基于贝叶斯网络的舰艇主动力装置战损分析研究

曾鲁山,曾凡明,李雁飞,李彦强

(1.海军工程大学船舶与动力学院,湖北武汉 430033;2.海军装备技术研究所,北京 102442)

战场损伤评估与修复 (Battlefield Damage Assessment and Repair,BDAR)即战场抢修,是指对装备进行损伤评估、状态预测,并根据需要快速地修复损伤部位[1]。近年来美英等国对战场抢修的研究走在世界前列,比较有代表性的成果主要有美军的坦克修复模型、英国皇家空军战场损伤修复研究、美国飞机战场损伤评估程序等[2-3]。国内分别对火炮、飞机等装备的战场损伤评估、战斗损伤备件模型等方面进行了有益的探讨[4-6]。

损伤定位是战场抢修的前提,只有正确的定位出损伤的部件才能进行有针对性的抢修。损伤定位的方法主要采用损伤树分析法。损伤树分析法借鉴成熟的故障树分析方法,它可以反映损伤事件间的组合和因果关系,以此来确定损伤原因;简化损伤推理过程,明确推理方向;提供各个项目损伤评估的同时具有明确的逻辑关系。但是舰艇主动力装置结构复杂,部件众多,损伤树分支规模过于庞大。损伤定位和抢修并不是单独进行的过程,在抢修过程中,明确某些部位的状态后,获得的信息增加了,其它部位的损伤概率需要重新进行估计,而由损伤树法制定的抢修顺序并没有随之发生改变[7]。

针对整个主动力装置这一复杂系统,建立一个统一的贝叶斯网络模型难度很大,需要清楚的知道,系统中所有变量、变量的状态、变量间的相互影响关系以及所有的条件概率分布。节点众多,建模复杂;战损数据匮乏,条件概率表 (CPT)不易获得;网络模型庞大,推理由于算法的 NP-Hard问题[8]严重制约了这一方法的实现。对此本文针对舰艇主动力装置的损伤定位,在基本功能项目分析和损伤模式与影响分析的基础上,实现分系统、分模块的贝叶斯网络建模,并利用贝叶斯网络推理方法实现主动力装置损伤定位的不确定性推理。

1 主动力装置战损分析

战场损伤分析是预测战场上所发生的可能损伤模式和事件及其影响的分析技术。装备战场损伤分析是确定装备中各个基本功能项目的损伤模式、状态及其影响,而后针对每一基本功能项目的各种战场损伤模式按照其危害程度和战场环境条件,选择适当有效的修复措施的技术[1]。利用战场损伤分析技术对装备进行战场损伤分析是获取装备损伤信息如损伤模式、损伤原因、损伤影响、修复方法、修复资源等的重要手段。

1.1 基本功能项目分析

基本功能项目分析 (Basic Function Item Analysis,BFIA)的过程是在明确装备系统为完成某作战任务所需实现的基本功能的前提下,区分并确定基本功能项目,进行层次分析,绘制基本功能项目树,确定最低约定层次的过程。所谓约定层次,就是根据分析需要,按产品的相对复杂程度和功能关系划分的产品层次。这种划分是从上 (复杂的系统层次)到下 (简单的零部件)进行的。不同的装备,乃至不同的研制阶段,确定的约定产品层次不同,并没有一个固定的层次。按照确定最低约定层次的原则[1]将最低约定层次确定在:规定或预测需要维修的最低产品层次;能导致严重危害的故障或损伤影响的产品所在层次;保障性分析(LSA)对象清单中规定的最低约定层次。

本文将某型主动力装置进行基本功能项目划分,如图 1所示,将主动力装置按照层次性划分为5级,将功能项目作为组建贝叶斯网络模型的节点。

图1 主动力装置基本功能项目分析

1.2 损伤模式与影响分析

损伤模式与影响分析 (Damage Mode and Effect Analysis,DMEA)的内容主要有基本功能项目每一任务阶段的功能、每一种功能的损伤模式、每一损伤模式的损伤原因、每一种损伤模式对各级造成的损伤影响、检测方法、严酷度等内容。损伤模式与影响分析和故障模式与影响分析 (Fault Mode and Effect Analysis,FMEA)类似。GJB 1391《故障模式、影响及危害性分析程序》规定:DMEA要利用FMEA的结果,如果未进行 FMEA则不能进行DMEA。可以说 DMEA是在 FMEA的基础上的扩展。主动力装置是复杂的系统,其 DMEA的过程工作量非常大。

表 1说明的是柴油机燃油系统管路的损伤模式与影响分析的内容,它表现出的因果关系是构建贝叶斯网络拓扑结构的基础。

表1 管路损伤模式及影响分析

2 基于贝叶斯网络的损伤定位

2.1 贝叶斯网络原理

贝叶斯网络是一个有向无环图,其中节点代表随机变量,节点间的边表示变量间的直接依赖关系,每个节点都附有一个概率分布,根节点附的是其边缘分布,非根节点附的是其条件概率分布。在定性层面,它用一个有向无环图描述了变量间的依赖和独立关系。在定量层面,它用条件概率分布描述了子节点对父节点的依赖关系。在语义上,贝叶斯网络是联合概率分布分解的一种表示[9]。将各个节点的概率分布相乘就得到联合概率分布。联合概率分布的分解能够降低概率模型的复杂度,贝叶斯网络的引入并没有进一步降低复杂度,但是贝叶斯网络直观易懂、易于建模,它提供了人脑推理过程的一个模型,越来越多的领域开始采用贝叶斯网络来展示问题的结构。

