彈藥協(xié)調(diào)器動(dòng)作可靠性估計(jì)

高學(xué)星,侯保林,孫華剛

(1.南京理工大學(xué) 機(jī)械工程學(xué)院,南京 210094;2.軍械技術(shù)研究所,石家莊 050003)

?

彈藥協(xié)調(diào)器動(dòng)作可靠性估計(jì)

高學(xué)星1,侯保林1,孫華剛2

(1.南京理工大學(xué) 機(jī)械工程學(xué)院,南京 210094;2.軍械技術(shù)研究所,石家莊 050003)

摘要:彈藥協(xié)調(diào)器定位故障是火炮彈藥自動(dòng)裝填系統(tǒng)的典型故障,其動(dòng)作可靠性受多個(gè)不確定性因素影響,顯式的極限狀態(tài)方程難以獲得。為計(jì)算協(xié)調(diào)器動(dòng)作可靠性的定量數(shù)值,對(duì)協(xié)調(diào)器進(jìn)行了不確定性建模,并根據(jù)標(biāo)準(zhǔn)狀態(tài)的測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行了修正,構(gòu)建了基于徑向基神經(jīng)網(wǎng)絡(luò)的代理模型以提高計(jì)算效率,將網(wǎng)絡(luò)輸出與原始樣本數(shù)據(jù)進(jìn)行對(duì)比。結(jié)果表明,徑向基神經(jīng)網(wǎng)絡(luò)能夠很好地?cái)M合原始模型。對(duì)代理模型進(jìn)行了Monte-Carlo仿真分析,求解了定位誤差的概率分布,彈藥協(xié)調(diào)器的動(dòng)作可靠性估計(jì)值為92.48%。

關(guān)鍵詞:彈藥協(xié)調(diào)器;動(dòng)作可靠性;徑向基神經(jīng)網(wǎng)絡(luò);代理模型;Monte-Carlo

彈藥自動(dòng)裝填系統(tǒng)是火炮武器系統(tǒng)的一個(gè)分系統(tǒng),能夠?qū)崿F(xiàn)彈藥選取、放置、傳遞、管理、輸入炮膛等動(dòng)作的自動(dòng)操作。由于系統(tǒng)復(fù)雜、對(duì)性能要求苛刻并且工作環(huán)境惡劣,目前火炮彈藥自動(dòng)裝填系統(tǒng)存在故障時(shí)發(fā)的問(wèn)題,相關(guān)彈藥裝填動(dòng)作偏離設(shè)計(jì)指標(biāo)的現(xiàn)象尤其突出。

完整的彈藥裝填流程是由一系列互相銜接的動(dòng)作組成的,任一動(dòng)作的故障都會(huì)造成彈藥裝填任務(wù)的失敗,并且任一動(dòng)作的異常都會(huì)影響下一動(dòng)作的進(jìn)行。因此,對(duì)各個(gè)動(dòng)作都規(guī)定了相應(yīng)的運(yùn)動(dòng)精度指標(biāo),為有效完成彈藥裝填流程,每個(gè)動(dòng)作都需要在相應(yīng)的性能指標(biāo)范圍之內(nèi)執(zhí)行,對(duì)于協(xié)調(diào)動(dòng)作來(lái)說(shuō),規(guī)定了協(xié)調(diào)定位精度指標(biāo),如果協(xié)調(diào)定位誤差超出該指標(biāo),雖然協(xié)調(diào)動(dòng)作可以順利完成,但是在后續(xù)動(dòng)作,即輸彈時(shí),可能由于彈丸偏離身管中心而導(dǎo)致過(guò)大的擦碰阻力,從而使得輸彈速度不夠,彈丸卡膛不到位,而最終彈藥裝填失敗,影響火炮的發(fā)射任務(wù)。這個(gè)特殊的可靠性即動(dòng)作可靠性。

動(dòng)作可靠性又被稱為機(jī)構(gòu)可靠性或者運(yùn)動(dòng)可靠性,其定義是:機(jī)構(gòu)的末端執(zhí)行器定位于許用精度范圍內(nèi)的概率。

