基于RBF神經(jīng)網(wǎng)絡的火炮修后水彈試驗故障診斷技術研究

張澤峰,傅建平,苗建松,趙志江

(1.軍械工程學院 火炮工程系，河北 石家莊 050003；2.山西農業(yè)大學 信息學院機電工程系，山西 太谷 030800；3.駐國營763廠軍代室，山西 太原 030000)

基于RBF神經(jīng)網(wǎng)絡的火炮修后水彈試驗故障診斷技術研究

張澤峰1,傅建平2,苗建松3,趙志江3

(1.軍械工程學院 火炮工程系，河北 石家莊 050003；2.山西農業(yè)大學 信息學院機電工程系，山西 太谷 030800；3.駐國營763廠軍代室，山西 太原 030000)

快速、準確地對火炮修后水彈試驗評估與診斷是火炮水彈試驗的重要環(huán)節(jié)?；诨鹋诮Y構原理，對火炮水彈試驗故障樹進行分析，在把握火炮水彈試驗故障總體原因基礎上，建立了基于RBF神經(jīng)網(wǎng)絡的火炮水彈試驗故障診斷模型，并以某新型火炮水彈試驗為例，對人工設置的故障進行了故障診斷，診斷結果表明了所建立診斷模型的正確性，以及診斷結果的可信性，該診斷模型可應用于火炮水彈試驗工程實踐。

火炮；故障診斷；故障樹；RBF神經(jīng)網(wǎng)絡；水彈試驗

火炮在大修、中修后需要進行水彈試驗來檢驗火炮修理質量，只有水彈試驗檢驗合格的火炮，部隊方可進行射擊與訓練[1]。若水彈試驗檢驗不合格，需要返廠重新對火炮進行維修，并修后再次進行水彈試驗。火炮水彈試驗評估與診斷是火炮水彈試驗的重要內容，如何快速、準確地找到火炮水彈試驗故障發(fā)生的部位與原因，是火炮試驗技術人員亟需解決的技術難題。故障診斷方法可分為基于數(shù)學模型、信號處理和人工智能診斷等方法[2-4]。火炮結構相對復雜，故障具有層次性、相關性、多樣性和偶然性等特點[5]。筆者以火炮水彈試驗為研究對象，采用故障樹分析方法對火炮反后坐裝置的故障進行定性分析，總體把握火炮可能出現(xiàn)的故障；然后采用人工神經(jīng)網(wǎng)絡智能診斷的方法對火炮反后坐故障進行定量診斷，得到火炮水彈試驗具體故障部位和故障原因，從而指導維修人員制定維修方案。

1 火炮修后水彈試驗及其常見故障

1.1 火炮修后水彈試驗原理

火炮水彈試驗就是在較小的試驗場地內，用一定質量的水代替彈丸，在全裝藥射擊下，使火炮做后坐與復進運動，模擬實彈射擊效果，以此來檢驗火炮的技術狀態(tài)[6]?；鹋谒畯椩囼炘砣鐖D1所示。試驗前，將特制的木塞從后方置入坡膛，從炮口裝入一定質量的清水，后部裝填帶全裝藥的藥筒。發(fā)射時，發(fā)射藥燃燒產(chǎn)生的高溫高壓氣體將水彈，包括木塞和水，高速推出身管，同時產(chǎn)生的炮膛合力使火炮做后坐與復進運動。

1.2 火炮修后水彈試驗常見故障

火炮修后水彈試驗要求火炮后坐距離在規(guī)定的正常后坐距離范圍內，并平穩(wěn)復進到位?；鹋诘暮笞嚯x和復進到位速度是衡量火炮后坐與復進運動正常與否的主要特征量。根據(jù)火炮后坐距離，火炮后坐故障可分為后坐過長或后坐過短的兩種故障，其中后坐過長容易損壞火炮機件，并產(chǎn)生翻

炮事故；后坐過短則易產(chǎn)生無法開閂等情況。根據(jù)復進到位速度大小，火炮復進故障可分為復進過猛與復進不足兩種故障，其中復進過猛會影響火炮射擊精度，復進不足則易產(chǎn)生復進不到位、抽筒無力等情況?；鹋谒畯椩囼炛幸坏┏霈F(xiàn)上述故障，須停止試驗，分析并排除故障后方可繼續(xù)試驗。火炮水彈試驗故障如圖2所示。

2 火炮修后水彈試驗故障定性分析

火炮結構相對復雜，修理過程較難控制，難以保證完好的修理質量。當火炮水彈試驗發(fā)生故障時，通常先從火炮結構與修理范圍進行故障原因定性分析，找到所有可能出現(xiàn)的故障原因；再進行火炮運動機理分析，找出其具體的故障原因。

