基于新型故障搜尋策略的檢測系統(tǒng)設(shè)計(jì)

范會(huì)來，李成玉

（武漢軍械士官學(xué)校 湖北 武漢 430075）

隨著軍事作戰(zhàn)原則的發(fā)展和高新技術(shù)在軍事裝備中的廣泛應(yīng)用，武器裝備的技術(shù)保障能力在部隊(duì)的戰(zhàn)斗力提升中占據(jù)了越來越重要的地位，已成為保證裝備完好、運(yùn)行安全可靠、形成作戰(zhàn)能力的先決條件[1]。某型迫榴炮是一種新型裝備，其各個(gè)部分普遍采用新技術(shù)，復(fù)雜度較高，使得其故障排除周期比較長，而目前配發(fā)部隊(duì)的檢測設(shè)備較少，且自動(dòng)化程度較低，故障定位模糊，不能完全滿足部隊(duì)檢測維修的需要。為此，研制具有生產(chǎn)成本小、自動(dòng)化程度高、故障搜尋迅速、故障定位準(zhǔn)確等優(yōu)點(diǎn)的故障綜合檢測系統(tǒng)是十分必要的。

1 被測系統(tǒng)的故障特性與診斷方法選擇

現(xiàn)代自動(dòng)測試系統(tǒng)中所使用的故障診斷方法種類繁多，分類不一。按照一般的分類方法可大體分為定性分析的方法和定量分析的方法兩大類[2]。評價(jià)故障診斷系統(tǒng)的優(yōu)劣往往從故障診斷精度、故障診斷的速度、診斷系統(tǒng)的自適應(yīng)性等方面。因此針對不同的被測試系統(tǒng)，根據(jù)被測系統(tǒng)的特性，合理選擇故障診斷方法，以達(dá)到最好的診斷效果。

該被測系統(tǒng)具有以下3個(gè)鮮明特點(diǎn)：

1）故障傳播的不丟失性

對故障診斷系統(tǒng)來說，這是能進(jìn)行故障診斷的先決條件。即系統(tǒng)的某子系統(tǒng)、子功能或者元件發(fā)生故障后，會(huì)通過一定的故障征兆表現(xiàn)出來，并能被檢測系統(tǒng)通過一定的技術(shù)手段檢測到[3]。在一個(gè)非功能冗余系統(tǒng)（即系統(tǒng)中不存在為增強(qiáng)系統(tǒng)可靠性而特意設(shè)計(jì)的重復(fù)備份子設(shè)備），故障在傳播過程中的丟失，說明這部分設(shè)備是設(shè)計(jì)上的冗余設(shè)備，這部分設(shè)備的好壞對系統(tǒng)沒有作用。

2）有限個(gè)數(shù)的可測試節(jié)點(diǎn)，即可測試性上的黑箱問題

不管是運(yùn)用哪種故障診斷方法，對系統(tǒng)理論上的故障分析往往是不考慮故障測試節(jié)點(diǎn)的位置以及個(gè)數(shù)的問題的，默認(rèn)為可檢測到最有利于得出故障原因的節(jié)點(diǎn)信息。但是在一個(gè)實(shí)際的系統(tǒng)中由于系統(tǒng)的封裝或者檢測要求，并不能測試?yán)碚摲治鲋兴枰墓?jié)點(diǎn)信息。在該被測系統(tǒng)中，只能通過箱體的外部插頭來測試箱體內(nèi)部的故障狀態(tài)，而不能拆箱引出測試節(jié)點(diǎn)。

顯然，被測系統(tǒng)結(jié)構(gòu)原理上的非黑箱性使我們能夠進(jìn)行故障診斷，而可測試性的黑箱問題則在一定程度上決定了我們所能采用的故障診斷方法以及所能進(jìn)行故障診斷的最大精確度或者詳細(xì)度。所能測試的節(jié)點(diǎn)信息越多，故障診斷的精度和詳細(xì)度越高。

3）故障特征的重疊性

對于連續(xù)系統(tǒng)，由于其輸出的連續(xù)性，系統(tǒng)內(nèi)部不同的故障源可能對于其輸出所產(chǎn)生的故障特征也會(huì)不同。也就是基于這個(gè)特點(diǎn)，在故障征兆信息的特征提取時(shí)往往會(huì)采用信號處理的一些方法，如使用FFT、小波分解等方法提取故障征兆中所包含的特殊的故障信息，進(jìn)而判斷系統(tǒng)內(nèi)部的故障源。