國(guó)內(nèi)外對(duì)動(dòng)作可靠性的研究大多結(jié)合了不確定性傳播分析和機(jī)構(gòu)誤差分析,在常用不確定性計(jì)算方法的基礎(chǔ)上進(jìn)行可靠性的估計(jì),例如,文獻(xiàn)使用高斯分布和馬爾可夫隨機(jī)過(guò)程建立機(jī)械手的概率模型,并分析了動(dòng)作可靠性;文獻(xiàn)考慮制造偏差和間隙,使用改進(jìn)的一次二階矩和Monte-Carlo仿真,計(jì)算了開(kāi)環(huán)機(jī)構(gòu)的動(dòng)作可靠性;文獻(xiàn)基于互補(bǔ)型機(jī)構(gòu)動(dòng)作可靠性分析方法,進(jìn)行了遠(yuǎn)程火箭炮自動(dòng)裝填機(jī)構(gòu)的可靠性研究;文獻(xiàn)使用四階矩法結(jié)合數(shù)值積分計(jì)算了飛機(jī)起落架收放機(jī)構(gòu)的動(dòng)作可靠性;文獻(xiàn)研究了考慮原始誤差和磨損的機(jī)構(gòu)運(yùn)動(dòng)可靠性分析方法,文獻(xiàn)以某航炮自動(dòng)機(jī)為例研究了機(jī)構(gòu)動(dòng)作可靠性的仿真技術(shù)。

本文以某火炮彈藥裝填系統(tǒng)中的協(xié)調(diào)器為研究對(duì)象,建立其多學(xué)科仿真模型,將造成動(dòng)作故障的主要因素以概率形式抽象為模型中的不確定性參數(shù),依次進(jìn)行抽樣仿真、構(gòu)建代理模型、進(jìn)行Monte-Carlo仿真來(lái)進(jìn)行協(xié)調(diào)定位誤差的概率統(tǒng)計(jì)和動(dòng)作可靠性估計(jì)。

1彈藥協(xié)調(diào)器不確定性建模

在進(jìn)行動(dòng)作可靠性估計(jì)時(shí),需要包含不確定性參數(shù)和定位誤差的樣本,真實(shí)的實(shí)驗(yàn)?zāi)軌虍a(chǎn)生高質(zhì)量的樣本。但是，一方面對(duì)于復(fù)雜而昂貴的設(shè)備進(jìn)行大量實(shí)驗(yàn)的成本過(guò)大,另一方面人為地設(shè)定系統(tǒng)的內(nèi)在參數(shù)是不可行的;通過(guò)虛擬仿真的方法來(lái)獲取樣本更加容易實(shí)現(xiàn),所以本文中樣本來(lái)自于虛擬仿真模型。

1.1協(xié)調(diào)器仿真模型

協(xié)調(diào)器(如圖1所示)用于接收彈倉(cāng)內(nèi)被推彈器所推送出來(lái)的彈丸,再將該彈丸傳送到輸彈線上，由輸彈機(jī)輸彈入膛后，協(xié)調(diào)器返回原位。

支臂安裝在火炮右耳軸上可繞耳軸轉(zhuǎn)動(dòng);托彈盤(pán)用于承載炮彈;控制系統(tǒng)根據(jù)電位器輸出的轉(zhuǎn)角和測(cè)速電機(jī)輸出的角速度值,控制2個(gè)并聯(lián)串勵(lì)電機(jī),電機(jī)輸出轉(zhuǎn)矩經(jīng)過(guò)三級(jí)減速最終實(shí)現(xiàn)支臂繞耳軸的相對(duì)運(yùn)動(dòng),這三級(jí)傳動(dòng)分別為齒輪1到齒輪2,齒輪2到齒輪3(含蝸桿),蝸桿到蝸輪;支臂下的小平衡機(jī)由平衡油缸和蓄能器等組成,用于平衡協(xié)調(diào)器的重力矩,減小驅(qū)動(dòng)電機(jī)的負(fù)載;電磁制動(dòng)器在協(xié)調(diào)到位時(shí)輸出制動(dòng)力到蝸桿上。

圖1　協(xié)調(diào)器結(jié)構(gòu)示意圖

在仿真軟件RecurDyn中建立了協(xié)調(diào)器的動(dòng)力學(xué)模型。小平衡機(jī)液壓回路模型采用Simulink中的SimHydraulics模塊建立。

