基于集合覆蓋模型的裝備故障診斷方法研究＊

楊錫鉛 李 赟 張洪華

（1．92730部隊 三亞 572016）（2．91388部隊 湛江 524022）

1 引言

隨著武器裝備的不斷發(fā)展，其結(jié)構(gòu)與組成越來越復(fù)雜，裝備的復(fù)雜化在帶來裝備性能提高的同時也導(dǎo)致其故障概率大幅提高。故障診斷是裝備技術(shù)保障的重要內(nèi)容之一，故障的檢測與診斷已經(jīng)成為影響戰(zhàn)備完好性、使用和保障費用的主要因素［1～2］。目前的故障診斷方法是對關(guān)鍵部件設(shè)計BIT 裝置和進行狀態(tài)監(jiān)控［3～4］，當(dāng)狀態(tài)超出預(yù)置則給出故障報警提示。但該方法大多依靠人工經(jīng)驗判斷是否為故障，缺乏故障推理機制，一般不能隔離故障。本文以故障測試相關(guān)性矩陣為基礎(chǔ)，將故障診斷過程歸納為經(jīng)典的集合覆蓋問題，通過快速求解該數(shù)學(xué)問題，給出故障診斷結(jié)果，單故障和雙故障實例證明該方法合理有效。

2 集合覆蓋問題故障模型

2．1 故障建模

表1是某裝備故障測試相關(guān)性矩陣［5］，其中系統(tǒng)故障為s1～s7，p（si）為其對應(yīng)的先驗概率，有t1～t9共九個測試點。根據(jù)Bayes概率理論［6］，故障診斷問題可以表述為：已知所有故障si∈S的先驗概率p（si）和故障現(xiàn)象O（T），求具有最大后驗概率的故障集合X，即

表1 某故障測試相關(guān)性矩陣

由Bayes公式

定義m維向量x＝［x1，…，xi，…，xm］，當(dāng)xi＝1時有si∈X，xi＝0時si?X。則有：

其中：

由此得到：

其中：

為常數(shù)。這里假定該系統(tǒng)故障測試為二值測試，每個測試的結(jié)果只有“通過”（dij＝0）、“不通過”（dij＝1）兩種情況，分別用Tp和Tf表示。因此，該診斷問題可看作一個非線性組合優(yōu)化問題，即在所有2｜S｜個故障集合中，求取一個故障集合X，使arg

2．2 集合覆蓋問題推導(dǎo)

分析式（5）和式（6）發(fā)現(xiàn)，對于任意dij＝（0，1），Prob（O（tj）＝f｜X）與Prob（O（tk）＝p｜X）的值只能為1 或0，要使式（7）取得最大，即滿足arg，必須在Prob（O（tj）＝f｜X）和均不為0的前提下，使取得最大值?？梢宰C明，目標(biāo)函數(shù)Prob（X｜O（T））取得最大值的必要條件是：

1）對于O（tj）＝f，必須至少有一個xi＝1使得dij＝1；

2）對于O（tj）＝p，當(dāng)dij＝1時，必有xi＝0；

當(dāng)Prob（O（tj）＝f｜X）＝Prob（O（tk）＝p｜X）＝1時，式（7）所示的目標(biāo)函數(shù)Prob（X｜O（T））可以改寫為

其中為C常數(shù)。兩邊同時取負自然對數(shù)：

由此，式（1）所示的診斷問題可以表示為

式中ci＝-ln（pi／（1-pi）），D′＝（D-）T。

由此，我們將該故障診斷問題轉(zhuǎn)化為了集合覆蓋模型的求解。

3 求解集合覆蓋問題

集合覆蓋問題已被證明是NP 完全問題。求解方法主要有兩類，一是完整算法［7～9］（exact algorithms），這些方法計算量大，耗時長。為了解決這一問題，許多學(xué)者轉(zhuǎn)到第二類啟發(fā)式算法（heuristic algorithms）的研究上，使得能夠在可以接受的時間內(nèi)求得問題的近似最優(yōu)解，如貪婪算法、基因算法、拉格朗日松弛算法、神經(jīng)網(wǎng)絡(luò)算法等［10～13］，取得了不錯的效果。本文選用拉格朗日松弛經(jīng)典算法，具體求解過程可見文獻［12］。

