基于BN-AHP的装甲车辆动力系统故障状态评估.pdf

第 卷 第 期兵 器 装 备 工 程 学 报 年 月 收稿日期:修回日期:基金项目:机电系统测控北京市重点实验室开放课题项目()国防科技重点实验室基金项目()山西省研究生创新项目()作者简介:王文顺()男硕士研究生:.通信作者:刘勇()男博士副教授硕士生导师:.:./.基于 的装甲车辆动力系统故障状态评估王文顺崔俊杰刘 勇张 江夏 添武一博(.中北大学 机电工程学院 太原 .中北大学 能源与动力工程学院 太原)摘要:装甲车辆复杂传统部件的损伤能否及时被发现这关系到整车战备或作战能力系统的故障状态评估是至关重要的 将贝叶斯网络模型结合云模型理论建立云贝叶斯网络模型针对 个不同工况的装甲车辆进行故障状态评估 在获取贝叶斯网络初始节点时更多是依靠专家经验往往会带来很大的误差导致条件概率偏差过大采用证据理论/层次分析法来优化专家经验确定各个节点的条件概率将层次分析法转化所得的条件概率值代入到云贝叶斯网络模型中经过计算可以得到不同损毁等级的概率 将云贝叶斯网络模型计算结果与其他状态评估方法结果进行对比分析结果表明所采用的计算方法较其他方法在可靠性和准确性方面有所提高关键词:贝叶斯网络层次分析法云模型转换故障状态评估证据理论专家经验本文引用格式:王文顺崔俊杰刘勇等.基于 的装甲车辆动力系统故障状态评估.兵器装备工程学报():.:.():.中图分类号:文献标识码:文章编号:()(.):./.:引言对装甲车辆复杂动力系统的健康状态评估以及可持续运维是当下装甲车辆走向智能化方向的关键 目前对复杂系统的故障进行评估的方法主要有神经网络法、模糊综合评判法、贝叶斯网络等这些方法的应用使得故障的评估多元化在近几年的发展过程中得到了广泛的应用 俞彩虹采用常规层次分析法()与模糊综合评判()相结合的方法对走行系统进行了健康状态的评估李思博运用模糊贝叶斯网络对锂动力电池进行故障分析和诊断张珈闻采用层次分析法与云模型相结合的方法对装备工程进行风险评估提高了风险评判的相似度本文选用证据理论/层次分析法来确定节点初始概率借助专家经验融入/中将所得的数据代入贝叶斯网络运用所求得的复杂传动系统各个故障初始条件概率值去评估各个故障状态的概率 最后通过仿真实现对装甲车辆复杂传动系统的故障状态评估 装甲车辆故障评估流程.贝叶斯网络贝叶斯模型是常被用来对一些模糊问题进行推理计算的网络构架常用以解决复杂装备的不确定性结果或在并联条件之间的关系中发挥着很大的作用 贝叶斯网络基本流程结构如图 所示图 网络基本流程结构图.使用概率表示所有形式的不确定性学习、推理都用概率规则来实现 贝叶斯定理记作(丨)()(丨)()()(丨)()(丨)()式()中:为观测向量 为未知参数向量(丨)表示、的联合分布密度()为边缘概率密度.故障评估流程贝叶斯网络的推理步骤如下:步骤 根据装甲车辆动力系统的实际故障情况推测贝叶斯网络的结构步骤 依照专家经验将装甲车辆复杂传动系统进行故障分类定义各个节点步骤 对变量进行归一化处理和云模型转换选取最大隶属度点作为相应损毁等级对应的值步骤 使用证据理论层次分析法计算贝叶斯网络中各个节点的条件概率步骤 通过公式转换求得各节点的条件概率将各节点概率值代入到 网络中进行条件推导得到所对应的故障损坏概率步骤 循环多次步骤、步骤 记录每次推导结果和所用时间重复 次以上将所得结果经过条件概率合成公式处理计算得出车辆损坏概率 动力系统故障模型构建.