基于CAN總線的自行火炮測(cè)試和故障診斷方法

李 旭， 孟 晨， 王 成

(陸軍工程大學(xué)石家莊校區(qū)導(dǎo)彈工程系， 河北 石家莊 050003)

目前,自行火炮的測(cè)試及故障診斷設(shè)備大多為針對(duì)設(shè)備級(jí)分系統(tǒng)的專用設(shè)備，功能相對(duì)單一，檢測(cè)設(shè)備復(fù)雜多樣[1- 2]；且信息采集和故障診斷大多在裝備出現(xiàn)故障后進(jìn)行，難以滿足未來(lái)一體化聯(lián)合作戰(zhàn)提出的“認(rèn)知水平共享”和“及時(shí)保障”的要求[3]。隨著計(jì)算機(jī)技術(shù)的發(fā)展，現(xiàn)代武器裝備設(shè)計(jì)時(shí)，綜合電子信息系統(tǒng)的運(yùn)行控制通常采用基于串行總線的分布式設(shè)計(jì)[4]。為實(shí)現(xiàn)裝備健康管理和裝備保障質(zhì)量綜合提升的目的，通過(guò)串行控制總線實(shí)現(xiàn)自行火炮綜合電子信息系統(tǒng)的信息采集、測(cè)試及故障診斷成為發(fā)展趨勢(shì)。

以某型自行榴彈炮為例，該裝備以主要分系統(tǒng)和部件的數(shù)字化為基礎(chǔ)，建立了車輛CAN總線網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)整車平臺(tái)綜合電子信息系統(tǒng)的一體化總體設(shè)計(jì)，實(shí)現(xiàn)全車必要信息的傳輸、顯示、控制和管理功能。筆者基于自行火炮預(yù)留的CAN總線檢測(cè)接口，開(kāi)發(fā)了自行火炮測(cè)試和故障診斷系統(tǒng)。該系統(tǒng)可實(shí)現(xiàn)以下功能：1)總線節(jié)點(diǎn)狀態(tài)檢測(cè)；2)信息采集、保存和查詢，實(shí)現(xiàn)裝備狀態(tài)在線監(jiān)控并為故障預(yù)測(cè)與健康管理(Prognostic and Health Management，PHM)建立數(shù)據(jù)基礎(chǔ)；3)實(shí)現(xiàn)單一狀態(tài)識(shí)別和故障隔離；4)實(shí)現(xiàn)多狀態(tài)參量融合，對(duì)裝備分系統(tǒng)進(jìn)行狀態(tài)識(shí)別和故障隔離。

1 系統(tǒng)設(shè)計(jì)原理

1.1 系統(tǒng)組成框架

某型自行榴彈炮將主機(jī)電源控制器、火控計(jì)算機(jī)系統(tǒng)、炮塔電氣設(shè)備、駕駛員任務(wù)終端、動(dòng)力艙采集器、駕駛艙采集器、滅火抑爆裝置、三防微壓差、發(fā)動(dòng)機(jī)電控盒、傳動(dòng)系統(tǒng)電控盒、慣性導(dǎo)航裝置、主機(jī)電源控制器等通過(guò)CAN總線掛接到綜合電子信息系統(tǒng)，自行火炮測(cè)試及診斷系統(tǒng)通過(guò)預(yù)留的CAN總線檢測(cè)接口與綜合電子信息系統(tǒng)連接。基于CAN總線的自行火炮測(cè)試及診斷系統(tǒng)組成框架如圖1所示。

1.2 系統(tǒng)硬件集成需求

該系統(tǒng)硬件由CAN總線信息采集卡、便攜式計(jì)算機(jī)和連接電纜組成。信息采集卡通過(guò)線纜與裝備測(cè)試接口連接，由于裝備檢測(cè)接口為JY3111F08- 4SNL插座，所以連接電纜接口形式采用JY3116F08- 4PNL插頭(A：CAN_H；B：CAN_L；C：CANGND；D：空)。信息采集卡通過(guò)USB總線與便攜式計(jì)算機(jī)連接?？紤]到軍用電子檢測(cè)設(shè)備的部隊(duì)使用環(huán)境，需要按照有關(guān)國(guó)軍標(biāo)要求對(duì)設(shè)備進(jìn)行振動(dòng)、高低溫、電磁兼容等環(huán)境試驗(yàn)[5- 7]，便攜式計(jì)算機(jī)采用濟(jì)南騰越電子有限公司生產(chǎn)的CS5II型軍用加固計(jì)算機(jī)。CAN總線信息采集卡要支持CAN2.0B協(xié)議、雙向傳輸、USB與CAN的協(xié)議轉(zhuǎn)換，并滿足高低溫和抗干擾等要求，因此選用了帶有2路CAN通道的廣州致遠(yuǎn)電子有限公司USBCANII型外置采集卡，該采集卡工作溫度范圍為-40～85 ℃,并具有很強(qiáng)的抗干擾能力。

