為實現導彈試射控制系統的故障診斷，對導彈試射控制系統的故障特性和故障機理進行了詳細分析。通過引入神經網絡、專家系統和模糊推理三種現有診斷技術，構建了某導彈試射控制系統的智能故障診斷專家系統。以試射控制系統的故障診斷為例，大大提高了故障檢測率。智能故障診斷專家系統在某導彈試射控制系統上有效，彌補了傳統專家系統的不足。

第一節.

引誘

試射控制系統是導彈武器系統最重要的部分之一。通過引入智能故障診斷，可以提高其可靠性和可維護性;并可利用診斷機制，通過故障定位和隔離直接指導用戶排除故障，對提高導彈試驗水平、增強導彈生存能力具有重要意義。現在，大多數導彈故障診斷都依賴于人工分析，這是由圖表分析或專家經驗確定的。一旦出現異常，需要很長時間才能搜索、定位和修復故障。近年來，隨著武器復雜度和生產成本的不斷增加，特別是分布的不斷分心，依靠傳統的測試和故障診斷難以滿足需求。對維護和故障診斷有更高的要求[1]。

故障診斷的方法多種多樣。近年來，故障診斷研究的重點是如何提高故障診斷的速度和智能性。隨著神經網絡、模糊邏輯、專家系統和在線診斷的發展，故障診斷的速度和智能化得到了進一步發展。本文基于人工智能研究了某導彈的故障診斷技術。基于測試流程，綜合多種診斷方法的優勢，構建了在線故障診斷系統。

第二節.

導彈試射-控制系統的故障特性及機理分析

如圖1所示，它是導彈試射控制系統的基本結構，其故障模式可歸因于指示燈異常、測試參數異常等異常。指示燈異常覆蓋了測試設備的所有燈，對于每個指示燈可細分為動作后不熄滅或不亮、延時亮或熄滅等。從本質上講，測試參數異常可分為不讀數或不等讀數，可歸納為表1中列出的單個屬性和組屬性的故障模式，故障原因如表2所示。

通過分析試驗維護數據的統計記錄，很容易發現導彈試射控制系統的故障模式既有準確性又有模糊的一面。從故障模式分析來看，故障模式的信息準確率方面可以用“參數未測試、參數少未測試、參數大量未測試、所有參數未測試”來表示，信息模糊端也可以用“單個參數的一點公差、較大的公差、嚴公差和公差”來表示。此外，從故障原因分類的分析中，故障原因信息的準確性可以通過“存在技術問題、零件故障、操作人員錯誤、電路設計問題、環境因素、軟件設計”等原因的清晰記錄來顯示，信息不確定性可以通過“因果因素”來證明。不難看出，故障信息模糊是試射控制系統故障的一個重要特征，對故障定位具有重要指導作用。它可以相對縮小故障搜索空間，加快故障診斷速度。

圖 1.導彈試射-控制系統的結構

顯示全部

表1測試參數故障模式

表2試驗發射控制系統故障原因分類

第三節.

智能故障診斷技術

根據來自德國的國際故障診斷專家Frank教授的觀點，基于人工智能的故障診斷有專家系統、人工神經網絡、模糊控制、遺傳算法、模式識別、圖論、故障樹和Petri網[2]。

一個。基于專家系統的故障診斷技術

故障診斷專家系統[3]，是計算機綜合運用各種規則（專業知識）收集被診斷對象的信息后，經過一系列推理，隨時調用各種應用程序，在運行過程中向用戶請求必要的信息，然后可以快速發現最終的故障或最可能的故障， 并最終得到用戶的確認。專家系統通常由6個模塊組成，包括集成數據庫、知識庫、推理機制、解釋過程、知識獲取過程和人機界面。

B.基于神經網絡技術的故障診斷技術

神經網絡的功能非常適合故障診斷系統[4]，包括處理復雜的多模、關聯、推測和記憶。神經網絡的顯著特點包括：（1）以分發方式存儲知識，知識不是存儲在特定的存儲單元中，而是分布在整個系統中;（2）并行處理，可大大提高處理和計算速度;（3）具有較強的容錯能力，即使部分神經網絡處理單元受損，也不影響網絡的整體功能;（4）可用于近似任何復雜的非線性系統;（5）具有良好的自學、自適應、聯想等智能，能適應系統的復雜動態特性。

C. 基于模糊邏輯的故障診斷技術

模糊故障診斷[5]有兩種基本方法，一種是基于模糊關系的診斷技術和診斷方法，首先建立癥狀和故障原因之間的因果關系矩陣，然后建立故障和癥狀符號的模糊關系方程;另一種是基于模糊知識處理的診斷技術，首先建立癥狀和故障之間的模糊規則，然后進行模糊邏輯推理的診斷過程。

