论文部分内容阅读
[摘 要]主要论述了关于故障诊断的几种方法及其在舰载武器故障诊断中的应用，并对各种方法的优劣进行了简单对比，最后重点介绍了专家系统在故障诊断中的应用。
[关键词]故障诊断 人工智能 专家系统
中图分类号：TM78 文献标识码：A 文章编号：1009-914X（2017）12-0112-01
0.引言
隨着新军事革命的爆发以及军事科技的迅猛发展，大量的高新技术武器装备到部队，在现代高新技术战争条件下，部队不仅要有先进装备，还要有快速反应能力，这样就对武器装备的维修提出了较高的要求。向维修保障要时间、要效益、要战斗力，已成为世界各国军方热切关注的话题。对于大量列装的先进复杂的武器装备，如果不配备与武器装备相适应的故障检测与诊断系统，就不能够及时地对设备进行维修和保养，那么对武器装备实用有效性的潜在威胁是不言而喻的。故障诊断技术水平将直接影响到武器装备维修的效率和效能，对于提高武器装备的战斗力，降低维修费用具用重要意义。故障诊断在武器装备维修中的应用研究正是在这样的背景下迅速发展起来的。
1.故障诊断技术的几种方法
经过几十年的发展，故障诊断技术先后出现了很多种方法。不同的系统可以采取不同的故障诊断方法，目前，故障诊断的方法基本上可以分为三类：基于模型的方法、基于数字信号处理的方法和基于人工智能的方法。
1.1 基于模型的方法
基于解析模型的方法应用在线性系统辨识技术来实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。
基于模型的方法包括：基于数学模型的方法、基于故障过程模型的方法。基于模型的方法可以充分利用系统的内容知识，有利于系统整体的故障诊断。其缺点是系统的建模误差或外部干扰将对故障诊断结果产生重大的影响。
1.2 基于信号处理的方法
基于信号处理的方法是一种传统的故障诊断技术。信号处理是故障诊断的前提和基础，其有效程度直接影响故障诊断结果。当系统输入输出在正常范围时，认为系统运行正常。当输入正常，而输出超过正常范围时，则认为故障发生或将要发生。它基于系统的输入、输出特性在幅值、相位、频率、相关性上与故障源存在联系，通过对系统信号进行分析与处理，便可判断故障源位置。
1.3 基于人工智能的方法
基于人工智能的诊断方法是近年来兴起的一种故障诊断方法。由于实际过程的流程越来越复杂，建立精确的数学模型也越来越难，而利用人工智能方法在复杂系统的诊断方面有一定的优势。伴随着计算机技术、现代测试技术和信号处理技术的迅速发展，设备故障诊断技术取得了很大的进展，带动了人工智能技术的进步，知识工程、专家系统和人工神经网络在诊断领域中得到广泛应用，人们对智能诊断问题的研究也更加深入、系统。
2.故障诊断技术在舰载武器故障诊断中的应用意义
故障诊断技术的出现，为保证舰载武器先进性能提供了技术支持和保障。故障诊断技术能及早发现舰载武器的潜在故障，防患于未然，确保各项训练和作战任务的圆满完成，进而取得战争的主动权，乃至赢得战争的胜利，还可以提高舰载武器装备的运行管理水平和维修效能，节省维修费用。可见，故障诊断技术是维修与保障工作的前提和基础，是实施正确、及时、可靠维修与保障的先决条件。
3.非线性故障诊断技术在舰载武器装备故障诊断中的应用前景
众所周知，任何系统和设备都或多或少地具有非线性特性，线性系统都是理想化的，舰载武器装备的高精度化、多功能化、大型化和自动化更是具有大量的非线性特性。因此，只有运用非线性的方法和手段才能对实际系统和武器装备进行精确的描述。尽管在某些场合，对非线性系统线性化后可以代替真实系统，但在另一些场合线性化的结果却不理想，失去了系统最本质的特征和本来面目，不能准确地描述原系统，因此对非线性理论的研究仍很重要和不可缺少。
非线性故障诊断方法按传统方式通常可以分为：基于解析模型的方法、基于信号处理的方法和基于知识的方法三大类。
基于解析模型的方法：给系统设计检测滤波器，然后将滤波器的输出与真实系统的输出比较，产生残差，将残差进行分析、处理，以实现对系统的故障诊断，这种方法需要准确的被控对象数学模型。它主要包括参数估计方法和状态估计诊断法，相比之下，参数估计方法比状态估计方法更适合非线性系统，因为状态估计方法不利于故障的分离。
基于信号处理的方法回避了抽取对象数学模型的难点，直接利用信号模型，如相关函数、高阶统计量（高阶谱）、频谱和自回归滑动平均过程、小波分析技术、混沌和分形理论进行故障分析。这种方法通用，对于线性系统和非线性系统没有本质的区别。但是，避开对象数学模型既是这种方法的优点也是它的缺点，它一般只用于故障检测。
