裝甲車輛火力系統(tǒng)關(guān)鍵部件技術(shù)狀態(tài)預(yù)測

張金忠,岳宇辰,郭 偉,蘇忠亭

(陸軍裝甲兵學(xué)院 兵器與控制系,北京100072)

裝甲車輛火力系統(tǒng)(以下簡稱火力系統(tǒng))的功能是殲滅敵有生力量、破壞敵方設(shè)施設(shè)備,火力系統(tǒng)技術(shù)狀態(tài)的好與差,直接決定火力系統(tǒng)作戰(zhàn)效能的優(yōu)劣[1]。目前,我軍對裝甲車輛火力系統(tǒng)采取的是視情維修的維修模式,能否清楚掌握火力系統(tǒng)狀態(tài)決定著維修的決策是否合理。因此,為保證維修決策的合理性和正確性,需要綜合考慮火力系統(tǒng)當前技術(shù)狀態(tài)的評估結(jié)果和未來一段時間內(nèi)技術(shù)狀態(tài)變化的預(yù)測結(jié)果[2]。掌握火力系統(tǒng)的技術(shù)狀態(tài)變化,主要能夠回答和解決2個實際問題:一是作為制定裝甲車輛火力系統(tǒng)在平時訓(xùn)練和存放中正確的使用、維護和保管的方式與方法的重要依據(jù),指導(dǎo)使用分隊的乘員正確使用、保管、維護和保養(yǎng),使其經(jīng)常處于良好的技術(shù)狀態(tài),以利于完成正常的訓(xùn)練和作戰(zhàn)使用任務(wù);二是確定在實際訓(xùn)練和作戰(zhàn)中火力系統(tǒng)技術(shù)狀態(tài)變化影響正常使用時乘員應(yīng)采取的措施,以保證能夠繼續(xù)使用火力系統(tǒng),爭取完成訓(xùn)練任務(wù)和作戰(zhàn)任務(wù),最大限度地發(fā)揮火力系統(tǒng)的效能[3]。

火力系統(tǒng)視情維修決策的主要依據(jù)是對技術(shù)狀態(tài)的評估與預(yù)測,評估的結(jié)果通常以定性評價等級輸出,能使維修人員和使用者對技術(shù)狀態(tài)有直觀的把握,從而采取相應(yīng)的維修策略。預(yù)測結(jié)果能使維修人員和使用者對火力系統(tǒng)的技術(shù)狀態(tài)變化過程和無故障運行時間有一個清楚的認識,從而達到避免不必要的拆裝,降低故障概率的目的[4]。

火力系統(tǒng)工作條件較為惡劣,在進行技術(shù)狀態(tài)評估和預(yù)測的過程中采集的測試數(shù)據(jù)往往存在一定隨機性,上述預(yù)測方法存在如下問題:一是預(yù)測結(jié)果受到測試數(shù)據(jù)異常波動的影響較大,易生成錯誤診斷結(jié)果;二是處于相鄰技術(shù)狀態(tài)等級間過渡區(qū)間的測試數(shù)據(jù)的技術(shù)狀態(tài)判定結(jié)果不夠準確,過渡區(qū)間值域的劃分與數(shù)據(jù)隸屬度計算方法仍值得研究;三是上述提出的預(yù)測或診斷方法缺乏在可能同時發(fā)生多重故障的情況下的可信度分析,不利于最后的維修決策[5]。

論文引入云理論將廣泛采集的火力系統(tǒng)重要部件——裝甲車輛炮閂和反后坐裝置的技術(shù)狀態(tài)參數(shù)轉(zhuǎn)化為合理的定性云概念,建立云模型;建立單個技術(shù)狀態(tài)參數(shù)的變化規(guī)律模型,獲取整個測試周期內(nèi)參數(shù)隨時間變化的趨勢,采用云模型法預(yù)測短期內(nèi)技術(shù)狀態(tài)參數(shù)的云重心變化;通過云變換算法擬合樣本頻率分布函數(shù)并進行合理的合并躍升,獲取各技術(shù)狀態(tài)參數(shù)獨立的云概念;通過挖掘多個云概念之間的關(guān)聯(lián)規(guī)則,構(gòu)建云推理規(guī)則發(fā)生器并經(jīng)過大量樣本的訓(xùn)練,計算各預(yù)測結(jié)果的可信度,給出最終預(yù)測的結(jié)論。

