基于模糊診斷的航空電源車綜合故障診斷技術

馬智杰，許少波

（中國飛行試驗研究院，陜西 西安 710089）

1 研究背景

隨著航空試飛事業的急速發展，現有試驗機型眾多，試飛任務繁重，試飛保障的成功率變得愈加重要。航空電源車作為一種集發電與供電于一體的試飛保障主要裝備，承擔著飛機相關地面工作和飛行啟動的保障工作[1]，其運行狀態和供電性能直接影響到飛行保障效率和飛行安全[2]。而航空電源車容易出現故障且難以判斷排除，很大程度上影響后續飛行保障工作的正常進行[3]。

基于航空電源車在飛行保障工作中的重要性，要時刻保證其設備狀態良好，而航空電源車故障的快速診斷和修復是保證其狀態良好的重要方式。航空電源車故障的發生具有模糊性和不確定性，故障位置隨機性強，故障征兆表現模糊，兩者間的關系也是模糊的，符合模糊診斷方法的應用條件[4]。為保證航空電源車故障的快速定位排除，通過此模糊診斷方法對發生的故障進行診斷，快速定位故障點，進行精準排除，能夠提高航空電源車的完好率和飛行保障效率。

2 模糊綜合評判法

模糊故障診斷通過統計故障發生征兆與故障發生原因建立單征兆與故障原因的隸屬度關系，通過整合多征兆與故障原因的隸屬度關系形成診斷矩陣，再根據模糊算法的計算結果確定故障是否存在傾向性，得出故障診斷結論。模糊診斷的過程如圖1 所示。

圖1 模糊診斷過程

2.1 建立故障評判因素集

當航空電源車出現故障，車輛的故障警示燈會進行提示，電源輸出品質往往會受到影響。通過統計發生故障時的航空電源車表現形式，形成航空電源車故障征兆集。設航空電源車出現故障的可能表現征兆有p個，分別用u1,u2,…,up表示。通過統計航空電源車故障可能出現的位置，形成航空電源車故障原因集。設航空電源車可能出現故障的原因有q個，分別用v1,v2,…,vq表示。則得到以下兩個集合：

2.2 確定隸屬度

由于航空電源車發生故障時，其征兆與原因不是簡單的映射關系，故障的某一表現形式可能由多種原因導致，因此通過建立模糊集合來表示當出現故障征兆時各個故障原因的可能性程度，這種可能性程度就是隸屬度[2]。

建立單征兆模糊集合Rp={rij,…,rip}，表示第p個故障征兆發生時對各個故障原因的評判結果。Rij表示故障征兆和故障原因之間的聯系，確定故障征兆集U內所有征兆與原因的隸屬度關系，再以單征兆評判矩陣為行，形成模糊診斷矩陣：

式中：0≤rij≤1，rij∈[0,1]。

該模糊診斷矩陣表示了故障征兆集與故障原因集之間相互制約的關系強度。在實際的航空電源車故障診斷中，上述矩陣表示了故障征兆與故障原因之間的隸屬度，即可能導致此征兆發生的故障原因的可能性。

2.3 建立多征兆表征集

在實際故障發生時，故障征兆不是單一的。經過故障表現重復確認后，可能存在征兆的不確定性，因此不能用簡單的是或否來確定故障征兆。在此引入多征兆表征集，由專業工程人員根據實際故障的評判來為所有征兆可能性進行評判。

建立多征兆表征集：

2.4 模糊算子的選用

根據實際情況的需求不同，選用的模糊算子也不同。在航空電源車故障診斷中，需要了解各個故障發生原因的可能性，依據可能性大小進行故障排除工作，所以一般選用加權平均型算子M（●，+）。

2.5 模糊綜合評判

由于針對電源車故障需要對所有因素依權重值大小均衡兼顧，考慮各個因素，因此采用加權平均型算子M（●，+），對對應元素乘積求和。

根據具體情況確定模糊算子后，求解模糊方程：

式中：○為模糊算子，R為模糊診斷關系矩陣，描述了故障征兆與故障原因之間的隸屬程度[5]。

確定了模糊算子后，將式（3）、式（4）代入式（5）得到模糊方程：

式中：dj=,(j=1，2，…,p)。

D即為最終的故障診斷模糊評判集，該集合內各元素即為故障原因位置的可能性大小。

3 模糊綜合評判在DYC30 型航空電源車故障診斷中的應用

當前航空電源車廠家眾多，車型眾多，特裝部分結構變化大，出現故障時不易查找故障源，設備狀態恢復有很大困難。但綜合現有航空電源車廠家多數設備來看，其供電原理基本相同，若利用此模糊診斷方法，可快速查找故障源所處系統，再進行精準維修，可極大地縮短故障排除時間。在此選用DYC30 型號航空電源車為例進行說明。

選取該型電源車一次28.5 V 保障機型啟動失敗情況為例進行故障診斷。總結故障征兆共6 個，建立故障征兆集如表1 所示。

表1 故障征兆集

總結故障原因，共有9 個常見故障原因，建立故障原因集如表2 所示。

表2 故障原因集

根據常年故障總結數據和專業工程人員的經驗，建立模糊關系如表3 所示。

表3 28.5 V 保障機型故障模糊關系

可得到故障模糊矩陣為

由專業工程人員根據建立的模糊量詞量化表4，針對故障征兆建立多征兆表征集A={0,0,0.9,0,0.7,0}。

表4 模糊量詞量化

由于DYC30 型航空電源車故障因素眾多，對所有因素需依權重值大小均衡兼顧，在高可能性故障原因不正確時需考慮其次的可能原因，所以要保留各個因素可能性大小。選用加權平均型算子M（●，+），進行模糊評判：

根據最大隸屬度原則，最有可能發生的故障為v4，即ZLWT-4 直流調壓器損壞。排除故障時，技術人員發現由于直流調壓器損壞，導致無勵磁電壓輸出，證明實際故障與診斷結果相同。

4 模糊綜合故障診斷實際應用

隨著電源車多功能綜合化程度越來越高，故障診斷技術要求也越來越高。電源車技術更新速度極快，這就要求維修人員具備大量的知識儲備和維修經驗。運用此方法構建故障征兆與位置的數學模型，可以通過形成的故障模糊關系表來指導維修工作，形成系統性的故障查找數據庫，對應的可能性由數值表示，一目了然，有助于維修人員對故障進行快速預判。

在實際故障中，故障與征兆很難精確對應，只能憑借人為經驗去進行梳理排除。而電源車模糊綜合診斷可以直接通過易辨識的故障征兆給出故障產生位置的可能性，快速完成電源車故障的檢測與排除，大大提高了診斷工作的效率和準確性[6]。

故障征兆就是故障發生時的表征現象，可以通過軟件采集故障信號形成多征兆表征集，通過系統計算得出故障模糊評判集，大大減少故障定位時間。如果該系統應用成功，能在一定程度上提高對航空電源車裝備的維護維修能力，對電源車裝備的信息化和智能化發展起到極大的推動作用[7]。

5 結語

航空電源車在實際使用時，故障的出現具有復雜性，往往表現為多個征兆。尤其在試飛實際情況中，需要保障的機型眾多，航空電源車廠家眾多，涵蓋多個系列的航空電源車，故障的排除難度更大。與其他保障技術相比，本文提出的模糊診斷方法能夠快速、準確地鑒定故障類型，對故障進行定位，減少了故障定位排除的時間。在今后的工作中，通過電子設備收集航空電源車的數據，分析可能出現的故障征兆，然后由計算機進行模糊診斷，能夠有效提高故障診斷效率，加強對設備狀態的把控，對未來的試飛保障工作具有重要意義。