人工智能技術(shù)在航空火控系統(tǒng)故障檢測中的應用

喻甲其，劉 坤，韓 娟

（航空工業(yè)成都飛機工業(yè)（集團）有限責任公司，四川成都 610092）

0 引言

航空火控系統(tǒng)具有較高的綜合水平、復雜的構(gòu)成和較高的成本，是航空戰(zhàn)斗力的關鍵和基礎，系統(tǒng)的可靠性對飛機的使用及作戰(zhàn)性能產(chǎn)生直接影響。根據(jù)航空設備的維護標準及技術(shù)要求，應對工作狀態(tài)及性能開展實時檢查，保證火控系統(tǒng)具有較好的狀態(tài)。傳統(tǒng)的檢測方式是技術(shù)人員將所需檢測的部件拆除，送至檢修廠進行檢查。該方式存的不足是具有較高的勞動強度和較長的時間周期，主要依靠技術(shù)人員的經(jīng)驗和技術(shù)，缺乏較高的準確性，檢測結(jié)果無法呈現(xiàn)系統(tǒng)所有的工作狀態(tài)。因此，以人工智能技術(shù)為基礎的航空火控系統(tǒng)故障檢測設備隨即產(chǎn)生，針對該設備進行詳細分析，以期增強系統(tǒng)運行的可靠性。

1 故障診斷技術(shù)研究現(xiàn)狀

以人工智能技術(shù)為基礎的航空火控系統(tǒng)故障檢測技術(shù)近幾年才得以產(chǎn)生和發(fā)展，這一技術(shù)得以發(fā)展的原因是設備的復雜性和技術(shù)水平的提升，采用傳統(tǒng)的維修技術(shù)已無法滿足現(xiàn)代設備的維護要求。近年來，隨著新型傳感器的產(chǎn)生，人工智能技術(shù)取得了較快的發(fā)展，極大推動了故障診斷技術(shù)的發(fā)展?？梢哉f，故障診斷技術(shù)是多學科融合發(fā)展的成果。就故障診斷技術(shù)發(fā)展的整體水平而言，美國所擁有的技術(shù)最為先進。美國多個部門投入較多的資金研究故障診斷技術(shù)，設計出了多套高效可靠的故障診斷系統(tǒng)，如F-36 JSF 系統(tǒng)等，這些系統(tǒng)不僅可以有效監(jiān)測設備的運行狀態(tài)，而且可以診斷出設備運行中的故障。目前，該技術(shù)在各個領域取得了廣泛運用。

我國對于故障診斷技術(shù)的研究起步較晚，但隨著國內(nèi)學者的不懈努力，故障診斷技術(shù)已經(jīng)取得較快的發(fā)展。王成剛等人通過開展研究提出了一種以多值測試為故障診斷測試法，以此代替?zhèn)鹘y(tǒng)的測試法，避免了信息的丟失。還有一些專家指出通過運用多信號流圖的模型來監(jiān)測一些復雜的電子系統(tǒng)，可以在產(chǎn)品設計初期對各個測試數(shù)據(jù)進行迅速準確的判斷，基本實現(xiàn)了系統(tǒng)的檢測需求。目前，我國針對故障診斷技術(shù)所進行的研究大多集中在高校，在各專家的持續(xù)努力中也提出了一些實用性較強的故障診斷方案，但在武器火控系統(tǒng)領域尚未建立起完善的故障診斷方法，也不具備完善的診斷系統(tǒng)，與發(fā)達國家之間存在一定的差距。目前所采取的故障診斷技術(shù)主要分為三種。

1.1 以解析模型為基礎的方法

這種方法主要是通過對系統(tǒng)的行為及以模型為基礎的預期行為之間的差別進行對比分析來實施故障診斷，該方法首先要創(chuàng)建起系統(tǒng)的數(shù)字模型，再依據(jù)模型對系統(tǒng)的輸入進行計算及分析，以取得系統(tǒng)的輸出，再和實際輸出值進行對比，得到殘差并進行處理，從而明確系統(tǒng)是否出現(xiàn)故障以及故障類型。該方法主要有參數(shù)估計法、狀態(tài)預估法等。