協(xié)調(diào)器采用2個(gè)串勵(lì)直流電機(jī)并聯(lián)驅(qū)動(dòng),相關(guān)的動(dòng)態(tài)方程為

(1)

Φ=KfIa

(2)

E=CeΦωw1

(3)

T=CTΦIa

(4)

式中:U為電機(jī)輸入電壓,E為反電動(dòng)勢(shì),Rm為電阻,Ia為電樞電流,L為電感,Ф為主磁通,Kf為勵(lì)磁系數(shù),Ce為反電動(dòng)勢(shì)系數(shù),ωw1為電機(jī)轉(zhuǎn)速,T為電機(jī)輸出轉(zhuǎn)矩,CT為電磁轉(zhuǎn)矩系數(shù)。

每個(gè)電機(jī)含有2個(gè)方向相反的勵(lì)磁繞組,分別用來(lái)產(chǎn)生正向和反向驅(qū)動(dòng)力矩,采用IGBT管作為勵(lì)磁繞組的開(kāi)關(guān)?？刂菩盘?hào)由比例-微分閉環(huán)控制產(chǎn)生,控制信號(hào)為正時(shí),與正向勵(lì)磁繞組相連的IGBT管導(dǎo)通,與反向勵(lì)磁繞組相連的IGBT管斷開(kāi);控制信號(hào)為負(fù)時(shí),與正向勵(lì)磁繞組相連的IGBT管斷開(kāi),與反向勵(lì)磁繞組相連的IGBT管導(dǎo)通。為防止2個(gè)勵(lì)磁繞組同時(shí)接通,在觸發(fā)電路中放置了門(mén)限電路,使得IGBT管的導(dǎo)通具有了遲滯性。協(xié)調(diào)定位時(shí),勵(lì)磁繞組上的電壓為準(zhǔn)脈沖形式,在功能上類(lèi)似于脈寬調(diào)制。在Simulink中對(duì)電機(jī)及驅(qū)動(dòng)和控制進(jìn)行建模,作為總模型的控制模塊,模塊中同時(shí)包含了電磁制動(dòng)力的控制。

綜上,以Simulink作為多學(xué)科聯(lián)合仿真的入口,完整的協(xié)調(diào)器模型包括3部分:①RecurDyn接口,用以調(diào)用RecurDyn并傳遞參數(shù),計(jì)算動(dòng)力學(xué)部分;②控制模塊,完成控制回路的計(jì)算;③液壓模塊,完成小平衡機(jī)力的計(jì)算。

1.2協(xié)調(diào)器重要故障分析及不確定性參數(shù)

根據(jù)設(shè)備使用方提供的常見(jiàn)故障現(xiàn)象統(tǒng)計(jì),選擇小平衡機(jī)油缸壓力p、測(cè)速電機(jī)信號(hào)靈敏度Cw、蝸輪蝸桿傳動(dòng)摩擦加成系數(shù)FD和電機(jī)的電源電壓U為不確定性參數(shù),并認(rèn)為不確定性參數(shù)是相互獨(dú)立的。

1)小平衡機(jī)油缸壓力p。

在該型號(hào)彈藥裝填系統(tǒng)的故障統(tǒng)計(jì)中,液壓系統(tǒng)故障大約占了1/3。小平衡機(jī)用于支撐整個(gè)協(xié)調(diào)器,保證協(xié)調(diào)器平穩(wěn)運(yùn)行,協(xié)調(diào)過(guò)程對(duì)小平衡機(jī)壓力的變化非常敏感。小平衡機(jī)是通過(guò)氣囊式蓄能器提供動(dòng)力的,在使用過(guò)程中,有很多的因素容易造成油缸壓力的變化,如液壓回路的泄漏、阻塞、液壓油溫度變化、蓄能器失壓等,并且壓力減小的概率相對(duì)更大些。

考慮到參數(shù)明顯的偏態(tài)分布特性,使用Gumbel分布描述該參數(shù)的不確定性。Gumbel分布又稱極值I型分布,其概率密度函數(shù)由下式定義:

(5)

