易昭湘，李 釗，王 剛，郭甜甜

(1.西安高技術研究所，陜西西安710025;2.二炮駐石家莊地區(qū)軍事代表室，河北石家莊050081;3.第二炮兵裝備研究院，北京100085;4.中國人民解放軍96626部隊，浙江東陽322100)

0 引言

作為無人機的重要組成部分，無人機數(shù)據(jù)鏈［1］連接著無人機和指揮控制站，保障兩者之間快速、可靠和實時通信，因此，無人機數(shù)據(jù)鏈的可靠性對無人機作戰(zhàn)性能的發(fā)揮起著決定性的作用。

目前，有關無人機數(shù)據(jù)鏈診斷方法的研究并不多，文獻［2］基于無人機數(shù)據(jù)鏈工作原理，提出了無人機數(shù)據(jù)鏈自動測試系統(tǒng)設計方案，通過信號測量和性能指標判別進行故障診斷，易發(fā)生漏診和誤診問題。文獻［3］針對無人機數(shù)據(jù)鏈測試中存在的精度低、人為干擾大等問題，設計了基于GPIB總線的無人機數(shù)據(jù)鏈自動測試系統(tǒng)，可對接收機靈敏度、輸出信噪比、AGC電壓、中心頻率和頻率穩(wěn)定度等指標進行測試，實現(xiàn)無人機的指標測試和故障診斷。文獻［4］等針對無人機數(shù)據(jù)鏈發(fā)射機故障，提出了一種基于決策樹SVM的故障診斷方法，將故障準確定位到內部功能模塊，有效地提高了故障診斷的正確率。由此可見，目前對無人機數(shù)據(jù)鏈的診斷主要集中于故障檢測，即通過測量值和參考值進行比較以判別故障，這種方法較為簡單，但故障診斷精度相對較低，并且需要專家進行輔助分析才能實現(xiàn)故障定位;同時，當前的故障診斷方法主要針對的是發(fā)射機或接收機，欠缺對無人機數(shù)據(jù)鏈整個系統(tǒng)的有效診斷手段。

為此，提出了一種基于D-S證據(jù)理論的無人機數(shù)據(jù)鏈故障診斷方法，設計系統(tǒng)級和電路板級2層診斷框架，將故障現(xiàn)象作為證據(jù)對無人機數(shù)據(jù)鏈實施系統(tǒng)級診斷，利用系統(tǒng)性能參數(shù)作為證據(jù)對無人機數(shù)據(jù)鏈進行電路板級故障診斷。實驗證明該方法正確、有效，為無人機數(shù)據(jù)鏈故障診斷提供了新的途徑。

1 無人機數(shù)據(jù)鏈故障診斷框架

1.1 無人機數(shù)據(jù)鏈工作原理

通常，無人機數(shù)據(jù)鏈系統(tǒng)由兩部分設備組成:一部分安裝在無人機上，另一部分則安裝在地面控制站內。一般將數(shù)據(jù)鏈系統(tǒng)的地面部分稱為GDT，而將系統(tǒng)的機載部分稱為機載測控設備。按照功能將數(shù)據(jù)鏈系統(tǒng)劃分為信號處理及顯示分系統(tǒng)、發(fā)射分系統(tǒng)、天線分系統(tǒng)和接收分系統(tǒng)等4個部分。其基本工作原理是:測控終端發(fā)出的遙控信號送往發(fā)射系統(tǒng)，經(jīng)過調制放大由天線輻射出去。在接收端，天線將電磁信號轉變成射頻信號送給接收系統(tǒng)，接收系統(tǒng)將射頻信號再轉變成基帶信號送給飛控機處理;飛控機發(fā)出的遙測信號送給發(fā)射系統(tǒng)，調制放大后經(jīng)天線輻射出去，接收系統(tǒng)接收處理后送給測控終端。

1.2 診斷框架

由無人機數(shù)據(jù)鏈工作原理可知，系統(tǒng)結構復雜，設備種類多，直接進行故障診斷和定位比較困難。為此，采用分層診斷的思想，首先根據(jù)故障現(xiàn)象，建立初步故障征兆，結合故障記錄和專家知識，運用融合診斷算法進行初步診斷，得出疑似故障分系統(tǒng)，再對故障分系統(tǒng)進行性能指標參數(shù)檢測，得到分系統(tǒng)的性能指標數(shù)據(jù)，對測試數(shù)據(jù)進行特征提取建立故障征兆，運用融合算法推理診斷得出最終的故障電路板，從而實現(xiàn)系統(tǒng)的故障定位。根據(jù)分層診斷的思想，設計無人機數(shù)據(jù)鏈故障診斷框架如圖1所示。