故障樹分析法，從火炮總體至局部按樹狀逐層細化，直到找出導致故障發(fā)生的全部原因，它用特定符號來表征裝備故障之間的因果關系，是裝備安全性、可靠性和故障診斷的重要方法之一[7]。筆者基于火炮結構原理，查閱相關技術文獻，建立了火炮水彈試驗故障相應的4個子故障樹[8]，即后坐過長故障樹、后坐過短故障樹、復進過猛故障樹與復進不足故障樹。受篇幅限制，只列出火炮后坐過長子故障樹，如圖3所示。

后坐過長故障樹清晰反映了各個零部件與火炮試驗故障之間的邏輯關系。由故障樹可看出，致使后坐過長的原因很多，但其根本原因是火炮后坐阻力偏小，具體原因可能為制退機內制退液質量與液量不符合要求，以及制退機節(jié)制環(huán)、節(jié)制桿調速筒銅襯套等內部磨損等，為后續(xù)故障定量診斷確定了診斷范圍。

3 火炮修后水彈試驗故障定量診斷

故障樹分析法雖明確了故障的所有原因，但不能確定故障具體部位，還需要進行定量的分析?；鹋诮?jīng)過修理，水彈試驗前又進行了嚴格檢查，后坐指示標尺指示異常等外部故障容易排除，而密封件等內部機件磨損沒及時更換，也會引起火炮水彈試驗故障。為抓住問題重點，筆者只針對制退機漏液、復進機漏氣和節(jié)制環(huán)磨損等故障原因進行定量分析，即通過火炮水彈試驗時的后坐復進位移、速度與復進機壓力等測試數(shù)據(jù)，來判斷漏液量、漏氣量及磨損量。

3.1 火炮修后水彈試驗故障診斷模型

分析水彈發(fā)射的過程以及火炮的運動規(guī)律，建立火炮修后水彈試驗故障診斷模型，為下一步神經(jīng)網(wǎng)絡的訓練提供樣本數(shù)據(jù)以及測試已建好的神經(jīng)網(wǎng)絡的準確性。

為建模方便，對火炮水彈試驗受力和運動狀態(tài)作如下假設：

1)火炮和地面為絕對剛體。

2)火炮置于堅硬水平地面，忽略彈丸回轉力矩的影響，并認為所有的力作用在射面內。

3)射擊時全炮處于平衡狀態(tài)。

可建立火炮水彈試驗時火炮后坐運動模型為

(1)

其故障診斷模型中火炮復進運動模型為

(2)

式中：u為復進速度；Fφfy為復進液壓阻力；ξ為復進行程；Af為復進機活塞工作面積；p0為復進機氣體初壓；W0為氣體初始容積；λ為復進總行程；k為氣體絕熱系數(shù)。

3.1.1 制退機漏液

制退機內皮圈、石棉繩等密封件長期受高低壓及摩擦力的作用，不斷磨損而損壞，修理中不換件，容易產(chǎn)生漏液。制退機漏液后會使制退機工作腔內出現(xiàn)一段真空，真空消失前，制退機液壓阻力為0[9]，導致后坐過長和復進過猛。設制退機漏液體積為ΔV，則制退機真空長

(3)

此時制退機液壓阻力為

(4)

3.1.2 復進機漏氣

復進機密封裝置長期工作，因失效會導致漏氣，復進機氣體初壓降低，復進機力減小，從而導致后坐過長和復進不足。設復進機漏氣量為Δpf 0，此時復進機力為

(5)

3.1.3 節(jié)制環(huán)磨損

在氣蝕磨損、沖蝕磨損、化學腐蝕和熱作用等的相互作用下，節(jié)制環(huán)容易出現(xiàn)磨損，致使液壓阻力減小，易出現(xiàn)后坐過長故障。

設節(jié)制環(huán)磨損量為Δdg，此時節(jié)制環(huán)面積為

(6)

由上分析可知：節(jié)制環(huán)磨損量Δdg,制退機漏液量ΔV和復進機漏氣量Δpf 0這3種故障原因與火炮后坐位移xmax、最大后坐速度vmax和復進到位速度vfmax3種故障現(xiàn)象之間存在關聯(lián)的非線性的隱含關系，即：

(7)

3.2 火炮修后水彈試驗RBF故障診斷方法

徑向基函數(shù)RBF網(wǎng)絡是一種性能良好的前向網(wǎng)絡，學習速度快，并且不存在局部極小值問題[10]，可應用于火炮水彈試驗故障診斷。RBF神經(jīng)網(wǎng)絡的結構與多層前向網(wǎng)絡類似，是一種三層前向網(wǎng)絡，由感知單元組成的輸入層、計算節(jié)點的隱含層和計算節(jié)點的輸出層組成[11]，其拓撲結構如圖4所示。