對(duì)于小平衡機(jī)油缸壓力,根據(jù)液壓系統(tǒng)的設(shè)計(jì)參數(shù)、相關(guān)液壓元件的規(guī)格參數(shù)、對(duì)工況的估計(jì)、查閱相關(guān)資料及與維護(hù)人員的咨詢溝通,取位置參數(shù)為3.9 MPa,尺度參數(shù)為0.25,小平衡機(jī)油缸壓力p的概率密度函數(shù)f1如圖2(a)所示。

2)測(cè)速電機(jī)信號(hào)靈敏度Cw。

測(cè)速電機(jī)信號(hào)故障甚至測(cè)速電機(jī)損壞、信號(hào)線斷裂等也是協(xié)調(diào)器常出現(xiàn)的故障。這與測(cè)速電機(jī)的工作環(huán)境有關(guān),火炮射擊時(shí)的振動(dòng)和溫度、電磁干擾等環(huán)境因素都很容易造成測(cè)速電機(jī)及線路的老化。

測(cè)速電機(jī)信號(hào)靈敏度Cw的概率密度函數(shù)f2如圖2(b)所示,為Weibull分布,Weibull分布概率密度函數(shù)如下式所示:

(6)

式中:a為尺度參數(shù),b為形狀參數(shù)。此處取尺度參數(shù)為0.07,形狀參數(shù)為1。

圖2　協(xié)調(diào)器不確定性參數(shù)及概率密度函數(shù)

3)蝸輪蝸桿傳動(dòng)摩擦加成系數(shù)FD。

摩擦是機(jī)械系統(tǒng)故障的主要原因,在協(xié)調(diào)器中,蝸桿蝸輪齒面之間受力大、受力情況復(fù)雜、不確定性明顯,是協(xié)調(diào)過(guò)程中的關(guān)鍵著力面,在使用過(guò)程中很容易造成摩擦特性變化或者零部件的磨損,并且該摩擦系數(shù)變大的概率更大些。模型中設(shè)置了一個(gè)摩擦加成參數(shù)FD,蝸輪蝸桿間接觸的動(dòng)摩擦系數(shù)為0.05+0.5FD,靜摩擦系數(shù)為0.11+FD。蝸輪蝸桿摩擦加成參數(shù)FD的概率密度函數(shù)f3如圖2(c)所示,為Gumbel分布,其中根據(jù)對(duì)工況的主觀估計(jì)和參考其它蝸輪蝸桿應(yīng)用案例,取位置參數(shù)為0.015,尺度參數(shù)為0.005。

4)電機(jī)的供電電壓U。

電機(jī)的供電電源是由柴油機(jī)帶動(dòng)發(fā)電機(jī)進(jìn)行充電的,該電源要同時(shí)為多個(gè)大功率設(shè)備供電,很容易出現(xiàn)供電電壓不足的現(xiàn)象。

電機(jī)電壓U的概率密度函數(shù)f4如圖2(d)所示,為Gumbel分布,其中參考操作人員的主觀描述,取位置參數(shù)為26 V,尺度參數(shù)為0.25。

1.3利用標(biāo)準(zhǔn)狀態(tài)測(cè)試數(shù)據(jù)的模型修正

由于仿真模型構(gòu)建時(shí)無(wú)法避免的簡(jiǎn)化操作和主觀處理,仿真結(jié)果可能存在無(wú)法預(yù)料的偏差,利用真實(shí)設(shè)備的測(cè)試數(shù)據(jù)對(duì)標(biāo)準(zhǔn)狀態(tài)的仿真模型進(jìn)行調(diào)整,可以有效地提高模型的準(zhǔn)確度。

模型中包含了大量參數(shù),除了不確定性參數(shù)外,還有其中很多參數(shù)雖然不考慮其變異,但卻無(wú)法得知準(zhǔn)確值。在建模時(shí),有些參數(shù)設(shè)定為名義值,如電機(jī)勵(lì)磁線圈的電阻等;有些參數(shù)設(shè)定為其他近似場(chǎng)合下經(jīng)常使用的值,如多處使用的效率值等。