1.3 系統(tǒng)軟件需求

該系統(tǒng)需完成對(duì)各網(wǎng)絡(luò)節(jié)點(diǎn)的檢測(cè)，確保節(jié)點(diǎn)的通信可靠；同時(shí)完成各電控信息系統(tǒng)的信息采集，并可實(shí)時(shí)采集數(shù)據(jù)、實(shí)時(shí)顯示，達(dá)到在線獲取裝備狀態(tài)與運(yùn)行信息的目的；采集的信息歷史數(shù)據(jù)可以存儲(chǔ)、下載和查詢，為實(shí)現(xiàn)PHM提供數(shù)據(jù)基礎(chǔ)；系統(tǒng)可以進(jìn)行分項(xiàng)目檢測(cè)、狀態(tài)識(shí)別與故障隔離；系統(tǒng)還可以多參數(shù)融合對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行聯(lián)合評(píng)估和識(shí)別，對(duì)分系統(tǒng)整體性能進(jìn)行評(píng)估；所有的檢測(cè)記錄可以存儲(chǔ)、下載和查詢。

2 數(shù)據(jù)解析

綜合電子信息系統(tǒng)用CAN數(shù)據(jù)包表示要發(fā)送的CAN信息，用CAN數(shù)據(jù)幀表示可以在總線上實(shí)際傳輸?shù)腃AN數(shù)據(jù)。CAN數(shù)據(jù)包必須轉(zhuǎn)換為CAN數(shù)據(jù)幀發(fā)送。

2.1 CAN數(shù)據(jù)幀

CAN數(shù)據(jù)幀是CAN總線數(shù)據(jù)鏈路層與物理層之間交換數(shù)據(jù)采用的數(shù)據(jù)結(jié)構(gòu)，CAN數(shù)據(jù)包需要整理為CAN數(shù)據(jù)幀才可實(shí)現(xiàn)在CAN總線上的傳輸。CAN數(shù)據(jù)幀由數(shù)據(jù)鏈路層定義，其格式如下：CAN數(shù)據(jù)幀{幀ID；幀數(shù)據(jù)；幀長(zhǎng)度}。

幀ID指明CAN總線在傳輸CAN2.0B數(shù)據(jù)時(shí)的29位標(biāo)志符，占4個(gè)字節(jié)的長(zhǎng)度。幀ID的格式定義如表1所示。3位的優(yōu)先級(jí)是CAN數(shù)據(jù)包優(yōu)先級(jí)。8位的PF為數(shù)據(jù)類型代碼，8位的PS為目標(biāo)地址或數(shù)據(jù)類型擴(kuò)展碼：當(dāng)PF<240時(shí)，PS為目標(biāo)地址DA(當(dāng)目標(biāo)地址為255時(shí)表明此消息為廣播消息)；當(dāng)PF≥240時(shí)，PS為數(shù)據(jù)類型擴(kuò)展碼。8位的SA為發(fā)送節(jié)點(diǎn)CAN總線地址。保留位固定填0。幀ID中PF、PS、DA的值分別取自CAN數(shù)據(jù)包中PF、PS、DA的值。幀數(shù)據(jù)存貯需要通過(guò)CAN總線發(fā)送和接收的數(shù)據(jù)，占8個(gè)字節(jié)長(zhǎng)度。幀長(zhǎng)度指明幀數(shù)據(jù)有效數(shù)據(jù)長(zhǎng)度，即CAN總線上傳輸?shù)臄?shù)據(jù)長(zhǎng)度，以字節(jié)為單位，小于8，幀長(zhǎng)度占一個(gè)字節(jié)。

表1 幀ID的格式定義

2.2 裝備數(shù)據(jù)實(shí)例解析

以某型自行火炮的傳動(dòng)控制盒定時(shí)廣播的綜合傳動(dòng)狀態(tài)信息為例，對(duì)其數(shù)據(jù)信息進(jìn)行解析。部分節(jié)點(diǎn)及其地址如表2所示。