RBF網(wǎng)絡從輸入層到隱含層空間的變換是非線性的，而從隱含層空間到輸出層空間變換是線性的。輸入層僅僅起傳輸信號的作用；隱含層對激活函數(shù)的參數(shù)進行調整；輸出層則是對線性權進行調整。

火炮修后水彈試驗故障診斷中，以后坐位移xmax、

最大后坐速度vmax和復進到位速度vfmax這3個測試值作為RBF神經(jīng)網(wǎng)絡的輸入信號，節(jié)制環(huán)磨損量Δdg,制退機漏液量ΔV和復進機漏氣量Δpf 0等3種原因作為RBF神經(jīng)網(wǎng)絡的輸出信號，構建RBF網(wǎng)絡，即該網(wǎng)絡輸入層神經(jīng)元有3個，輸出層的神經(jīng)元有3個。

3.3 火炮修后水彈試驗RBF故障診斷流程

RBF神經(jīng)網(wǎng)絡診斷流程分為神經(jīng)網(wǎng)絡樣本采集、樣本訓練和模型驗證3步。首先獲取訓練神經(jīng)網(wǎng)絡所需的樣本，然后通過訓練，找出水彈試驗故障現(xiàn)象與原因的內在規(guī)律；最后利用已知故障數(shù)據(jù)驗證所建立的內在聯(lián)系的正確性和有效性。

1)樣本采集。神經(jīng)網(wǎng)絡需要大量訓練樣本確保網(wǎng)絡準確性?；鹋谛蘩碣|量總體上是有保證的，火炮水彈試驗出現(xiàn)故障很少，難以收集大量故障樣本。工程實踐中，通常采用理論仿真計算樣本來替代實際故障樣本，以此作為神經(jīng)網(wǎng)絡的訓練樣本。具體方法為：將Δdg、ΔV和Δpf 03個故障原因特征量分別在各自的取值范圍內等間隔取10個值，代入故障診斷模型式(7)中計算出火炮的xmax、vmax和vfmax，從而得到10×10×10=1 000組樣本數(shù)據(jù)。

2)樣本訓練。從1 000組樣本中取980個樣本，利用RBF神經(jīng)網(wǎng)絡模型訓練，摸索出故障現(xiàn)象與故障原因之間的內在關系。其訓練誤差響應曲線如圖5所示，其訓練精度達到9.307 79×10-5。

3)模型驗證。從1 000組中，取3組不同類型故障，如表1所示，通過已知故障來驗證RBF網(wǎng)絡診斷模型的正確性和有效性，診斷結果如表2所示。

表1 設置故障

表2 RBF網(wǎng)絡計算結果

從表2可知，故障診斷值與故障設量值基本吻合，誤差較小，表明故障部位與故障原因診斷結果正確；故障診斷精度較高，從而證明所建故障診斷模型的正確性，所建故障診斷模型可應用于火炮水彈試驗的故障診斷工程應用。

4 火炮修后水彈試驗故障診斷實例

某新型自行火炮修后進行水彈試驗，結合試驗對后坐時間、后坐位移等進行測試，測試結果如表3所示。

表3 某型火炮水彈試驗測試結果

從修理工廠獲悉，該火炮反后坐裝置內的節(jié)制環(huán)為更新件，同時在該炮水彈試驗后對反后坐裝置氣液量重新測試。應用所建神經(jīng)網(wǎng)絡模型對表3中的數(shù)據(jù)進行診斷，診斷結果如表4所示。

表4 某型火炮故障診斷結果

由表4可知對該炮試驗后測試值與故障診斷值基本吻合，誤差較小。綜上所述，筆者所建故障診斷模型適用于火炮反后坐裝置故障的工程應用。

5 結束語

筆者以某火炮水彈試驗為研究對象，運用故障樹分析法對其進行故障診斷定性分析，定性得出水彈試驗故障的故障原因。在此基礎上，建立了火炮水彈試驗故障診斷模型，基于RBF神經(jīng)網(wǎng)絡進行了定量的分析與診斷。結果表明，該方法可用于火炮水彈試驗的故障診斷。由于本文所用方法需要有足夠的訓練樣本才能保證診斷結果可靠性，目前缺乏火炮故障分析所用的大樣本數(shù)據(jù)，故需要不斷積累，從而不斷提高故障診斷效率，以便更好地服務于部隊。

References)

[1]傅建平，張澤峰，余家武，等.火炮修理后水彈試驗內彈道設計方法研究[J]. 兵工學報,2015,36(12)：2381- 2385. FU Jianping,ZHANG Zefeng,YU Jiawu,et al.Research on the internal ballistics design method of water-projectile test after gun repaired[J] Acta Armamentarii,2015,36(12)：2381-2385.(in Chinese)