圖1 無人機數(shù)據(jù)鏈故障診斷框架

2 基于D-S證據(jù)理論的故障診斷方法

由于無人機數(shù)據(jù)鏈在運行環(huán)境、傳感器信號以及數(shù)據(jù)的采集和處理中存在著不確定性，給檢測和診斷過程帶來了諸多問題，考慮到證據(jù)理論在處理多傳感器數(shù)據(jù)融合方面具有獨特的優(yōu)勢，能將相互交叉的不確定數(shù)據(jù)信息合理地分配到多模式中，能夠有效地合成不同傳感器得到的數(shù)據(jù)信息，從而得到一個更為可信的結果。因此，運用D-S證據(jù)理論解決無人機數(shù)據(jù)鏈故障診斷中的不確定性問題。

在應用D-S證據(jù)理論進行故障診斷時需解決基本概率賦值函數(shù)獲取、沖突證據(jù)合成和決策規(guī)則制定等問題。其中，基本概率分配函數(shù)是證據(jù)理論診斷的前提和基礎，合成規(guī)則是推理的核心，而決策規(guī)則是診斷的關鍵。為此，基于無人機數(shù)據(jù)鏈路的特點，對基于D-S證據(jù)理論故障診斷關鍵問題進行了研究。

2.1 基本概率分配函數(shù)獲取

只有獲取了基本概率分配函數(shù)才能得到信任函數(shù)、似然函數(shù)進而進行合成、決策判斷，所以應用D-S證據(jù)理論時需要首先獲取基本概率分配函數(shù)。目前，基本概率分配函數(shù)獲取方法有基于近鄰距離的方法、基于智能知識的方法和基于語義量化的方法［5，6］。

基于近鄰距離的方法把研究的問題看作是一個分類的問題，識別框架Θ是類的集合，各類的典型樣本數(shù)據(jù)為 Xi(k)，i=1，2，…，n，n 為識別框架中類的數(shù)目。對于一個新的數(shù)據(jù)Xj(k)，它屬于某類的基本概率分配函數(shù)取決于新數(shù)據(jù)與已知的各類樣本數(shù)據(jù)之間的距離。根據(jù)“距離”的不同，又可以分為信息熵貼近度、灰度關聯(lián)法和模板匹配法［5－7］。信息熵貼近度的方法需要已知信息熵，計算出信息熵之間的距離，然后根據(jù)距離計算出兩者的貼近度，最后對貼近度進行歸一化即得到基本概率分配函數(shù)，這種方法需要選擇合適的信息熵，計算量較大;灰度關聯(lián)法是基于數(shù)據(jù)序列之間的關聯(lián)度得出基本概率分配函數(shù)，需要建立各類的標準數(shù)據(jù)序列，首先計算出新數(shù)據(jù)與各類數(shù)據(jù)的關聯(lián)度，然后對關聯(lián)度歸一化即得到基本概率分配函數(shù)，這種方法計算量也比較大;相比較而言，模板匹配法是基于歐式距離得出基本概率分配函數(shù)，方法簡單，計算適中，是獲取2個事物接近程度的最傳統(tǒng)、最直接的方法，能更好地反映待測數(shù)據(jù)的屬性。

綜上所述，考慮到無人機數(shù)據(jù)鏈的故障樣本數(shù)據(jù)較少，對診斷時間要求較短，選用模板匹配法解決基本概率獲取的問題，其步驟如下:

①計算Xi(k)與Xj(k)之間的距離:

②計算Xi(k)與Xj(k)之間的匹配度:

③對匹配度進行歸一化得到基本概率分配函數(shù):

2.2 基于沖突度和重要度的沖突證據(jù)合成

在D-S合成規(guī)則中，當K→1時表明合成的證據(jù)高度沖突，此時利用D-S合成規(guī)則合成會出現(xiàn)有悖常理的結果，這樣的證據(jù)就稱為沖突證據(jù)。解決該問題的方法主要有3種:修改合成規(guī)則的方法［8］、修改證據(jù)源的方法［9］以及同時修改證據(jù)源和合成規(guī)則的方法［10］。從無人機數(shù)據(jù)鏈路診斷的角度考慮，改進的合成方法都增加了許多計算量，降低了診斷速度和效率，由于修改證據(jù)源的方法比修改合成規(guī)則方法計算量小，所以選擇基于修改證據(jù)源的方法對合成進行改進。

