基于D-S证据融合的发射机健康状态评估*

张永顺　许炎义　尹　明

(1.海军工程大学电子工程学院　武汉　430033)(2.海军工程大学信息安全系　武汉　430033)



基于D-S证据融合的发射机健康状态评估*

张永顺1许炎义2尹明1

(1.海军工程大学电子工程学院武汉430033)(2.海军工程大学信息安全系武汉430033)

摘要针对雷达发射机健康状态评估在多种不确定性因素下的问题,构建了基于D-S证据理论的多指标评估模型。基于综合考虑指标可测性,建立了新型的雷达发射机健康状态评估指标体系结构。通过采用一种改进的D-S证据理论进行多指标数据融合方法进行雷达发射机健康状态综合评估,通过各实测数据隶属函数转化得到基本可信度分配关系,避免了在传统方法中评估指标基本可信度函数分配的主观性和局限性,最后利用改进的D-S证据理论对各指标进行数据融合,实验结果验证了该方法的有效性。

关键词雷达发射机; 健康状态评估; 层次分析法; D-S证据理论

Class NumberTN959

1　引言

故障预测与健康管理(Prognosis and Health Management,PHM)技术作为实现视情维修和自主保障的重要技术手段。健康评估是PHM系统中的故障诊断和故障预测的纽带,是PHM设计的重要一环,可以将系统可靠性提升到一个全新的高度,已经在美国的JSF、航空领域上取得了较多应用成果。例如,徐佳等研究了航空电子设备的健康评估问题,杨洲等开展了自动驾驶仪PHM系统的健康评估方法研究[1～2]。而在雷达发射机装备上应用属于较新领域,因此有必要开展雷达装备的健康评估研究。

发射机是雷达装备的核心部件,是典型机电混合设备,可靠性低,保障难度大。本文以固态发射机为研究对象,从健康状态评估的角度出发,综合考虑多种不确定性因素以及体系结构的复杂性与指标可测性,分层与健康状态有关的指标,根据各层次之间的关联从顶至底进行系统综合各指标,从而评估固态发射机的健康状态。采用一种改进证据理论进行多指标融合方法进行雷达发射机的健康状态评估,通过各实测数据隶属函数转化得到基本可信度分配,避免了传统方法中评估指标基本可信度函数分配的主观性和局限性。

2　基于D-S理论的发射机健康状态模型

1) 雷达发射机的健康状态参数选取与归一化

雷达发射机的作用是在统一的定时信号激励下,产生大功率的射频信号。传统的雷达发射机健康管理模式通过布置在雷达发射机当中的数采系统进行采集参数,并提交给控制系统处理,从而实现雷达发射机的状态监控和故障隔离。这种模式虽然具有一定的测试广度,但还存在故障征兆参数、测试目的性单一和测试数据利用不足的问题。在对雷达发射机的结构和工作过程的进行分析基础上选取整套可表征发射机健康状态的各种参数,并根据通用的数据格式划分标准,归一化数据类型。雷达发射机是典型的射频功率发生设备,伴随着半导体功率器件和功率合成技术的成熟促进了可靠性高、寿命长、抗冲击性能良好的固态发射机份额的逐年升高[3]。

脉冲压缩体制雷达发射机的工作过程大体为:发射机接收到线性调频信号,将信号传递给前级放大器进行初步放大,前级功率信号经过双工器的功率分配后进入末级放大器,经放大后的末级功率信号经功率合成装置合成射频信号,并在通过驻波检测、脉冲宽度采集、输出功率检测和工作比监测后传递给天线系统。在这个过程中,不可避免地会产生热损耗,为避免温度过热影响电子器件工作,冷却系统将对相关电路进行冷却。冷却系统一般采用冷板循环冷却的方式对相关电路进行冷却:用中空冷板紧贴电路,并对冷板加注循环的冷却液。当液冷系统出现故障时,启用强迫风冷系统为系统降温。在雷达发射机的开机或工作过程中,控制保护系统统筹支配健康参数采集传感器或电路对发射机的各项参数进行监测和收集,并在某些部分出现异常故障时触发相关动作,以避免故障扩散或启用备份完成战术任务,综合上述考虑,选取雷达发射机的健康状态参数集合如表1所示,部分参数给出了工作范围和保护响应时间。

