信息沖突與不確定條件下的裝備質(zhì)量狀態(tài)評估*

安進(jìn)，徐廷學(xué)，朱桂芳,2

(1.海軍航空工程學(xué)院 兵器科學(xué)與技術(shù)系，山東 煙臺(tái) 264001；2.火箭軍工程大學(xué) 士官學(xué)院，山東 青州 262500)

0 引言

質(zhì)量狀態(tài)評估概念來源于技術(shù)狀態(tài)評估和健康狀態(tài)評估，在基于狀態(tài)的維修(condition-based maintenance, CBM)理念提出和發(fā)展的同時(shí)，狀態(tài)評估作為其中的重要環(huán)節(jié)，得到了廣泛的研究和應(yīng)用[1]。與傳統(tǒng)質(zhì)量評估依靠專家經(jīng)驗(yàn)為主的定性評估不同，質(zhì)量狀態(tài)評估主要偏重于基于監(jiān)測數(shù)據(jù)的綜合評估，通過綜合分析裝備的自身性能因素、環(huán)境和任務(wù)剖面，從監(jiān)測得到的通用性能信息、測試信息、環(huán)境應(yīng)力信息和裝備履歷信息等出發(fā)，運(yùn)用適用的評估方法，分析判定裝備的質(zhì)量狀態(tài)。

1 質(zhì)量評估研究現(xiàn)狀

質(zhì)量評估一直是裝備綜合保障與質(zhì)量管理領(lǐng)域研究的熱點(diǎn)。軍品方面，張永久等針對某型裝備特點(diǎn)，羅列了可能的質(zhì)量評估方法[2]，并對評估系統(tǒng)進(jìn)行了設(shè)計(jì)論證[3]；李恩友[4]、趙嵩正[5]、劉偉[6]、段林杰[7]等人分別就某型裝備的各個(gè)階段進(jìn)行了質(zhì)量評估方法的探討，確定評估指標(biāo)，分配權(quán)重，構(gòu)建評估模型，采用的方法涵蓋等定性、定量及綜合評估方法；馬亞龍[8]等人則在研究評估理論及方法的基礎(chǔ)上，梳理了適用于軍事領(lǐng)域的理論和方法。民用產(chǎn)品方面，主要開展了橋梁[9]、超速離心機(jī)[10]、變壓器[11]等關(guān)鍵產(chǎn)品的狀態(tài)評估。

上述研究主要集中于3個(gè)方面：一是指標(biāo)體系的構(gòu)建，即遴選全面又簡潔的指標(biāo)集合；二是指標(biāo)權(quán)重的確定，即兼顧主觀意見與客觀變化，確定各指標(biāo)在評估中所占比重；三是評估方法的選擇，即選取適合評估對象特點(diǎn)、滿足評估目標(biāo)的具體方法。在此基礎(chǔ)上，得到評估結(jié)果，為后續(xù)的裝備維修、故障預(yù)測、備件補(bǔ)充等提供依據(jù)。其中評估方法的選擇是研究的中心，主要評估方法的特點(diǎn)比較如表1所示。

2 狀態(tài)等級劃分與數(shù)據(jù)預(yù)處理

2.1 質(zhì)量等級劃分

裝備質(zhì)量狀態(tài)主要受裝備自身技術(shù)狀態(tài)、使用環(huán)境、裝備履歷、管理和人員因素影響，測試技術(shù)的發(fā)展使得主要影響因素都可以通過測試信息來反映。為了更好描述裝備的質(zhì)量狀態(tài)，在現(xiàn)有等級劃分方法基礎(chǔ)上，借鑒健康管理理念與方法，將裝備質(zhì)量狀態(tài)分為4個(gè)等級，分別為：良好、正常、惡化和故障，如表2所示。