构建贝叶斯网络模型影响装甲车辆动力系统故障的关键因素是柴油机故障、电传动系统故障、蓄电池故障其中包括柴油机启动困难、运转失稳、动力不足、功率下降、发电机电压波动、发电效率下降、扭矩下降、异常发热、异常振动、蓄电池容量衰减、输出功率衰退、异常发热 根据故障因素间关系可以建立如图 所示装甲车辆动力系统故障贝叶斯网络模型图 动力系统故障贝叶斯网络模型.王文顺等:基于 的装甲车辆动力系统故障状态评估.确定评估指标体系根据图 模型可以确定评估体系 现定义柴油机故障、电传动系统故障、蓄电池故障损坏程度为很强、强、中、弱 个状态.装甲车辆柴油机故障评估指标体系)柴油机功率下降柴油机功率的选择直接决定了动力系统安全能力和节能问题较小的柴油机功率会提高能耗降低柴油机使用寿命 其主要是由于冷却系统渗漏润滑系统机油压力异常、温度过高、机油变质供油系统供油提前角变化电气、电控系统线路故障、元器件故障等因素导致的根据这些因素将柴油机功率下降定义为正常、轻微下降、严重下降 个状态状态参数为)柴油机启动困难柴油机在发动过程中由于蓄电池内部线路不通畅、油路密封不严等情况导致柴油机不能顺利点火造成启动困难现象的产生根据这些因素综合对柴油机启动困难进行分类分为正常、稍微困难、严重困难 个状态设置状态参数为)柴油机运转失稳柴油机工作过程中转速忽高忽低主要是调速器和喷油泵故障导致的根据状态因素分类为正常、轻微失稳、严重失稳 种状态设置状态参数为)柴油机动力不足柴油发动机在长期工作过程中会出现动力不足的现象这一现象的产生主要是由柴油燃烧不完全、发动机气密性差或者喷油器故障致使发动机进油量小所导致的 根据上述因素将柴油机动力不足定义为正常、轻微动力不足、动力严重不足 个状态设置状态参数为.装甲车辆电传动系统故障评估指标体系)电传动系统发电电压波动装甲车辆的发电机输出电压不稳定主要有 个方面原因:一是发电机超负荷运行车辆上用电器过多或者用电设备总功率过大时会产生电压波动导致输出电压不稳定二是由于发电机本身故障导致输出电压波动 根据这些因素将发电机输出电压波动定义为正常、轻微波动、波动较大 种状态设置状态参数为)电传动系发电效率下降装甲车辆发电系统效率下降会导致燃油效率下降常见导致发电效率下降的原因有发电机传送带松动或磨损严重、发电机内部故障、负极搭铁不良、蓄电池损坏等根据上述因素将发电效率下降状态定义为正常、轻微下降、严重下降种设置状态参数为)电传动系统扭矩下降电传动系统扭矩下降一般是因执行器损坏造成的也有可能是电力不足电力分配失衡导致根据上述原因将电传动系统扭矩下降定义为正常、轻微下降、严重下降 个状态设置状态参数为)电传动系统异常发热电传动系统中在发电机故障、储电装置损坏、电机损坏等情况下都会导致电流传输受阻产生大量热 除此之外也会在高强度运作后产生大量的热导致系统异常发热根据发热状态定义为正常、轻微发热异常、严重发热异常 种状态设置状态参数为)电传动系统异常振动电传动系统在传递动力过程中需要经过多处轴连接当轴向不对中时就会产生异常振动 此外当发动机或电机故障时也会发生异常震动 根据系统震动状态定义为正常、轻微振动异常、严重振动异常 种状态设置状态参数为.