將不確定性參數(shù)設(shè)置為標(biāo)準(zhǔn)值后,仿真模型成為具有標(biāo)準(zhǔn)狀態(tài)的確定性模型,該模型應(yīng)與測(cè)試對(duì)象相一致。通過(guò)合理地修改這些經(jīng)驗(yàn)參數(shù),可以改變標(biāo)準(zhǔn)狀態(tài)模型的響應(yīng)曲線,使得該響應(yīng)曲線更好地接近實(shí)測(cè)曲線。然后將這些經(jīng)驗(yàn)參數(shù)的值應(yīng)用到不確定性模型中,實(shí)現(xiàn)不確定性模型的修正。

建立協(xié)調(diào)器的初始模型后,對(duì)一些重要的、對(duì)模型輸出有明顯影響的經(jīng)驗(yàn)參數(shù),在合理的范圍內(nèi)進(jìn)行反復(fù)修改嘗試,與測(cè)量數(shù)據(jù)進(jìn)行比對(duì),直到某特定射擊角度下的協(xié)調(diào)動(dòng)作與協(xié)調(diào)返回動(dòng)作輸出的數(shù)據(jù)同時(shí)與測(cè)量數(shù)據(jù)吻合為止。圖3為角速度ω曲線對(duì)比圖,其中,0線上為協(xié)調(diào)動(dòng)作,0線下為協(xié)調(diào)返回動(dòng)作。

圖3　模型修正后角速度仿真曲線與實(shí)驗(yàn)數(shù)據(jù)對(duì)比

2動(dòng)作可靠性估計(jì)方法與計(jì)算流程

2.1動(dòng)作可靠性的估計(jì)方法

設(shè)X=(x1x2x3…)是可靠性分析所必須考慮的一組隨機(jī)變量,一般來(lái)說(shuō),它取決于機(jī)械系統(tǒng)的物理參數(shù)、幾何參數(shù)、初始條件、邊界條件以及載荷等因素。在正常運(yùn)動(dòng)的系統(tǒng)中,如果任一性能參數(shù)超過(guò)某一臨界狀態(tài)就將不能滿足規(guī)定的設(shè)計(jì)指標(biāo),這一臨界狀態(tài)稱為系統(tǒng)的極限狀態(tài),可以表示為函數(shù)形式:

z=g(X)=g(x1,x2,x3,…)

對(duì)于動(dòng)作可靠性問(wèn)題,極限狀態(tài)函數(shù)可表示為

g(X)=ε0-ε(X)

式中:ε(X)為隨機(jī)變量X下的定位誤差,ε0為要求的誤差指標(biāo)上限。動(dòng)作是否失效可以通過(guò)極限狀態(tài)函數(shù)的大小來(lái)確定。

如果能夠?qū)(X)表示為X的明確數(shù)學(xué)表達(dá)式,則稱之為顯式極限狀態(tài)函數(shù),否則稱為隱式極限狀態(tài)函數(shù)。

理想條件下的Monte-Carlo仿真方法是最精確的可靠度估計(jì)方法。但是工程實(shí)際中,難以獲知影響系統(tǒng)性能指標(biāo)的所有因素,通常需要根據(jù)個(gè)人的經(jīng)驗(yàn)和認(rèn)知,選擇一部分主要的和可知的影響因素;通過(guò)大量實(shí)驗(yàn)來(lái)獲得它們準(zhǔn)確的聯(lián)合概率密度函數(shù)在機(jī)械系統(tǒng)中也無(wú)法實(shí)現(xiàn),如果假設(shè)概率密度分布,即使用概率可靠性方法所計(jì)算出來(lái)的結(jié)果是可靠度,如果避開(kāi)概率密度假設(shè),即使用非概率方法所計(jì)算出來(lái)的結(jié)果是可靠性指標(biāo);另外,g(X)通常是隱函數(shù)。協(xié)調(diào)器的動(dòng)作可靠性問(wèn)題中,g(X)是由聯(lián)合仿真模型決定的,動(dòng)作定位誤差值ε(X)是經(jīng)過(guò)很多時(shí)間步迭代求解而來(lái)的。計(jì)算一次ε(X)的時(shí)間并不短,進(jìn)行成千上萬(wàn)次不同隨機(jī)變量下的模擬計(jì)算,從時(shí)間上來(lái)說(shuō)不現(xiàn)實(shí)?？梢圆捎么砟Ｐ头椒p少計(jì)算量,進(jìn)行有限次仿真,記錄不確定性變量-性能響應(yīng)樣本點(diǎn),擬合成近似模型。

