自动装弹机故障诊断方法概述

马啸飞 王志刚

摘要：针对自动装弹机故障诊断问题，概述了现阶段用于自动装弹机的诊断方法及其国内外发展现状，包括：基于故障树的方法、基于Petri网的方法、基于专家系统、多模式组合的方法。

Abstract： Aiming at the problem of autoloader fault diagnosis， the current diagnosis method for autoloader and its development status at home and abroad are summarized， including： fault tree-based method， Petri net-based method， expert system， multi-mode combination methods.

关键词：自动装弹机;故障诊断;故障树

Key words： autoloader;fault diagnosis;fault tree

中图分类号：TP182                                      文献标识码：A                                  文章編号：1006-4311（2020）28-0231-03

0  引言

随着科学技术的发展，武器装备也迅速朝着系统化、自动化、智能化的方向发展，致使武器装备的功能越来越强，同时其组成和结构变得越来越复杂。而组成和结构的复杂也使得装备发生故障后，维修人员难以及时进行故障定位，从而增加了维修的难度。为了解决这类问题，故障诊断技术因运而生。故障诊断技术是二十世纪七十年代初在美国首先出现，40多年来，随着科学技术的发展，故障诊断技术也得到发展和完善，诊断理论、诊断方法也随之丰富。就自动装弹机而言，现阶段的故障诊断方法有：基于故障树的方法、基于Petri网的方法、基于专家系统和多模式组合的方法。

1  基于故障树的方法

故障树分析（FTA）起初是美国贝尔电话研究所在1961年提出的，它是一种自上而下分层展开的分析方法[1]。具体为：以诊断对象最有可能发生和最不希望出现的事件为顶事件，依次查找引起上一层故障的全部可能故障，直到找出造成系统故障的全部基本底事件为止。

FTA最早用于系统可靠性的分析与设计，现已在故障诊断领域也得到了广泛的应用。2011年Ferdous等提出一种对过程系统概率风险评估框架中的可变性问题进行分析研究的方法。

我国从二十世纪七十年代初开始研究FTA方法，在一些领域也取得了一些成果[2]。1980年第一届可靠性数学研讨会在上海召开，会上首次确立了故障树分析方法。二十世纪九十年代，国防科技大学系统工程研究所开始了对FTA理论与相应软件的开发研究，并开发出基于Windows系统软件工具。随着故障树理论的不断发展，FTA已从宇航、核能，进入了电子、电力、化工、机械、交通乃至土木建筑等领域。魏文菲等运用故障树方法建立了圆振动筛的故障模型，并对其进行定性与定量分析[3]。李俊堂等采用故障树分析法对舰船自动控制系统的各级故障事件进行定性、定量分析，可快速准确的确定舰船自动控制系统故障发生位置[4]。王凯等根据故障树分析法相关规则，对飞机记载设备系统的故障进行定位和快速诊断[5]。

对于自动装弹机有张金忠等人建立了自动装弹机各个部件的故障树模型，并进行故障诊断与分析[6]。

2  基于Petri网的方法

Petri网模型用于模拟系统中含有互相作用的并行分支。Petri网概念是C.A.Petri在其1962年发表的学位论文中首次提出的，该论文是Petri网理论发展的基础。C.A.Petri的论述引起了ADR（应用数据研究）公司信息系统理论课题组A.W.Holt等人的注意，该课题组推导出或制定了许多早期的Petri网理论、符号及表示法。目前，国际上每年都要举行关于Petri网的会议，在这些会议上产生了大量有关Petri网及其在故障诊断领域的研究成果[7]。

在国内，山东科技大学吉兴全等人基于冗余嵌入Petri网构建了电网的Petri网故障诊断方法，通过实例证明该方法缩小了诊断所需的时间，提高了诊断准确率[8]。上海工程技术大学的朱鑫鹏等人提出一种有色Petri网故障诊断方法，应用于机械系统故障诊断[9]。上海海事大学高迪驹等人利用Petri网对锂电池建立了故障诊断模型，并通过simulink进行仿真验证，结果表明该模型提高了故障诊断的准确性[10]。

Petri网在自动装弹机上应用比较广泛。王国辉等人将故障树转化为Petri网模型，并通过实例进行了故障推理[11]。李向荣等人利用Petri网对自动装弹机进行了故障诊断[12]。张振山等提出了一种模糊理论和Petri网相结合的故障检测方法，通过实例进行验证[13]。王国辉等人基于云模型提出一种改进型故障Petri网，对正反推理算法进行研究，实现对自动装弹机的状态评价和故障诊断[14]。

3  基于专家系统的方法

专家系统（expert system，简称ES）是人工智能一个领域，它在人工智能中是非常重要与活跃的部分。其实现了人工智能从理论研究走向实际应用的重大突破。1965年，f.a.费根鲍姆等人研制了世界上第一个专家系统DENDRAL。其后的八九十年代，各种专家系统相继推出，占据了人工智能领城产品中的主导地位[15]。但是当时的专家系统面对复杂问题时，诊断的准确率不是很高。八十年代后，随着各种机器学习方法的相继出现，专家系统的性能也有了较大的提升。

