基于稀疏分解的航空裝備機(jī)電故障檢修仿真

王端民

(陸軍航空兵學(xué)院第一飛行訓(xùn)練旅，四川 宜賓 644000)

1 引言

航空工業(yè)是技術(shù)密集的產(chǎn)業(yè)，在軍事和經(jīng)濟(jì)上具有重要地位和作用，保證航空領(lǐng)域的領(lǐng)土安全對(duì)于國家安全與穩(wěn)定來說具有重要的意義。各種先進(jìn)的航空裝備相繼研制出來，投入到巡航、物資運(yùn)輸、軍事作戰(zhàn)中。然而，航空裝備機(jī)電故障問題至今仍是航空裝備制造領(lǐng)域面臨的一大問題。機(jī)電不是單一某個(gè)裝置，而是由各種機(jī)械設(shè)備和電氣設(shè)備組成的一個(gè)系統(tǒng)。機(jī)電設(shè)備是航空裝備運(yùn)行自動(dòng)控制裝置，主要用于動(dòng)力輸出、自動(dòng)化控制等[1]。一旦航空裝備的機(jī)電出現(xiàn)故障，不僅影響裝備正常運(yùn)行，還會(huì)失去對(duì)其控制。針對(duì)上述情況，對(duì)航空裝備機(jī)電故障進(jìn)行實(shí)時(shí)檢修是必要的，預(yù)防和避免故障帶來的危害，保證裝備正常運(yùn)行。

當(dāng)前，航空裝備機(jī)電故障檢修多是通過采集故障信號(hào)，然后進(jìn)行故障診斷，最后進(jìn)行故障維修。在這一過程中，由于開始采集到的故障信號(hào)是混合信號(hào)，所以為保證故障診斷結(jié)果的準(zhǔn)確性，需要對(duì)故障信號(hào)進(jìn)行處理，從混合信號(hào)找出真正的故障信號(hào)，這是整個(gè)故障檢修工作的關(guān)鍵環(huán)節(jié)，一般在這個(gè)故障信號(hào)處理環(huán)節(jié)，經(jīng)常采用小波變換、盲源分離以及奇異值分解等三種方法對(duì)混合信號(hào)進(jìn)行去噪，但是三種方法分離能力不足，分解出來的信號(hào)質(zhì)量并不好，影響了整體檢修效果[2]。

針對(duì)上述問題，將稀疏分解應(yīng)用到故障信號(hào)分解環(huán)節(jié)當(dāng)中，改善航空裝備機(jī)電故障檢修效果。其具體過程如下：首先采集機(jī)電設(shè)備故障信號(hào)，然后利用稀疏分解對(duì)混合故障信號(hào)進(jìn)行分解，提取出真正的故障信號(hào)，最后在上述處理結(jié)果的基礎(chǔ)上進(jìn)行故障檢修[3-5]。為驗(yàn)證基于稀疏分解的航空裝備機(jī)電故障檢修方法的有效性，進(jìn)行仿真。仿真包括兩方面內(nèi)容：稀疏分解算法去噪能力檢驗(yàn)以及方法整體檢修質(zhì)量檢驗(yàn)。結(jié)果表明：稀疏分解去噪后，故障信號(hào)的信噪比更高，去噪效果更好，彌補(bǔ)了小波變換、盲源分離以及奇異值分解等三種去噪方法存在的不足，使得方法的整體檢修質(zhì)量提高，保證了航空裝備的正常運(yùn)行。

2 基于稀疏分解的航空裝備機(jī)電故障檢修方法

在航空機(jī)電運(yùn)轉(zhuǎn)過程中，受各種因素的影響，不可以避免的會(huì)出現(xiàn)各種故障，影響了航空裝備的正常運(yùn)行。航空裝備機(jī)電主要由機(jī)械設(shè)備和電氣設(shè)備兩部分組成，所以出現(xiàn)的故障也就分為兩大類：機(jī)械故障和電氣故障，具體如表1所示。

表1 航空裝備機(jī)電故障

本次針對(duì)表1中這些機(jī)電故障進(jìn)行檢修，檢修過程如圖1所示。

圖1 航空裝備機(jī)電故障檢修過程

從圖1中可以看出，航空裝備機(jī)電故障檢修主要包括四個(gè)步驟：第一步利用信號(hào)采集裝置對(duì)故障信號(hào)進(jìn)行采集；第二步利用稀疏分解對(duì)混合故障信號(hào)進(jìn)行分解，找出其中真實(shí)的故障信號(hào)；第三步根據(jù)故障特征識(shí)別故障類型；第四步對(duì)已知故障進(jìn)行維修，排除故障[6-8]。

