導彈測試設備故障特征點提取方法研究

張 磊

導彈測試設備故障特征點提取方法研究

張 磊

（海軍潛艇學院，青島，266199）

為實現(xiàn)導彈測試設備這類復雜系統(tǒng)的故障診斷，基于信息熵的理論研究了故障特征點的提取方法。首先介紹了故障特征點提取的原則，然后說明了故障特征點的提取方法。最后，通過實例說明故障特征點的提取步驟，證明了該方法的實用性和有效性，能夠在其他類似復雜系統(tǒng)故障特征點的提取上得到應用。

導彈測試設備；故障特征點；提取方法；信息熵

0 引 言

現(xiàn)代導彈測試設備越來越精密、復雜，若導彈測試設備出現(xiàn)故障，如何科學選取故障特征點進而加快故障診斷和故障排除的進程，對導彈裝備保障以及部隊戰(zhàn)斗力有著重要意義。特征點選取是否科學合理在很大程度上影響著故障診斷的效能，如果特征點過多，則診斷時間相應增加，診斷效率下降，甚至有可能出現(xiàn)診斷矛盾的結果而最終導致故障診斷工作的失??；反之，如果診斷特征點過少，則診斷過程不能充分反映測試設備運行特征，造成診斷結果不可靠進而失去故障診斷的意義。因此，故障特征點含有的診斷信息量應當反映導彈測試設備特征，否則這種特征點的選取是失敗的。

文獻[1]以計算機主板上的開機電路故障特征點為牽引，對主板開機電路常見故障的判定以及解決方法進行了詳細闡述；文獻[2]針對多體分離的安全、可靠要求，給出一種基于危險截面特征點的分離碰撞檢測方法，可改善分離碰撞檢測精度；文獻[3]介紹了顯示器開關電源正常工作的條件及主要特征點，對開關電源典型故障進行分析并且給出檢修參考程序；文獻[4]研究了基于模擬電路拓撲結構關系的故障可測性判據，通過搜索故障模型中的檢測點來定位故障元件；文獻[5]引入了收益因子及成本罰數(shù)，闡述了特征點診斷收益及測量成本兩個因素對特征點選擇的影響；文獻[6]將小波變換引入以支持向量機為分類器的故障診斷系統(tǒng)，提出一種新的特征選取方法以提高電路故障診斷率；文獻[7]通過分析檢測點的加權值，用逐步分解故障信息矩陣的方法選出最佳測試點，達到了以最少測試點和最短時間檢測與隔離故障的目的；文獻[8]提出了基于故障樹分析的監(jiān)測點選取方法，避免診斷推理過程的盲目性，提高故障診斷的效率。上述文獻中故障檢測特征點選取都是針對具體電路特點或具體檢測方式來采取適當?shù)姆椒ǎ瑸榫哂袕碗s內外部電路接口的導彈測試設備進行故障特征點選取工作提供了有益的借鑒，本文以信息熵理論為基礎對如何提取特征點提出了一種較實用的方法。

1 特征點提取的原則

對于導彈測試設備電路來說，電路中各個節(jié)點所對應的故障狀態(tài)信息量是不一樣的。有些節(jié)點可以隔離的故障狀態(tài)多，有些可以隔離的故障狀態(tài)少，有些則對故障狀態(tài)的隔離不起作用。因此，故障特征點提取的總原則是提取盡可能少的設備電路節(jié)點，能夠隔離出盡可能多的故障狀態(tài)。特征點提取的原則如下：

a）特征點的提取應不影響設備的正常工作和性能，否則選取特征點進行設備的故障診斷就失去了應有的意義，更不能因為特征點的選取使得設備的原有功能下降或失效。

b）提取的特征點要具有代表性。在當下信息化戰(zhàn)爭條件下，被診斷的導彈測試設備往往是非常精密復雜的，因此要同時監(jiān)測所有部件的運行狀態(tài)是不可能的，這就需要選擇有代表性的特征點以滿足故障診斷需求。在提取時一般選擇故障多發(fā)部位、系統(tǒng)關鍵部位作為特征點。

c）提取的特征點要包含盡可能多的信息。在特征點的提取上，要優(yōu)先選擇那些可以診斷出多個故障并且對故障檢測隔離能力強的特征點，也就是選擇故障診斷信息量大的特征點。在實際的導彈測試設備中，有些電路節(jié)點所包含的故障信息非常豐富，提取這樣的特征點就能夠分離出多種故障信息。而有些電路節(jié)點所包含的故障信息非常單一，只能分離很少的故障或根本不能檢測故障，對于這樣一些電路節(jié)點應該舍棄，不能選擇作為故障特征點。

d）提取具有最小測試代價的特征點。測試代價包括：測試可及性、測試時間等。導彈測試設備中，提取一個故障特征點所需要的測試代價是不一樣的，有些電路節(jié)點不用拆裝就可直接測量，而有些電路節(jié)點需要拆卸大量其他部件才能達到監(jiān)測目的。有些電路節(jié)點在很少的時間內就可測量，而有些電路節(jié)點則需要較多的時間才能測量。因此，在故障特征點的提取上要選取那些較易測試并且測試耗費時間較少的電路節(jié)點，使得故障診斷的測試代價最小。

e）提取的特征點數(shù)要盡可能減少。在滿足故障隔離要求的大前提下，還要盡可能減少特征點數(shù)，以減輕測試數(shù)據采集系統(tǒng)的工作量，提高故障診斷系統(tǒng)運行速度。同時，選擇較少的特征點可以提高診斷系統(tǒng)的可靠性，減少對診斷對象的影響。

