导弹测试设备故障诊断专家系统的设计应用

导弹测试设备故障诊断专家系统的设计应用

导弹测试设备

　　该测试设备是导弹武器系统中一个很重要的组成部分，承担着对导弹的性能、参数等进行检测，确定导弹品质是否达到技术要求的任务，是决定导弹能否成功发射的重要关口。其主要测试内容包括对导弹系统的硬件、软件进行全面检查;检查导弹系统内各仪器连接是否正确，工作是否匹配;检查导弹系统与其他分系统连接是否正确，工作是否匹配;检查系统飞行软件运行的可靠性等。其测试结果是分析判断导弹系统性能的重要依据。

　　导弹测试设备主要由地测微机、采集控制器、监控装置、电源/模拟器等组成，它们之间都是通过I/O总线和专用总线接口相连。模拟量测试电路、数字量测试电路、开关量测试电路和其他电路通过测控总线和地测微机连接。其结构框图如图1所示。

　　专家系统

　　该测试设备是70年代的产品，仪器采用大量分离元件，其工作可靠性较差。由于使用该设备时间较长，积累了较多的排故经验，具备了利用专家系统进行对该设备故障诊断的基本条件。该专家系统需对地面测试设备实现如下功能：

　　● 对地面测试设备进行实时监测，反应故障信号;

　　● 根据故障现象，利用专家诊断系统找出故障原因;

　　● 根据专家知识经验提出排除故障的方法或建议。

　　考虑到数据的存储和组织应具备可靠性和关联等特点。该专家系统采用关系数据库技术、用C++Builder(简称CB)前端开发工具开发，实现Windows下的应用。

　　基于知识的故障诊断专家系统所依据的是知识库中的知识，良好的知识库管理系统可以方便知识的获取和知识库的维护。针对导弹测试设备中数据种类多、数据量大、数据管理任务重等特点，以及对各种数据准确性、实时性和可扩充性等方面的要求，本故障诊断专家系统中考虑使用关系数据库对各种数据进行存储，管理和维护。其好处是：

　　(1)基于数据库的知识库管理是知识库管理的新技术。数据库中的表，不仅创建时比较方便，而且对于用户来说维护也比较容易;发展的软件技术也使数据库与应用程序之间的接口更容易实现。所以用数据库特别是关系型数据库来进行对知识的建立与维护是十分合适且方便的。

　　(2)对知识进行系统化组织与存储，并能有效地管理是建立专家系统时必须要考虑的问题。在关系数据库的基础上来建造知识库，充分利用关系数据库管理系统功能，可以方便知识库管理系统的设计。

　　(3)基于数据库的知识库的建立和维护技术，为诊断知识库提供了易于扩充和完善的框架。合理的知识库组织和管理系统也是今后完善诊断知识的基础，通过不断积累经验，不断地完善已有的知识体系，最终可提高诊断系统的智能化水平。系统设计与实现

　　硬件系统结构模型

　　系统的硬件部分主要是对导弹地面测试设备的模拟量测试信号、数字量测试信号和时序量测试信号进行实时采集和检测，与计算机之间采用串行通讯的方式，提供专家系统实时采集信息。其结构框图如图2所示。

　　专家系统结构设计

　　通过对该地面测试设备可能发生故障的分析，有两种不同的故障判别方式。一种是针对确定因素进行推理的精确故障诊断模式;另一种是针对多因素模糊判断的模糊判别故障诊断模式。因此，在知识的获取、表示和推理等的机制上采取了不同的方法。图3示出该专家系统的结构模型。

　　专家系统一个重要的功能就是新知识的学习能力，该专家系统知识库可以根据不同型号需要改进更新而重新充实，专家系统中的故障库系统承担着为学习系统准备学习样本的重要任务，该系统的故障实例可以以{原始信号，诊断结论，维修措施｝形式进行记录，这样记录的实例通用性比较强，在理论上可以供多个专家系统使用，不同型号的地测设备的故障诊断专家系统可以应用自己的征兆识别系统进行识别，将实例转化为适合自己的形式进行学习。该专家系统做了专门的应用程序窗口来进行对知识的获取，包括添加、修改、删除等操作。针对精确故障推理知识和故障模糊判断知识的不同要求，分别做了不同的知识获取窗口应用程序，既可以通过向维修专家和所记录的维修资料来获取知识，也可以通过系统自学习来获取知识。

　　在专家系统中，核心环节是推理机，推理的知识存放在相应的动态数据库中，知识推理控制着整个系统的运行并使之按照一定的推理策略去解决问题。由于故障分析中存在确定性知识和模糊性知识，所以知识推理采用了状态链推理和模糊推理两种不同的方法。

　　用户按照系统提示进行现场检查，确定故障现象，系统接下来会给出造成这一现象的各种原因，并给出相应的排除建议。如果故障还未排除则进行其他原因的查找，直到排除故障为止。模糊推理通过权重确定、加权平均模型和定量指标综合等得出评价模糊矩阵，对评判结果进行综合决策。

　　结语

　　该故障诊断专家系统主要创新点在于：实现了无负载动态接入、多通道智能扫描，采用全程在线隔离硬件测试技术，解决了检测诊断设备因全程接入而干扰被测装备、因监测能力弱无法实时在线而需被测装备配合完成诊断的技术难题;采用状态链推理与模糊推理相结合的推理方法，并运用故障自学习自适应算法，优化了状态与故障的描述方法，提高了状态识别、故障诊断的效率和定位精度，保证了在线监测、动态跟踪、故障诊断的同步实现;采用模块化设计技术、变量分类封装技术、可重用性设计技术，实现了监测诊断软件中数据处理与诊断逻辑分离，大大提高了软件的运行效率、可靠性和可移植性。