1 云推理規(guī)則發(fā)生器

知識是人們通過不斷的抽象和交流形成的概念以及概念之間的相互關(guān)系。云推理是以定性概念為基本表示,通過挖掘數(shù)據(jù)庫或數(shù)據(jù)倉庫中挖掘的定性知識,構(gòu)造規(guī)則發(fā)生器的一種知識推理[6]。具體做法如下:

①通過采用云概念隸屬判定的方法精簡待挖掘數(shù)據(jù)。云概念包括3個數(shù)學(xué)參數(shù),分別是期望Ex,熵En和超熵He。本文使用極大判據(jù),通過計算火力系統(tǒng)技術(shù)狀態(tài)參數(shù)測試數(shù)據(jù)對所有云概念的隸屬度,選擇隸屬度最大的云概念判定為最終的隸屬概念。

例如某技術(shù)狀態(tài)參數(shù)T的待判定數(shù)據(jù)a對該數(shù)據(jù)對應(yīng)云概念CTj(Exj,Enj,Hej)的隸屬度μj計算方法為[7]

(1)

最大隸屬度μm=max{μj|j=1,2,…,m}對應(yīng)的云概念CTj即為a的隸屬云概念,其中,j表示數(shù)據(jù)a對應(yīng)的云概念等級,m為云概念劃分總數(shù)。

②技術(shù)狀態(tài)參數(shù)一般使用奇數(shù)個狀態(tài)進行描述。本文每個技術(shù)狀態(tài)參數(shù)均有5個云概念,云概念的文字表述隨參數(shù)的類型確定。以抽筒速度為例,5個云描述分別是“完好、良好、堪用、劣化、危險”,為簡化記錄,用“1,2,3,4,5”表示。

③對火力系統(tǒng)的故障進行云概念躍升,記為CFk(k=1,2,…,r,其中,r為故障概念躍升總數(shù))。經(jīng)數(shù)據(jù)挖掘得到各技術(shù)狀態(tài)指標的狀態(tài)等級與故障現(xiàn)象之間的對應(yīng)關(guān)系。

2 火力系統(tǒng)技術(shù)狀態(tài)預(yù)測與故障診斷

2.1 火力系統(tǒng)技術(shù)狀態(tài)指標的選取

技術(shù)狀態(tài)參數(shù)是反映火力系統(tǒng)技術(shù)狀態(tài)的信息載體[8],采用恰當?shù)臋z測手段獲取火力系統(tǒng)各部件足夠規(guī)模的技術(shù)狀態(tài)參數(shù),經(jīng)過處理和提煉后,作為判斷火力系統(tǒng)各部件所處技術(shù)狀態(tài)的特征量。有資料表明,大口徑火炮反后坐裝置和炮閂的故障總數(shù)約占總故障數(shù)的5/6[9],新型裝甲車輛炮的炮閂和反后坐裝置故障總數(shù)亦占裝甲車輛火力系統(tǒng)故障總數(shù)的大多數(shù)。因此,把握炮閂和反后坐裝置的技術(shù)狀態(tài)對火力系統(tǒng)的技術(shù)狀態(tài)具有很強的指導(dǎo)意義。表1總結(jié)了炮閂和反后坐裝置的部分技術(shù)狀態(tài)指標。

表1 火力系統(tǒng)技術(shù)狀態(tài)指標

表1中的第2項、第3項這2項指標可以由人工通過傳統(tǒng)的靜態(tài)測試方法進行檢查;第1項、第4項、第5項、第6項、第7項,這5項指標發(fā)生在實彈射擊循環(huán)的后坐復(fù)進階段,靜態(tài)測試方法在此時并不適用。其中,第1項、第4項是反映炮閂各零部件之間傳動的有效性和磨損狀況的綜合指標;第5項、第6項、第7項可綜合反映反后坐裝置的磨損狀況、復(fù)進桿和駐退桿的彎曲程度等。本文主要針對第1項、第4項、第5項、第6項、第7項,這5項指標進行測試。