表2 部分節(jié)點(diǎn)及其地址

綜合傳動(dòng)狀態(tài)信息為傳動(dòng)電控盒系統(tǒng)定期(100 ms)向綜合電子信息系統(tǒng)發(fā)送的工作狀態(tài)信息，具體定義如表3所示。

表3 綜合傳動(dòng)狀態(tài)信息定義

綜合傳動(dòng)狀態(tài)消息內(nèi)容如表4所示。

表4 綜合傳動(dòng)狀態(tài)消息內(nèi)容

依據(jù)表1幀ID的格式定義，綜合傳動(dòng)狀態(tài)信息的優(yōu)先級(jí)為3，可解析為0x03；PF根據(jù)定義為F1，由于F1≥240，當(dāng)PF≥240時(shí)PS為數(shù)據(jù)類型擴(kuò)展碼，因此PS=E4；SA為發(fā)送節(jié)點(diǎn)CAN總線地址，取值為0x03。因此,某型自行火炮的傳動(dòng)控制盒定時(shí)廣播的綜合傳動(dòng)狀態(tài)信息幀ID可解析為0x03F1E403。自行火炮測(cè)試和故障診斷系統(tǒng)可通過(guò)軟件識(shí)別幀ID進(jìn)行數(shù)據(jù)采集和解析。

3 測(cè)試方法

3.1 波特率的自動(dòng)識(shí)別

為了使自行火炮測(cè)試和故障診斷系統(tǒng)自動(dòng)識(shí)別裝備總線波特率，要在軟件中預(yù)定義一個(gè)包含了位定時(shí)參數(shù)波特率列表?？偩€波特率識(shí)別流程如圖2所示。

3.2 總線節(jié)點(diǎn)檢測(cè)

為保證系統(tǒng)采集信息的準(zhǔn)確性，需要確?？偩€網(wǎng)絡(luò)的通信可靠性，而改善傳輸信道或者通信介質(zhì)的冗余度可以提高網(wǎng)絡(luò)節(jié)點(diǎn)的可靠性，但是成本很高[8- 9]，為此需要診斷系統(tǒng)在信息采集前對(duì)CAN網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行檢測(cè)。診斷系統(tǒng)根據(jù)各節(jié)點(diǎn)在線情況采用主動(dòng)和被動(dòng)相結(jié)合的方法對(duì)各個(gè)節(jié)點(diǎn)進(jìn)行檢測(cè)?？偩€網(wǎng)絡(luò)節(jié)點(diǎn)檢測(cè)流程如圖3所示。

3.3 狀態(tài)識(shí)別與故障診斷

3.3.1 分項(xiàng)狀態(tài)識(shí)別與故障診斷

通過(guò)軟件設(shè)置給定檢測(cè)狀態(tài)參量的閾值，并將采集到的解析數(shù)據(jù)與數(shù)據(jù)庫(kù)管理子模塊進(jìn)行對(duì)比，最終顯示和保存各分項(xiàng)結(jié)果，同時(shí)實(shí)現(xiàn)歷史記錄的查詢等。發(fā)動(dòng)機(jī)部分參數(shù)閾值如表5所示。

表5 發(fā)動(dòng)機(jī)部分參數(shù)閥值

3.3.2 多參數(shù)融合狀態(tài)識(shí)別與故障診斷

在使用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法時(shí)，雖然容易產(chǎn)生局部最優(yōu)解，但由于其黑箱性的特點(diǎn)，網(wǎng)絡(luò)學(xué)習(xí)和決策過(guò)程很難理解。鑒于此，筆者采用證據(jù)理論和極限學(xué)習(xí)機(jī)相融合的診斷方案[10- 11]。證據(jù)理論不僅能夠體現(xiàn)人類對(duì)事物估計(jì)時(shí)的主觀性，還能保持事物本身客觀性的特點(diǎn)，在對(duì)不確定問(wèn)題進(jìn)行處理方面具有很完整的理論基礎(chǔ)。然而，由于證據(jù)理論需要獨(dú)立數(shù)據(jù)的特殊條件，其合理性也存在爭(zhēng)議。為了使本系統(tǒng)能夠高效地運(yùn)行，將極限學(xué)習(xí)機(jī)理論嵌入其中，在使用過(guò)程中只需要設(shè)置隱元偏置和輸入權(quán)值，就可以產(chǎn)生最優(yōu)解，在學(xué)習(xí)速度和泛化性能方面優(yōu)勢(shì)明顯，并且在利用該診斷方案時(shí)，由于不知道和不確定方面具有很大的靈活性，相對(duì)于概率推理中的數(shù)據(jù)來(lái)講，數(shù)據(jù)獲得更加直觀并且容易。