基于知识的方法特点介于前二者之间。它引入了对象的许多重要信息，但又不苛求于系统的定量数学模型，因而克服了前两种方法的缺点，成为一种很有前途的方法，尤其是在非线性系统领域。一般情况下，不如基于信号处理的方法简单，其精度也不如基于解析模型的方法。基于知识的方法可以分为基于症状的方法和基于定性模型的方法。基于症状的方法包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等；基于定性模型的方法包括定性观测器、定性仿真和知识观测器等方法。由于神经网络具有自学习和能拟合任意连续非线性函数，以及并行计算的能力，使得它在处理非线性问题和在线估计方面有着很强的优势。另外，模糊推理，定性观测器等善于处理不确定、不准确的知识，符合人的自然推理过程，容易引入经验知识，与神经网络结合，有着巨大的应用前景。
4.专家系统在故障诊断中的应用
在很多领域，故障机理的研究还处于很浅的阶段，而在武器设备运行中可供监测的信号往往不是很丰富，因此实际过程中往往依靠现场操作人员的丰富经验来解决，而这种经验除了学习丰富的理论知识外还必须经过长时间的工程实际才能够得到。因此，如何积累专家的宝贵智慧并达到缩短知识传承和专家养成时间，就目前日益提高的人力成本而言，成为一个非常重要的课题。
专家系统依据专家处理问题的方式构建，具有保存知识和积累相关经验来提供解决问题参考的功能，可以疏解专家缺乏和取代部分专家的功能。因此在故障诊断领域，专家系统具有很大的发展空间。近几年来基于专家系统的故障诊断系统不断被开发出来，用来解决各种不同领域的问题。
5.结束语
近年来，用于舰载武器的故障诊断技术取得了一定的进步和成果，在改善和提高装备维修和保障水平、充分发挥装备保障效能等方面取得了一定的成就，呈现出崭新的局面，并取得了一定的军事和经济效益，有力推动了舰载武器装备的现代化发展。但应清醒的认识到，与世界发达国家相比，我们在故障诊断技术的理论研究和实践应用上还存在很大的差距，武器装备的维修与保障还缺乏科学性和准确性，而且时效性差，传统的故障诊断技术对于现代化的武器装备的维修与保障已表现出了极大的局限性。因此，研究和采用非线性故障诊断技术是舰载武器装备维修当前和今后的一个发展趋势。
参考文献
[1] 黄文虎，夏松波，刘瑞岩，等.设备故障诊断原理、技术及应用[M].科学出版社，1996.
[2] 杨叔子，丁洪，史铁林，郑小军.基于知識的诊断推理[M].清华大学出版社，广西科学技术出版社，1993.
[关键词]故障诊断 人工智能 专家系统
中图分类号：TM78 文献标识码：A 文章编号：1009-914X（2017）12-0112-01
0.引言
隨着新军事革命的爆发以及军事科技的迅猛发展，大量的高新技术武器装备到部队，在现代高新技术战争条件下，部队不仅要有先进装备，还要有快速反应能力，这样就对武器装备的维修提出了较高的要求。向维修保障要时间、要效益、要战斗力，已成为世界各国军方热切关注的话题。对于大量列装的先进复杂的武器装备，如果不配备与武器装备相适应的故障检测与诊断系统，就不能够及时地对设备进行维修和保养，那么对武器装备实用有效性的潜在威胁是不言而喻的。故障诊断技术水平将直接影响到武器装备维修的效率和效能，对于提高武器装备的战斗力，降低维修费用具用重要意义。故障诊断在武器装备维修中的应用研究正是在这样的背景下迅速发展起来的。
1.故障诊断技术的几种方法
经过几十年的发展，故障诊断技术先后出现了很多种方法。不同的系统可以采取不同的故障诊断方法，目前，故障诊断的方法基本上可以分为三类：基于模型的方法、基于数字信号处理的方法和基于人工智能的方法。
1.1 基于模型的方法
基于解析模型的方法应用在线性系统辨识技术来实时地为系统建立数学模型，当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障。
基于模型的方法包括：基于数学模型的方法、基于故障过程模型的方法。基于模型的方法可以充分利用系统的内容知识，有利于系统整体的故障诊断。其缺点是系统的建模误差或外部干扰将对故障诊断结果产生重大的影响。
1.2 基于信号处理的方法
基于信号处理的方法是一种传统的故障诊断技术。信号处理是故障诊断的前提和基础，其有效程度直接影响故障诊断结果。当系统输入输出在正常范围时，认为系统运行正常。当输入正常，而输出超过正常范围时，则认为故障发生或将要发生。它基于系统的输入、输出特性在幅值、相位、频率、相关性上与故障源存在联系，通过对系统信号进行分析与处理，便可判断故障源位置。
1.3 基于人工智能的方法