而對于數(shù)字系統(tǒng)，由于其輸出的狀態(tài)有限且不連續(xù)，使得系統(tǒng)內(nèi)部的不同故障源所產(chǎn)生的故障特征一致，僅僅通過信號處理只能得出系統(tǒng)故障與否，而不能判斷內(nèi)部元件或設(shè)備的故障狀態(tài)。

基于被測系統(tǒng)的以上3個(gè)特點(diǎn)，最終確定運(yùn)用定性分析法中的故障樹與專家系統(tǒng)相結(jié)合的故障診斷技術(shù)。最大限度的運(yùn)用所能檢測到的系統(tǒng)內(nèi)部狀態(tài)信息，實(shí)現(xiàn)對系統(tǒng)的故障診斷。

2 系統(tǒng)概述

現(xiàn)代新型裝備為了提高整個(gè)系統(tǒng)的可靠性，往往采用模塊化獨(dú)立箱體式的分散檢測與集中控制方法設(shè)計(jì)整個(gè)系統(tǒng)。根據(jù)武器系統(tǒng)的這個(gè)特征和需求方的檢測要求，該檢測系統(tǒng)為離線的獨(dú)立箱體檢測設(shè)備。圍繞整個(gè)被測系統(tǒng)的控制核心箱體展開整體方案設(shè)計(jì)，研發(fā)了一套基于故障樹分支搜尋的故障診斷系統(tǒng)[4]。該故障診斷系統(tǒng)為嵌入式系統(tǒng)，必須按照嵌入式的特點(diǎn)，選擇恰當(dāng)?shù)墓收显\斷策略，優(yōu)化故障搜尋算法，使其能夠在嵌入式平臺(tái)得到應(yīng)用。

檢測系統(tǒng)的工作流程如圖1所示。

圖1 系統(tǒng)工作流程圖Fig.1 System work flow diagram

首先按照被測系統(tǒng)的正常工作流程模擬箱體外部工作環(huán)境，同時(shí)檢測箱體的所有輸出狀態(tài)，根據(jù)檢測到狀態(tài)判斷功能部件的故障狀態(tài)；然后按照一定的故障搜尋算法進(jìn)行故障診斷并搜尋故障源；最后將故障診斷顯示給用戶，給出故障修復(fù)建議，并保存相應(yīng)的數(shù)據(jù)。

3 診斷系統(tǒng)的硬件結(jié)構(gòu)

被測系統(tǒng)為以O(shè)MRON CPM2A系列PLC為核心的復(fù)雜邏輯控制電路，實(shí)現(xiàn)火炮射擊聯(lián)鎖控制、供輸彈聯(lián)鎖控制和隨動(dòng)系統(tǒng)調(diào)炮聯(lián)鎖控制等功能。為完成對系統(tǒng)的離線檢測與故障診斷，設(shè)計(jì)了以STM32F系列處理器的檢測平臺(tái)，整體系統(tǒng)的硬件框圖如圖2所示。

檢測系統(tǒng)以STM32F103VE系列處理器為控制運(yùn)算的核心該芯片。STM32F103VE是專為手持設(shè)備和一般應(yīng)用提供的高性價(jià)比的微控制器解決方案。采用了ARM 32-bit Cortex-M3核心架構(gòu)，最高頻率為72 MHz，有較強(qiáng)的運(yùn)算處理能力和控制能力。具有豐富的片上資源:64K的SRAM、512K的Flash ROM、5個(gè)USART接口、USB接口、2個(gè) 12-bit DAC、3個(gè) 12-bit ADC、16個(gè)外部中斷， 而且 STM32F103VE中集成了LCD控制器，可以將顯示緩存中的數(shù)據(jù)傳送到外部的LCD驅(qū)動(dòng)電路中，非常適合嵌入式產(chǎn)品的開發(fā)。該處理器集成了眾多功能模塊，使得系統(tǒng)結(jié)構(gòu)緊湊，減少了系統(tǒng)的復(fù)雜度，降低了開發(fā)成本。

