吳軍，張相炎

（南京理工大學(xué)機(jī)械工程學(xué)院，江蘇南京 210094）

0 引言

反后坐裝置是火炮重要組成部分，它的性能直接影響到火炮射擊的安全性，同時(shí)還影響火炮的射速和精度。據(jù)統(tǒng)計(jì)，反后坐裝置故障率較高，占火炮總故障的30%～40%。如何快速、正確地進(jìn)行火炮反后坐裝置性能檢測(cè)與故障診斷，對(duì)部隊(duì)火炮技術(shù)保障具有重大意義。

目前，神經(jīng)網(wǎng)絡(luò)診斷技術(shù)作為智能診斷技術(shù)之一，為故障診斷問題提供了一種新的解決途徑。在故障診斷的應(yīng)用中，神經(jīng)網(wǎng)絡(luò)能準(zhǔn)確、快速地判斷故障類型和原因，對(duì)及早發(fā)現(xiàn)和排除故障發(fā)揮了很好的作用。BP神經(jīng)網(wǎng)絡(luò)具有高度的并行分布式、聯(lián)想記憶、自組織、自學(xué)習(xí)、容錯(cuò)能力強(qiáng)的非線性映射能力，尤其適用于故障診斷。故應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行反后坐裝置的故障診斷，能準(zhǔn)確、快速判斷故障類型和原因，對(duì)及時(shí)準(zhǔn)確處理火炮反后坐故障具有重要的意義。

1 GA－BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò)，S型函數(shù)是神經(jīng)元的傳遞函數(shù)，輸出為0到1的區(qū)間數(shù)，實(shí)現(xiàn)輸入與輸出之間的非線性映射。Back Propagation算法實(shí)現(xiàn)權(quán)值的調(diào)整。

BP神經(jīng)網(wǎng)絡(luò)故障診斷的基本思想是:以故障特征作為神經(jīng)網(wǎng)絡(luò)輸入X，診斷結(jié)果作為神經(jīng)網(wǎng)絡(luò)輸出Y。用已有的故障診斷征兆和診斷結(jié)果對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使神經(jīng)網(wǎng)絡(luò)通過權(quán)值和閥值記憶故障征兆與診斷結(jié)果之間存在的對(duì)應(yīng)關(guān)系;然后將得到的故障征兆加到神經(jīng)網(wǎng)絡(luò)的輸入端，就可以利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，并得到相應(yīng)的診斷結(jié)果。

GA-BP算法就是在BP算法之前，先用GA在隨機(jī)點(diǎn)集中遺傳出優(yōu)化初值，以此作為BP算法的初始權(quán)值，再由BP算法進(jìn)行訓(xùn)練。

2 火炮后坐、復(fù)進(jìn)運(yùn)動(dòng)模型

火炮射擊后在炮膛合力作用下先進(jìn)行后坐運(yùn)動(dòng)，并在規(guī)定距離內(nèi)停止，然后再復(fù)進(jìn)運(yùn)動(dòng)，恢復(fù)射前位置。其后坐、復(fù)進(jìn)運(yùn)動(dòng)微分方程組［1］為:

式中，X為后坐位移;v為后坐速度;ζ為復(fù)進(jìn)位移;U為復(fù)進(jìn)速度;DT為制退桿活塞套直徑;dg為節(jié)制環(huán)孔直徑。其他各參數(shù)含義和表達(dá)式參見文獻(xiàn)［1］。