基于人工智能的诊断方法是近年来兴起的一种故障诊断方法。由于实际过程的流程越来越复杂，建立精确的数学模型也越来越难，而利用人工智能方法在复杂系统的诊断方面有一定的优势。伴随着计算机技术、现代测试技术和信号处理技术的迅速发展，设备故障诊断技术取得了很大的进展，带动了人工智能技术的进步，知识工程、专家系统和人工神经网络在诊断领域中得到广泛应用，人们对智能诊断问题的研究也更加深入、系统。
2.故障诊断技术在舰载武器故障诊断中的应用意义
故障诊断技术的出现，为保证舰载武器先进性能提供了技术支持和保障。故障诊断技术能及早发现舰载武器的潜在故障，防患于未然，确保各项训练和作战任务的圆满完成，进而取得战争的主动权，乃至赢得战争的胜利，还可以提高舰载武器装备的运行管理水平和维修效能，节省维修费用。可见，故障诊断技术是维修与保障工作的前提和基础，是实施正确、及时、可靠维修与保障的先决条件。
3.非线性故障诊断技术在舰载武器装备故障诊断中的应用前景
众所周知，任何系统和设备都或多或少地具有非线性特性，线性系统都是理想化的，舰载武器装备的高精度化、多功能化、大型化和自动化更是具有大量的非线性特性。因此，只有运用非线性的方法和手段才能对实际系统和武器装备进行精确的描述。尽管在某些场合，对非线性系统线性化后可以代替真实系统，但在另一些场合线性化的结果却不理想，失去了系统最本质的特征和本来面目，不能准确地描述原系统，因此对非线性理论的研究仍很重要和不可缺少。
非线性故障诊断方法按传统方式通常可以分为：基于解析模型的方法、基于信号处理的方法和基于知识的方法三大类。
基于解析模型的方法：给系统设计检测滤波器，然后将滤波器的输出与真实系统的输出比较，产生残差，将残差进行分析、处理，以实现对系统的故障诊断，这种方法需要准确的被控对象数学模型。它主要包括参数估计方法和状态估计诊断法，相比之下，参数估计方法比状态估计方法更适合非线性系统，因为状态估计方法不利于故障的分离。
基于信号处理的方法回避了抽取对象数学模型的难点，直接利用信号模型，如相关函数、高阶统计量（高阶谱）、频谱和自回归滑动平均过程、小波分析技术、混沌和分形理论进行故障分析。这种方法通用，对于线性系统和非线性系统没有本质的区别。但是，避开对象数学模型既是这种方法的优点也是它的缺点，它一般只用于故障检测。
基于知识的方法特点介于前二者之间。它引入了对象的许多重要信息，但又不苛求于系统的定量数学模型，因而克服了前两种方法的缺点，成为一种很有前途的方法，尤其是在非线性系统领域。一般情况下，不如基于信号处理的方法简单，其精度也不如基于解析模型的方法。基于知识的方法可以分为基于症状的方法和基于定性模型的方法。基于症状的方法包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等；基于定性模型的方法包括定性观测器、定性仿真和知识观测器等方法。由于神经网络具有自学习和能拟合任意连续非线性函数，以及并行计算的能力，使得它在处理非线性问题和在线估计方面有着很强的优势。另外，模糊推理，定性观测器等善于处理不确定、不准确的知识，符合人的自然推理过程，容易引入经验知识，与神经网络结合，有着巨大的应用前景。
4.专家系统在故障诊断中的应用
在很多领域，故障机理的研究还处于很浅的阶段，而在武器设备运行中可供监测的信号往往不是很丰富，因此实际过程中往往依靠现场操作人员的丰富经验来解决，而这种经验除了学习丰富的理论知识外还必须经过长时间的工程实际才能够得到。因此，如何积累专家的宝贵智慧并达到缩短知识传承和专家养成时间，就目前日益提高的人力成本而言，成为一个非常重要的课题。
专家系统依据专家处理问题的方式构建，具有保存知识和积累相关经验来提供解决问题参考的功能，可以疏解专家缺乏和取代部分专家的功能。因此在故障诊断领域，专家系统具有很大的发展空间。近几年来基于专家系统的故障诊断系统不断被开发出来，用来解决各种不同领域的问题。
5.结束语
近年来，用于舰载武器的故障诊断技术取得了一定的进步和成果，在改善和提高装备维修和保障水平、充分发挥装备保障效能等方面取得了一定的成就，呈现出崭新的局面，并取得了一定的军事和经济效益，有力推动了舰载武器装备的现代化发展。但应清醒的认识到，与世界发达国家相比，我们在故障诊断技术的理论研究和实践应用上还存在很大的差距，武器装备的维修与保障还缺乏科学性和准确性，而且时效性差，传统的故障诊断技术对于现代化的武器装备的维修与保障已表现出了极大的局限性。因此，研究和采用非线性故障诊断技术是舰载武器装备维修当前和今后的一个发展趋势。
参考文献
[1] 黄文虎，夏松波，刘瑞岩，等.设备故障诊断原理、技术及应用[M].科学出版社，1996.
[2] 杨叔子，丁洪，史铁林，郑小军.基于知識的诊断推理[M].清华大学出版社，广西科学技术出版社，1993.