系統簡化為最小決策信息系統，便于從大量復雜的故障信息中提取有用的規則和知識。

案例推理技術的最大優點是把知識獲取的過程簡化為案例的描述和檢索過程，對于新出現的故障，只需在案例庫中檢索是否有相似的案例，無需進行故障的推理，省去了對知識進行規則化和抽象的過程。但隨著案例庫的不斷擴充，案例庫中會出現重復甚至矛盾的知識，這將極大地影響案例檢索結果的性能和正確性。

對于粗糙集和案例推理技術相結合的故障診斷方法，一方面，利用粗糙集對故障案例進行屬性約簡和值約簡，避免出現冗余和矛盾的案例，提高案例檢索的速度和準確性；另一方面，該方法用于彌補專家經驗的不足，尤其適用于沒有定量參數生成的故障診斷，利用案例推理技術詳細記錄此類故障的描述信息、故障案例的特征向量和特征權重向量，故障結論信息和案例輔助信息，便于對后續類似故障案例進行有效檢索。

艦載火控系統出現故障時，有時無法直接獲取故障數據，僅根據故障現象很難對故障進行診斷和定位。對于這種類型的故障，較好的解決辦法就是建立故障診斷的案例庫，在案例庫中詳細描述每種故障的故障發生時間、故障現象和故障模式，確定案例的特征向量和案例特征權重向量，給出故障的解決措施，編寫故障手冊并給出結果評價。當出現新的故障時，基于粗糙集和案例推理技術在現有的案例庫中進行相似案例的檢索。如果檢索失敗，則對故障特征進行模糊化，然后運用神經網絡技術得到故障案例的隸屬度，并將推理結果交由現場專家進行綜合分析處理，最終形成故障問題的正確診斷結論。如果當前檢索的案例是一個新的案例，則將當前案例保存到現有案例庫中，實現案例的自學習功能。艦載火控系統案例檢索的流程如圖3 所示。

圖3 艦載火控系統案例檢索的流程圖

3 基于故障樣本特征貢獻率進行知識獲取

如何有效提取艦載火控系統的故障特征，是艦載火控系統故障診斷領域研究的主要內容。由于艦載火控系統通過數據采集系統采集到的電壓、電流、溫度等原始數據具有冗余和高維的特點，如果將原始數據直接用于設備的故障診斷，勢必會極大地降低故障診斷的效率和準確性。

因此，在進行艦載火控系統故障診斷之前，首先要對采集的數據樣本進行降維處理，在不降低采集到的樣本數據的信息量的前提下，利用坐標變換的方法將采集到的樣本數據映射到新的數據空間中；分析樣本數據中各個指標特征對故障診斷的貢獻率，貢獻率越高，表明該指標對故障的影響越大，故障可信度越高。

基于故障樣本特征貢獻率的算法步驟為如下。

從某一時刻開始計時，連續采集一組長度為L 的樣本指標Y=[y1，y2，yi，…，yl]，然后按照固定的采樣周期，采集N 次同長度的樣本指標，得到N×L 的樣本空間：

計算協方差rij的每個特征值λ1，λ2，…，λj，…，λL。

將上述計算得到的特征值按照從小到大的順序排序，計算得出每個指標的貢獻率

由上可知，如果艦載火控系統某一故障樣本指標特征值的貢獻率Cj所占的比例越大，表明該故障指標對故障的影響比例越大，即該故障指標對當前故障提供的信息量越多。以故障樣本特征貢獻率作為艦載火控系統故障診斷的主要依據，貢獻率越高，則該指標造成故障的概率越高，可優先基于該指標進行艦載火控系統故障排查。采用這種數據挖掘的方式實現對艦載火控系統故障診斷的知識獲取，并將數據挖掘的結果存入知識庫中。

4 結束語

通過對艦載火控系統常見故障類型的分析，研究了獲取艦載火控系統故障診斷專家知識的兩種方法?；诖植诩桶咐评磉M行知識獲取以及基于故障樣本特征貢獻率進行知識獲取的方法，為艦載火控系統專家知識的提取奠定了基礎，有效地提高了艦載火控系統故障診斷的效率和正確性。將該方法應用于某型艦載火控系統故障診斷，取得了較好的故障診斷效果。