2.2 數(shù)據(jù)預(yù)處理

裝備狀態(tài)可通過相應(yīng)測試結(jié)果遠(yuǎn)離工業(yè)部門給出的規(guī)范值的大小進(jìn)行表征，其遠(yuǎn)離工業(yè)部門給出的規(guī)范值越遠(yuǎn)，狀態(tài)退化越嚴(yán)重。各性能特征參數(shù)的量綱、閾值范圍等基本均不相同，通過測試得到的各狀態(tài)參數(shù)偏離標(biāo)準(zhǔn)值的大小也差異甚大，因而為便于下一步狀態(tài)評估中對各性能特征參數(shù)進(jìn)行狀態(tài)融合，需對各性能特征參數(shù)的測試數(shù)據(jù)作歸一化處理，利用歸一化值對性能特征參數(shù)的狀態(tài)進(jìn)行表征。在歸一化各性能特征參數(shù)測試數(shù)據(jù)的過程中，可令歸一化值隨著性能特征參數(shù)測試數(shù)據(jù)偏離標(biāo)準(zhǔn)值程度的加大而增大、縮小而減小，此時(shí)歸一化值可以較好地反映出相應(yīng)性能特征參數(shù)的當(dāng)前狀態(tài)。

表1 主要評估方法比較

表2 裝備狀態(tài)等級描述

在裝備測試中，測試參數(shù)都有一個(gè)規(guī)定的正常范圍，測試結(jié)果在技術(shù)條件范圍中則是正常的。觀察特征參數(shù)規(guī)定的技術(shù)條件，分為2種類型：x0±l型和[a,b]型。為了后續(xù)計(jì)算的方便，將[a,b]型的參數(shù)也轉(zhuǎn)換為x0±l型，其中x0為技術(shù)條件區(qū)間左右端點(diǎn)的平均值，接下來對特征參數(shù)進(jìn)行預(yù)處理，去除參數(shù)量綱?？紤]使用劣化度di來實(shí)現(xiàn)，di∈[0,1]。該指標(biāo)通過計(jì)算特征參數(shù)與標(biāo)準(zhǔn)值的偏差程度來判斷參數(shù)的優(yōu)劣，di越小，則意味著參數(shù)i與標(biāo)準(zhǔn)值的距離越近，則該參數(shù)反映出的狀態(tài)也就越好。di=0時(shí)，參數(shù)性能最佳，相應(yīng)的狀態(tài)也最優(yōu)；當(dāng)di=1時(shí)，已出現(xiàn)故障。劣化度的計(jì)算方式如下：

(1)

利用式(1)將裝備的特征參數(shù)統(tǒng)一轉(zhuǎn)換成了無量綱的劣化度指標(biāo)，為后續(xù)的定量狀態(tài)評估奠定了基礎(chǔ)。

3 狀態(tài)評估模型

裝備特征參數(shù)眾多，想分析出這些參數(shù)與裝備質(zhì)量狀態(tài)之間明確的顯式關(guān)系幾乎是不可能的。由于這種不確定關(guān)系，利用多個(gè)特征參數(shù)進(jìn)行信息融合，評估裝備狀態(tài)，是一個(gè)不確定的推理過程。而證據(jù)理論(dempster shafer evidence theory，D-S)[12-14]能很好地處理基于多源信息的不確定推理的問題，故考慮用D-S理論中的方法融合裝備的各狀態(tài)信息。

3.1 基本理論

D-S證據(jù)理論以信度函數(shù)而非概率為度量，作為一種不確定推理方法，可以在無先驗(yàn)概率的條件下，基于“證據(jù)”和“組合”形成明晰的證據(jù)決策，將不確定概率進(jìn)行重新分配，從而增加評估的確定性。

定義1 由互不相容的基本命題(假設(shè))組成的完備集合稱為辨識(shí)框架。

定義4 對U上的命題A,若m(A)>0成立，則稱A為BEL函數(shù)的焦元。

當(dāng)證據(jù)不完全沖突時(shí)，D-S理論的合成規(guī)則如下：

設(shè)BEL1，BEL2屬于同一辨識(shí)框架U，有基本概率賦值函數(shù)m1，m2，焦元A1,A2,…,An和B1,B2,…,Bm，則

(2)

D-S理論能處理不確定信息的合成推理問題，但也存在一定的缺陷，主要是無法很好地處理基于高沖突證據(jù)的合成問題。為解決該問題，研究者們提出了很多針對D-S模型的改進(jìn)方法，焦點(diǎn)是采用不同方式對證據(jù)中的沖突信息進(jìn)行處理，其中證據(jù)推理(evidentialreasoning,ER)方法是其中一種重要的改進(jìn)方法。