2 特征點提取的方法

對導彈測試設備進行故障診斷，需要根據出現(xiàn)的各種故障現(xiàn)象提取有用的故障檢測信息。故障檢測信息體現(xiàn)了故障狀態(tài)及產生規(guī)律，然而，由于冗余等干擾因素的存在，某種故障出現(xiàn)的概率和狀態(tài)都會影響冗余進而影響故障的診斷。一般情況下，故障的出現(xiàn)可以按照其出現(xiàn)的概率大小來度量。概率小，出現(xiàn)機會少，不確定性大，反過來就小。為此，可以借助信息熵的大小來度量故障出現(xiàn)的不確定性。

針對導彈測試設備，提取的某個故障特征點ti對故障fj的檢測概率為p( fj|ti)，則定義特征點ti對故障fj的信息熵為

其中，0≤p( fj|ti)≤1。

由式（1）可以看出，當p( fj|ti)=1時，即ti可以完全檢測故障fj，H( fj|ti)=0，說明信息熵越小時，用來進行故障診斷所需要的信息量就越小，特征點ti對應故障fj發(fā)生的不確定性就越??；反之則越大。若某種設備的N種故障概率分布是勻稱的，則顯示該設備每種故障發(fā)生的概率是相同的，均為1/N。這種情況下，使用者很難預測到哪種故障是最可能發(fā)生或者是最不可能發(fā)生的，此種設備的不確定性最大，它的信息熵則為最大。

特征點ti對所有可診斷故障的信息熵為

考慮到測試代價（特征點的故障診斷測試時間ci），定義特征點的信息-代價函數(shù)為

由式（3）可以看出，S( ti)值的大小與信息熵H( fj|ti)以及測試時間ci的大小有關。當H( fj|ti)值越大，ci值越小，則S( ti)值越大。然而在實際故障診斷過程中，往往是信息熵H( fj|ti)值小的時候S( ti)值大。這是因為，當信息熵H( fj|ti)值越大時，系統(tǒng)故障診斷越不確定，測試診斷時間反而更長，使得S( ti)值減小，故障診斷效率下降。反之，當信息熵H( fj|ti)值較小時，故障診斷的確定性大，對應的測試時間明顯減小，因此S( ti)值反而增大了，故而提高了故障診斷效率。根據上述分析，最終檢測特征點的提取依據是信息代價函數(shù)S( ti)的值，值越大的特征點越優(yōu)先提取。

依據特征點提取的原則以及式（1）～（3），應當選擇信息-代價函數(shù)最大的特征點，具體提取步驟如下：

a）根據第4條原則確定所有可及特征點，即確定T=(t1, t2,…,tn)。特征點提取應優(yōu)先考慮故障多發(fā)點和系統(tǒng)關鍵部位。

b）根據故障知識（包括專家知識、理論知識等）確定故障集F=(f1,f2,…,fm)。

c）通過試驗或專家打分的方法確定每個特征點對不同故障的檢測概率pj( ti)。

d）計算各特征點的信息熵H( fj|ti)。

e）確定特征點的測試時間ci。

f）計算各特征點的信息-代價函數(shù)值S( ti)。

g）選擇S( ti)最大的特征點為第1提取特征點。如果此特征點已經覆蓋所有故障，則提取過程結束，否則選擇第2提取特征點，直到覆蓋所有故障。

h）對所選取的特征點的故障覆蓋情況進行檢驗。

特征點的提取過程如圖1所示。

圖1 特征點提取流程

3 故障特征點提取實例

根據特征點的提取方法，對某型導彈測試設備中測控臺進行特征點選擇。為了不影響設備的正常運行，保證測控臺設備電路不發(fā)生變化，故障特征點應盡量選擇測控臺的插座、插頭等接口位置。測控臺共有各種測試、通訊接口19個。在導彈測試過程中，可以利用CZ202N，CZ202S、CZ201M、CZ201L、CZ201D、CZ201C、CZ202B、CZ202L等接口插座進行故障檢測。

