基于數(shù)據(jù)庫的坦克炮控系統(tǒng)模糊故障診斷

謝超 王曉江 仝波 李元林

摘 要：本文建立了坦克炮控系統(tǒng)模糊故障診斷模型，對坦克炮控系統(tǒng)的故障進(jìn)行定位和隔離，幫助維修人員分析和確定系統(tǒng)故障。理論和實驗表明，該系統(tǒng)能夠較為準(zhǔn)確的給出故障診斷結(jié)果，有助于提高坦克炮控系統(tǒng)維修效率和可靠性。

關(guān)鍵詞：數(shù)據(jù)庫;坦克炮控系統(tǒng);模糊故障診斷

1數(shù)據(jù)庫及故障診斷的概述

1.1數(shù)據(jù)庫

數(shù)據(jù)庫是一個按數(shù)據(jù)結(jié)構(gòu)來存儲和管理數(shù)據(jù)的計算機軟件系統(tǒng)。數(shù)據(jù)庫的概念實際包括兩層意思：（1）數(shù)據(jù)庫是一個實體，它是能夠合理保管數(shù)據(jù)的“倉庫”，用戶在該“倉庫”中存放要管理的事務(wù)數(shù)據(jù)，“數(shù)據(jù)”和“庫”兩個概念結(jié)合成為數(shù)據(jù)庫。（2）數(shù)據(jù)庫是數(shù)據(jù)管理的新方法和技術(shù)，它能更合適的組織數(shù)據(jù)、更方便的維護(hù)數(shù)據(jù)、更嚴(yán)密的控制數(shù)據(jù)和更有效的利用數(shù)據(jù)。

1.2故障診斷

故障診斷也稱診斷，查找設(shè)備或系統(tǒng)的故障的過程。用來檢查尋找故障的程序稱為診斷程序，對其它設(shè)備或系統(tǒng)執(zhí)行診斷的系統(tǒng)稱為診斷系統(tǒng)。

2模糊故障診斷原理

2.1模糊故障診斷的基本思想

由于坦克炮控系統(tǒng)結(jié)構(gòu)復(fù)雜，因此一種故障發(fā)生時會產(chǎn)生多種征兆，而一種征兆可能對應(yīng)多種故障。假設(shè)炮控系統(tǒng)某一故障有m個故障原因，記故障原因集為Y={yj}，j=1，2，…，m;該故障對應(yīng)n種現(xiàn)象，記故障征兆集為X={xi}，i=1，2，…，n，xi=1表示出現(xiàn)故障，xi=0表示未出現(xiàn)故障;令rij∈[0，1]，表示第i種故障現(xiàn)象與第j種故障原因的相關(guān)程度，即隸屬度，構(gòu)建n×m階模糊關(guān)系矩陣R，模糊故障診斷模型為Y=XoR。式中：“o”為模糊算子，R為模糊關(guān)系矩陣，X為故障征兆集，Y為故障原因集。

2.2模糊關(guān)系矩陣的確立

本系統(tǒng)采用模糊統(tǒng)計法和專家經(jīng)驗相結(jié)合的方法來確定隸屬度，具體實現(xiàn)過程如下：

（1）通過統(tǒng)計歷史故障記錄確定初始隸屬度M=（mij），mij∈（0，1）。

（2）由專家經(jīng)驗確定初始隸屬度N=（nij），nij∈（0，1），某一故障出現(xiàn)時，通過故障機理分析，判斷可能導(dǎo)致該故障產(chǎn)生的原因及相應(yīng)的征兆，本文假定有專家經(jīng)驗隸屬度取值原則。

（3）假設(shè)以上兩種隸屬度確定方法的權(quán)重集為{z1，z2}，設(shè)置z1，z2初始值均為0.5，若某一故障在歷史故障事例中發(fā)生可能性極小，則適當(dāng)減小z1，增大z2，若專家經(jīng)驗較少，則反之，rij=mijz1+nijz。

（4）對部件實際故障狀況進(jìn)行排查，更新數(shù)據(jù)庫，調(diào)整由歷史故障記錄確定的初始隸屬度M。同時將實際故障與本模型故障診斷結(jié)果進(jìn)行比對，調(diào)整專家經(jīng)驗隸屬度N。

2.3故障識別

通過計算得到故障原因集Y后，確定系統(tǒng)故障的過程稱為“反模糊化”，即故障識別。

常見的反模糊化方法有：

（1）最大隸屬度原則。從故障原因集Y中選擇隸屬度值最大的那個狀況作為故障診斷結(jié)果，然而，當(dāng)出現(xiàn)兩隸屬度值接近且均較大時，該方法可能造成誤判。

（2）閾值原則。在故障原因集Y中確定某個基準(zhǔn)隸屬度值，隸屬度高于該基準(zhǔn)值的狀況均作為故障診斷結(jié)果，需通過實驗進(jìn)一步驗證。