2.2.1 沖突度

通常用傳統(tǒng)合成規(guī)則中K來衡量證據(jù)的沖突，但是沒有定量分析K，沒有一個具體的判斷標準。K既跟組合的證據(jù)數(shù)目有關又和證據(jù)的維數(shù)有關，當組合的證據(jù)數(shù)目增加時，K會變大，當證據(jù)中的維數(shù)變大時，K也會變大。因此在利用K衡量證據(jù)間的沖突時需要根據(jù)不同的證據(jù)組合數(shù)和組合證據(jù)的維數(shù)設置不同的判決值。當證據(jù)中各個元素的基本概率值都相等時，合成結果跟融合前的證據(jù)相同，沒有發(fā)生信任聚焦，此時可以看作D-S合成規(guī)則失效，本文將合成規(guī)則失效時的沖突度K設置成判決沖突的閥值，當2條證據(jù)的合成沖突K大于或等于此閥值時，視為2條證據(jù)有沖突，否則就認為2條證據(jù)一致。

2.2.2 重要度

在實際應用證據(jù)理論進行診斷決策時，不是所有的證據(jù)都具有相等的重要度，傳統(tǒng)D-S合成規(guī)則沒有考慮各證據(jù)對決策的重要度。因為相同的證據(jù)對不同的故障模式具有不同的重要度，所以在利用多證據(jù)融合診斷時一定要考慮證據(jù)的重要度。運用重要度修改證據(jù)源的步驟如下:

①建立貢獻度矩陣V*，它表示證據(jù)和故障之間的關系。其中，0 ≤ vi，j≤ 1，i=1，2，…，m ，j=1，2，…，n，m為證據(jù)數(shù)目，n為故障模式總數(shù)，它表示證據(jù)i對故障j的貢獻度;，它說明所有證據(jù)對故障j′的貢獻度總和為1。

②利用證據(jù)的貢獻度構建證據(jù)的重要度，證據(jù)i對故障j的重要度wi，j可表示為:

③利用證據(jù)的重要度修改證據(jù)源mi(A)，得到新的證據(jù)源m′i(A)，如式(2)所示。

2.2.3 沖突證據(jù)合成

首先，根據(jù)兩兩證據(jù)間的沖突度K和閥值將證據(jù)分為一致證據(jù)組和沖突證據(jù)組，設證據(jù)i與其他證據(jù)之間的沖突度為 kj，j=1，2，…，m且j≠i，沖突度的閥值 ε由表1所得，沖突度較大的為 kj′，j′=0，1，…，l且 k≥ ε ，如果 l≥，那么就將j′證據(jù)i歸為沖突證據(jù)組中，否則就將證據(jù)i歸為一致證據(jù)組中。

其次，根據(jù)式(2)分別對一致證據(jù)組和沖突證據(jù)組進行修改，得到新的一致證據(jù)組和沖突證據(jù)組，然后再運用D-S合成規(guī)則分別對2組證據(jù)進行融合運算，得到2個融合后的證據(jù)，最后計算2個證據(jù)的沖突度K，如果K≥ε就用式(3)進行融合運算，否則仍用D-S合成規(guī)則進行融合運算。

2.3 基于基本概率分配函數(shù)的決策

選用基于基本概率分配函數(shù)進行決策判斷。該決策規(guī)則如下:

設?A1，A2?Θ，滿足:m(A1)=max{m(Ai)，Ai?Θ}，且 m(A2)=max{m(Ai)，Ai? Θ且Ai≠A1}。

若有

則選擇A1為判決結果，ε1、ε2是決策閥值。

2.4 故障診斷方法

通過上述分析，基于D-S證據(jù)理論的無人機數(shù)據(jù)鏈故障診斷方法的步驟如下:

①確定故障空間。根據(jù)無人機數(shù)據(jù)鏈故障履歷表，統(tǒng)計發(fā)生過的故障情況，對這些情況按照其原因和特點分為若干典型故障類型，最后，由這些故障類型構成故障空間。

②構造識別框架。根據(jù)故障空間構造識別框架，即診斷對象運行狀態(tài)的命題集合。

③確定故障征兆空間。利用無人機數(shù)據(jù)鏈特征信息，結合故障空間中各故障類型特點，構造各種故障特征子集，進而構成整個故障征兆空間。

④選擇證據(jù)體。利用故障特征子集，結合識別框架中各命題的特點，構造從不同側面能夠識別無人機數(shù)據(jù)鏈運行狀態(tài)的證據(jù)體。

⑤確定各證據(jù)體的基本概率分配函數(shù)。在深入分析各證據(jù)與識別框架中各命題對應關系的基礎之上，采用2.1節(jié)介紹的方法獲取各證據(jù)對識別框架中各命題的支持程度，即基本概率分配。

⑥合成運算處理。利用2.2節(jié)給出的改進合成算法，計算出各證據(jù)聯(lián)合作用下的識別框架中各命題的基本概率分配值。

⑦得出診斷結論。利用2.3節(jié)介紹的決策規(guī)則，對識別框架中各命題進行診斷分析，最終得出診斷結論。

3 診斷實例

為驗證所提方法的正確性，以典型無人機數(shù)據(jù)鏈系統(tǒng)［2，3］為對象進行診斷和分析。建立無人機數(shù)據(jù)鏈常見故障現(xiàn)象如表1所示。