使用該方法創(chuàng)建系統(tǒng)化數(shù)學模型時，一般還需具備足夠的傳感器信息，因此從理論上講，通過運用該方法可以對已具備模型的系統(tǒng)故障進行準確的診斷。但對于目前已經(jīng)創(chuàng)建了系統(tǒng)的相關模型，必須充分掌握系統(tǒng)的內(nèi)部構(gòu)造及聯(lián)系，實際上大多數(shù)復雜系統(tǒng)都難以創(chuàng)建起有效的數(shù)學模型，因此，該方法很少應用到實際系統(tǒng)中。

1.2 以知識為基礎的方法

隨著網(wǎng)絡技術(shù)及人工智能的快速發(fā)展，這種基于知識的故障診斷法得以產(chǎn)生。該方法充分融合了人工智能技術(shù)，基于規(guī)則及知識開展與人類思維相關的推理，最終找出可能發(fā)生的故障，再經(jīng)過用戶進行驗證，主要包含故障樹診斷、神經(jīng)網(wǎng)絡等方法。

采用這種方法不需要針對診斷對象創(chuàng)建精確的模型，廣泛應用于復雜及非線性化的系統(tǒng)，但其中存在的不足就在于知識的獲取，而且也不具備較強的實時性及適應性。近年來，該方法取得了飛速的發(fā)展，大部分新方法被逐漸應用到系統(tǒng)故障診斷中，但這種方法缺少完善的系統(tǒng)理論框架，還需進一步研究。

1.3 以分析信號為基礎的方法

該方法指利用信號頻譜分析、小波變換等手段提取信號的幅值、頻率等特征，進而對這些特征進行分析以找出故障，其中主要包含主元分析、小波變換等方法。

采取這種方法不需要創(chuàng)建系統(tǒng)化數(shù)學模型，具有較強的簡便性和實時性。該方法大多應用于故障檢測工作，但在故障的辨識及定位方面存在較大的不足，因此單獨采用該方法無法取得較好的效果，通常都要與其他方法結(jié)合起來使用，以提升故障診斷的準確性。

2 故障診斷常用方法

2.1 專家系統(tǒng)

是一種借助計算機技術(shù)來模擬人的行為并以此解決問題的系統(tǒng)。專家系統(tǒng)故障診斷法指的是計算機系統(tǒng)利用人類專家處理問題的經(jīng)驗匯總成知識，再依據(jù)所采集到的信息來模擬人類處理問題的方法開展相應的推理計算，最終判明故障原因。

在飛機火控系統(tǒng)開展故障診斷的過程中，專家系統(tǒng)得到了深入的應用，但采用這種方法極易受到專家知識庫的影響，如果不具備全面、正確的專家知識，將會極大降低故障診斷的準確度，而且該系統(tǒng)在實際應用的過程中，取得專家知識是一個最大的難點。

2.2 故障樹分析法

這種方法指的是通過對對象進行診斷來建立相關的模型，之后將系統(tǒng)產(chǎn)生的故障作為頂節(jié)點，故障現(xiàn)象屬于中間節(jié)點，然后根據(jù)故障信息的類型實施分解，直至得到以故障源作為葉子節(jié)點的診斷方法。故障樹的結(jié)構(gòu)見圖1。

故障樹依據(jù)系統(tǒng)出現(xiàn)故障時所形成的各種故障問題，持續(xù)向下進行細分，最后得到了處于葉子節(jié)點的故障源。當具備全面及精確的故障樹模型的時候，故障樹分析法取得了較好的診斷效果，但是通常情況下，對于一些系統(tǒng)過于復雜的故障樹，其具備較強的繁瑣性，很難創(chuàng)建起完善的故障樹模型，從而在某種程度上極大約束了這一方法的運用。