[2]傅建平，張曉東，張培林.基于改進遺傳算法的反后坐裝置故障診斷方法[J].火炮發(fā)射與控制學報，2007 (2):69-72. FU Jianping,ZHANG Xiaodong,ZHANG Peilin. Fault diagnosis method of recoil mechanism based on improved genetic algorithm[J].Journal of Gun Launch & Control， 2007 (2):69-72.(in Chinese)

[3]張培林.自行火炮油液光譜分析研究[D].南京：南京理工大學，2003. ZHANG Peilin. Spectral analysis of self propelled gun oil[D].Nanjing: Nanjing University of Science and Techno-logy,2003. (in Chinese)

[4]賈長治，王興貴,龔烈航.基于虛擬樣機技術的火炮故障仿真及應用研究[J].機械工程學報，2004,40(9)：89- 94. JIA Changzhi,WANG Xinggui, GONG Liehang. Fault simulation and application research of gun based on virtual prototype technology[J]. Journal of Mechanical Enginee-ring, 2004,40(9)：89-94. (in Chinese)

[5]吳軍.火炮狀態(tài)智能診斷技術研究[D].南京：南京理工大學，2013. WU Jun. Research on intelligent diagnosis technology of gun state[D].Nanjing: Nanjing University of Science and Technology,2013. (in Chinese)

[6]傅建平，呂世樂，鄭立評，等．火炮水彈試射內彈道分析研究[J].軍械工程學院學報，2014，26(2)：21-24 FU Jianping,LYU Shile,ZHENG Liping,et al. Study on the ballistic missile test of artillery projectile[J]. Journal of Ordnance Engineering College，2014，26(2)：21-24(in Chinese)

[7]張金玉，張煒.裝備智能故障診斷與預測[M]. 北京：國防工業(yè)出版社，2013:31-35. ZHANG Jinyu,ZHANG Wei.Equipment intelligent fault diagnosis and prediction[M].Beijing: National Defence Industry Press，2013:31-35. (in Chinese)

[8]秦俊奇.大口徑火炮故障分析與故障預測技術研究[D].南京：南京理工大學，2005. QIN Junqi.Fault analysis and fault prediction technology research of large caliber gun[D].Nanjing: Nanjing University of Science and Technology,2005. (in Chinese)

[9]李三群，郭英軍，陶辰立.漏液對火炮性能的影響仿真及靈敏度分析[J].火炮發(fā)射與控制學報，2005(2):25- 29. LI Sanqun,GUO Yingjun,TAO Chenli.Simulation and sensitivity analysis of the effect of the leakage on the performance of the gun[J].Journal of Gun Launch & Control， 2005(2):25-29.(in Chinese)

[10]郭濤，黃波.基于神經(jīng)網(wǎng)絡的某魚雷保障設備故障預測方法[J].兵工自動化,2013,32(5):85-90. GUO Tao, HUANG Bo. Fault predication method of an equipment for torpedo guarantee based on neural network[J].Ordnance Industry Automation,2013,32(5):85-90. (in Chinese)

[11]韋艷玲.一種改進的RBF神經(jīng)網(wǎng)絡在預測蟲害中的應用研究[J].科學技術與工程，2013,13(1)：136-156. WEI Yanling.Application research on improved RBF neural network in pests forecast[J]. Science Technology and Engineering，2013,13(1)：136-156. (in Chinese)

Research on the Fault Diagnosis Technology of the Water-projectile Test Posterior to the Gun Repair

ZHANG Zefeng1, FU Jianping2, MIAO Jiansong3, ZHAO Zhijiang3

(1.Artillery Engineering Department, Ordnance Engineering College, Shijiazhuang 050003, Hebei，China;2.Department of Mechanical and Electrical Engineering, College of Information,Shanxi Agricultural University, Taigu 030800,Shanxi，China; 3.No. 763 State-Owned Factory Presentation Room, Taiyuan 030000, Shanxi，China)

The rapid and accurate detection and fault diagnosis posterior to the gun repair is an important link in the gun water-projectile test. The gun water-projectile test fault tree was built based on gun structure principle, which is conducive to the overall grasp of the fault of gun. The fault diagnosis mo-del of artillery water bomb test was established based on RBF neural network. With the aid of a new type of gun water-projectile test, fault diagnosis was conducted in terms of the artificially set defects. The diagnostic results show that diagnosis model built in this paper is correct, and that considering the reliability of diagnostic results, the diagnosis model can be applied to the gun water-projectile test in engineering practice.

gun; fault diagnosis; fault tree; RBF neural network; water-projectile test

10.19323/j.issn.1673-6524.2017.01.019

2016-06-04

張澤峰(1991—)，男，碩士研究生，主要從事火炮檢測與診斷技術研究。E-mail：972653865@qq.com

TP183；TP277

A

1673-6524(2017)01-0095-06