曹 蒙，陳 博

(1.中國(guó)人民解放軍91404 部隊(duì)91 分隊(duì)，河北 秦皇島 066001；2.海軍駐上海地區(qū)第一軍事代表室，上海201913)

0 引言

隨著艦船裝備制造工藝、傳感器技術(shù)、多源信息處理能力的發(fā)展，操管人員對(duì)裝備監(jiān)控的維度逐漸增多，對(duì)裝備技術(shù)狀態(tài)的評(píng)判也由原來的“聽、摸、聞”等定性分析，變?yōu)楸O(jiān)測(cè)數(shù)值的定量診斷［1］。但升級(jí)換代的同時(shí)，也帶來了兩個(gè)問題，一是裝備的監(jiān)控系統(tǒng)僅是對(duì)各個(gè)獨(dú)立參數(shù)的監(jiān)控，少數(shù)幾個(gè)指標(biāo)的超標(biāo)告警，無法說明裝備整體的技術(shù)狀態(tài)；二是監(jiān)測(cè)維度眾多，沒有整體性指標(biāo)的描述，給綜合判斷增加了難度。

目前，對(duì)這類問題，部分學(xué)者做了一些研究，采用的方法主要有神經(jīng)網(wǎng)絡(luò)、 主成分分析、 支持向量機(jī)、馬爾科夫理論以及這些方法的組合［2-4］。上述方法都是將多個(gè)指標(biāo)融合成一個(gè)虛擬指標(biāo)，再通過待測(cè)狀態(tài)與“良好、合格、不合格”等分級(jí)狀態(tài)指標(biāo)的比較，實(shí)現(xiàn)綜合判斷。但在實(shí)際運(yùn)用中，等級(jí)之間的狀態(tài)很難界定。同時(shí)，處于故障狀態(tài)下的設(shè)備，監(jiān)測(cè)數(shù)據(jù)變化劇烈，且是一個(gè)逐漸惡化的過程，無法準(zhǔn)確通過監(jiān)測(cè)數(shù)據(jù)描述當(dāng)前狀態(tài)。為此，本文改進(jìn)了TOPSIS法，并結(jié)合模糊理論，考慮指標(biāo)權(quán)重信息，建立了綜合評(píng)估模型，很好地解決了上述問題。

1 改進(jìn)的 TOPSIS 法

TOPSIS 法是 1981 年由 C.L.Hwang 和 K.Yoon 提出的，核心思想是依據(jù)樣本點(diǎn)與“最優(yōu)解”、“最劣解”的相對(duì)接近度，實(shí)現(xiàn)對(duì)分析目標(biāo)的優(yōu)劣評(píng)判。在實(shí)際應(yīng)用中，“最優(yōu)解”容易獲得，一般可將穩(wěn)定狀態(tài)下設(shè)備參數(shù)的運(yùn)行值作為最優(yōu)解集。但“最劣解”卻無法準(zhǔn)確度量，主要是難以確定“最劣解”的評(píng)判基準(zhǔn)。另一方面，傳統(tǒng)TOPSIS 法未考慮評(píng)估參數(shù)的權(quán)重，造成了數(shù)據(jù)信息的丟失。對(duì)此，本文引入?yún)?shù)權(quán)重，以樣本點(diǎn)到最優(yōu)解的加權(quán)距離作為評(píng)估依據(jù)，實(shí)現(xiàn)裝備的技術(shù)狀態(tài)評(píng)估。

1.1 評(píng)估流程

裝設(shè)備的技術(shù)狀態(tài)評(píng)估是一個(gè)復(fù)雜的過程，主要包括評(píng)估參數(shù)的數(shù)據(jù)采集、預(yù)處理、權(quán)重計(jì)算、狀態(tài)評(píng)估、結(jié)果解釋等步驟，如圖1 所示。

圖1 評(píng)估流程

1.2 數(shù)據(jù)預(yù)處理

本文采用模糊理論對(duì)數(shù)據(jù)預(yù)處理，該理論是1965 年L.A.Zadeh 提出的，主要是通過隸屬函數(shù)將難以界定、模糊不清的狀態(tài)數(shù)值化，為后續(xù)量化分析作準(zhǔn)備。主要步驟：

(a)構(gòu)建隸屬函數(shù)

對(duì)于處于穩(wěn)定工況下的裝備，其監(jiān)測(cè)參數(shù)會(huì)在某一數(shù)值附近波動(dòng)，且呈現(xiàn)正態(tài)分布規(guī)律。由此，以一段穩(wěn)定工作時(shí)間內(nèi)，各監(jiān)測(cè)參數(shù)的平均值、方差建立正態(tài)分布形式的隸屬函數(shù)。

式中，u(j)、σ2(j)分別表示第j 個(gè)參數(shù)的平均值、方差，x 為評(píng)估參數(shù)的實(shí)時(shí)監(jiān)測(cè)值。

