薛 松，劉 濤

(1. 西安電子科技大學(xué), 陜西 西安 710071； 2. 上海宇航系統(tǒng)工程研究所， 上海 201109)

引 言

機械故障監(jiān)測技術(shù)的研究起始于20世紀(jì)60年代的美國機械故障預(yù)防小組以及后來的英國機器保健中心。經(jīng)過幾十年的發(fā)展，機械故障監(jiān)測技術(shù)在各個領(lǐng)域逐步得到普及，如飛機機身復(fù)合材料的健康監(jiān)測，機床主軸加工及壽命預(yù)測，轉(zhuǎn)子裂紋的預(yù)測以及齒輪、軸承等典型旋轉(zhuǎn)零部件的故障診斷等[1]。

雷達工作在各種不同的復(fù)雜環(huán)境中，主要包括氣候環(huán)境、機械環(huán)境以及電磁環(huán)境。環(huán)境條件對雷達的工作性能以及壽命都會產(chǎn)生嚴(yán)重的影響。在惡劣的氣候環(huán)境(高溫、高濕、鹽霧及霉菌)中，雷達設(shè)備中的金屬材料極易受到腐蝕和銹蝕，從而導(dǎo)致機械性能下降以及因各接插件接觸不良產(chǎn)生的短路。在機械環(huán)境中，長期的振動或多次沖擊也會使設(shè)備產(chǎn)生疲勞破壞，最終導(dǎo)致結(jié)構(gòu)上的破壞。例如，炮瞄雷達和制導(dǎo)雷達在使用過程中要承受炮彈和導(dǎo)彈發(fā)射產(chǎn)生的振動和沖擊，會使雷達的可靠性降低。雷達的電磁干擾主要來自內(nèi)部元器件的干擾以及外界的電磁干擾。嚴(yán)重的電磁干擾不僅會嚴(yán)重影響雷達的性能，還會危及人員的安全[2-3]。因此，針對雷達系統(tǒng)的故障診斷能幫助人們快速找到并更換故障部件，更能保證雷達裝備安全有效地運行。

雷達伺服裝備的故障監(jiān)測研究起始于21世紀(jì)初，其理論水平以及系統(tǒng)應(yīng)用率遠遠低于故障診斷在其他領(lǐng)域的理論水平和應(yīng)用率。在國內(nèi)，文獻[4]針對艦載雷達自身特點，設(shè)計了基于故障樹的雷達伺服裝備專家系統(tǒng)。該系統(tǒng)操作簡單，但靈活性較差，診斷效率低。文獻[5]基于VXI總線和集成技術(shù)，研制了某型雷達裝備診斷專家系統(tǒng)，其缺點是不能對復(fù)雜雷達系統(tǒng)進行故障分解。文獻[6]基于多普勒天氣雷達系統(tǒng)裝備了故障診斷軟件。該診斷軟件反應(yīng)快，定位準(zhǔn)，但虛警率較高。近幾年來，人工智能技術(shù)得到了長足的發(fā)展，將人工智能與雷達傳統(tǒng)的故障檢測結(jié)合起來成為一種新的發(fā)展趨勢[7-8]。本文針對雷達天線伺服系統(tǒng)，采用內(nèi)部回歸(Internally Recurrent Network, IRN)神經(jīng)網(wǎng)絡(luò)對雷達天線伺服系統(tǒng)進行故障分析，研究結(jié)果進一步提高了故障診斷的準(zhǔn)確性。

1 雷達天線伺服故障分析

雷達天線伺服系統(tǒng)主要由電子控制設(shè)備以及機械傳動系統(tǒng)組成。電子控制設(shè)備給定雷達需要的運動規(guī)律和運動位置，之后控制天線機械傳動系統(tǒng)按照給定的規(guī)律自動轉(zhuǎn)動以達到捕獲、跟蹤目標(biāo)的目的。圖1是CINRAD/SA型雷達交流數(shù)字伺服系統(tǒng)角碼和速度信號流程圖[9]。從圖中可以看出，天線主要受到來自俯仰以及方位電機的控制，而2個方位的信號又通過光纖以及數(shù)字板傳遞到DAU大底板上，最后傳遞到RDA計算機上。RDA計算機也通過相同的路徑實現(xiàn)對天線的控制。圖2是圖1中角碼信號的流程圖[9]。從圖中可以清楚地看到角碼信號從俯仰和方位2個方向匯流到伺服監(jiān)控單元的整個流程。角碼信號依次通過電機、減速箱、大齒輪、同步機、光碼盤、編碼器、光纖以及DAU，最后傳遞到監(jiān)控單元。