為了減少特征點數(shù)量，降低故障診斷測試量，需要對特征點的提取進行優(yōu)化。特征點提取過程如下：

a）首先確定每個接口對應的所有可用于獲取故障信息的特征點及所有故障。

b）在選擇特征點之前，需計算各個接口的信息-代價函數(shù)值。部分接口的信息-代價函數(shù)值如表1所示。

表1 部分接口信息代價函數(shù)值

從表1可以看出，CZ201M的信息代價函數(shù)值最高，其次是CZ202N。實際上，可以通過CZ201M檢測15種故障現(xiàn)象，與實際情況相吻合。

c）選擇CZ201M為第1提取故障特征點，可以檢測15種故障，不能覆蓋所有故障，需要繼續(xù)選擇。

d）選擇CZ202N為第2提取故障特征點，可以檢測10種故障，需要繼續(xù)選擇。

e）選擇CZ202P為第3提取故障特征點，可以檢測6種故障。CZ201M、CZ202N、CZ202P3個接口可以檢測89%的設備故障。如果繼續(xù)增加特征點提取工作，將會大大增加測試代價，而故障隔離效果并不明顯，其余故障現(xiàn)象可通過實時觀察獲得。

f）故障特征點提取結束。

提取結果為：CZ201M、CZ202N、CZ202P。

下面以某型導彈測控臺漏電故障檢測為例進行實際說明。在測試發(fā)射過程中，設備漏電是一個比較嚴重的故障，輕則影響測試的順利進行，重則甚至會引起災難性的事故，因此，對于設備漏電故障必須仔細分析、徹底排查。由于測控臺上插座多（連接電纜多），因此潛在漏電電路就多，故障診斷起來比較麻煩。圖2為漏電故障是在導彈測試過程中發(fā)生-M1母線漏電，斷開201M電纜或者202N電纜則漏電情況消失。

圖2 測控臺CZ201M插座漏電原理示意

圖2 中漏電機理如下，連接CZ201M插座的201M電纜，其119、120芯為彈上供電-B信號的調壓點，通過TC1D/52、53點連到彈上，在彈上配電器內部與-B母線連通，當119、120芯絕緣不良產生與臺體殼體搭接時，由于配電器中的-B母線通過TC1D的5～8點經202N電纜與測控臺中的-M1母線相連，由此形成了圖2中所示的完整漏電回路，造成-M1漏電表顯示漏電。當斷開201M電纜或者202N電纜連接時，CZ210M插座中的119、120點只是搭殼，并未與-M1母線連接，無法形成圖示的回路，此時-M1漏電表指示正常，為0 ?。根據電路原理，按照選取S( ti)值大的原則，選取CZ201M插座為第一特征點，通過檢測插座中各芯的絕緣情況即可快速判明故障情況。反之如果此時首先選取CZ202N插座為第一特征點，則無法檢測出故障點，會耗費故障診斷時間，導致故障診斷效率的降低。

4 結 論

導彈測試設備是導彈武器系統(tǒng)中的重要組成部分，測試設備的故障診斷需要對故障特征點進行科學提取。本文采用信息熵的分析方法，對設備故障特征點的提取進行了研究，并且以某型導彈測控臺故障特征點提取為例，說明了特征點提取過程。通過計算得出接口信息代價函數(shù)值，依據信息代價函數(shù)值的結果選取出最優(yōu)的特征點，以便檢測出盡可能多的故障。結果表明，本文采用信息熵理論進行故障特征點的提取是可行的，不但能夠較好地實現(xiàn)導彈測試設備的快速故障診斷，還可以廣泛應用到其他類似復雜系統(tǒng)的故障診斷中。

[1] 田紅廣. 主板開機電路工作原理與常見故障維修[J]. 電子技術與軟件工程, 2014(11): 130-131.

[2] 李晶, 張海瑞, 廖選平, 等. 基于危險截面特征點的多體分離碰撞檢測方法[J]. 導彈與航天運載技術, 2015(6): 55-59.

[3] 周淑彥. 顯示器開關電源常見故障分析及維修[J]. 儀器儀表用戶, 2007, 6(14): 122-123.

[4] 袁海英, 陳光稿. 模擬電路的可測性及故障診斷方法研究[J]. 電子測量與儀器學報, 2006, 5(L20): 17-20.

[5] 王銀坤, 王學奇, 肖明清. 基于故障診斷價值測度的特征點優(yōu)化配置方法[J]. 系統(tǒng)工程與電子技術, 2006(10): 1606-1608.

[6] 錢莉, 姚恒, 劉牮. 基于小波高頻系數(shù)統(tǒng)計特征的電路故障診斷[J]. 電子科技, 2015, 6(28): 118-122.

[7] 王建宏，許化龍，曹祥宇. 導彈姿態(tài)控制系統(tǒng)最佳測試點的選取[J]. 上海航天, 2003, 1(20): 50-52.

[8] 肖小鋒，蔡金燕，諶葉飛. 基于故障樹分析的監(jiān)測點選取[J]. 計算機應用與軟件, 2007, 9(24): 24-25.

Selection Method of Fault Feature Points for Missile Test Equipment

Zhang Lei
(Navy Submarine Academy, Qingdao, 266199)

To realize the fault diagnosis for complicated system such as missile test equipment, an selection method of fault feature points is studied based on information entropy theory. The selection principle of fault feature points is introduced here, then the selection method of feature points is explained. At last, the procedure of feature points selection is given by an example to validate the utilities and practicalities which can apply to fault feature points selection for other similar complicated systems.

Missile test equipment; Fault feature points; Selection method; Ιnformation entropy

TP206.3

A

1004-7182(2017)04-0111-04 DOΙ：10.7654/j.issn.1004-7182.20170425

2016-12-05；

2017-02-03

張 磊（1973-），男，講師，主要研究方向為導彈測發(fā)控設備使用