因此,本文中采用主觀概率密度+徑向基神經(jīng)網(wǎng)絡(luò)代理模型+Monte-Carlo仿真的方法進(jìn)行動(dòng)作可靠性估計(jì)。

響應(yīng)面法(RSM)是最常用的代理模型方法。在響應(yīng)面方法中,真實(shí)的極限狀態(tài)函數(shù)用一個(gè)簡(jiǎn)單的顯式數(shù)學(xué)表達(dá)式,即響應(yīng)面來(lái)近似,其函數(shù)值相對(duì)容易計(jì)算。響應(yīng)面法能有效減少運(yùn)算時(shí)間,但是響應(yīng)面法在樣本點(diǎn)比較少時(shí)只能得到低階的函數(shù),而且在對(duì)本文仿真模型求解代理模型時(shí)發(fā)現(xiàn)響應(yīng)面的擬合效果比較差。所以,本文中采用了對(duì)非線性擬合更好的徑向基神經(jīng)網(wǎng)絡(luò)代理模型。

人工神經(jīng)網(wǎng)絡(luò)是對(duì)生物神經(jīng)網(wǎng)絡(luò)完成特定任務(wù)或功能的方法進(jìn)行建模的機(jī)器。神經(jīng)網(wǎng)絡(luò)將數(shù)量眾多的簡(jiǎn)單計(jì)算單元即“神經(jīng)元”相互連接成網(wǎng)絡(luò)結(jié)構(gòu),能夠存儲(chǔ)經(jīng)驗(yàn)知識(shí)并使之可用。神經(jīng)網(wǎng)絡(luò)在很多應(yīng)用領(lǐng)域被證明很有使用價(jià)值,可以有效地解決數(shù)據(jù)挖掘等需要根據(jù)條件變化作動(dòng)態(tài)適應(yīng),或者超出人類(lèi)當(dāng)前認(rèn)知范圍的某些困難問(wèn)題。

對(duì)于神經(jīng)元可用以下方程表示:

(7)

式中:xk1~xkm為神經(jīng)元k的輸入,來(lái)自外界或其他神經(jīng)元,x0=1;wkj為權(quán)值,wk0為偏置值;yk為神經(jīng)元輸出;φ為神經(jīng)元的激活函數(shù)。

徑向基神經(jīng)網(wǎng)絡(luò)中激活函數(shù)為徑向基函數(shù)。所謂徑向基函數(shù)(RBF,RadialBasisFunction),是指函數(shù)的值與輸入值到某中心的距離有關(guān),常用的基函數(shù)有高斯函數(shù)、反S型函數(shù)、擬多二次函數(shù)等。RBF首先是在解決實(shí)多變量插值問(wèn)題時(shí)提出的,現(xiàn)在是數(shù)值分析研究中的一個(gè)主要方向。1988年Broomhead和Lowe首先將RBF應(yīng)用于神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)。

RBF網(wǎng)絡(luò)能夠逼近任意非線性函數(shù),具有良好的泛化能力。

2.2動(dòng)作可靠性的計(jì)算流程

本文中采用的可靠度自動(dòng)計(jì)算流程如圖4所示。上層框架主要在軟件Isight中進(jìn)行,Monte-Carlo模塊將對(duì)代理網(wǎng)絡(luò)的輸入進(jìn)行采樣,并統(tǒng)計(jì)網(wǎng)絡(luò)輸出,計(jì)算定位誤差的概率分布和可靠度數(shù)值;底層框架用來(lái)獲取用于訓(xùn)練RBF網(wǎng)絡(luò)的樣本點(diǎn),對(duì)不確定性變量進(jìn)行采樣后,經(jīng)過(guò)一系列步驟,最終得到仿真模型的計(jì)算結(jié)果作為樣本點(diǎn)的輸出。由于涉及大量的重復(fù)操作,整個(gè)流程將會(huì)按照程序自動(dòng)進(jìn)行,包括自動(dòng)調(diào)用MATLAB/Simulink,自動(dòng)修改RecurDyn參數(shù)文件,使用批處理文件打開(kāi)多體動(dòng)力學(xué)軟件RecurDyn完成模型參數(shù)賦值,進(jìn)行聯(lián)合仿真等。