装甲车辆动力系统蓄电池故障评价指标体系)蓄电池容量衰减蓄电池容量衰减主要由以下情况造成:电池长期充电不足或充电后长期未放电电解液液位过低、电解液密度过高、长期小电流深度放电等 蓄电池容量的衰减影响着车辆在正常运行过程中是否能正常打火是否满足正常供电需求等问题根据蓄电池衰减程度将其定义为正常、轻微衰减、严重衰减 种状态设置状态参数为)蓄电池输出功率衰退蓄电池损坏导致输出电力不足时输出功率也随着衰减其可能是由于在运行过程中电动机瞬时用电强度较高对电池极板造成损坏当车辆长时间在寒冷环境下停止运行会衰减电池整体性能在蓄电池使用环境过冷或过热时也会加快电池极板老化造成蓄电池输出功率衰减根据蓄电池输出功率衰减程度定义为正常、轻微衰减、严重衰减 种状态设置状态参数为)蓄电池异常发热蓄电池使用时间过长导致老化在运行过程中产生电流偏大长时间充电不匹配导致电池损坏用电器损坏导致发电机过载蓄电池输出功率偏大电池老化导致内阻过大等情况都会导致蓄电池异常发热根据其发热情况定义为正常、轻微发热、异常发热 种状态设置状态参数为.体系变量归一化处理在.中定义了不同的状态节点现定义各状态取值为(.借助专家经验进行打分由于他们的含义各不相同为实现各状态参数统一计算对变量进行归一化处理对于状态参数越大、车辆状态越好的指标根据以下公式计算有 ()式()中为指标变量对于状态参数越小、车辆状态越好的指标根据以下公式计算有 ()兵 器 装 备 工 程 学 报:/./.云模型转换云模型转换是指将归一化处理后的数据进行云处理将所得的各指标变量输入到设计好的云发生器中产生对应的云图确定各个变量的隶属度将所构建的贝叶斯网络模型中各个节点通过正太云族进行状态表示 在值域内依照云族参数 (期望熵超熵)进行表示分别为状态()、状态()、状态()如图 所示图 状态云图 云发生器的功能是将状态概念转换成数据呈现出来将数据输入到云发生器会产生对应的云图实现对数据的转化云发生器结构见图 其中 为期望 为熵 为超熵图 云发生器结构.正向云发生器的算法是将能够表示正态云族状态的参数(期望、熵、超熵)以及变量 输入发生器将变量 和云滴进行输出算法步骤为:步骤 生成一个正态随机数:()步骤 计算特定值 的确定度 ()()()()正向云发生器所输出的云滴参数可以经过概率转换公式将各个点所对应的隶属度转换为条件概率 概率 隶属度转换公式为()()()()式()中为变量对论域 的隶属度经过发生器输出的云滴可能会产生偏离正态分布的散点由于这些散点几乎没有参考价值并对后续结果造成的影响较大因此不参与计算部分 在消去散点影响后经过概率合成公式可以得到最终的条件概率值 具体步骤为:步骤 设体系目标有、共 个损毁等级经过 次推理后得到推理结果 为()()()()()步骤 分别合成各次推理结果得到车辆属于各个损坏程度的概率为 ()()()()()()()()().建立损毁等级云图装甲车辆的损毁程度可以划分为无损坏、轻微损坏、中度损坏、重度损坏、严重损坏等 个等级对应的装甲车辆损坏等级如表 所示 各个损坏等级对应的云模型如图 所示表 装甲车辆损坏等级 损毁等级损坏值损毁等级损坏值无损坏.重度损坏.轻微损坏.严重损坏.中度损坏.图 各等级损毁云图.