导弹试射控制系统的故障特性及机理分析

为实现导弹试射控制系统的故障诊断，对导弹试射控制系统的故障特性和故障机理进行了详细分析。通过引入神经网络、专家系统和模糊推理三种现有诊断技术，构建了某导弹试射控制系统的智能故障诊断专家系统。以试射控制系统的故障诊断为例，大大提高了故障检测率。智能故障诊断专家系统在某导弹试射控制系统上有效，弥补了传统专家系统的不足。

第一节.

引诱

试射控制系统是导弹武器系统最重要的部分之一。通过引入智能故障诊断，可以提高其可靠性和可维护性;并可利用诊断机制，通过故障定位和隔离直接指导用户排除故障，对提高导弹试验水平、增强导弹生存能力具有重要意义。现在，大多数导弹故障诊断都依赖于人工分析，这是由图表分析或专家经验确定的。一旦出现异常，需要很长时间才能搜索、定位和修复故障。近年来，随着武器复杂度和生产成本的不断增加，特别是分布的不断分心，依靠传统的测试和故障诊断难以满足需求。对维护和故障诊断有更高的要求 [1]。

故障诊断的方法多种多样。近年来，故障诊断研究的重点是如何提高故障诊断的速度和智能性。随着神经网络、模糊逻辑、专家系统和在线诊断的发展，故障诊断的速度和智能化得到了进一步发展。本文基于人工智能研究了某导弹的故障诊断技术。基于测试流程，综合多种诊断方法的优势，构建了在线故障诊断系统。

第二节.

导弹试射-控制系统的故障特性及机理分析

如图1所示，它是导弹试射控制系统的基本结构，其故障模式可归因于指示灯异常、测试参数异常等异常。指示灯异常覆盖了测试设备的所有灯，对于每个指示灯可细分为动作后不熄灭或不亮、延时亮或熄灭等。从本质上讲，测试参数异常可分为不读数或不等读数，可归纳为表1中列出的单个属性和组属性的故障模式，故障原因如表2所示。

通过分析试验维护数据的统计记录，很容易发现导弹试射控制系统的故障模式既有准确性又有模糊的一面。从故障模式分析来看，故障模式的信息准确率方面可以用“参数未测试、参数少未测试、参数大量未测试、所有参数未测试”来表示，信息模糊端也可以用“单个参数的一点公差、较大的公差、严公差和公差”来表示。此外，从故障原因分类的分析中，故障原因信息的准确性可以通过“存在技术问题、零件故障、操作人员错误、电路设计问题、环境因素、软件设计”等原因的清晰记录来显示，信息不确定性可以通过“因果因素”来证明。不难看出，故障信息模糊是试射控制系统故障的一个重要特征，对故障定位具有重要指导作用。它可以相对缩小故障搜索空间，加快故障诊断速度。

图 1. 导弹试射-控制系统的结构

显示全部

表1 测试参数故障模式

参数、单个属性、故障模式	参数、组、属性、故障模式
一点点宽容	个人的宽容度
	参数
更大的公差	未测试的参数很少
严重耐受性	大量参数未测试
未测试的参数	所有参数均未测试

表2 试验发射控制系统故障原因分类

故障原因分类
技术问题	零件故障	电路设计问题	软件设计	操作员错误	环境因素	致病因素

第三节.

智能故障诊断技术

根据来自德国的国际故障诊断专家Frank教授的观点，基于人工智能的故障诊断有专家系统、人工神经网络、模糊控制、遗传算法、模式识别、图论、故障树和Petri网[2]。

一个。基于专家系统的故障诊断技术

故障诊断专家系统[3]，是计算机综合运用各种规则（专业知识）收集被诊断对象的信息后，经过一系列推理，随时调用各种应用程序，在运行过程中向用户请求必要的信息，然后可以快速发现最终的故障或最可能的故障， 并最终得到用户的确认。专家系统通常由6个模块组成，包括集成数据库、知识库、推理机制、解释过程、知识获取过程和人机界面。

B.基于神经网络技术的故障诊断技术

神经网络的功能非常适合故障诊断系统[4]，包括处理复杂的多模、关联、推测和记忆。神经网络的显著特点包括：（1）以分发方式存储知识，知识不是存储在特定的存储单元中，而是分布在整个系统中;（2）并行处理，可大大提高处理和计算速度;（3）具有较强的容错能力，即使部分神经网络处理单元受损，也不影响网络的整体功能;（4）可用于近似任何复杂的非线性系统;（5）具有良好的自学、自适应、联想等智能，能适应系统的复杂动态特性。

C. 基于模糊逻辑的故障诊断技术

模糊故障诊断[5]有两种基本方法，一种是基于模糊关系的诊断技术和诊断方法，首先建立症状和故障原因之间的因果关系矩阵，然后建立故障和症状符号的模糊关系方程;另一种是基于模糊知识处理的诊断技术，首先建立症状和故障之间的模糊规则，然后进行模糊逻辑推理的诊断过程。