圖2 系統(tǒng)硬件結(jié)構(gòu)圖Fig.2 System hardware structure

由于檢測平臺(tái)涉及到了大量開關(guān)信號的檢測與模擬，為了節(jié)省核心處理器資源，使處理器從復(fù)雜的外圍電路控制中解脫出來，同時(shí)縮小檢測板的體積，設(shè)計(jì)方案中使用XC9572XL系列CPLD作為邏輯時(shí)序控制核心。當(dāng)接收到CPU的控制指令后，由CPLD完成芯片的選通以及數(shù)據(jù)的收發(fā)。

如圖3所示，給出了CPLD的數(shù)據(jù)選擇部分的內(nèi)部原理設(shè)計(jì)圖。利用XC9572XL系列CPLD，設(shè)計(jì)了24路鎖存輸出，其地址為0x00-0x17，32路緩沖輸入，其地址為0x18-0x37。另外系統(tǒng)采集信號時(shí)需要同時(shí)采集兩路的三通道信號的狀態(tài)，設(shè)計(jì)了三通道的數(shù)據(jù)選擇器，其地址為0x38-0x39。

由于CPLD具有ISP功能，并且其I/O端口可以通過開關(guān)陣列與任意的內(nèi)部原理端口相連，方便的進(jìn)行系統(tǒng)重構(gòu)，大大減小了系統(tǒng)布線與調(diào)試的難度。

4 基于故障樹分支結(jié)構(gòu)的故障搜尋機(jī)制

4.1 故障樹的過程性故障診斷推理

對故障樹的節(jié)點(diǎn)關(guān)系的數(shù)學(xué)模型的分析可以得出如下的結(jié)論：

1）故障樹或門結(jié)構(gòu)的下一層事件中只要某一個(gè)底事件故障時(shí)，頂事件就會(huì)有故障；只有當(dāng)或門結(jié)構(gòu)的所有下一層底事件都正常時(shí)，頂事件才會(huì)正常[5]。

2）只有當(dāng)故障樹與門結(jié)構(gòu)的所有下一層事件故障時(shí)，頂事件才會(huì)表現(xiàn)出故障狀態(tài)。

可以根據(jù)上面的結(jié)論對于一個(gè)由或門和與門構(gòu)成的故障樹作如下的推理。

如圖4所示的一個(gè)多層故障樹模型。根據(jù)其數(shù)學(xué)模型分析，其頂事件 A 的最小割集為{E，F(xiàn)}、{G}、{C}、{H}、{K}，其布爾形式表達(dá)為：

當(dāng)頂事件A發(fā)生故障時(shí)，即A=1，首先對M2層的 B、C、D做出判斷，因?yàn)镃為底事件較為容易判斷。只考察B和D的狀態(tài)：

圖3 CPLD數(shù)據(jù)通道設(shè)計(jì)原理圖Fig.3 Data channel design principle diagram baed on CPLD

1）若B=0，D=0時(shí)，系統(tǒng)沒有出現(xiàn)故障，不需要對任何節(jié)點(diǎn)測試。

2）若 B=1，D=0 時(shí)，則 E=1，F(xiàn)=1，G=0，H=0，K=0，需對 B的所有下一層子事件進(jìn)行測試。

3）若 B=0，D=1 時(shí)，則 E，F(xiàn) 至少有一個(gè)為“0”，對系統(tǒng)故障無影響，可以不用測試；而G、H、K中至少有一個(gè)為“1”，需對D的所有下一層子事件進(jìn)行測試。

4）若B=1，D=1時(shí)，則需要對B和D的所有下一層子節(jié)點(diǎn)進(jìn)行測試。

3)從國家能源戰(zhàn)略需求和電網(wǎng)發(fā)展現(xiàn)狀出發(fā)，智能電網(wǎng)的建設(shè)應(yīng)從電源側(cè)智能化、電網(wǎng)側(cè)智能化、配用電側(cè)智能化和調(diào)度智能化四個(gè)層面來布局。其中，電網(wǎng)側(cè)智能化建設(shè)已卓有成效，配用電側(cè)智能化是未來智能電網(wǎng)建設(shè)的重點(diǎn)。