确定条件概率在处理实际问题时确定贝叶斯网络各个节点的概率主要是依照专家经验进行信息处理将训练后的条件概率代入贝叶斯网络模型中进行计算这种方法往往存在着很大的误差导致计算结果偏差过大 选用证据理论/层次分析法融王文顺等:基于 的装甲车辆动力系统故障状态评估合了证据理论与层次分析方法处理专家信息 在先验信息不完整条件下最大限度缩小所得数据的偏差专家决策判断标准如表 所示表 专家决策判决标准 合适程度分值合适程度分值极端合适一般到强烈合适强烈到极端一般合适强烈合适 对各节点的都定义了 种状态选用多元条件概率确定方法计算各节点条件概率值()()()式()中:表示贝叶斯网络模型中节点 的取值集合如果 满足上述条件那么()为 上的基本信度分配函数()根据多源信息的组合规则可以合成 个独立的即:()()()()()()式()中 ()()为证据冲突系数它的值越大各 个 状 态 参 数 之 间 互 相 影 响 就 越 大当 ()()时无法采用多源信息组合规则进行合成假设邀请 位专家为状态节点概率赋值并对 维条件概率组合方案进行重要度判断判断结果参照 构建基于专家 的知识矩阵如表 所示表 基于专家 评判的属性 知识矩阵 根据 个专家所得到的矩阵求取矩阵特征向量将特征向量进行标准化处理所得到的结果就是对应专家经验的基本分配值 属性 知识矩阵的最大特征值为 为矩阵的阶数其对应的特征向量为()则有()实例分析以某混动装甲车辆为例车辆出场时柴油发动机最大输出功率为 蓄电池容量为 蓄电池输出电压为 该装甲车辆平均第一次维修里程为.万 现假设 款不同工作状况的装甲车辆对其工作状况进行指标量化工作参数如表 所示表 种不同装甲车辆工作参数 参数装甲车行驶里程/万.发电机发电效率/柴油机最大输出功率/蓄电池容量/蓄电池输出电压/.确定指标变量拟对 辆不同工况的装甲车辆进行故障评估结合第 节内容依照 组专家经验构建各状态判断矩阵计算各个评估指标体系变量将所得的状态参数进行归一化处理归一化后的状态参数见表 表 状态参数归一化后的指标变量 指标参数装甲车辆.兵 器 装 备 工 程 学 报:/./.计算条件概率参考 位相关车辆诊断专家根据专家决策判断表对各个状态参数进行打分构建专家知识矩阵 依照各个专家在行业中的从业经验假设 位专家的参考权重为.、.、.与.以装甲车辆所达到的程度为重度损坏为例借助专家经验由式()和式()联合求解出各个证据的基本概率分配按照 规则对信度函数进行合成可以得出时间的 值如表 所示表 合成后得到的各事件基本概率赋值 事件事件很强.很强强.强.中弱.中.弱.从表 中可以看出装甲车辆达到严重损坏程度有“很强”的概率为./.达到严重损坏程度为“强”的概率为./.达到严重损坏程度为“中”的概率为./.达到严重损坏程度为“弱”的概率为./.不确定度为.进而可以求得各个子节点的基本概率赋值从而求得对应的条件概率假设装甲车辆损坏度的先验概率为.将各个节点条件概率值输入构建的贝叶斯模型中将装甲车辆的状态参数通过云模型进行云模型转换通过概率转换公式求得条件概率将其输入贝叶斯网络.结果分析将上述参数输入到贝叶斯网络模型中得到 辆不同工作状态的装甲车辆的损坏度对应的概率如表 所示图 为各装甲车辆损坏概率分布图表 装甲车辆不同损坏等级概率 损毁等级装甲车辆无损坏.轻微损坏.中度损坏.重度损坏.严重损坏.图 各装甲车辆损坏概率分布图.分析表 可知:对于对应工况的装甲车 其达到重度损坏的概率为.对于对应工况的装甲车 其达到中度损坏的概率为.对于对应工况的装甲车 其达到轻微损坏的概率为.对于对应工况的装甲车 其达到严重损坏程度的概率为.分析上表可知装甲车辆 和装甲车辆 的损坏程度比装甲车辆、装甲车辆 的大 根据表 提供的装甲车辆参数我们可以知道装甲车辆、运行参数明显高于装甲车辆、因此可以说明本文提出的方法计算结果与所给出的数据具有一致性 装甲车辆、的行驶里程较大相较于其余 辆装甲车辆更容易损坏如图 所示得到不同装甲车辆损坏等级综合云图其中装甲车 属于重度损坏装甲车 属于中度损坏装甲车 属于轻微损坏装甲车 属于严重损坏图 综合损毁云图.