专家系统在故障诊断应用较为广泛。2005年韩国的Gyunyoung Heo等人则研究了采用代数方法对多专家系统在核电站涡轮循环故障诊断中进行规则叠加的问题[16]。英国的G.M. West以及S.D.J. McArthur等对采用凝聚层次聚类以及规则推理技术的核电站专家系统进行了研究[17]。

在国内，文小莉等人利用专家系统对大型料耙液压元件进行故障诊断，提高了维修效率[18]。徐阳等人建立了多维度信息融合的模型，并将其与专家系统相结合用于电力变压器的故障诊断，并通过实例进行故障诊断[19]。宁志强等人提出了可对维修过程实时指导的语音交互专家系统，通过智能语音交互解放维修人员的双手，对提高维修效率有一定的效果[20]。

对自动装弹机由王国辉等人利用专家系统对自动装弹机进行故障诊断[21]。李挺等人对自动装弹机模糊专家系统故障检测系统的各个模块的开发进行了研究[22]。

4  多模式组合的方法

以上介绍的这几种故障诊断方法都是各自单独使用的，但在某些情况下单一方法往往难以满足人们的需求，随着实践的不断发展，近年来多模式组合方法也不断涌现。

印度的N. Saravanan等則研究了基于ANN与SVM的齿轮箱故障诊断技术[23]。L.B.Jack以及B.Sanata等人则研究了遗传算法（Genetic algorithm，简称GA）对ANN以及SVM的增强[24]-[26]。

在国内，唐洪军等人利用粗糙集理论处理不确定数据的优势，优化了BP神经网络，并通过实例分析表明，确实起到了优化效果[27]。卓宏明等人提出了一种将Petri网与萤火虫神经网络相结合的故障诊断方法，在柴油机故障诊断中得到了较好的应用[28]。陈浩敏等人将故障树、FMEA表格相结合，构造故障诊断专家系统系统，通过实例检验，证明该系统可靠[29]。

多模式组合的方法在自动装弹机故障诊断领域应用广泛。张振山等人研究了神经网络的专家系统的理论和方法，并应用于自动装弹机故障诊断中，还根据专家系统与神经网络的结合方式，建立了基于神经网络的故障诊断专家系统（NNES）的模型及系统各组成部分的结构和设计方法，对自动装弹机进行故障诊断，并根据建立的NNES模型，利用VB语言进行设计与实现，并以自动装弹机的旋转输弹机电气设备的故障诊断进行试验，验证了系统的可行性[30]-[32]。王国辉等人将模糊理论与故障树相结合，提出了基于模糊故障树的故障诊断方法来解决旋转输弹机故障监测与诊断问题[33]。汪名杰等人对旋转输弹机不旋转这一事件进行故障树分析，在各底事件故障率为模糊数的基础上应用模糊理论做了定量运算，解决经典方法难以精确赋值等缺点[34]。

5  结束语

故障诊断技术研究和发展的目的是为了对诊断对象故障诊断的精度和速度，以预测故障可能出现的情况。随着武器装备复杂程度日益加深，新的技术如：大数据、图像识别、人工智能等的不断涌现，未来故障诊断技术必将朝着智能化的方向发展。

参考文献：

[1]Lee W S， Grosh D L， Tillman F A， et al. Fault tree analysis， methods， and applications-a review[J].IEEE Trans. on Reliability， 1985， 34（3）： 194-203.

[2]D. A. Zhao， J， J， Zheng， Y. W. Zheng. Risk analysis of shield tunnel segment failure based on fuzzy fault tree method[C].International Conference on Natural Computation （ICNC 2010），Tantai China， 2010.

[3]魏文菲，张春元，常绪涛，等.FTA法在圆振动筛故障诊断中的应用研究[J].矿山机械，2016，44：58-61.

[4]李俊堂，马超.基于故障树分析法的舰船自动控制系统研究[J].舰船科学技术，2017，39（3A）：76-78.

[5]王凯，樊纲旗，董瑾，等.故障树分析法（FTA）在大型飞机机载设备系统故障诊断中的应用，2018，18：144-146.

[6]张金忠，李华，杜恩祥，等.装甲车辆武器系统检测与故障诊断[D].北京：陆军装甲兵学院，2018.

[7]J.L.Petersen.PETRI网理论与系统模拟[M].吴哲辉，译.安徽：中国矿业大学出版社，1989.

[8]吉兴全，梁瑜娜，于永进，等.基于冗余嵌入Petri网的电网故障诊断方法[J].安徽大学学报（自然科学版），2016，40（5）：50-56.