圖4　基于RBF神經(jīng)網(wǎng)絡(luò)和Monte-Carlo的動(dòng)作可靠性自動(dòng)計(jì)算流程

3彈藥協(xié)調(diào)器的動(dòng)作可靠性估計(jì)結(jié)果

利用前文中建立的協(xié)調(diào)器不確定性模型,根據(jù)上一節(jié)中動(dòng)作可靠性計(jì)算的實(shí)現(xiàn)流程,在Isight中建立可靠性估計(jì)模型,包含一個(gè)Monte-Carlo模塊和一個(gè)Approximation模塊,建立不確定性參數(shù)并設(shè)置參數(shù)概率密度分布。將Approximation模塊設(shè)置為RBF神經(jīng)網(wǎng)絡(luò)近似。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)需要根據(jù)不確定性參數(shù)進(jìn)行抽樣,并提取定位精度。在協(xié)調(diào)器中,火炮身管的角度是協(xié)調(diào)器支臂轉(zhuǎn)動(dòng)的目標(biāo)角度,協(xié)調(diào)定位精度是指協(xié)調(diào)器支臂在規(guī)定的時(shí)間內(nèi)所到達(dá)的位置偏離目標(biāo)角度的誤差。以37°為目標(biāo)位置,對(duì)協(xié)調(diào)器進(jìn)行了50次仿真,不確定性參數(shù)組合及定位誤差如圖5所示,圖中每條折線代表一次仿真,并將對(duì)應(yīng)的不確定性參數(shù)和定位誤差相連接。

神經(jīng)網(wǎng)絡(luò)對(duì)樣本點(diǎn)的擬合效果如圖6,空心點(diǎn)橫坐標(biāo)為仿真模型定位誤差值εsim,縱坐標(biāo)為神經(jīng)網(wǎng)絡(luò)的輸出值εnet,樣本越靠近對(duì)角斜線表示擬合效果越好。

在Monte-Carlo仿真中,根據(jù)不確定性參數(shù)的概率分布,抽取10 000組樣本,并輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算,統(tǒng)計(jì)網(wǎng)絡(luò)輸出εnet,得到定位誤差概率密度分布的離散統(tǒng)計(jì)結(jié)果fε(圖7)以及累積概率分布Fε(圖8)。該協(xié)調(diào)過(guò)程中的定位誤差精度指標(biāo)為1°,由圖8可以看出,定位誤差絕對(duì)值不超過(guò)1°的概率是92.48%,即協(xié)調(diào)器的動(dòng)作可靠性為92.48%。

圖5　50次協(xié)調(diào)過(guò)程仿真的不確定性參數(shù)與定位誤差

圖6　RBF神經(jīng)網(wǎng)絡(luò)輸出與仿真結(jié)果的對(duì)比

圖7　定位誤差概率密度分布

圖8　定位誤差累積概率分布

4結(jié)束語(yǔ)

本文對(duì)某彈藥協(xié)調(diào)器進(jìn)行了動(dòng)作可靠性估計(jì),建立了包含多體動(dòng)力學(xué)、液壓、電機(jī)和控制的多學(xué)科仿真模型,將常見(jiàn)、重點(diǎn)關(guān)注的故障抽象為模型中的不確定性參數(shù),對(duì)不確定性參數(shù)設(shè)置了主觀性的概率密度函數(shù)。為提高模型的準(zhǔn)確性,根據(jù)標(biāo)準(zhǔn)狀態(tài)的測(cè)試數(shù)據(jù)對(duì)模型進(jìn)行了修正。構(gòu)建了聯(lián)合Isight、MATLAB和RecurDyn的動(dòng)作可靠性計(jì)算流程,對(duì)不確定性模型進(jìn)行抽樣仿真,使用徑向基神經(jīng)網(wǎng)絡(luò)構(gòu)建了代理模型,通過(guò)網(wǎng)絡(luò)輸出與原始樣本數(shù)據(jù)的對(duì)比,表明徑向基神經(jīng)網(wǎng)絡(luò)代理模型具有令人滿意的擬合效果;對(duì)代理模型進(jìn)行了Monte-Carlo仿真分析后,求解了定位誤差的概率分布,彈藥協(xié)調(diào)器的動(dòng)作可靠性估計(jì)值為92.48%。