3 火炮反后坐故障機(jī)理分析

火炮反后坐裝置故障現(xiàn)象主要表現(xiàn)為后坐過長(zhǎng)、后坐過短、復(fù)進(jìn)過猛與復(fù)進(jìn)不足4種，反后坐裝置故障主要原因?yàn)榉春笞b置氣、液量不正確及零件磨損。復(fù)進(jìn)機(jī)故障主要是氣、液量不正確，可以根據(jù)復(fù)進(jìn)機(jī)氣壓、后坐位移和速度參數(shù)來判斷其故障原因;制退機(jī)故障主要為制退機(jī)漏液、節(jié)制環(huán)磨損、制退桿活塞套磨損。由于無法直接測(cè)出制退機(jī)內(nèi)的漏液量和節(jié)制環(huán)、制退桿活塞套的磨損量，故很難直接從測(cè)試數(shù)據(jù)來判斷制退機(jī)故障原因，但可以根據(jù)后坐位移與速度、及復(fù)進(jìn)速度間接來判斷制退機(jī)故障原因。

由上述可知，制退機(jī)液量VZ、節(jié)制環(huán)孔徑dg、制退桿活塞套直徑DT與后坐位移X、后坐速度v、復(fù)進(jìn)速度Vf之間具有非線性函數(shù)關(guān)系。因此，本文針對(duì)制退機(jī)故障采用神經(jīng)網(wǎng)絡(luò)進(jìn)行診斷，具體診斷思路為:尋找制退機(jī)漏液量△VZ、節(jié)制環(huán)磨損量△dg、制退桿活塞套磨損量△DT，代入數(shù)學(xué)模型計(jì)算后坐位移X、后坐速度v、復(fù)進(jìn)速度Vf。以計(jì)算值作為GA-BP網(wǎng)絡(luò)的訓(xùn)練樣本，訓(xùn)練神經(jīng)網(wǎng)絡(luò)。選取一組測(cè)試值（X，v，Vf）對(duì)GA-BP網(wǎng)絡(luò)進(jìn)行驗(yàn)證，以此來評(píng)估建立的GA-BP網(wǎng)絡(luò)在火炮制退機(jī)故障診斷中的準(zhǔn)確性。

4 GA－BP網(wǎng)絡(luò)仿真

4.1 訓(xùn)練GA－BP網(wǎng)絡(luò)

由于火炮制退機(jī)故障診斷傳統(tǒng)主要是憑借專家建言進(jìn)行判斷，并沒有積累大量的實(shí)際故障數(shù)據(jù)，因此本論文在不影響GA-BP網(wǎng)絡(luò)診斷方法準(zhǔn)確性條件下，忽略實(shí)際影響因素，采取理論計(jì)算值作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，具體方法為:設(shè)定取值范圍ΔVZ（0～5L）、Δdg（0～1.25mm）、和ΔDT（0～0.6mm），分別均勻選取6個(gè)數(shù)據(jù)，組成216組數(shù)據(jù)，在matlab中建立制退機(jī)運(yùn)動(dòng)數(shù)學(xué)模型，計(jì)算得后坐位移X、后坐最大速度vmax、復(fù)進(jìn)到位速度Vf end，由此組成GA-BP網(wǎng)絡(luò)的訓(xùn)練樣本。

根據(jù)訓(xùn)練樣本，應(yīng)用matlab編程，建立GA-BP網(wǎng)絡(luò)，設(shè)定該網(wǎng)絡(luò)具有3個(gè)輸入，10個(gè)隱單元，3個(gè)輸出，訓(xùn)練函數(shù)取trainlm;利用遺傳算法優(yōu)化后的權(quán)值和閥值對(duì)BP網(wǎng)絡(luò)訓(xùn)練。

用遺傳算法優(yōu)化BP網(wǎng)絡(luò)的權(quán)值和閥值，本文設(shè)定初始種群Pop=60，遺傳迭代數(shù)gen=200，用initializega函數(shù)初始化種群。其遺傳算法誤差平方和曲線，適應(yīng)度曲線分別為圖1、圖2。

由圖1和圖2可以判斷，隨著遺傳迭代數(shù)的增加，遺傳平方誤差和逐漸趨向于0，而適應(yīng)度不斷趨向于1，說明遺傳算法對(duì)于BP網(wǎng)絡(luò)的優(yōu)化有著明顯的效果。