圖1 雷達交流數(shù)字伺服系統(tǒng)角碼和速度流程圖

圖2 交流數(shù)字伺服系統(tǒng)角碼信號流程圖

在雷達天線伺服系統(tǒng)中，較常見的故障形式主要包括天線定位精度差、轉(zhuǎn)速不穩(wěn)定以及雷達角碼異常等[9]。這些故障形式是由不同的故障部位引起的。為了尋找故障根源，本文擬采用故障樹分析法對雷達天線伺服系統(tǒng)故障進行分析。該方法是將故障原因從總體到局部逐級細化的多層次分析方法。通過分析雷達伺服系統(tǒng)的速度流程圖和角碼信號圖，可以掌握雷達天線伺服系統(tǒng)的總體工作流程，因此一旦出現(xiàn)故障，可以方便地找出所有可能的故障部件。圖3為天線失控或角碼異常的故障樹圖。從圖中可以看出，天線失控或角碼異常主要是由使能控制信號不正?；蚪谴a閃碼或天線不動或伺服自檢錯誤造成的。而這些原因又是由其他因素造成的，如此一級一級地構(gòu)成天線失控的故障樹。例如，天線失控的一個原因是角碼閃碼，而角碼閃碼主要由俯仰閃碼或方位閃碼造成，其中，俯仰閃碼主要由光纖鏈路故障、DAU故障等5方面造成，而方位閃碼主要由慣性鏈路故障、軸角盒故障等造成。通過圖3還可以看出，不同故障最終有可能源于同一故障部件，例如慣性鏈路故障可能同時造成天線罩門開關(guān)信號不正常、鎖定信號不正常以及角碼閃碼和天線不動。因此對故障樹的最終故障進行分類編號對理解天線失控具有重要意義。依據(jù)此故障樹模型，分類總結(jié)雷達天線的故障部件并對其進行編號，見表1。

表1 雷達天線故障模式

圖3 雷達天線失控或角碼異常故障樹圖

2 IRN神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的一種數(shù)學(xué)模型，因其具有良好的分類功能，在故障診斷領(lǐng)域得到了廣泛應(yīng)用。有關(guān)神經(jīng)網(wǎng)絡(luò)的研究仍在發(fā)展之中，已經(jīng)提出了很多神經(jīng)網(wǎng)絡(luò)模型，但研究和使用最多的神經(jīng)網(wǎng)絡(luò)模型仍是BP算法的向前傳播模型，亦稱BP網(wǎng)絡(luò)。在BP網(wǎng)絡(luò)的基礎(chǔ)上，加入反饋信號及偏差單元，生成IRN神經(jīng)網(wǎng)絡(luò)[10]。圖4給出了帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)，它由3層節(jié)點組成：輸入層節(jié)點、隱含層節(jié)點和輸出層節(jié)點，2個偏差節(jié)點分布被加載到隱含層和輸出層上。隱含層節(jié)點不僅接收來自輸入層的輸出信號，還接收其自身的延時輸出信號，稱為關(guān)聯(lián)節(jié)點。

設(shè)NH和NI分別為隱含層節(jié)點數(shù)和輸入節(jié)點數(shù)，Ij(k)是帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)在時間k的第j個輸入，xj(k)是第j個隱含層節(jié)點在時間k的輸出，Y(k)是帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)的輸出向量，則帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)可由如下3個數(shù)學(xué)公式描述：

(1)

xj(k)=σ(Sj(k))

(2)

式中：Sj(k) 為第j個隱含層節(jié)點在時間k的輸入；σ(Sj(k))為隱含層節(jié)點的非線性激活函數(shù)。

(3)

圖4 帶有偏差單元的遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3 IRN神經(jīng)網(wǎng)絡(luò)在雷達天線伺服故障中的應(yīng)用

本文利用IRN神經(jīng)網(wǎng)絡(luò)分3個步驟對雷達天線伺服系統(tǒng)進行故障診斷。首先，建立IRN神經(jīng)網(wǎng)絡(luò)，賦予網(wǎng)絡(luò)的節(jié)點連接權(quán)值初始值；然后，利用樣本訓(xùn)練對IRN神經(jīng)網(wǎng)絡(luò)的各個連接權(quán)值進行訓(xùn)練直至達到收斂穩(wěn)定為止；最后，利用訓(xùn)練好的IRN神經(jīng)網(wǎng)絡(luò)對輸入的故障進行診斷，判別故障類型。