由上述4種情況可以得出：在“自上而下”的故障搜尋中，對凡是狀態(tài)為“1”節(jié)點(diǎn)的下一層子節(jié)點(diǎn)進(jìn)行測試，直到最底層底事件為止，就可以搜尋出導(dǎo)致系統(tǒng)故障的故障源，這種故障樹的故障搜尋方法可以稱為“尋1法”。尋“1”法的故障診斷原理依據(jù)是：在確定狀態(tài)的非設(shè)計(jì)冗余系統(tǒng)中，故障傳播的不丟失性。

4.2 尋1法與BDD技術(shù)

二元決策圖（BDD）技術(shù)最早用于數(shù)字電路的簡化分析和結(jié)構(gòu)設(shè)計(jì)。作為一種新興的分析工具，BDD技術(shù)已廣泛應(yīng)用于可靠性分析及故障診斷領(lǐng)域?；赟hannon分解定理的BDD技術(shù)能夠直接實(shí)現(xiàn)故障樹結(jié)構(gòu)函數(shù)（本質(zhì)為最小割集的并集形式）的不交化分解，而這種分析過程可以同時(shí)得到故障樹的MCS。在故障樹的分析中占有十分重要的地位。

圖4 多層故障樹模型Fig.4 Multilayer fault tree model

對圖4的所示的故障樹進(jìn)行BDD分析，選取個(gè)底事件的優(yōu)先級為C

圖5的BDD中A作為虛擬的故障樹起點(diǎn)，在實(shí)際的BDD分析中不存在，這里僅作示意。要在一次故障搜尋中定位所有的非串聯(lián)性的故障，必須對其所有可能導(dǎo)致系統(tǒng)故障的底事件組合進(jìn)行故障判斷。當(dāng)頂事件A發(fā)生時(shí)，尋1法的故障搜尋策略，就是對故障樹的所有可能的底事件組合進(jìn)行判斷，找出能夠達(dá)到終結(jié)點(diǎn)“1”的底事件組合。這點(diǎn)與BDD在本質(zhì)上是完全一致的，而且如果按照該故障樹的最優(yōu)BDD路徑搜尋時(shí)，則為效率最高的搜尋路徑。由圖可以清楚得出導(dǎo)致系統(tǒng)故障的路徑為{C}、{G}、{H}、{K}、{E，F(xiàn)}或者它們之間的組合。

圖5 多層故障樹的BDD圖Fig.5 BDD of multilayer fault tree model

由于BDD中不存在中間節(jié)點(diǎn)，只考慮基本事件的影響，而進(jìn)行實(shí)際故障搜尋時(shí)存在可測試的中間故障節(jié)點(diǎn)，如圖4的D節(jié)點(diǎn)，當(dāng)對C節(jié)點(diǎn)判斷完成之后，若D=1，則可按照BDD的路徑搜索；當(dāng)D=0時(shí)，可以直接轉(zhuǎn)為對E、F節(jié)點(diǎn)的測試，從而縮短搜索過程。因此尋1法可概括為基于BDD的在可測試中間節(jié)點(diǎn)的選擇性故障搜索方法。通過某些可測試節(jié)點(diǎn)的確切的狀態(tài)可以對整個(gè)搜尋路徑進(jìn)行刪減或者優(yōu)化，從而獲得較高的診斷效率。

4.3 基于尋1法的故障搜尋一般過程

下面介紹使用該方法的一般步驟。

步驟二、簡化已建立的故障樹模型，將不可測試的和邏輯抽象的中間節(jié)點(diǎn)轉(zhuǎn)化為底事件的集合。

步驟三、得出故障樹的最優(yōu)BDD，在可測試節(jié)點(diǎn)增加跳轉(zhuǎn)條件，實(shí)現(xiàn)尋1法故障搜尋。

步驟四、對于不可測試的基本事件，我們采用模糊推理的方法，給出一個(gè)模糊診斷結(jié)論。

設(shè)備故障樹化簡的一般方法有兩種：下行法與上行法[6]。上行法與下行法都是用于求解設(shè)備故障樹模型最小割集的方法，但是由于我們已經(jīng)可以得知較多的可測試節(jié)點(diǎn)的故障狀態(tài)，可以直接利用這些信息來進(jìn)行故障分析，大大減小故障樹的規(guī)模，而不必求解全部的最小割集。因此我們這里只用這種方法來化簡故障樹。具體的化簡方法可參照上行法與下行法的標(biāo)準(zhǔn)方法。