2.2 贝叶斯网络模型构建方法

贝叶斯网络模型的构建和学习主要有 2种方式:数据分析获取和咨询专家手工建造。国内战损数据较少,实船爆炸试验代价昂贵。对此本文贝叶斯网络模型的构建主要是通过咨询有关专家后进行的,其模型构建的方法是:根据 BFIA和 DMEA分析的结果,在各独立的模块由领域内的专家确定贝叶斯网络中的变量节点和网络的结构,并指定其条件概率分布参数。贝叶斯网络的建模与推理应用较多,比较成熟的图形化推理工具主要有:Hugin Expert,MSBNx,GeNIe。本文选择的 GeNIe软件是由美国匹兹堡大学决策系统实验室开发的建立图形化推理模型的开发环境,它提供了聚类算法、多树传播算法、团树传播算法等多种算法。

例如柴油机中燃油滤清器、燃油旁通阀、燃油输送泵、活塞组件、供油调节机构等 13个功能项目的损伤会造成柴油机转速下降或者自动停止。在该征兆模块内由因果关系构建图 2贝叶斯网络模型。

图 2是在 GeNIe软件中构建的是柴油机模块“柴油机转速下降或者停止”的贝叶斯网络模型。

舰艇主动力装置受到武器攻击以后所受到的威胁机理主要有:冲击波、弹片、海水浸泡。根据专家咨询结果确定网络中各个节点的条件概率表(CPT),图 3为一示例。

图2 “柴油机转速下降或者停止”的贝叶斯网络模型

图3 GeN Ie软件中 “燃油管系”条件概率表

2.3 贝叶斯网络推理

贝叶斯网络的推理根据证据变量和查询变量所扮演因果角色的不同,其概率推理类型主要有以下4种:诊断推理 (diagnostic inference),由产生的结果推理可能的原因;预测推理 (predictive inference),由原因推理出可能产生的结果;原因关联推理 (intercausal inference),它是造成同一结果的不同原因之间的推理过程;混合推理 (mixed inference),混合推理包含了上述 3种类型的推理,既有诊断推理又有预测推理[10]。进行动力装置损伤定位时,应将主动力装置受到的威胁机理与检修相结合,采用混合推理的方法。

贝叶斯网络的推理算法分为精确推理算法和近似推理算法 2类。在精确推理算法中比较成熟的算法主要有:图约简 (Graph Reduction)算法、多树传播 (Polytree Propagation)算法、团树传播(Clique Propagation)算法、组合优化 (Combinatorial Optimization)算法[11]。比较常用的是团树传播算法。

图 4是图 2中贝叶斯网络模型的初始状态,根节点的边缘概率分布和子节点的条件概率分布是根据专家咨询结果获得的概率值。在GeNIe软件建立主动力装置各模块的贝叶斯网络模型,并根据战损数据和专家经验对模型进行推理和校正。实现推理的过程中系统逐步与损伤评估人员进行交互,从而明确问题的解答,即损伤部件所在的位置。

图 5为 “柴油机转速下降或者停止”的贝叶斯网络推理图。

图4 “柴油机转速下降或者停止”的贝叶斯网络模型初始状态

图5 “柴油机转速下降或者停止”的贝叶斯网络推理

图 5是战损评估人员观察得知主动力装置受损后,若柴油机舱室没有破损进水,柴油机仅受到“冲击损伤”,出现 “柴油机转速下降或停止”的征兆,如果观察确定 “供油装置及燃油系统”、“调速及安全保护系统”没有损伤以后,则通过贝叶斯网络的推理可得贝叶斯网络模型各个节点中概率更新的情况,如图 5所示。

观察网络模型中节点的概率值可以看出最容易受到损伤的是 “配气机构”中的 “气门机构”和“增压器及进排气系统”中的进气管系。

3 结束语

本文针对舰艇主动力装置进行了战损分析的研究,讨论了主动力装置基本功能项目分析和损伤模式与影响分析的方式方法,研究了主动力装置这一复杂系统贝叶斯网络的建模方法,探讨了基于贝叶斯网络主动力装置损伤定位推理的实现。研究表明,基于贝叶斯网络的损伤定位推理是实现战损情况下主动力装置的抢修工作的一个十分有效的方法。

[1]李建平,石全,甘茂治.装备战场抢修理论与应用[M].北京:兵器工业出版社,2000.

[2]虞水俊.雷达装备战场损伤评估与修复专家系统研究[D].国防科技大学,2005.

[3]石全,米双山.装备战伤理论与技术 [M].北京:国防工业出版社,2007.

[4]左浩,马亮.鱼雷发射装置空发系统战损分析 [J].鱼雷技术,2006,15(4):51-53.

[5]陈健,张锡恩.一种新的导弹装备战斗损伤评估方法[J].导弹与制导学报.2005,25(2):164-166.

[6]王润生,贾希胜.基于损伤树模型的战场损伤评估研究 [J].兵工学报,2005,26(1):72-76.

[7]王润生,贾希胜,王卫国,等.基于贝叶斯网络的损伤定位研究 [J].兵工学报,2006,27(4):727-730.

[8]Pearl J.Probabilistic Reasoning in Intelligent Systems[C].Networks of Plausible Inference.Morgan Kau fmann,San Mateo,CA,1998.

[9]张连文,郭海鹏.贝叶斯网络引论 [M].北京:科学出版社,2006.

[10]Miranda Hunt,Brian von Konsky.Bayesian networks and decision trees in the diagnosis of female urinary incontinence[C].proceedings of the 22nd Annual EMBS International Conference,July 23-28,2000,Chicago IL.

[11]Burton H Lee.Using bayes belief networks in industrial FMEA modeling and analysis[C].2001 Proceedings Annual Reliability and Maintainability Symposium,7-15.