[9]朱鑫鹏，周俊.基于有色Petri网的机械系统故障诊断研究[J].计算机测量与控制，2017，25（8）：11-14.

[10]高迪驹，兰熙，沈爱弟.基于Petri网的锂电池故障诊断系统[J].系统仿真学报.2018，30（2）：614-621.

[11]王国辉，王威.基于故障Petri网的自动装弹机故障诊断研究[J].火炮发射与控制学报，2004，16（4）：55-58.

[12]李向荣，彭锐枫，王国辉，等.基于petri网的自动装弹机故障诊断推理[J].四川兵工学报.2011，32（11）：17-20.

[13]张振山，李培富，黄晶晶，等.模糊Petri网在坦克自动装弹机故障检测的应用[J].四川兵工学报.2011，32（9）：7-9.

[14]王国辉，范鹏飞，李向荣，等.基于云模型和故障Petri网的自动装弹机故障分析方法[J].火炮发射与控制学报，2017，38（3）：85-91.

[15]Buchanan， B. G.， Feigenbaum E. A.. DENERAL and Meta-DENDRAL： Their Applications Dimension[J].Artificial Intelligence， 1978，11： 5-24.

[16]Gyunyoung Heo， Soon Heung Chang. Algebraic approach for the diagnosis of turbine cycles in nuclear power plants[J].Nuclear Engineering and Design，2005，235（14）：1457-1467.

[17]G.M. West， S.D.J. McArthur， D. Towle. Industrial implementation of intelligent system techniques for nuclear power plant condition monitoring[J].Expert Systems with Applications， 2012， 39（8）：7432-7440.

[18]文小莉，郭媛，周嬌，等.大型料耙液压元件故障诊断专家系统[J].液压与气动，2016（1）：82-85.

[19]徐阳，谢天喜，周志成，等.基于多维度信息融合的实用型变压器故障诊断专家系统[J].中国电力，2017，50（1）：85-91.

[20]宁志强，陶元芳.智能语音交互机械故障诊断专家系统研究[J].中国工程机械学报，2018，16（1）：88-95.

[21]王国辉，王威，张振山，等.装甲车辆自动装弹机故障诊断研究[J].火炮发射与控制学报，2003（2）：44-47.

[22]李挺，孙洋，童睕.模糊专家系统自动装弹机故障检测系统[J].火力与指挥控制，2009，34：145-147.

[23]N. Saravanan， V.N.S. Kumar Siddabattuni， K.I. Ramachandran. Fault diagnosis of spur bevel gear box using artificial neural network （ANN）， and proximal support vector machine （PSVM）[J].Applied Soft Computing， 2010， 10（1）：344-360.

[24]L.B. Jack， A.K. Nandi. Fault detection using support vector machines and artificial neural network， augmented by genetic algorithms[J]. Mechanical System and Signal Processing， 2002， 16：373-390.

[25]B. Samanta， K.R. Al-Balushi， S.A. Al-Araimi. Artificial neural network and support vector machine with genetic algorithm for bearing fault detection[J]. Engineering Application of Artificial Intelligence， 2003， 16： 657-665.

[26]B. Samanta. Gear fault detection using artificial neural networks and support vector machines with genetic algorithms[J]. Mechanical Systems and Signal Processing， 2004， 18 （3）： 625-644.

[27]唐洪军，蒋洁，杨帅，等.基于粗糙集神经网络的车载设备故障诊断[J].中国铁路，2017（5）：67-71.

[28]卓宏明，徐鹏，毛攀峰.基于Petri网和萤火虫神经网络的柴油机故障诊断[J].中国工程机械学报，2018，16（2）：178-182.

[29]陈浩敏，王军龙，李俊一，等.基于故障模式与影响分析法和故障树的全光纤电流互感器故障诊断专家系统[J].电子系统及其自动化学报，2019，31（2）：1-8.

[30]张振山，赵俊严，赵富全.坦克自动装弹机故障诊断技术[J].火炮发射与控制学报（增刊），2006：50-57.

[31]张振山，丁宝成，赵俊严.自动装弹机电控系统故障诊断专家系统[J].计算机测量与控制，2008，16（2）：173-175.

[32]张振山，高子恒，范建领.基于VB语言的神经网络专家系统设计与应用[J].计算机测量与控制，2008，16（8）：1099-1100，1124.

[33]王国辉，孙正民，刘罕杰.基于模糊故障树理论的旋转输弹机故障诊断研究[J].计算机测量与控制，2009，17（6）：1146-1148.

[34]汪名杰，杨玲.基于模糊理论的装甲车辆自动装弹机故障树分析[J].兵工自动化，2010，29（5）：81-82，96.

作者简介：马啸飞（1993-），男，甘肃会宁人，硕士研究生，研究方向为武器系统保障工程;王志刚（1987-），男，贵州贵阳人，硕士研究生，研究方向为毁伤理论与弹药工程。