圖1 誤差平方和曲線

圖2 適應(yīng)度曲線

4.2 仿真結(jié)果分析

用GA-BP算法訓(xùn)練建立的神經(jīng)網(wǎng)絡(luò)，其網(wǎng)絡(luò)訓(xùn)練目標(biāo)曲線如圖3。根據(jù)網(wǎng)絡(luò)訓(xùn)練曲線可以判斷GA-BP算法進(jìn)行了107步收斂到制定精度εBP，耗時(shí)為15.37s。

圖3 GA－BP網(wǎng)絡(luò)訓(xùn)練曲線

為了驗(yàn)證GA-BP神經(jīng)網(wǎng)絡(luò)的有效性，通過采取理論計(jì)算值來作為網(wǎng)絡(luò)輸入值。本文以某炮故障節(jié)制環(huán)磨損為實(shí)例分析:設(shè)定ΔVZ為 0L，Δdg為 0.2825mm，ΔDT為0mm，代入數(shù)學(xué)模型計(jì)算得后坐位移X為0.7351m，后坐最大速度vmax為11.4148m/s，復(fù)進(jìn)到位速度Vf end為1.1972m/s，以此作為GA-BP網(wǎng)絡(luò)測(cè)試輸入樣本，表1為 診斷結(jié)果。

表1 GA－BP網(wǎng)絡(luò)診斷結(jié)果

根據(jù)表1數(shù)據(jù)結(jié)果分析，理論輸出值與實(shí)際輸出值誤差較小，診斷結(jié)果正確。由網(wǎng)絡(luò)輸出與診斷結(jié)果可以清晰地辨明各種故障原因，表明GA-BP網(wǎng)絡(luò)性能良好。

5 結(jié)語

針對(duì)火炮制退機(jī)結(jié)構(gòu)復(fù)雜，故障與征兆之間的關(guān)系難以建立精確地?cái)?shù)學(xué)模型的實(shí)際，本文應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的故障診斷方法，建立了GA-BP網(wǎng)絡(luò)模型。結(jié)果表明其理論輸出值和網(wǎng)絡(luò)輸出值相符合，表明GA-BP網(wǎng)絡(luò)診斷方法在自行火炮制退機(jī)故障診斷中是可行的。另外，隨著人工智能技術(shù)的發(fā)展，類似于GA-BP網(wǎng)絡(luò)診斷技術(shù)對(duì)于解決復(fù)雜的機(jī)電液氣一體化復(fù)雜設(shè)備的故障時(shí)非常有效的。

［1］高樹滋，陳運(yùn)生，張?jiān)铝郑?火炮反后坐裝置設(shè)計(jì)［M］.北京:兵器工業(yè)出版社，1995.

［2］原情，賀新鋒，劉湘崇.遺傳算法和神經(jīng)網(wǎng)絡(luò)在導(dǎo)彈測(cè)試設(shè)備故障診斷中的應(yīng)用研究［J］，測(cè)試技術(shù)學(xué)報(bào)，2002（16）:702-706.

［3］鄧競(jìng).淺談遺傳算法原理在神經(jīng)網(wǎng)絡(luò)優(yōu)化中的應(yīng)用［J］，科技信息，2011（27）:39-40.

［4］盧華強(qiáng)，徐桃，夏天涼.模糊神經(jīng)網(wǎng)絡(luò)在多沖液壓系統(tǒng)故障診斷中的應(yīng)用［J］.蘇州大學(xué)學(xué)報(bào)，2011，31（1）:17-20.

［5］楊超，王志偉.遺傳算法和BP網(wǎng)絡(luò)在電機(jī)故障診斷中的應(yīng)用研究［J］，噪聲與振動(dòng)控制，2010，5:153-157.

［6］郭曉婷，朱巖.基于遺傳算法的進(jìn)化神經(jīng)網(wǎng)絡(luò)［J］，清華大學(xué)學(xué)報(bào)，2000，VoL.40，No.10.