2.2 基于云推理的火力系統(tǒng)多重故障診斷

本文通過人工后坐裝置和多種傳感器[10],獲取5項指標的380組歷史數(shù)據(jù)。以抽筒速度為例,對所有數(shù)據(jù)歸一化處理后,統(tǒng)計其頻率分布,以局部峰值點的橫坐標作為對應(yīng)云概念的期望,通過云變換算法擬合頻率分布曲線,如圖1所示,圖中,N為頻數(shù),ξ為抽筒速度歸一化值。再使用云合并算法整合抽筒速度的云概念。整合后的抽筒速度的五概念云圖見圖2,圖中,y為隸屬度。以同種方法獲得的各指標的云模型的數(shù)字特征見表2。由前文表述可知,每個技術(shù)狀態(tài)參數(shù)均有5個云概念,因此在表2中分別記為Cs1,Cs2,…,Cs5。

圖1 抽筒速度云變換擬合頻率分布曲線圖

圖2 抽筒速度五概念云圖

抽筒速度的部分測試數(shù)據(jù)圖形如圖3所示,圖中,vc為抽筒速度。圖3包括了4條分別符合云概念1至云概念4的抽筒速度-時間曲線。

圖3 抽筒速度-時間云概念曲線

表2 各技術(shù)狀態(tài)指標云概念的數(shù)字特征

雖然炮閂和反后坐裝置的故障模式較多,但多數(shù)故障可以通過人工檢測的方法迅速定位故障點并排除,因此本文在動態(tài)測試的基礎(chǔ)上定義如下故障模式為云概念:

①Cf1為抽筒子磨損或折斷;

②Cf2為復(fù)進桿彎曲;

③Cf3為駐退桿彎曲;

④Cf4為調(diào)速活門銹蝕或磨損;

⑤Cf5為調(diào)速筒磨損;

⑥Cf6為節(jié)制環(huán)磨損。

設(shè)定最小支持度為2,支持度閾值為5%,信任度閾值為40%,通過挖掘,得到31條有效關(guān)聯(lián)規(guī)則,部分規(guī)則如表3所示,表中,η為支持度,ζ為信任度。其中第1條規(guī)則{5,4,3,3,3→Cf1}表示:若“抽筒速度隸屬云概念C15,開閂速度隸屬C24,復(fù)進時間隸屬C33,復(fù)進速度隸屬C43,后坐位移隸屬C53”,則預(yù)測故障為Cf1,即抽筒子磨損或折斷。

表3 部分關(guān)聯(lián)規(guī)則

云規(guī)則發(fā)生器是一種不確定性推理機制[11]。本文通過綜合判斷“抽筒速度、開閂速度、復(fù)進時間、復(fù)進速度、后坐位移”5項指標的云狀態(tài)來推斷火力系統(tǒng)技術(shù)狀態(tài),其規(guī)則可以簡化為“IfA1,A2,A3,A4,A5,thenCfi”,其中,i=1,…,6,使用一個五條件-單規(guī)則發(fā)生器可描述該條關(guān)聯(lián)規(guī)則。

其中,A1,…,A5代表5項技術(shù)狀態(tài)指標的隸屬云概念,Cfi是規(guī)則后件,表示第i種故障類型。將挖掘獲取的31條關(guān)聯(lián)規(guī)則用31個五條件-單規(guī)則,即每個關(guān)聯(lián)規(guī)則yk均由5個云發(fā)生器(cloud generator,CG)通過軟與運算后產(chǎn)生,發(fā)生器描述并經(jīng)過整理,合并為一個組合規(guī)則發(fā)生器,如圖4所示。

將5項技術(shù)狀態(tài)參數(shù)輸入組合規(guī)則發(fā)生器中,每個推理前件均能輸出一個隸屬度yk,代表Ns={n1,n2,n3,n4,n5}對規(guī)則k的激活強度。最終輸出31個激活強度(y1,y2,…,y31)中的最大值對應(yīng)的關(guān)聯(lián)規(guī)則,即火力系統(tǒng)在技術(shù)狀態(tài)參數(shù)為Ns時的故障。

圖4 火力系統(tǒng)故障診斷組合規(guī)則發(fā)生器

任何事物都有保持當前狀態(tài)的慣性性質(zhì)[12],為描述下一時間點火力系統(tǒng)技術(shù)狀態(tài)變化的可能性,建立所有測試數(shù)據(jù)在整個測試時期內(nèi)的變化規(guī)律模型,同時引入趨勢云的概念。具體步驟如下[13]。

(2)