以某型火炮發(fā)動(dòng)機(jī)電控系統(tǒng)為例，融合診斷系統(tǒng)包含3個(gè)模塊：數(shù)據(jù)預(yù)處理模塊、局部診斷子模塊和融合診斷模塊。融合診斷系統(tǒng)原理如圖4所示。數(shù)據(jù)預(yù)處理模塊對(duì)待測(cè)發(fā)動(dòng)機(jī)的多源信息進(jìn)行采集及特征參數(shù)提取，構(gòu)造出多個(gè)證據(jù)體子網(wǎng)絡(luò)，每個(gè)子網(wǎng)絡(luò)都能夠從對(duì)應(yīng)的角度反映出發(fā)動(dòng)機(jī)的故障狀態(tài);局部診斷子模塊對(duì)各個(gè)證據(jù)體進(jìn)行初級(jí)診斷;融合診斷模塊融合初級(jí)診斷結(jié)果，得出最終結(jié)論。

1) 基于量子粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)

HUANG等[12]于2006年提出了單隱層前饋神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法——極限學(xué)習(xí)機(jī)(Extreme Learning Machine，ELM)。ELM算法執(zhí)行過(guò)程中不需要調(diào)整網(wǎng)絡(luò)的輸入權(quán)值向量和隱層節(jié)點(diǎn)偏置閾值，只需要在訓(xùn)練前設(shè)置網(wǎng)絡(luò)隱層節(jié)點(diǎn)個(gè)數(shù)和激勵(lì)函數(shù)，通過(guò)解析的方法確定連接隱層和輸出層的輸出權(quán)值，具有設(shè)計(jì)簡(jiǎn)單、學(xué)習(xí)速率高、泛化性能好和網(wǎng)絡(luò)結(jié)構(gòu)獨(dú)立于訓(xùn)練樣本等優(yōu)點(diǎn)[13- 14]。

對(duì)于核極限學(xué)習(xí)機(jī)分類網(wǎng)絡(luò)，為選擇最優(yōu)的網(wǎng)絡(luò)參數(shù)組合(C，σ)，筆者選用量子粒子群算法對(duì)其進(jìn)行尋優(yōu)。基于量子粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)(Quantum Particle Swarm Optimization-Kernel Extreme Learning Machine,QPSO-KELM)的網(wǎng)絡(luò)訓(xùn)練過(guò)程如圖5所示。

分類試驗(yàn)選用加州大學(xué)伯克利分校(University of California Irvine，UCI)數(shù)據(jù)庫(kù)中的Diabetes、Image Segmentation、Satimage、Wine、Glass Identification和Page Blocks數(shù)據(jù)集，各數(shù)據(jù)集的相關(guān)信息如表6所示。

表6 UCI數(shù)據(jù)集信息表

2) 基于D-S證據(jù)理論的狀態(tài)識(shí)別

基于證據(jù)理論是處理不確定、不完備、不精確信息的主要手段，在信息融合領(lǐng)域得到了廣泛的認(rèn)同與應(yīng)用。D-S證據(jù)理論[15]是針對(duì)事件發(fā)生后的結(jié)果(證據(jù))，探求事件發(fā)生的主要原因(假設(shè))。對(duì)于具有主觀不確定性判斷的多屬性診斷問(wèn)題，D-S證據(jù)理論是一個(gè)融合主觀不確定性信息的有效手段。在設(shè)備故障診斷中，若干可能的故障會(huì)產(chǎn)生一些癥狀，每個(gè)癥狀下各故障都有一定的發(fā)生概率，D-S證據(jù)理論中[15]，采用信度函數(shù)來(lái)表達(dá)概率大小。首先，通過(guò)多源信息診斷被測(cè)對(duì)象，得出單源信息測(cè)得的癥狀屬于各類故障的信度函數(shù)；然后，利用D-S組合規(guī)則進(jìn)行信息融合，得到融合后癥狀分別屬于各類故障的信度函數(shù)；最后，根據(jù)一定的判定準(zhǔn)則確定故障類型。