由于多故障診斷情況非常復(fù)雜，一般難以通過BIT 獲得準(zhǔn)確的診斷結(jié)果，這里假設(shè)系統(tǒng)最多只會出現(xiàn)兩個故障同時發(fā)生的情況。

對于表1所示的系統(tǒng)故障源s1和s2雙故障并發(fā)，此時系統(tǒng)報警測試集｛t1，t2，t3｝，操作員根據(jù)測試性設(shè)計圖紙（即測試相關(guān)矩陣），會認為系統(tǒng)的潛在測試故障集為｛s1，s2，s3，s4，s6｝（測試1，2，3列中數(shù)值1對應(yīng)的行），需要通過其它手段進一步排查，才能獲取更準(zhǔn)確的診斷結(jié)果。按照本文的方法，診斷系統(tǒng)能夠在短時間內(nèi)給出的診斷結(jié)果｛s1，s2｝。

單故障診斷結(jié)果見表2，按本文算法得到的診斷結(jié)果，計算出故障檢測率rFD＝100%，故障隔離率rFI＝100%。

雙故障診斷結(jié)果見表3，本文算法得到的診斷結(jié)果，其故障檢測率rFD＝100%，故障隔離率rFI＝80．95%，診斷時間非常短。

表2 單故障診斷結(jié)果

表3 雙故障診斷結(jié)果

4 結(jié)語

本文針對機內(nèi)測試功能單一，不能給診斷結(jié)果的問題，提出一種基于集合覆蓋模型的故障診斷方法。首先利用Bayes概率理論對機內(nèi)測試的結(jié)果，即故障測試相關(guān)矩陣進行分析建模，然后將該故障模型轉(zhuǎn)化為集合覆蓋，最后解算該模型。實例分析證明，該方法對單故障和雙故障診斷能得到滿意的結(jié)果。

［1］曾天翔，張寶珍．軍用飛機維修面臨的挑戰(zhàn)與發(fā)展前景［J］．航空維修與工程，2005（1）：28-31．

［2］Teal C，Larsen W．Training key to electrical systems maintenance［C］／／Proeeedings of the 21st Digital Avionics Systems Conference，2002（2）：1-9．

［3］曾天翔．電子設(shè)備測試性及診斷技術(shù)［M］．北京：航空工業(yè)出版社，1996．

［4］Dress R，Young N．Role of BIT in support system maintenance and availability［J］．Aerospace and Electronic Systems Magazine，2004，19（8）：3-7．

［5］李赟，蔡志明．大型復(fù)雜系統(tǒng)測試序列優(yōu)化［J］．計算機集成制造系統(tǒng)，2010，16（9）：1961-1966．

［6］Shakeri M，Pattipati K，Raghavan V．Optimal and near-optimal algorithms for multiple fault diagnosis with unreliable tests［J］．IEEE Trans on systems，Man and Cybernetics，1998，28（3）：431-440．

［7］Fisher M，Kedia P．Optimal solution of set covering／partitioning problems using dual heuristics［J］．Management Science，1990，36：674-688．

［8］Beasley J E，Jansten K．Enhancing an algorithm for set covering problems［J］．European Journal of Operational Research，1992，58：293-300．

［9］Balas E，Carrera M．A dynamic subgradient based branch-and-bound procedure for set covering［J］．Operations Research，1996，44：875-890．

［10］Haouari M，Chaouachi J S．A probabilistic greedy search algorithm for combinatorial optimization with application to the set covering problem［J］．Journal of the Operational Research Society，2002，53：792-799．

［11］Aickelin U．An indirect genetic algorithm for set covering problems［J］．Journal of the Operational Research Society，2002，53：1118-1126．

［12］Beasley J E．A Lagrangean heuristic for set covering problems［J］．Naval Research Logistics，1990，37（1）：151-64．

［13］Ohlsson M，Peterson C．An efficient mean field approach to the set covering problem［J］．European Journal of Operational Research，2001，133：583-595．