算法有效性分析将贝叶斯网络方法、模糊综合评判法、故障树法用于装甲车辆损坏程度分析上将运算所得的结果与本文中所使用方法进行比较验证方法的可行性并将各类评估结果和本文中使用方法的算例结果进行对比分析对比分析本文使用方法的增进之处其结果如表 所示王文顺等:基于 的装甲车辆动力系统故障状态评估表 各类故障诊断方法结果比较 评估方法无损坏轻度损坏中度损坏重度损坏严重损坏损坏等级损坏值运算速度/故障树法.重度损坏贝叶斯网络法.重度损坏.模糊综合评判法.重度损坏.云重心评判法重度损坏.本文方法.重度损坏.针对装甲车辆 对各个方法进行运算分析结果可知:)从表 可以看出这 种算法得出来的结果均为重度损坏应证了本文算法的合理性)贝叶斯网络法和故障树法推导出来的条件概率值没有办法求得具体的装甲车辆损毁值与本文中使用的方法相比可靠度较差)模糊综合评判法虽然求出了装甲车辆损坏值但是所求数据中度损坏和重度损坏概率值相近没有办法直接判断装甲车辆损坏程度该方法准确性不如本文中所使用方法)云重心评判法最终求得到毁坏值与本文方法相近可以说明本文方法的可靠性但是该方法无法体现各个损坏等级的具体概率只根据损毁判断最终状态会导致一定的误差)本文中所使用方法的运算速度为.相对于故障树法、贝叶斯网络法、模糊综合评判法、云重心评判法有较为明显的优势 并且本文中所提出的方法算出来的损坏概率更接近于真实情况 结论本文在贝叶斯网络的基础上通过证据理论层次分析法确定各个节点的先验概率推理运算各个损坏等级的概率并引入云模型理论建立了一套装甲车辆动力系统损坏程度的评估模型 得出以下主要结论:)本文所提到的方法可以得到不同工况下装甲车辆在各个损坏等级中的概率根据所求得到概率判断其损坏等级并求得了车辆对应的损坏值在方法可行性和准确性上较其他方法均有增进)在运算速度上本文方法比较其他的方法都有一定的提高与贝叶斯网络法、模糊综合评判法、云重心评判法比较运算效率提升了.、.、.)本文提出的方法可为后续的车辆复杂系统的动力学研究提供帮助可运用此研究思路结合神经网络对各种复杂系统进行故障损毁程度研究也可为剩余寿命预测提供理论对比 除此之外本文思路还可推广至各类复杂装备状态检测中参考文献:俞彩虹.基于贝叶斯网络的城轨车辆走行系统故障诊断及状态评估.兰州:兰州交通大学.:.李思博.锂动力电池系统性能分析及故障诊断研究.哈尔滨:哈尔滨理工大学.:.张珈闻.基于 云模型的装备工程研制风险评价研究.指挥控制与仿真():.():.:.:.():.李杰丁锋.基于模糊贝叶斯网络的 减速器可靠性分析.内燃机与配件():.兵 器 装 备 工 程 学 报:/./.():.徐植陈俊韦航等.基于贝叶斯网络与故障树的计量自动化终端故障诊断方法.广西电力():.():./.().:.():.陈晓露.复杂工业系统的分布式故障诊断方法研究.北京:北京化工大学.:.():.赵爱佳.基于 和 模型的复杂装备故障诊断方法及其应用.南京:南京航空航天大学.:.(/):.梁勇王庆江赵贺伟.基于贝叶斯网络的武器装备故障诊断方法.国防制造技术():.():.()():.:.科学编辑 李军 博士(中国兵器科学研究院 研究员)责任编辑 唐定国王文顺等:基于 的装甲车辆动力系统故障状态评估