綜上所述，完成了基于稀疏分解的航空裝備機(jī)電故障檢修過程的敘述。

2.1 故障信號(hào)采集

航空裝備機(jī)電在運(yùn)行過程中必然會(huì)產(chǎn)生振動(dòng)[9]，所以一旦發(fā)生故障，產(chǎn)生的振動(dòng)信號(hào)必然與正常振動(dòng)信號(hào)有所區(qū)別，所以只要采集包含故障的振動(dòng)信號(hào)，并與正常信號(hào)特征進(jìn)行對(duì)比，即可識(shí)別故障，從而完成修復(fù)[10-12]。

航空裝備機(jī)電故障信號(hào)采集工作主要利用信號(hào)采集裝置來完成，裝置主要包括以下四個(gè)設(shè)備：傳感器、放大器、數(shù)據(jù)記錄儀、A/D轉(zhuǎn)換器。其工作流程如下：由于機(jī)電系統(tǒng)包括眾多個(gè)獨(dú)立設(shè)備組成，所以為提高故障檢修效率，一般會(huì)通過專業(yè)維修人員確定大致故障發(fā)生范圍，然后對(duì)該范圍內(nèi)發(fā)生的故障進(jìn)行檢測(cè)。機(jī)電故障信號(hào)采集流程如圖2所示。

圖2 機(jī)電故障信號(hào)采集流程

2.2 基于稀疏分解的故障信號(hào)處理

由于采集到的故障信號(hào)是一個(gè)混合了噪聲信號(hào)和真實(shí)故障信號(hào)的混合信號(hào)，如果直接用于故障診斷分析中，會(huì)影響故障診斷結(jié)果的準(zhǔn)確性，所以需要將混合信號(hào)分解，提取出故障信號(hào)，也就是去除混合信號(hào)中的噪聲信號(hào)，其原理用數(shù)學(xué)公式描述如下

y(t)=x(t)+z(t)

(1)

其中

(2)

式中，y(t)為混合信號(hào)；x(t)為真實(shí)故障信號(hào)；z(t)為噪聲信號(hào)；k為信號(hào)源；ak、fk、bk為真實(shí)故障信號(hào)的幅度、頻率以及初相位。

在這里信號(hào)去噪采取稀疏分解算法來完成，其原理如下：首先用超完備的冗余基函數(shù)原子庫取代正交的基函數(shù)庫，原子庫可以由任意基函數(shù)構(gòu)成，然后匹配原始信號(hào)結(jié)構(gòu)，最后從原子庫中尋求信號(hào)的最佳線性組合來表示信號(hào)。

用數(shù)學(xué)描述如下

y(t)=Dλ+z(t)

(3)

式中，D為信號(hào)稀疏字典；λ為真實(shí)故障信號(hào)所對(duì)應(yīng)的稀疏系數(shù)向量。

假設(shè)，噪聲信號(hào)也可以通過稀疏字典D進(jìn)行分解，分解系數(shù)為m，則有

z(t)=D·m

(4)

則混合信號(hào)的稀疏分解可以改寫成

y(t)=D(λ+m)

(5)

現(xiàn)在利用貪婪算法中匹配追蹤算法進(jìn)行真實(shí)故障信號(hào)提取過程如下(見圖3)。

第一步：確定匹配追蹤算法輸入?yún)?shù)。

第二步：初始化參數(shù)。

第三步：設(shè)置迭代過程，在第i次循環(huán)，運(yùn)行下述步驟。

1)相關(guān)最大計(jì)算尋找最佳原子索引：

2)更新原子索引集合；

3)更新子字典；

4)更新系數(shù)估計(jì)；

5)更新殘差；

6)判斷是否符合終止條件，即i是否大于K。若大于，則算法結(jié)束；若不大于，則進(jìn)入到步驟四；

第四步：輸出分解系數(shù)。

第五步：輸出去噪信號(hào)。

第六步：得出真實(shí)故障信號(hào)。

第七步：記錄分解結(jié)果，算法結(jié)束。

圖3 故障信號(hào)處理流程

利用匹配追蹤算法進(jìn)行故障混合信號(hào)分解，最大的優(yōu)勢(shì)在于收斂速度快，為后續(xù)航空裝備故障識(shí)別奠定基礎(chǔ)。

2.3 故障識(shí)別

故障信號(hào)處理結(jié)束后，接下來開始利用得到的真實(shí)故障信號(hào)進(jìn)行故障識(shí)別，其過程主要分為兩個(gè)階段：第一階段：提取故障特征；第二階段判斷故障所屬類別，識(shí)別機(jī)電故障類型。具體過程如下(見圖4)：