(b)計(jì)算隸屬度

將樣本點(diǎn)數(shù)據(jù)帶入公式(1)，計(jì)算隸屬度，形成隸屬度矩陣。

上述過程，通過隸屬函數(shù)的引入，將監(jiān)測(cè)數(shù)據(jù)映射到［0，1］區(qū)間，實(shí)現(xiàn)了數(shù)據(jù)信息的進(jìn)一步提取。其中，隸屬度越接近1，表明狀態(tài)越好；反之，則差。

1.3 權(quán)重計(jì)算

本文采用熵權(quán)法確定參數(shù)的權(quán)重，以m 個(gè)樣本，n 個(gè)參數(shù)的研究對(duì)象為例，具體步驟為：

(a)數(shù)據(jù)標(biāo)準(zhǔn)化

式中，xij為評(píng)估參數(shù)值，yij為標(biāo)準(zhǔn)化結(jié)果。

(b)計(jì)算信息熵和效用值

第j 項(xiàng)參數(shù)的信息熵為：

信息效用值為：

(c)確定權(quán)重

第j 項(xiàng)參數(shù)的權(quán)重為：

1.4 狀態(tài)評(píng)估

在完成數(shù)據(jù)預(yù)處理、獲得參數(shù)權(quán)重后，以樣本點(diǎn)到“最優(yōu)解”的加權(quán)距離作為評(píng)估依據(jù)，實(shí)現(xiàn)狀態(tài)評(píng)估。

(a)確定最優(yōu)解

(b)計(jì)算樣本點(diǎn)到基準(zhǔn)點(diǎn)的加權(quán)距離

(c)基于最優(yōu)解的接近度計(jì)算

由此，得到改進(jìn)TOPSIS 法的接近度評(píng)估參數(shù)，數(shù)值越大表示該樣本與最優(yōu)狀態(tài)接近度越高，技術(shù)狀態(tài)就越好。

2 計(jì)算驗(yàn)證

以文獻(xiàn)［5］中6-135 型廢氣渦輪增壓柴油機(jī)為例，選取最大燃燒壓力、油耗率、排溫、增壓器轉(zhuǎn)速4個(gè)指標(biāo)進(jìn)行分析。柴油機(jī)正常狀態(tài)及待評(píng)估狀態(tài)如表1 所示。

表1 工況參數(shù)值

2.1 確定隸屬函數(shù)

根據(jù)正常狀態(tài)1～6 的記錄值，計(jì)算各指標(biāo)的均值與方差，結(jié)果如表2 所示。

表2 均值與方差

則各參數(shù)隸屬函數(shù)如下：

2.2 計(jì)算隸屬度

將待評(píng)估狀態(tài)7、8 的記錄值帶入隸屬函數(shù)，得到隸屬度矩陣：

2.3 綜合評(píng)估

以表16 個(gè)正常狀態(tài)的數(shù)據(jù)為基礎(chǔ)，按公式(3-6)計(jì)算指標(biāo)參數(shù)權(quán)重：

以各指標(biāo)均值作為最優(yōu)解集，按公式(8-9)可計(jì)算的待評(píng)估狀態(tài)與最優(yōu)解的加權(quán)距離和接近度分別為：

通過數(shù)據(jù)分析，可以看出，狀態(tài)8 好于狀態(tài)7，此評(píng)估結(jié)果與“7 為故障狀態(tài)，8 為基本正常狀態(tài)”的實(shí)驗(yàn)設(shè)計(jì)一致。由此，驗(yàn)證了本方法的正確性。另外，進(jìn)一步分析，對(duì)于個(gè)指標(biāo)的評(píng)估對(duì)象，若處于良好狀態(tài)，則各指標(biāo)隸屬度接近于1，可計(jì)算得綜合評(píng)估的加權(quán)距離接近0；同理，若處于故障狀態(tài)，則各指標(biāo)隸屬度接近于0，可計(jì)算得綜合評(píng)估的加權(quán)距離接近1。綜合分析可知，對(duì)于個(gè)指標(biāo)的評(píng)估對(duì)象，其加權(quán)距離在區(qū)間內(nèi)。

3 結(jié)束語

本文對(duì)于難以區(qū)分等級(jí)狀態(tài)的裝備監(jiān)測(cè)值，采用模糊理論，進(jìn)一步量化。同時(shí)，針對(duì)故障狀態(tài)下，裝備監(jiān)測(cè)數(shù)據(jù)失真，評(píng)估基準(zhǔn)無法確定的問題，提出了基于“最優(yōu)解”距離的評(píng)估原則。另外，引入指標(biāo)權(quán)重因素，使得評(píng)估模型包含了更多的數(shù)據(jù)信息，增強(qiáng)了模型的說服力。最后，通過實(shí)例分析，驗(yàn)證了方法的正確性、適用性，并對(duì)多指標(biāo)對(duì)象的評(píng)估結(jié)果做了進(jìn)一步分析。