3.2 基本ER融合模型

S(ei)={(Hn,βn,i),n=1,…,N}，

定義5 基本屬性的概率指派函數(shù)。已分配的概率指派函數(shù)mn,i表示基本屬性ei支持y被評為Hn等級的程度；未分配的概率指派函數(shù)mH,i表示剩余未分配給具體等級的程度。mn,i和mH,i的計(jì)算公式為

(3)

(4)

定義6 廣義屬性的組合概率指派函數(shù)。將L個(gè)基本屬性支持y被評為Hn的程度表示為mn,I(i)；mH,I(i)則為聚合后y未分配給具體等級的程度。

mn,I(i+1)=KI(i+1)[mn,I(i)mn,i+1+mH,I(i)mn,i+1+

mn,I(i)mH,i+1],

(5)

(6)

(7)

(8)

式中：I(i+1)表示含i+1個(gè)基本指標(biāo)屬性；K仍為沖突因子。

(9)

(10)

式中：βn表示y被評為第n個(gè)等級的信任度；表示不完備性的βH表示未被分配的信任度。

可見ER方法雖然對D-S進(jìn)行了改進(jìn)，對權(quán)重和不完備性進(jìn)行了考慮，雖然不確定度得到降低，但對證據(jù)之間的沖突未進(jìn)行充分考慮和分配，當(dāng)證據(jù)沖突程度高時(shí)，依然不能得到滿意結(jié)果。

3.3 改進(jìn)ER模型

以2個(gè)屬性合成為例，假設(shè)mn,i，mn,j為屬性i,j的mass函數(shù)，將i,j的沖突因子KI(2)分別分配給已知命題的沖突k1(n)和未知領(lǐng)域的沖突K2，其中：

(11)

則本文改進(jìn)后的合成公式為

，

(12)

式中：

(13)

mn,I(2)和mH,I(2)為合成后新的mass函數(shù);k1(n)為沖突概率KI(2)在已知命題中的分配;K2為剩余未分配的沖突概率。

未知或不確定因素是產(chǎn)生沖突的主要原因，沖突丟失則會(huì)引起信息的丟失，因而合成后命題分得的沖突概率隨合成前信任度的升高而增加。各命題的平均支持程度為

(14)

(15)

則合成公式可改寫為

mn,I(i+1)=mn,I(i)mn,i+1+mH,I(i)mn,i+1+

mn,I(i)mH,i+1+Kn,1，

(16)

式中：

(17)

i=1,…,L-1,

(18)

式中：

(19)

從而，當(dāng)屬性全部合成后，

(20)

(21)

可以證明βn和βH滿足Yang等提出的合成公理[15]。

4 實(shí)例分析

4.1 算例

選取裝備某分系統(tǒng)的3個(gè)測試指標(biāo)作為狀態(tài)評估基本指標(biāo)，按照式(1)進(jìn)行測試數(shù)據(jù)預(yù)處理，得到各測試參數(shù)劣化度，將劣化度di的值代入，通過三角隸屬度函數(shù)計(jì)算各測試指標(biāo)對識(shí)別框架中的狀態(tài)等級的基本概率賦值，數(shù)據(jù)來源和三角隸屬度函數(shù)參見參考文獻(xiàn)[16]。取置信概率為0.9，如表3所示。

表3 基本等級信任度

由式(3),(4)計(jì)算各參數(shù)狀態(tài)基本概率賦值

m1,1=0，m2,1=0.241 9，m3,1=0.058 1，

mH,1=0.7；

m1,2=0，m2,2=0.290 0，m3,2=0.010 0，

mH,2=0.7；

m1,3=0，m2,3=0.240 0，m3,3=0.060 0，

mH,3=0.7.

由式(11)計(jì)算得到

由式(13)計(jì)算得到

由式(14)計(jì)算得到

r1=0，r2=0.797 9，r3=0.102 2，r4=0.

由式(15)計(jì)算得到

k1(1)=0，k1(2)=0.813 5，k1(3)=0.104 2，
k1(4)=0，K2=0.101 96.

由式(20),(21)得到歸一化后的合成函數(shù)

β1= 0，β2=0.805 1，β3=0.096 2，

β4=0，βH=0.098 7.

按照同樣的步驟將前2個(gè)指標(biāo)合成的函數(shù)與參數(shù)3進(jìn)行信息融合，得到最終的信任度為

β1= 0，β2=0.863 9，β3=0.104 8，

β4=0，βH=0.031 3.