在運(yùn)用BDD進(jìn)行故障搜尋時(shí)，可對BDD基本結(jié)構(gòu)元素，做如下描述：

1）分支連接的下層節(jié)點(diǎn)為非終結(jié)點(diǎn)，可稱為檢測下一結(jié)點(diǎn)狀態(tài)；

2）分支連接的下層節(jié)點(diǎn)為終結(jié)點(diǎn)，若連接“1”，則成為該路集引起了頂層故障，意為找到了引起故障的一個(gè)底事件或者底事件組合；若連接“0”，則稱該路集不會(huì)引起頂事件故障。

將圖5所示的BDD診斷過程按照上述定義轉(zhuǎn)化為計(jì)算機(jī)程序語言，在可測試的中間節(jié)點(diǎn)上加入分支判斷，就得到了軟件推理算法，從而實(shí)現(xiàn)了尋1法的故障搜尋策略。

5 結(jié) 論

本文根據(jù)被測系統(tǒng)所具有的故障診斷方面的特殊性，提出了新的故障診斷推理方法，能夠很好的解決嵌入式平臺(tái)的故障診斷系統(tǒng)開發(fā)問題，而且具有較高的診斷效果，并且對這種方法做了理論論證以及應(yīng)用BDD技術(shù)對其優(yōu)化。該方法具有一定的通用性，通過文章給出的一般性步驟可以解決類似系統(tǒng)的故障診斷問題。

[1]竇亞力.自行火炮炮控裝置綜合故障診斷系統(tǒng)設(shè)計(jì)[D].太原:中北大學(xué)，2011.

[2]周東華，胡艷艷.動(dòng)態(tài)系統(tǒng)的故障診斷技術(shù)[J].自動(dòng)化學(xué)報(bào)，2009，35（6）:748-758.ZHOU Dong-hua，HU Yan-yan.Fault diagnosis techniques for dynamic systems[J].Acta Automatic Sinica，2009，35（6）:748-758.

[3]劉成瑞，張慶振，任章.基于擴(kuò)展故障樹的運(yùn)載火箭故障診斷專家系統(tǒng)[J].宇航學(xué)報(bào)，2008，29（6）:1936-1942.LIU Cheng-rui，ZHANG Qing-zhen，REN Zhang.Fault diagnosis expert system for launch vehicle based on extend fault tree[J].Journal of Astronautics，2008，29（6）:1936-1942.

[4]朱大奇.航空電子設(shè)備故障診斷技術(shù)研究 [D].南京:南京航空航天大學(xué)，2002.

[5]閔蘋，童節(jié)娟，奚樹人.利用二元決策圖求解故障樹的基本事件排序[J].清華大學(xué)學(xué)報(bào):自然科學(xué)版，2005，45（12）:1646-1649.MIN Ping，TONG Jie-juan，XI Shu-ren.Basic event ordering in fault tree analyses using binary decision diagram[J].Journal of Tsinghua University:Sciene and Technology，2005，45（12）:1646-1649.

[6]姚成玉，陳東寧.基于最小割集綜合排序的液壓系統(tǒng)故障定位方法[J].中國機(jī)械工程，2010，21（11）:1357-1361.YAO Cheng-yu，CHEN Dong-ning.Fault localization method of hydraulic system based on minimum cut sets’comprehensive rank[J].Chian Mechanical Engineering，2010，21 （11）:1357-1361.

[7]潘強(qiáng)，孫必偉.模擬電路故障診斷中的特征信息提取[J].電子科技，2013（8）:116-119，154.PAN Qiang，SUN Bi-wei.Fault diagnosis of analog circuits feature information extraction[J].Electronic Science and Technology，2013（8）:116-119，154.

[8]崔金魁，胡國兵，于新剛.模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)優(yōu)化方法綜述[J].電子科技，2014（2）:134-137.CUI Jin-kui，HU Guo-bing，YU Xin-gang.Summary of neural network optimization method for analog circuit fault diagnosis[J].Electronic Science and Technology，2014（2）:134-137.