以上兩種方法互為補充，本系統(tǒng)首先采用最大隸屬度原則，當(dāng)最大的兩個隸屬度值相接近時，改用閾值原則。

3建立數(shù)據(jù)庫和實現(xiàn)數(shù)據(jù)處理

隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，數(shù)據(jù)庫技術(shù)對龐大繁瑣的數(shù)據(jù)處理能力越來越強。現(xiàn)代坦克系統(tǒng)技術(shù)愈加復(fù)雜，維修測試需求隨之提高，維修技術(shù)人員在執(zhí)行維修任務(wù)時，可通過查詢終端得到實用的故障處理方案。本模型實現(xiàn)LabwindowsCVI與SQLServer2005之間的數(shù)據(jù)共享，采用SQLToolkit工具包管理應(yīng)用程序，使用開放式數(shù)據(jù)庫連接ODBC做數(shù)據(jù)接口，應(yīng)用標(biāo)準(zhǔn)化查詢語言SQL訪問數(shù)據(jù)庫。坦克炮控系統(tǒng)結(jié)構(gòu)復(fù)雜，故障征兆與故障原因為多對多關(guān)系，本模型建立的數(shù)據(jù)庫（PKGZZD）包括以下幾個表格：

3.1故障信息表

故障信息表（GZXXB），包括部件名稱（BJMC）、故障名稱（GZMC）、故障現(xiàn)象（GZXX）、故障次數(shù)（GZCS）等，用于保存歷史故障記錄，并作為初始隸屬度確定的重要依據(jù)。故障原因表（GZYYB），包括部件名稱（BJMC）、故障名稱（GZMC）、故障原因（GZYY）等，記錄與不同故障名稱相對應(yīng)的故障原因。

3.2部件信息表

部件信息表（BJXXB），包括系統(tǒng)名稱（XTMC）、部件名稱（BJMC）、部件圖片（BJTP）、圖片長度（TPCD）等，用于維護(hù)待測系統(tǒng)部件的基本信息。

3.3故障處理表

故障處理表（GZCLB），包括部件名稱（BJMC）、故障名稱（GZMC）、解決方案（JJFA）等，幫助維修測試人員快速準(zhǔn)確的解決故障。

3.4故障征兆原因映射表

故障征兆原因映射表（GZYSB），包括部件名稱（BJMC）、故障名稱（GZMC）、故障現(xiàn)象（GZXX）、故障原因（GZYY）、故障次數(shù)（GZCS）等，用于反映故障征兆與故障原因間的映射關(guān)系，以確定模糊關(guān)系矩陣。

4基于數(shù)據(jù)庫的坦克炮控系統(tǒng)模糊故障診斷

本文以某坦克炮控系統(tǒng)驅(qū)動電機實際故障為例，對其進(jìn)行模糊故障分析。驅(qū)動電機是驅(qū)動武器系統(tǒng)運動的裝置。故障現(xiàn)象有，x1表示輸出電壓諧波增加，x2表示繞組絕緣老化，x3表示電機振動信號加大，x4表示電樞回路電阻增加，x5表示電流不穩(wěn)定，x6表示溫度過高，x7電火花加大。故障原因有，y1表示電樞開路，y2表示電樞過熱，y3表示匝間短路，y4表示轉(zhuǎn)自軸承磨損，y5表示換向器接觸片磨損。通過統(tǒng)計某部隊近幾年裝備使用狀況，得到驅(qū)動電機的模糊關(guān)系矩陣M，由專家經(jīng)驗，得到矩陣N，綜合權(quán)重系數(shù)后得到最終模糊關(guān)系矩陣R。當(dāng)驅(qū)動電機出現(xiàn)電壓諧波增加、電流不穩(wěn)定征兆時，故障征兆集為X={1，0，0，0，1，0，0}，Y=XoR={0.88，0.35，0.25，0.05，0.10}，故障可能性由高到低是y1，y2，y3，y4，根據(jù)隸屬度最大原則，最有可能出現(xiàn)的故障是電樞開路，這與故障機理分析后得到的專家經(jīng)驗一致。再根據(jù)故障可能性由高到低進(jìn)行故障排查，將最終診斷結(jié)果計入數(shù)據(jù)庫。實踐表明，該模糊推理方法有助于篩選故障原因，及時高效地進(jìn)行故障診斷。

5結(jié)束語

坦克炮控系統(tǒng)主要負(fù)責(zé)的是坦克火炮操作，保證系統(tǒng)操作的穩(wěn)定性，針對該系統(tǒng)故障診斷，主要是利用檢測儀器，將有價值的物理量采集起來，通過時域與頻域的數(shù)據(jù)處理深入剖析幅度、相位與頻譜所呈現(xiàn)的特征，從而明確特征量，了解系統(tǒng)中是否存在故障。但是這一診斷方式無法保證結(jié)果的確定性，主要體現(xiàn)在故障現(xiàn)象這個方面，后期數(shù)據(jù)處理難度較大，很有可能出現(xiàn)一些隨機故障。所以，本文對基于數(shù)據(jù)庫的坦克炮控系統(tǒng)模糊故障診斷進(jìn)行分析。

參考文獻(xiàn)

[1]李英順，張童鑫，伊梟劍.一種基于改進(jìn)支持向量機的炮控系統(tǒng)故障診斷方法[J].自動化與儀器儀表，2019，0（7）：155-160.

[2]王薇，羅云霞，蔡建平.執(zhí)行機構(gòu)飽和下的坦克炮控伺服系統(tǒng)自適應(yīng)控制研究[J].數(shù)學(xué)的實踐與認(rèn)識，2018，48（11）：190-194.64EA0DC8-EA4E-497B-A985-46AD3E31303F