分別用基本ER方法和改進(jìn)后的ER方法計(jì)算裝備各狀態(tài)的概率，如表4所示。

繪制2種方法各等級的概率分配圖，如圖1所示。

表4 2種方法得到的評估結(jié)果

圖1 評估結(jié)果直方圖Fig.1 Condition assessment result column diagram

4.2 結(jié)果分析

(1) 方法比較

由表3和圖1可見，該裝備的質(zhì)量狀態(tài)可判定為正常狀態(tài)，改進(jìn)后的ER方法和基本ER方法所得結(jié)果一致；改進(jìn)后的方法使得評估的不確定度由0.1降為0.031 3，將各測試參數(shù)等級判定的不確定度和沖突分配到各個(gè)等級中，而基本ER方法只將不確定度降為0.079 7，對不確定度和沖突度的分配有所欠缺。

(2) 基于狀態(tài)評估的裝備優(yōu)選決策

在實(shí)際使用過程中，往往由于任務(wù)和工作的要求，需要選取質(zhì)量狀態(tài)最優(yōu)的裝備來完成任務(wù)，而狀態(tài)評估結(jié)果就可以相應(yīng)地運(yùn)用到裝備優(yōu)選工作中。如表5所示為基于改進(jìn)ER方法的3臺(tái)裝備的狀態(tài)評估結(jié)果。設(shè)置不確定度可接受閾值為0.1，可見3臺(tái)裝備的不確定度均在可接受范圍內(nèi)。繪制狀態(tài)比較曲線圖，如圖2所示。

表5 3臺(tái)裝備狀態(tài)評估情況

圖2 3臺(tái)裝備評估結(jié)果直方圖Fig.2 Result column diagram of three sets of equipment

通過結(jié)果比較可知，裝備2已處于劣化狀態(tài)，需要在維護(hù)工作中重點(diǎn)關(guān)注，裝備1,3均處于正常狀態(tài)，可通過對各等級賦值來進(jìn)一步進(jìn)行比較分析。

5 結(jié)束語

基于測試參數(shù)的裝備質(zhì)量狀態(tài)評估可以為裝備維護(hù)保養(yǎng)工作、技術(shù)保障工作、預(yù)防性維修以及延壽工作提供技術(shù)支持。

(1) 基于改進(jìn)ER方法的裝備質(zhì)量狀態(tài)評估結(jié)果與裝備實(shí)際狀態(tài)相符，且能夠有效處理狀態(tài)評估參數(shù)中的不確定和沖突信息，有效降低沖突，減少評估的不確定性。

(2) 該方法便于計(jì)算機(jī)實(shí)現(xiàn)，可以此為基礎(chǔ)組建狀態(tài)評估硬件、軟件系統(tǒng)，并與測試裝備通過端口聯(lián)接，形成完善的狀態(tài)管理體系。

(3) 進(jìn)一步完善模型、探討具體評估情況的處理和結(jié)果的分析，并將其應(yīng)用于實(shí)際質(zhì)量管理工作中將是下一步的研究方向。

[1] STEPHEN N L.Risk Assessment Techniques[J]. Quality Engineering,2014,26(3):379-382.

[2] 張永久,成躍,張立新.某型導(dǎo)彈質(zhì)量評估方法研究[J].航空兵器,2007(5):56-59. ZHANG Yong-jiu,CHENG Yue,ZHANG Li-xin.Research of Quality Evaluation Methods for Certain Missile[J].Aero Weaponry,2007(5):56-59.

[3] 張永久,張志利,劉文超.多型號導(dǎo)彈質(zhì)量評估系統(tǒng)設(shè)計(jì)[J].航空兵器,2005(2):29-32. ZHANG Yong-jiu,ZHANG Zhi-li,LIU Wen-chao.The Quality Evaluation System for Different Missiles[J].Aero Weaponry,2005(2):29-32.

[4] 李恩友.導(dǎo)彈質(zhì)量評估方法研究[J].彈箭與制導(dǎo)學(xué)報(bào),2008,28(4):79-82. LI En-you.Research of Missile Quality Evaluation Methods[J].Journal of Projectiles,Rockets,Missiles and Guidance,2008,28(4):79-82.