表1 無人機數(shù)據(jù)鏈常見故障現(xiàn)象

根據(jù)上述無人機數(shù)據(jù)鏈組成結構，選擇地面發(fā)射系統(tǒng)故障F1、地面接收系統(tǒng)故障F2、地面天線故障F3、機載發(fā)射系統(tǒng)故障 F4、機載接收系統(tǒng)故障F5、機載天線故障F6為識別框架，預先設置數(shù)據(jù)鏈發(fā)射系統(tǒng)中功放電路板故障，然后進行診斷分析。

3.1 系統(tǒng)級故障診斷

首先得到的故障現(xiàn)象是遙控AGC值偏低和遙控AGC不穩(wěn)，對應故障現(xiàn)象集中的2和3。故障現(xiàn)象2和3對應的故障分系統(tǒng)的基本概率分配值以及融合處理后的基本概率分配值如表2所示。

表2 系統(tǒng)級故障診斷的基本概率分配

根據(jù)表2結果，得到故障診斷的結論是F1，即系統(tǒng)級故障診斷的結果是地面發(fā)射系統(tǒng)故障。

3.2 電路板級故障診斷

為進行發(fā)射系統(tǒng)故障診斷，選擇系統(tǒng)正常F7、電源板故障F8、鎖相單元故障F9、振蕩器故障F10、參考源故障F11、衰減器故障F12、功放故障F13作為發(fā)射系統(tǒng)故障診斷的識別框架。根據(jù)系統(tǒng)級故障診斷結果，利用相應的檢測儀器對頻率J、載波Z、輸出功率W、調制性能T、輸出頻譜S等性能指標進行檢測，得到測試數(shù)據(jù)，運用模板匹配法得到基本概率分配值，最后利用改進合成規(guī)則進行合成處理的結果如表3所示。

表3 電路板級故障診斷結果

根據(jù)表3結果可知，故障原因為F13，即功放故障，這就表明診斷結果與預先設置故障完全一致，從而驗證了本文所提方法的正確性和有效性。

4 結束語

上述提出了一種基于D-S證據(jù)理論的無人機數(shù)據(jù)鏈路故障診斷方法，設計系統(tǒng)級和電路板級兩2層診斷框架，通過模版匹配法進行基本概率分配函數(shù)獲取，基于沖突度和重要度進行沖突證據(jù)合成，采用基本概率分配函數(shù)進行決策，由此形成的基于D-S證據(jù)理論的診斷方法有效解決了復雜無人機數(shù)據(jù)鏈的故障診斷問題，為增強無人機數(shù)據(jù)鏈的可靠性和維修性提供了新的手段。

［1］陳占海，祝小平.無人作戰(zhàn)飛機數(shù)據(jù)鏈延時對攻擊決策的影響及其補償［J］.科學技術與工程，2011，11(9):2 043－2 047.

［2］劉 敏.無人機數(shù)據(jù)鏈自動測試系統(tǒng)研究［D］.西安:西北工業(yè)大學碩士學位論文，2003:10－15.

［3］麻遠揚，胡永紅.無人機無線電數(shù)據(jù)鏈接收鏈路自動測試系統(tǒng)設計［J］.計算機測量與控制，2007，15(9):1 141－1 143.

［4］柯銘銘，路 平，田慶民.基于決策樹SVM的某型無人機發(fā)射機故障診斷［J］.信息技術，2011(2):76－81.

［5］梁發(fā)麥，張 靜，王國宏.雷達目標識別中獲取基本概率 賦 值 的 方 法 ［J］.火 力 指 揮 與 控 制，2008，33(8):8－11.

［6］張麗莉.基于信息融合的汽油發(fā)動機電控系統(tǒng)故障診斷方法研究［D］.沈陽:東北林業(yè)大學博士學位論文，2009:1－6.

［7］耿俊豹，黃樹紅.基于信息熵貼近度和證據(jù)理論的旋轉機械故障診斷方法［J］.機械科學與技術，2006，25(6):663－666.

［8］張山鷹，潘 泉，張洪才.證據(jù)推理沖突問題研究［J］.航空學報，2001，22(4):369 －372.

［9］陳一雷，王俊杰.一種D-S證據(jù)推理的改進方法［J］.系統(tǒng)仿真學報，2004，16(1):28 －30.

［10］李文立，郭凱紅.D-S證據(jù)理論合成規(guī)則及沖突問題［J］.系統(tǒng)工程理論與實踐，2010，30(8):1 422－1 432.