依據(jù)表1給出的故障模式，建立IRN神經(jīng)網(wǎng)絡(luò)可以利用的測試編碼和故障編碼。用IRN神經(jīng)網(wǎng)絡(luò)來實現(xiàn)故障分類，IRN神經(jīng)網(wǎng)絡(luò)輸入層有23個神經(jīng)元對應(yīng)23個測試點，輸出層共有4個神經(jīng)元，隱含層共有20個神經(jīng)元。以表2中的測試編碼作為網(wǎng)絡(luò)輸入，以故障編碼作為網(wǎng)絡(luò)輸出。第1層學(xué)習(xí)率為1.5，第2層學(xué)習(xí)率為1.5，輸入偏差學(xué)習(xí)率為1.0，輸出偏差學(xué)習(xí)率為3 000。

圖5是本文建立的IRN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線收斂圖。從圖中可以看出，經(jīng)過22次IRN神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，學(xué)習(xí)精度優(yōu)于6.4e-07，滿足所設(shè)計的神經(jīng)網(wǎng)絡(luò)要求。

圖5 訓(xùn)練誤差曲線圖

表2是計算機仿真輸出的故障診斷結(jié)果。Bit 1～Bit 4為故障編碼，不同的故障編碼組合表示不同的故障名稱。例如編碼0001表示天線罩門開關(guān)故障，編碼1111表示天線正常。表2中的故障名稱與表1中的故障名稱相對應(yīng)。從表2可以看出，IRN神經(jīng)網(wǎng)絡(luò)能夠較好地對各個故障進行區(qū)分并分類。

表2 計算機仿真輸出的故障診斷結(jié)果

4 結(jié)束語

為了提高雷達天線伺服系統(tǒng)故障診斷的智能化水平，本文建立了基于IRN神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)。通過故障樹的分析手段，找到所有可能發(fā)生故障的部件并按一定的因果關(guān)系分層。通過對部件的進一步編號，將輸入樣本和目標(biāo)樣本輸入到IRN神經(jīng)網(wǎng)絡(luò)當(dāng)中，并對其進行訓(xùn)練。最后，對所訓(xùn)練的IRN神經(jīng)網(wǎng)絡(luò)進行測試，分析發(fā)現(xiàn)IRN神經(jīng)網(wǎng)絡(luò)能夠很好地對各個故障進行分類并將它們區(qū)別開。雖然本文的研究對象為伺服系統(tǒng)，但所采用的研究手段也可用于雷達其他子系統(tǒng)乃至整個雷達系統(tǒng)的故障診斷研究。

本文的主要難點之一是工程訓(xùn)練樣本的獲取。因為利用神經(jīng)網(wǎng)絡(luò)進行故障診斷的關(guān)鍵在于訓(xùn)練樣本的準(zhǔn)確性，因此大量現(xiàn)場的工程樣本對于本文所建立的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練非常重要。然而，到目前為止，并沒有公開發(fā)表的雷達伺服系統(tǒng)故障數(shù)據(jù)可以作為本文的輸入樣本，同時現(xiàn)場獲取故障數(shù)據(jù)需要大量部門的協(xié)調(diào)，因此本文只是通過對故障形式進行編號作為訓(xùn)練樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。

雷達天線伺服系統(tǒng)的故障診斷研究對雷達裝備的性能保障具有重要意義。故障診斷能夠及時、準(zhǔn)確地對各種異常狀態(tài)和故障狀態(tài)做出診斷性預(yù)防，將雷達故障損失降至最低，還能幫助管理人員制定合理的檢測維修方案，延長雷達服役壽命，降低雷達設(shè)備全壽命周期費用。本文初步探討了利用人工智能手段對雷達伺服系統(tǒng)進行故障診斷的有效性，后續(xù)工作可以主要從以下幾個方面考慮：

1)研究雷達伺服系統(tǒng)的故障機理。雷達伺服系統(tǒng)是由電子設(shè)備和機械設(shè)備組成的，因此其故障機理也是多種多樣。正確掌握并了解伺服系統(tǒng)的故障機理對雷達故障診斷具有重要的意義。

2)研究故障特征提取手段。由于雷達伺服系統(tǒng)電子設(shè)備和機械設(shè)備的多樣性，其監(jiān)測手段也必將是多種手段相互結(jié)合。如何正確提取各個設(shè)備的故障特征也是雷達故障診斷研究的重點。

3)繼續(xù)推進雷達故障診斷的智能化。各類神經(jīng)網(wǎng)絡(luò)的出現(xiàn)大大提高了故障診斷的準(zhǔn)確性，然而大量訓(xùn)練樣本或大量工程現(xiàn)場實測數(shù)據(jù)的獲取問題，仍然是雷達故障診斷智能化前進的阻力。