圖1 故障樹結(jié)構(gòu)

2.3 神經(jīng)網(wǎng)絡

在故障診斷的過程中，神經(jīng)網(wǎng)絡主要作為一種分類器來識別出系統(tǒng)的故障，也可以與其他方法相結(jié)合形成組合型的故障診斷法。該方法首先要針對現(xiàn)存的故障樣本開展學習，之后再針對故障樣本獲取相應的特征，最后再經(jīng)過已結(jié)束訓練的神經(jīng)網(wǎng)絡實施故障樣本分裂，最終取得相應的結(jié)果。

神經(jīng)網(wǎng)絡有著較強的適應能力，當具備充足及有效的樣本時，可以較好地解決復雜的分類問題，但這也是存在于神經(jīng)網(wǎng)絡的最大缺點，由于無法取得較多的訓練樣本，而且這種方法常常會出現(xiàn)局部最優(yōu)，無法實現(xiàn)整體優(yōu)化。

2.4 多信號流圖的模型

該模型所針對被監(jiān)測對象的構(gòu)成板塊、測試及被監(jiān)測對象之間存在的特征進行分析，并基于此采取有向性方法對其進行表示，再依據(jù)系統(tǒng)中信號的檢測結(jié)果對故障實施診斷。該模型同時融入了以解析和以信號的兩種診斷方式，在復雜系統(tǒng)中有著較廣泛的運用。

3 航空火控系統(tǒng)故障檢測裝置功能板塊

航空火控系統(tǒng)故障檢測裝置構(gòu)成單元主要有主控處理單元、數(shù)據(jù)收集分析處理單元、接口轉(zhuǎn)換單元等。

3.1 主控處理單元

故障診斷設置選擇S3C2440A 來作為嵌入式控制器，它是某半導體企業(yè)推出的一種微處理器，其內(nèi)核是ARM920T。S3C2440A 的構(gòu)成主要有16/32 位的RISC 體系構(gòu)造與相應的指令集，其MMU（Memory Management Unit，內(nèi)存管理單元）適用于WinCE，EPOC 32 和Linux。

3.2 數(shù)據(jù)收集分析處理板塊

故障檢測設置主要是利用USB 模塊來收集數(shù)據(jù)，其應用于現(xiàn)階段的Unix 等多個類型的操作系統(tǒng)及相應的軟件環(huán)境。該板塊所具有以下功能：

（1）USB 數(shù)據(jù)采集板塊安裝了一個自動化通道/程控增益的掃描電路，該電路主要對采樣過程中的多路選通器進行控制，具備較高的效率。

（2）模擬輸入：單端和差分分別有48 和24 路。

（3）擁有4 路模擬輸出，其中可選擇的模式主要有電流及電壓兩種。

（4）提供可靠的編程計數(shù)器，其中主要包含了3 個16 位計數(shù)器。

（5）輸入及輸出分別為16 路。

（6）在對開機進行模擬后，可以利用跳線設置相關的輸出值，該數(shù)值應保持量程值的1/2 或者最小值。用戶可以先后對這四個通道的輸出設定相對應的范圍，分別為：0～5 V，0～10 V，+5 V，+10 V，0～20 mA。

（7）當系統(tǒng)開啟熱啟動時，USB 數(shù)據(jù)收集板塊可以維持上個循環(huán)的數(shù)字量輸出設置。

（8）模擬輸出：擁有4 路通道，12 位分辨率，其輸出范疇為0～5 V，0～10 V，-5～+5 V，-10～+10 V，0～20 mA。

（9）計數(shù)器：擁有3 路通道數(shù)，16 位分辨率，技術(shù)范疇≤65535，采取減數(shù)計算器和頻率測量法，電平形式為TTL 電平。