[5] 趙嵩正,殷茗,梁工謙,等.大型復(fù)雜航空產(chǎn)品質(zhì)量評估模型研究[J].航空學(xué)報(bào),2006,27(4):588-593. ZHAO Song-zheng,YIN Ming,LIANG Gong-qian,etc.Study on Evaluation Model for Quality of Large Complex Aeronautic Product[J].Acat Aeronautica er Astronautica Sinica,2006,27(4):588-593.

[6] 劉偉,楊世榮,李小強(qiáng).地地導(dǎo)彈質(zhì)量評估方法研究[J].彈箭與制導(dǎo)學(xué)報(bào),2006,26(2):35-37. LIU Wei,YANG Shi-rong,LI Xiao-qiang.Evaluation Method Study on the Quality of Surface to Surface Missile[J].Journal of Projectiles,Rockets,Missiles and Guidance,2006,26(2):35-37.

[7] 段林杰,扈延光.裝備維修過程質(zhì)量評估研究[J].價(jià)值工程,2013,31(22):38-40. DUAN Lin-jie,HU Yan-guang.Evaluation on Maintenance Process Quality of Equipment[J].Value Engineering,2013,31(22):38-40.

[8] 馬亞龍，邵秋峰，孫明,等.評估理論和方法及其軍事應(yīng)用[M].北京：國防工業(yè)出版社,2013:7-9. MA Ya-long，SHAO Qiu-feng，SUN Ming,et al.Evaluation Theory and Methods and Military Application[M].Beijing：National Defence Industry Press,2013:7-9.

[9] 李蓉.基于層次分析法的橋梁健康狀態(tài)模糊綜合評估方法的研究及其應(yīng)用[D].長沙:湖南大學(xué),2007. LI Rong.Research and Application of Fuzzy Comprehensive Evaluation Method for Bridge Health Status Based on Analytic Hierarchy Process[D].Changsha：Hunan University,2007.

[10] 吳立增.變壓器狀態(tài)評估方法的研究[D].保定:華北電力大學(xué),2005. WU Li-zeng.Research on Transformer Condition Evaluation Method[D].Baoding:North China Electric Power University,2005.

[11] 李偉,李波峰,林挺宇,等.基于D-S證據(jù)理論的超速離心機(jī)健康狀態(tài)評估方法[J].儀表技術(shù)與傳感器,2011(4):97-99. LI Wei,LIU Bo-feng,LIN Ting-yu，et al.Health Assessment Methods of Ultracentrifuge Based on Dempster-Shafer Evidence Theory[J].Instrument Technique and Sensor,2011(4) ：97-99.

[12] 賀金鳳,徐松杰 .不確定條件下的質(zhì)量績效測評方法[J].系統(tǒng)工程理論與實(shí)踐,2010,30(11):2013-2018. HE Jin-feng,XU Song-jie.Approach of Quality Performance Measurement and Assessment under Uncertainty[J].Systems Engineering —Theory & Practice,2010,30(11):2013-2018.

[13] 陳圣群,王應(yīng)明.基于分類優(yōu)化的離散證據(jù)推理[J].控制與決策,2016,31(1):30-36. CHEN Sheng-qun,WANG Ying-ming.Discrete Evidence Based on Grouping Optimization[J].Control and Decision,2016,31(1):30-36.

[14] 尹德進(jìn),王宏力.不確定信息下基于證據(jù)推理的武器系統(tǒng)戒備率評估方法[J].戰(zhàn)術(shù)導(dǎo)彈技術(shù),2011(2):62-67. YIN De-jin，WANG Hong-li.An Evidential Reasoning Approach for Alert Rate Assessment of Missile Weapon System Under Uncertainty[J].Tactical Missile Technology,2011(2):62-67.

[15] YANG Jian-bo,XU Dong-ling.On the Evidential Reasoning Algorithm for Multiple Attribute Decision Analysis Under Uncertainty[J].IEEE Transactions on Systems,Man,and Cybernetics Part A:Systems and Humans,2002,32(3):289-304.

[16] 王亮,呂衛(wèi)民,滕克難.基于測試數(shù)據(jù)的長期貯存裝備實(shí)時(shí)健康狀態(tài)評估[J].系統(tǒng)工程與電子技術(shù),2013,35(6):1212-1217. WANG Liang,Lü Wei-min,TENG Ke-nan.Real-Time Health Condition Assessment of Long-Term Storage Equipment Based on Testing Data[J].Systems Engineering and Electronics,2013,35(6):1212-1217.