以發(fā)動(dòng)機(jī)電控系統(tǒng)為例，其狀態(tài)識(shí)別流程如圖6所示。首先，采集電控系統(tǒng)機(jī)油壓力、回水溫度、排氣溫度等狀態(tài)參數(shù)，并計(jì)算圖6中進(jìn)氣壓力偏差等相應(yīng)特征作為整機(jī)性能評(píng)價(jià)參數(shù)；然后，基于QPSO-KELM網(wǎng)絡(luò)構(gòu)建5個(gè)弱分類器，并將上述特征分別輸入各分類器，在特征層實(shí)現(xiàn)發(fā)動(dòng)機(jī)性能狀態(tài)的初步識(shí)別；最后，利用各分類器識(shí)別結(jié)果構(gòu)造信度函數(shù)矩陣，輸入D-S證據(jù)理論模型，在決策層實(shí)現(xiàn)整機(jī)性能綜合評(píng)價(jià)，最終得到高置信度的性能識(shí)別結(jié)果。

極限學(xué)習(xí)機(jī)各子網(wǎng)絡(luò)和經(jīng)過(guò)D-S證據(jù)理論融合分析后的發(fā)動(dòng)機(jī)狀態(tài)識(shí)別結(jié)果對(duì)比如表7所示。

表7 狀態(tài)識(shí)別結(jié)果對(duì)比 %

由表7可以看出：經(jīng)過(guò)D-S證據(jù)理論決策層融合分析之后得到的狀態(tài)識(shí)別結(jié)果的準(zhǔn)確率進(jìn)一步提升，達(dá)到100%。

4 系統(tǒng)實(shí)現(xiàn)

4.1 功能實(shí)現(xiàn)

考慮到LabWindows/CVI人機(jī)交互界面美觀、EVENT_COMMIT等函數(shù)調(diào)用簡(jiǎn)單等[16]需要，基于LabWindows/CVI編程實(shí)現(xiàn)了系統(tǒng)的功能。根據(jù)檢測(cè)任務(wù)需求，本系統(tǒng)的主界面分解為節(jié)點(diǎn)檢測(cè)、采集信息管理、狀態(tài)識(shí)別和故障隔離3部分。設(shè)計(jì)系統(tǒng)功能規(guī)劃如圖7所示。

4.2 信息采集與信息處理

系統(tǒng)軟件程序包括信息采集、信息處理和數(shù)據(jù)庫(kù)管理3部分。實(shí)現(xiàn)流程如圖8所示。

4.3 動(dòng)態(tài)數(shù)據(jù)庫(kù)管理

自行火炮測(cè)試及診斷系統(tǒng)設(shè)計(jì)了存放節(jié)點(diǎn)檢測(cè)信息、歷史使用記錄、采集和故障診斷信息、測(cè)試記錄的4個(gè)數(shù)據(jù)庫(kù)。系統(tǒng)采用數(shù)據(jù)庫(kù)存儲(chǔ)與管理技術(shù)實(shí)現(xiàn)了數(shù)據(jù)動(dòng)態(tài)管理，模型如圖9所示,調(diào)度處理通過(guò)三級(jí)緩存實(shí)現(xiàn)。

5 實(shí)裝試驗(yàn)

為驗(yàn)證本測(cè)試方法的可行性與有效性，通過(guò)實(shí)裝模擬故障對(duì)該系統(tǒng)進(jìn)行試驗(yàn)測(cè)試。系統(tǒng)通過(guò)下載所有測(cè)試數(shù)據(jù)，并選擇相應(yīng)的測(cè)試數(shù)據(jù)進(jìn)行當(dāng)時(shí)測(cè)試狀態(tài)下的發(fā)動(dòng)機(jī)整機(jī)性能狀態(tài)的識(shí)別。圖10為發(fā)動(dòng)機(jī)電控系統(tǒng)狀態(tài)評(píng)估結(jié)果界面，以序號(hào)為1的測(cè)試記錄為例，當(dāng)點(diǎn)擊“狀態(tài)評(píng)估”按鈕時(shí)，系統(tǒng)自動(dòng)完成對(duì)發(fā)動(dòng)機(jī)狀態(tài)的評(píng)估。當(dāng)評(píng)估結(jié)果為正常時(shí)，“狀態(tài)正?！敝甘緹糇?yōu)榧t色；當(dāng)評(píng)估結(jié)果為異常時(shí)，“狀態(tài)異?！敝甘緹糇?yōu)榧t色，并提示進(jìn)行子系統(tǒng)及部件的故障隔離，此時(shí)應(yīng)該退出狀態(tài)評(píng)估模塊，并進(jìn)入故障隔離模塊進(jìn)行故障的深入分析。