第一階段：提取故障特征。在這里主要采用模糊神經(jīng)網(wǎng)絡(luò)來進(jìn)行故障特征提取，其過程如下：

1)選取故障樣本，并構(gòu)建故障樣本矩陣；

2)計(jì)算特征根及特征向量；

3)計(jì)算特征值的累積貢獻(xiàn)率；

4)根據(jù)每個(gè)樣本個(gè)體特征值的累積貢獻(xiàn)率進(jìn)行排序，確定主成分個(gè)數(shù)；

5)計(jì)算各個(gè)樣本個(gè)體的載荷值以及平方和，得到n個(gè)特征參數(shù)；

6)確定隸屬度函數(shù)；

7)進(jìn)行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，提取故障特征。

第二階段：機(jī)電故障類型識(shí)別。在這里主要采用免疫聚類算法，其過程如下：

1)根據(jù)提取出來的故障特征隨機(jī)生成初始抗體；

2)計(jì)算初始抗體和輸入抗原(故障信號(hào))的親和度；

3)對(duì)輸入抗原歸類并生成初始抗體群；

4)對(duì)初始抗體群進(jìn)行變異，選擇、死亡、抑制操作，生成記憶抗體群；

5)輸出檢測(cè)半徑和抗體中心。

6)計(jì)算輸入檢測(cè)抗原和抗體中心的空間距離；

7)歸屬輸入檢測(cè)抗原的類型；

8)輸出故障類型識(shí)別結(jié)果。

圖4 免疫聚類算法故障類型識(shí)別流程

2.4 故障維修

故障修復(fù)是一個(gè)航空裝備機(jī)電重新啟動(dòng)的過程，即在故障診斷的基礎(chǔ)上，對(duì)出現(xiàn)故障的機(jī)電部件進(jìn)行故障排除，盡快恢復(fù)航空裝備的正常運(yùn)行。由于故障類型不同，所以采用的故障修復(fù)方法也就不同，具體需要根據(jù)診斷出來的結(jié)果而定。

3 仿真研究

為測(cè)試基于稀疏分解的航空裝備機(jī)電故障檢修方法的有效性，進(jìn)行仿真。仿真包括兩方面內(nèi)容：稀疏分解算法去噪能力驗(yàn)證以及方法整體檢修質(zhì)量驗(yàn)證。稀疏分解算法去噪能力驗(yàn)證即驗(yàn)證在故障信號(hào)分解之后，得到的真實(shí)故障信號(hào)的信噪比，信噪比越大，稀疏分解算法分解能力越強(qiáng)；方法整體檢修質(zhì)量驗(yàn)證即驗(yàn)證故障檢修的質(zhì)量(漏檢率與誤檢率)。

3.1 稀疏分解算法去噪能力測(cè)試

選取某一個(gè)出現(xiàn)故障的航空裝備機(jī)電，利用上述平臺(tái)采集到的混合信號(hào)波形如圖5所示。

圖5 原始混合信號(hào)波形

現(xiàn)在利用稀疏分解、小波變換、盲源分離以及奇異值分解對(duì)圖1中的含噪信號(hào)進(jìn)行分解，去除其中的噪聲信號(hào)，得到的信號(hào)波形分別如圖6所示。

圖6 分解后信號(hào)波形

上述三幅去噪后的真實(shí)故障信號(hào)信噪比(dB)分別如下表2所示。

表2 故障信號(hào)信噪比

從表2中可以看出，稀疏分解后的真實(shí)故障信號(hào)信噪比為25.5dB，比其余三種去噪方法：小波變換、盲源分離以及奇異值分解去噪后的信噪比分別提高1.4dB、5.3dB、9.8dB。由此可見，稀疏分解的去噪能力更好。

3.2 方法檢修質(zhì)量測(cè)試

為保證測(cè)試結(jié)果的可靠性，檢修質(zhì)量測(cè)試實(shí)驗(yàn)不再選取一個(gè)故障航空裝備機(jī)電作為實(shí)驗(yàn)對(duì)象，而是選取1000個(gè)故障航空裝備機(jī)電，這1000個(gè)故障航空裝備機(jī)電存在的故障情況如表3所示。

表3 1000個(gè)航空裝備機(jī)電故障存在情況

現(xiàn)在利用基于稀疏分解、小波變換、盲源分離以及奇異值分解這四種方法對(duì)1000個(gè)航空裝備機(jī)電故障進(jìn)行檢修，檢修結(jié)果表4所示。

表4 航空裝備機(jī)電故障檢修結(jié)果

由表4可知，基于稀疏分解的航空裝備機(jī)電故障檢修方法的誤檢率為1.24%、漏檢率為1.08%，是四種故障檢修方法中最低的，由此可見本方法檢修質(zhì)量更高，更能全面、準(zhǔn)確的檢測(cè)出航空裝備發(fā)生的故障問題。

4 結(jié)束語

綜上所述，航空裝備機(jī)電故障問題一直是航空裝備維修領(lǐng)域重點(diǎn)關(guān)注的問題，因?yàn)楹娇昭b備機(jī)電結(jié)構(gòu)復(fù)雜，一旦發(fā)生故障，造成的損失也將是巨大的。針對(duì)上述這種情況，研究有效的檢修方法具有重要的意義。本次通過稀疏分解取代小波變換、盲源分離以及奇異值分解三種方法進(jìn)行故障信號(hào)去噪。經(jīng)驗(yàn)證，稀疏分解的去噪效果更好，提高了方法的整體檢修質(zhì)量，為故障排除提供技術(shù)參考。