本文采取了標(biāo)準(zhǔn)狀態(tài)測(cè)試和模型修正等在工程上必要的措施,但并不能保證模型的完全準(zhǔn)確性,可靠性計(jì)算結(jié)果需要通過(guò)更多的實(shí)驗(yàn)和調(diào)研來(lái)進(jìn)一步驗(yàn)證。

參考文獻(xiàn)

侯保林,樵軍謀,劉琮敏.火炮自動(dòng)裝填.北京:兵器工業(yè)出版社,2010.

HOU Bao-lin,QIAO Jun-mou,LIU Cong-min.Ammunition automatic loading system of howitzer.Beijing:Ordnance Industry Press,2010.(in Chinese)

BHATTI P K.Probabilistic modeling and optimal design of robotic manipulators.West Lafayette,Indiana:Purdue University,1989.

RAO S S,BHATTI P K.Probabilistic approach to manipulator kinematics and dynamics.Reliability Engineering and System Safety,2001,72:47-58.

KIM J,SONG W J,KANG B S.Stochastic approach to kinematic reliability of open-loop mechanism with dimensional tolerance.Applied Mathematical Modelling,2010,34:1 225-1 237.

馮廣斌.遠(yuǎn)程火箭炮武器系統(tǒng)可靠性研究.南京:南京理工大學(xué),2004.

FENG Guang-bin.Study on the weapon system reliability of a long range rocket gun.Nanjing:Nanjing University of Science and Technology,2004.(in Chinese)

楊旭鋒,劉永壽,何勇.飛機(jī)起落架收放機(jī)構(gòu)功能可靠性與靈敏度分析.航空制造技術(shù),2014,3:78-81.

YANG Xu-feng,LIU Yong-shou,HE Yong.Functional reliability and parameter sensitivity analysis for retraction-extension system of landing gear.Aeronautical Manufacturing Technology,2014,3:78-81.(in Chinese)

同長(zhǎng)虹.考慮原始誤差與磨損的機(jī)構(gòu)運(yùn)動(dòng)可靠性分析.蘭州:蘭州理工大學(xué),2011.

TONG Chang-hong.Analysis of the motion reliability of mechanisms considering original manufacture errors and wear of the kinematic pairs.Lanzhou:Lanzhou University of Technology,2011.(in Chinese)

紀(jì)玉杰.機(jī)構(gòu)動(dòng)作可靠性仿真技術(shù)研究.沈陽(yáng):東北大學(xué),2006.

JI Yu-jie.Simulation research on mechanism action reliability.Shenyang:Northeastern University,2006.(in Chinese)

HAYKIN S.Neural networks and learning machines.Upper Saddle River:Prentice Hall,2008.

Action Reliability Estimation of Shell Transfer Arm

GAO Xue-xing1,HOU Bao-lin1,SUN Hua-gang2

(1.School of Mechanical Engineering,NUST,Nanjing 210094,China;

2.Ordnance Technical Institute,Shijiazhuang 050003,China)

Abstract:Positioning failure of shell transfer arm is a typical fault of automatic ammunition loading-system of howitzer.The action reliability depends on several uncertainty variables.The explicit limit state function is nearly unavailable.To calculate the quantitative action reliability,uncertainty model of shell transfer arm was built and modified by using the measured data to improve the simulation accuracy.RBF neural network was used as agent model to improve the simulation efficiency.The network outputs were compared with original data.The result shows that the RBF neural network is satisfactory for fitting purpose.Monte-Carlo simulation based on agent model was implemented.Probability distribution of positioning errors was obtained.The estimated action reliability of shell transfer arm is 92.48%.

Key words:shell transfer arm;action reliability;RBF neural network;agent model;Monte-Carlo

中圖分類(lèi)號(hào):TJ302

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1004-499X(2015)04-0084-07

作者簡(jiǎn)介:高學(xué)星(1987- ),男,博士研究生,研究方向?yàn)榛鹋诳煽啃耘c故障診斷。E-mail:hss1737@gmail.com。

基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(51175266/E050604)

收稿日期:2015-07-06