（10）數(shù)字量輸入/輸出：輸入及輸出通道均為16 路，電平形式則采取TTL 電平。

（11）供電電壓9～40 V。

3.3 位置角量信號形成板塊

該板塊主要為系統(tǒng)提供多渠道的位置模擬角量，其構(gòu)成部分主要有功率適配線路、電阻網(wǎng)絡等，該板塊形成的位置角量信號主要用于對姿態(tài)傳感器的角量進行模擬，并利用故障檢測設備進行輸出，并將結(jié)果呈現(xiàn)在便攜式終端上，進而對轉(zhuǎn)換控制板所具有的精準度及功能進行有效檢測。

3.4 通信測試板塊

該板塊主要對火控系統(tǒng)內(nèi)部各單體之間的通信指令進行模擬，以檢測火控系統(tǒng)內(nèi)部的CAN 接口，對其中存在的各CAN 節(jié)點所傳輸?shù)臋z測報文進行模擬，并接收各個檢測單體所反饋出的信息，通過對比分析，明確火控系統(tǒng)各CAN 節(jié)點是否具備完善的通信功能。

3.5 接口轉(zhuǎn)換板塊

該板塊主要是將檢測設備中各功能模塊的數(shù)據(jù)接口轉(zhuǎn)變?yōu)橄嚓P的USB 接口。

3.6 電源處理板塊

該板塊主要包含DC/DC 電源板塊及各相關處理電路，其功能是將內(nèi)部供電轉(zhuǎn)變?yōu)闄z測裝置中各板塊所需的工作電源。

4 航空火控系統(tǒng)故障檢測裝置組成設備

由于航空火控系統(tǒng)故障檢測裝置運用了串行的工作形式，無法提升運行速率及裝置隨時運行的要求。隨著系統(tǒng)控制質(zhì)量要求的不斷提升，人工智能專家系統(tǒng)中設置的規(guī)則庫持續(xù)擴大，沖突越來越顯著。因此，該故障檢測裝置通過運用神經(jīng)網(wǎng)絡及專家系統(tǒng)相互結(jié)合的形式，充分發(fā)揮神經(jīng)網(wǎng)絡的功能，即并行處理大批化的輸入信息、分布式儲存等優(yōu)點，以確保航空火控系統(tǒng)得到迅速、精確地檢測，提升被檢戰(zhàn)機的反應水平。裝置原理見圖2。

圖2 航空火控系統(tǒng)故障檢測裝置工作原理

4.1 通用適配器

由于火控系統(tǒng)存在大量的接口種類，故障檢測設備必須與該系統(tǒng)形成較好的信號交錯；輸入及輸出信號實施阻抗匹配轉(zhuǎn)換；信號持續(xù)衰退、電平轉(zhuǎn)換等需要借助通用的適配器實現(xiàn)。適配器的輸入輸出端采用標準的接口元件及同軸電纜，使適配器具備較高的性能。此外，適配器內(nèi)部通過較好的措施進行隔離，使電磁具備較好的兼容性。

4.2 數(shù)據(jù)庫

數(shù)據(jù)庫的功能是儲存與故障檢測相關的數(shù)據(jù)信息，主要包含靜態(tài)與動態(tài)兩種數(shù)據(jù)。其構(gòu)造應有助于系統(tǒng)的處理及推理，在管理軟件的背景下，數(shù)據(jù)庫的作用是接收及儲備火控系統(tǒng)的各個信息，并由此推理出相應的結(jié)論結(jié)果，并將其作為一種裝置來開展故障檢測工作。由于數(shù)據(jù)庫不僅可以儲存大量的信息，而且也有助于查找，應盡可能降低數(shù)據(jù)庫的規(guī)模，因此設計數(shù)據(jù)庫時必須采取有助于查找及升級信息的措施。