四、集成智能故障诊断技术系统的必要性

随着故障诊断技术的发展，专家系统的缺点和局限性日益明显：（1）知识获取困难，专家知识表达困难或表达错误，机器学习能力较低;（2）知识的“窄阶梯效应”问题，即知识的不完备性和脆弱性;（3）推理能力差，专家系统在问题解决中经常出现“匹配冲突”、“组合爆炸”、“无限递归”等现象;（4）知识的存储容量与速度之间的矛盾问题;（5）基于概率的近似推理不适合求解模糊问题。

神经网络虽然解决了专家系统的部分问题，但它也面临着一些困难，如难以获得训练样本，忽视了该领域专家的经验知识，难以理解权重形式的知识表达方法。

模糊逻辑推理可以反映故障症状与原因之间的模糊关系，诊断方便。但推理结果的有效性在很大程度上受到模糊诊断中隶属函数的影响;因此，如何科学地确定隶属函数需要进一步研究。

综上所述，有必要对导弹试射控制系统集成一些智能故障诊断方法。该文针对某导弹试射控制系统，建立了综合利用专家系统、神经网络和模糊逻辑优势的智能故障诊断系统。

第四节.

一种故障诊断专家系统的组成方法

一个。模糊神经网络专家系统

如图2所示，基于模糊神经网络的导弹试射-控制专家系统由人机界面模块、知识库、数据库、诊断推理模块、解释机构、系统学习模块、模糊神经网络结构知识模块、知识库管理软件、诊断咨询模块、特征信号采集模块、专家和用户[6] [7]组成。

主要模块的功能如下：

人机界面模块。模块作为整个系统的管理和控制中心，是用户与模块之间的桥梁。它可以通过一系列不同级别的菜单和表格来实现。也就是说，功能可以通过菜单驱动来实现，用户、专家和知识工程师的咨询可以通过表单转换系统实现。

诊断推理模块。它是诊断系统的核心机构。从知识的角度来看，它是一个知识利用模块。模块可以对不同的诊断任务使用不同的推理机制，即正向推理、反向推理和正负混合推理。

系统学习模块。该模块的功能是开发、丰富和管理存储库，具有针对不同知识提供者的知识获取能力和通过诊断学习新知识的能力。学习机制是对诊断活动的学习，通过学习模块可以实现诊断与研究的融合。

模糊神经网络结构知识模块。其功能是利用从人机交互中获取的诊断信息，并使用所选算法，为诊断和学习提供证据，以完成模糊神经网络的学习过程。

故障存储库模块。分为低位存储库和深层存储库，用于存储测试系统的故障知识。

存储库管理模块。它可以为用户（操作人员或专家）提供存储库管理的功能，如浏览、添加、删除、编辑，以及维护存储库的一致性、完整性和冗余性，以确保知识能够合理使用。

数据库模块。用于存储故障诊断模块的结果和故障推理模块的中间过程。

特征信号采集模块。它用于信号采集，即故障症状提取，包括频谱分析或预处理现场数据。

解释机制。它用于将专家系统的知识和推理结果解释为易于理解的形式，根据规则，并通过人机界面呈现给用户或领域专家。

图2. 模糊神经网络专家系统框图

显示全部

B.模糊神经网络模块的实现

模糊神经网络模块是使用模糊BP网络[8]实现的，该网络有5层。第一个是输入层，其每个节点代表一个输入变量。第二种是定量输入层，其作用是使输入变量模糊化。根据模糊变量定义中定义的模糊子空间处于与模糊推理前提条件中的基本模糊状态相对应，它可以转换模糊变量在前提条件中的状态。第三是网络的隐藏层。可实现从输入变量模糊值到输出变量模糊值的映射。它与模糊推理的前提和结论相关联，其目的是将前提和结论变量的基本模糊状态转化为确定状态，并为系统实现提供确定的输出。第四种是量化输出层，其输出是模糊值。第五是输出层，要实现输出清晰。

第五节.

结论

综合运用专家系统、神经网络和模糊逻辑推理等优点，提出了一种基于某导弹试射控制系统的智能故障诊断专家系统。通过试射控制系统的故障诊断实例，在一定程度上弥补了传统专家系统的不足，大大提高了故障检测率。但模糊神经网络并不是万能的，故障模式的分析和得到的故障样本必须由用户完成，模糊神经网络学习样本对网络识别效果的影响很大。完整正确的样本可以提高网络的识别率，但不完整和错误的样本可能会导致错误的结果。针对诊断方法的多样性和互补性，综合智能专家系统的发展是必然的。未来，诊断技术融合理论的突破将极大地推动实用工程的发展。

审核编辑：黄飞