四、集成智能故障診斷技術系統的必要性

隨著故障診斷技術的發展，專家系統的缺點和局限性日益明顯：（1）知識獲取困難，專家知識表達困難或表達錯誤，機器學習能力較低;（2）知識的“窄階梯效應”問題，即知識的不完備性和脆弱性;（3）推理能力差，專家系統在問題解決中經常出現“匹配沖突”、“組合爆炸”、“無限遞歸”等現象;（4）知識的存儲容量與速度之間的矛盾問題;（5）基于概率的近似推理不適合求解模糊問題。

神經網絡雖然解決了專家系統的部分問題，但它也面臨著一些困難，如難以獲得訓練樣本，忽視了該領域專家的經驗知識，難以理解權重形式的知識表達方法。

模糊邏輯推理可以反映故障癥狀與原因之間的模糊關系，診斷方便。但推理結果的有效性在很大程度上受到模糊診斷中隸屬函數的影響;因此，如何科學地確定隸屬函數需要進一步研究。

綜上所述，有必要對導彈試射控制系統集成一些智能故障診斷方法。該文針對某導彈試射控制系統，建立了綜合利用專家系統、神經網絡和模糊邏輯優勢的智能故障診斷系統。

第四節.

一種故障診斷專家系統的組成方法

一個。模糊神經網絡專家系統

如圖2所示，基于模糊神經網絡的導彈試射-控制專家系統由人機界面模塊、知識庫、數據庫、診斷推理模塊、解釋機構、系統學習模塊、模糊神經網絡結構知識模塊、知識庫管理軟件、診斷咨詢模塊、特征信號采集模塊、專家和用戶[6][7]組成。

主要模塊的功能如下：

人機界面模塊。模塊作為整個系統的管理和控制中心，是用戶與模塊之間的橋梁。它可以通過一系列不同級別的菜單和表格來實現。也就是說，功能可以通過菜單驅動來實現，用戶、專家和知識工程師的咨詢可以通過表單轉換系統實現。

診斷推理模塊。它是診斷系統的核心機構。從知識的角度來看，它是一個知識利用模塊。模塊可以對不同的診斷任務使用不同的推理機制，即正向推理、反向推理和正負混合推理。

系統學習模塊。該模塊的功能是開發、豐富和管理存儲庫，具有針對不同知識提供者的知識獲取能力和通過診斷學習新知識的能力。學習機制是對診斷活動的學習，通過學習模塊可以實現診斷與研究的融合。

模糊神經網絡結構知識模塊。其功能是利用從人機交互中獲取的診斷信息，并使用所選算法，為診斷和學習提供證據，以完成模糊神經網絡的學習過程。

故障存儲庫模塊。分為低位存儲庫和深層存儲庫，用于存儲測試系統的故障知識。

存儲庫管理模塊。它可以為用戶（操作人員或專家）提供存儲庫管理的功能，如瀏覽、添加、刪除、編輯，以及維護存儲庫的一致性、完整性和冗余性，以確保知識能夠合理使用。

數據庫模塊。用于存儲故障診斷模塊的結果和故障推理模塊的中間過程。

特征信號采集模塊。它用于信號采集，即故障癥狀提取，包括頻譜分析或預處理現場數據。

解釋機制。它用于將專家系統的知識和推理結果解釋為易于理解的形式，根據規則，并通過人機界面呈現給用戶或領域專家。

圖2.模糊神經網絡專家系統框圖

顯示全部

B.模糊神經網絡模塊的實現

模糊神經網絡模塊是使用模糊BP網絡[8]實現的，該網絡有5層。第一個是輸入層，其每個節點代表一個輸入變量。第二種是定量輸入層，其作用是使輸入變量模糊化。根據模糊變量定義中定義的模糊子空間處于與模糊推理前提條件中的基本模糊狀態相對應，它可以轉換模糊變量在前提條件中的狀態。第三是網絡的隱藏層。可實現從輸入變量模糊值到輸出變量模糊值的映射。它與模糊推理的前提和結論相關聯，其目的是將前提和結論變量的基本模糊狀態轉化為確定狀態，并為系統實現提供確定的輸出。第四種是量化輸出層，其輸出是模糊值。第五是輸出層，要實現輸出清晰。

第五節.

結論

綜合運用專家系統、神經網絡和模糊邏輯推理等優點，提出了一種基于某導彈試射控制系統的智能故障診斷專家系統。通過試射控制系統的故障診斷實例，在一定程度上彌補了傳統專家系統的不足，大大提高了故障檢測率。但模糊神經網絡并不是萬能的，故障模式的分析和得到的故障樣本必須由用戶完成，模糊神經網絡學習樣本對網絡識別效果的影響很大。完整正確的樣本可以提高網絡的識別率，但不完整和錯誤的樣本可能會導致錯誤的結果。針對診斷方法的多樣性和互補性，綜合智能專家系統的發展是必然的。未來，診斷技術融合理論的突破將極大地推動實用工程的發展。

審核編輯：黃飛