4.3 知識庫

知識庫中儲存了大量與故障診斷相關的專家經(jīng)驗及知識，其中經(jīng)驗是指該領域?qū)＜以陂L期工作中積累的經(jīng)驗；理論知識主要從相關描述及研究火控系統(tǒng)方面的書中獲取。設計知識庫時應依據(jù)以上經(jīng)驗及知識，將其轉(zhuǎn)換為控制規(guī)則及參數(shù)調(diào)整規(guī)則，并儲存在知識庫內(nèi)部。

4.4 規(guī)則庫和推理機

4.4.1 推理機

該裝置指的是在專家系統(tǒng)中完成的基于知識推理的元件，是系統(tǒng)中存在的某個控制程序，在控制策略下基于中間數(shù)據(jù)庫內(nèi)的信息來收集及選擇知識庫內(nèi)對處理問題有用的知識，并將其運用到診斷推理中。推理機是依據(jù)檢測裝置當前的運行及之前的故障信息，即數(shù)據(jù)庫內(nèi)的信息，在規(guī)則庫內(nèi)檢索控制手段及參數(shù)調(diào)整的方法。推理機所有的輸入及輸出都基于事實進行，但輸出則是輸入事實處于推理機的控制下，依靠規(guī)則推測的事實。為了使檢測設備具備較好的推理技術(shù)及實現(xiàn)實時推算，推理機的結(jié)構(gòu)采取了確定性與概率性兩種推理機制，對各個形式的事實規(guī)則及各類事件之間的因果關系展開推理，通過將正向及反向推理及規(guī)則評價推理進行較好的結(jié)合，以增強裝置的置信度。

首先，系統(tǒng)選擇故障征兆為關鍵詞，在規(guī)則庫中通過運用匹配原則取得與此征兆相對應的行為分支，在故障樹中所存在的各種行為有著不同的分支，當用戶明確行為之后，系統(tǒng)再將行為與事實進行合并，并以此為關鍵詞進行搜索，得到一個全新的事實，至此完成了一個推理周期，等待用戶明確全新的行為分支。當規(guī)則庫內(nèi)不再存在行為分支時，表示完成推理，這就是故障點。

由于神經(jīng)網(wǎng)絡面對的各個征兆都來自于相同的故障輸出，但是輸入方式并不唯一，因此就必須依據(jù)數(shù)據(jù)開展正向推理。

推理步驟：①將網(wǎng)絡的結(jié)構(gòu)知識、火控系統(tǒng)的故障知識及權(quán)值矩陣從知識庫中調(diào)出；②借助導入規(guī)則轉(zhuǎn)換已收集到的故障征兆模式，使其成為神經(jīng)網(wǎng)絡的輸入；③對隱含層的神經(jīng)元輸出進行計算；④對網(wǎng)絡開展前向計算，取得輸出層的神經(jīng)元輸出；⑤依據(jù)規(guī)則對神經(jīng)元的輸出進行檢驗，明確結(jié)果。

4.4.2 規(guī)則庫

規(guī)則庫是依據(jù)專家知識庫內(nèi)的知識來獲取控制的作用及策略，它主要體現(xiàn)在控制知識，并基于數(shù)據(jù)庫所提供的故障信息來采取有效的控制策略及參數(shù)調(diào)整措施。

4.5 專家系統(tǒng)訓練樣本

選擇專家系統(tǒng)所開展檢測及控制工作的結(jié)果作為訓練樣本，對神經(jīng)網(wǎng)絡進行訓練，完成訓練后將其運用到故障診斷系統(tǒng)中。

4.6 故障樹-規(guī)則轉(zhuǎn)換單元

該單元指的是某個圖形轉(zhuǎn)化為Access 格式的數(shù)據(jù)庫的板塊，通過這個單元可以將手工創(chuàng)建規(guī)則庫的過程轉(zhuǎn)變?yōu)楣收蠘涞脑O計過程。首先將故障樹的樹形圖轉(zhuǎn)變?yōu)樵嫉膶傩员恚賹⒃摫磙D(zhuǎn)變?yōu)橐?guī)則表[4]。