系統(tǒng)對(duì)發(fā)動(dòng)機(jī)啟動(dòng)系統(tǒng)、冷卻系統(tǒng)、潤(rùn)滑系統(tǒng)、供油系統(tǒng)和進(jìn)排氣系統(tǒng)的故障進(jìn)行識(shí)別，并給出故障隔離結(jié)論和維修建議，其故障隔離到發(fā)動(dòng)機(jī)子系統(tǒng)及其部件。首先對(duì)發(fā)動(dòng)機(jī)進(jìn)行狀態(tài)評(píng)估，當(dāng)評(píng)估結(jié)果為異常時(shí)，進(jìn)入故障隔離模塊，利用狀態(tài)評(píng)估數(shù)據(jù)對(duì)此狀態(tài)下的發(fā)動(dòng)機(jī)進(jìn)行故障診斷。當(dāng)某系統(tǒng)存在故障時(shí)，此系統(tǒng)對(duì)應(yīng)的指示燈變?yōu)榧t色，同時(shí)此系統(tǒng)中某部件相應(yīng)故障模式前的復(fù)選框標(biāo)記為“√”。以某狀態(tài)評(píng)估數(shù)據(jù)為例，對(duì)發(fā)動(dòng)機(jī)進(jìn)行故障隔離。點(diǎn)擊“故障隔離”按鈕，其運(yùn)行結(jié)果界面如圖11所示，系統(tǒng)自動(dòng)對(duì)發(fā)動(dòng)機(jī)子系統(tǒng)及其部件進(jìn)行故障診斷。

測(cè)試日志可查詢所有檢測(cè)項(xiàng)目的檢測(cè)責(zé)任人、檢測(cè)時(shí)間、檢測(cè)單位、設(shè)備型號(hào)以及各個(gè)子檢測(cè)項(xiàng)目的檢測(cè)和診斷結(jié)果等信息。某測(cè)試日志查詢結(jié)果界面如圖12所示。

在實(shí)裝模擬試驗(yàn)時(shí)設(shè)置發(fā)動(dòng)機(jī)整機(jī)性能狀態(tài)為故障狀態(tài)，將發(fā)動(dòng)機(jī)的啟動(dòng)系統(tǒng)、冷卻系統(tǒng)、潤(rùn)滑系統(tǒng)、供油系統(tǒng)和進(jìn)排氣系統(tǒng)設(shè)置各自的故障狀態(tài)。通過(guò)圖10- 12可發(fā)現(xiàn)：該測(cè)試與故障診斷系統(tǒng)工作正常，與實(shí)際故障設(shè)計(jì)一致性較高，可有效檢測(cè)出裝備存在的故障類型。

6 結(jié)論

針對(duì)自行火炮電子信息系統(tǒng)因故障復(fù)雜而難以測(cè)試的問(wèn)題，筆者以在線信息解析技術(shù)和數(shù)據(jù)庫(kù)管理技術(shù)為基礎(chǔ)，構(gòu)建了動(dòng)態(tài)數(shù)據(jù)管理模型，并將量子粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)和D-S證據(jù)理論相結(jié)合運(yùn)用于故障狀態(tài)識(shí)別，利用實(shí)裝試驗(yàn)對(duì)系統(tǒng)進(jìn)行了功能驗(yàn)證。結(jié)果表明:該方法可準(zhǔn)確檢測(cè)出裝備電子信息系統(tǒng)的故障狀態(tài)，并詳細(xì)記錄狀態(tài)過(guò)程，測(cè)試準(zhǔn)確率較高，有效改善了綜合電子信息系統(tǒng)故障診斷設(shè)備功能相對(duì)單一、檢測(cè)設(shè)備復(fù)雜多樣的現(xiàn)狀，為實(shí)現(xiàn)PHM提供了數(shù)據(jù)基礎(chǔ)。由于該檢測(cè)系統(tǒng)模型設(shè)計(jì)復(fù)雜，體積較大，攜帶不方便，后期研究中可利用快速發(fā)展的電子信息技術(shù)對(duì)模型進(jìn)行優(yōu)化，減小測(cè)量系統(tǒng)的體積，提高測(cè)量系統(tǒng)的通用性水平。