式中:ns為測試數(shù)據(jù)值,ns,max為最大測試數(shù)據(jù)值。

③選取鄰近預(yù)測前點的t組數(shù)據(jù),經(jīng)逆向云算法計算該組數(shù)據(jù)各指標l的趨勢云Crl,再通過合成云算法融合Crl與Csj,構(gòu)建短期預(yù)測云Cpl(Expl,Enpl,Hepl)。根據(jù)預(yù)測云的期望Expl,對比該狀態(tài)參數(shù)歸一化數(shù)值對應(yīng)的時間點,即可得到預(yù)測時間,合并云概念的計算方法為

(3)

3 實例分析

某裝甲車輛的火力系統(tǒng)在2011-05-26完成中修后作為射擊教練車投入訓(xùn)練,表4為2011-06-10至2013-09-22期間非等間隔采集的6組技術(shù)狀態(tài)參數(shù),期間該車由于訓(xùn)練消耗了百余發(fā)各類彈藥。表中,vc,va分別為抽筒速度和開閂速度;tg,vg分別為復(fù)進時間和復(fù)進速度;lh為后坐位移。將前5組數(shù)據(jù)作為預(yù)測的基礎(chǔ),第6組數(shù)據(jù)作為標準與預(yù)測結(jié)果進行對比。

可以看出,在2012-04-07后各項指標劣化程度增長明顯加快,但復(fù)進速度在2013-03-23出現(xiàn)了逆增長,因此對抽筒速度重點進行預(yù)測。采用支持向量機方法和本文的預(yù)測方法進行比較,由于測試數(shù)據(jù)是非等間隔采集的,因此在運用支持向量機方法時需使用插值算法進行數(shù)據(jù)的預(yù)處理[19]。2種方法的預(yù)測對比結(jié)果如圖5所示,圖中曲線分別為實際測試值、支持向量機預(yù)測值、云推理預(yù)測值。支持向量機法預(yù)測2013-09-22的結(jié)果是“復(fù)進無力”,而云模型法預(yù)測的結(jié)果是復(fù)進機工作正常。將復(fù)進機整體拆卸下來,使用專用測試平臺進行測試,結(jié)果顯示復(fù)進機在此時工作仍然正常。

表4 某裝甲車輛火力系統(tǒng)技術(shù)狀態(tài)參數(shù)歷史數(shù)據(jù)及預(yù)測結(jié)果

圖5 不同預(yù)測方法下復(fù)進速度預(yù)測效果對比

在測試數(shù)據(jù)未產(chǎn)生異常時,支持向量機法的預(yù)測精度高于云模型法;而在數(shù)據(jù)異常點處支持向量機法受影響較大,導(dǎo)致預(yù)測值明顯偏小,預(yù)測結(jié)果顯示為“復(fù)進無力”,最終狀態(tài)預(yù)測失真。云推理方法在數(shù)據(jù)異常時仍能保證預(yù)測精度,魯棒性較好,預(yù)測結(jié)果顯示復(fù)進速度仍處于正常范圍;由于逆向云算法可直接對非等間隔數(shù)據(jù)進行建模,提高了預(yù)測效率。

4 結(jié)論

本文采用云變換法處理抽筒速度、開閂速度、復(fù)進時間、復(fù)進速度和后坐位移5項裝甲車輛火力系統(tǒng)技術(shù)狀態(tài)參數(shù)的測試數(shù)據(jù),并以此為依據(jù)劃分了各技術(shù)狀態(tài)參數(shù)的云概念,建立了云模型,通過隸屬度方法明確過渡區(qū)域邊界數(shù)據(jù),保留了測試數(shù)據(jù)的不確定性和多屬性。運用數(shù)據(jù)挖掘的方法發(fā)掘測試歷史數(shù)據(jù)中技術(shù)狀態(tài)參數(shù)變化與故障間的推理規(guī)則,并采用云推理法構(gòu)建組合規(guī)則發(fā)生器,有效融合了多項狀態(tài)信息,可同時對多故障進行分析判定。最后經(jīng)實例驗證,云預(yù)測模型可較好地適用于對非等時間間隔數(shù)據(jù)序列的建模與預(yù)測。該方法魯棒性強,個別測試數(shù)據(jù)在適當范圍內(nèi)的波動對預(yù)測結(jié)果的影響微小。