5 神經(jīng)網(wǎng)絡的特征及構(gòu)造

神經(jīng)網(wǎng)絡因其可以有效處理復雜的多模式，且具備較強的想象、推理及記憶功能，已廣泛運用于慢變的復雜系統(tǒng)或者不存在模型的故障檢測工作中。神經(jīng)網(wǎng)絡的構(gòu)成包含了多個神經(jīng)元，而神經(jīng)元則采取簡單的方式對信息實施處理，當神經(jīng)元輸入超出某個閾值時，它就可以被激活。神經(jīng)元根據(jù)層級排列，輸入信息則利用網(wǎng)絡進行傳播。每個神經(jīng)元所具有的傳播函數(shù)均對神經(jīng)網(wǎng)絡的非線性產(chǎn)生直接影響。在訓練過程中，通過調(diào)整網(wǎng)絡權(quán)值，促使網(wǎng)絡輸出可以借助最佳形式接近預期值。目前，應用最廣泛的是具備一個隱層的BP 網(wǎng)絡，在訓練信息不完善的條件下，可以對故障進行準確的分類及識別。由于神經(jīng)網(wǎng)絡在該裝置中主要用于故障檢測，因此，可以將故障的測量值或故障樹當做相應的樣本，以完成網(wǎng)絡的訓練。

在航空火控系統(tǒng)故障檢測中，為了使神經(jīng)網(wǎng)絡更加接近專家檢測的結(jié)果，且具備較強的記憶及容錯能力，神經(jīng)網(wǎng)絡需要設計為3 層BP 網(wǎng)絡，分別為輸入層、輸出層和隱含層。依據(jù)專家系統(tǒng)的設計原理，BP 網(wǎng)絡的輸入則表現(xiàn)為導彈指揮儀所有工作狀態(tài)下的原始參數(shù)和平顯狀態(tài)下工作畫面的原始參數(shù)。隱含層則選擇40 個節(jié)點，這是依據(jù)選擇的樣本點及測控的質(zhì)量要求選擇的。輸出層則包含了相應的結(jié)果。

6 BP 網(wǎng)絡模型及算法

目前，BP 網(wǎng)絡是應用最普遍的一種神經(jīng)元網(wǎng)絡，主要包含三點內(nèi)容：第一，模式鑒別分類，主要對文字、語言等進行有效識別和故障診斷等；第二，函數(shù)逼近，主要針對非線性控制建立模型；第三，數(shù)據(jù)壓縮，其功能是實現(xiàn)通信過程中的編碼壓縮及恢復，圖像信息的壓縮、儲存及其特征的抽取等。對于一個具備T個訓練樣本的問題、K 個輸入、J 個輸出及H 個隱藏神經(jīng)元的網(wǎng)絡構(gòu)造，其相關的數(shù)據(jù)模型為：

式中：Tij表示第i 個目標矢量的第j 個分量，Oij表示第i 個輸出矢量的第j 個分量。

從實質(zhì)上講，BP 算法作為一種梯度降低靜態(tài)尋優(yōu)的算法，在對權(quán)值進行修正時，僅依據(jù)時刻所具有的負梯度方向來修正，并對以往的經(jīng)驗加以考慮，從而導致學習階段產(chǎn)生了一定的震蕩，且收斂過于緩慢。為有效處理以上問題，人們通過研究提出了相應的模型：

式中：η 和α 分別表示搜索步長和動量項因子。

7 結(jié)束語

本文所設計的檢測系統(tǒng)經(jīng)過長期使用后，驗證了其具備較強的穩(wěn)定性，操作簡單且維護方便，不僅可以滿足某型飛機火控系統(tǒng)的故障檢測需求，而且稍加改善就可以滿足其他型號火控系統(tǒng)的故障檢測需求，該設備的運用提升了部隊的反應水平，深受好評。本文針對該故障診斷系統(tǒng)進行深入研究，以推動該系統(tǒng)的穩(wěn)定運行。