雷达的机内测试系统在对健康状态参数进行采集后,可通过相应的通信机制将采集到的数据上传到健康管理系统中。原始测试数据必须经过参数预处理机制方可被后续模块利用。雷达发射机的健康状态评价技术是对雷达发射机的工作状态偏离期望工作状态的评定。采用数据归一化的方法,给出健康状态参数基于劣化程度的统一度量方案,并且建立雷达发射机的健康评价指标体系。还对传统的模糊层次分析法(Analytic Hierarchy Process,AHP)进行改进,引用指数标度替代传统线性标度,简化了模糊一致矩阵的构建方法,并且通过引入基于劣化程度的权重变动因子的方法赋予层次分析法以时变的特性,使之能够更好地起到动态综合评价作用。

表1　健康参数数据

2) 发射机健康状态的指标分层

以固态发射机为例,开展健康评估的工作。通过对固态发射机原理进行分析,从健康状态评估的角度出发,将与健康状态分层与健康状态有关的指标,根据层次之间的关联从顶至底进行系统综合各指标,从而评估固态发射机的健康状态。综合考虑发射机体系结构的复杂性和指标可测性,采用粗糙集对其健康状态评估指标进行分层[4],如图1所示。

指标层次结构分为三层,第一层为目标层,是固态发射机的健康状态,第二层是能力层,健康评估指标的因素,第三层是指标层,固态发射机的健康状态指标组成的评价基底。各种指标针对同一性能健康度表征指标——健康指数(HI),将所有的参数健康程度归一化到(0,1)区间,而后利用层次分析法和D-S证据融合得出固态发射机的整体健康评估的结果。

3) D-S证据理论

D-S证据理论是针对事件发生后的结果(证据),探求事件发生的主要原因(假设)。对于具有主观不确定性判断的多属性决策问题,D-S证据理论是一种融合主观不确定性信息的有效手段[5]。

图1　发射机健康状态分层图

对于任意一个命题A有A∈Θ,m是识别框Θ上的基本可信度,m(A)是A的基本可信度。这样,可信度函数m1,m2,…,mn就可以利用在同一识别框Θ上的n个独立证据源导出,表达式如下:

(1)

当各个证据源在获取时,由于自身性能、特点上的差异,那么它们的重要性、有效性会不相同,就会导致D-S规则提供的结果与实际情况可能不同。为了获得更好的效果,不能对各种信息源“平等对待”,而是应该赋予不同权重再进行融合[6～7]。权重值最大的信息作为关键因素,而其他信息作为非关键因素。这样就减少了各证据之间的冲突,从而提高了健康评估结果的可信度[8～10]。

4) 基于D-S证据融合的多指标评估模型

发射机的健康状态与测试性、发射机的安全可靠性等因素存在不确定的对应关系,这种关系具有模糊性和未知性,因此在固态发射机的健康评估中,引入D-S证据理论进行数据融合。在固态发射机的健康评估中,若干个指标会产生一定的健康状态,每个健康状态各指标都有一定的发生概率。在D-S证据理论中,用基本可信度分配来表示概率的大小,通过多传感器测试发射机的不同位置,得出每一传感器测得指标属于各种健康状态的基本可信度分配,然后利用D-S组合规则进行信息融合,得到融合后的健康评估指标。其融合健康评估过程如图2所示。

图2　固态发射机健康评估的D-S证据融合指标方案

通常,对论域U的l个模式A1,A2,…,Al,根据雷达发射机的各种传感器或专家经验知识给出n个隶属度:μ1,μ2,…,μn,则各种传感器对于各命题的隶属度为

(2)

属于各命题的基本可信度分配由下式得到:

(3)

得到的mi(Aj)是根据专家知识或各种传感器给出的隶属函数进行构造,保留观测结果的不确定基础上,可以避免人为因素导致的失真问题,从而极大地解决了证据理论中基本可信度如何分配的问题。

基本步骤如下:

步骤1:确定识别框架。在健康评估中,所有指标组成的集合作为识别框架,这里使用模糊评估集V表示,则健康评估的实际值就是υL(L=1,2,3,4,5)。根据专家的经验知识,评估值假设是P(V)={P(ν1),P(ν2),P(ν3),P(ν4),P(ν5)}={0.90.70.50.30.1}。

步骤2:运算出所有信息源的可信度函数和权重因子。比较全面地评判发射机健康评估的各个指标,利用专家经验知识给出隶属度函数,分析和处理各个评估指标,确定每个指标层的基本可信度,再根据层次分析法来确定指标权重因子。

步骤3:融合证据。对各个指标的权重因子和基本可信度,利用改进的D-S规则组合来自不同信息源的各个证据。

步骤5:完善模型。对专家经验知识与评估结果进行比较,得出之间的差异,并修正权重因子,进一步完善健康评估的模型。

3　应用案例

在对某型雷达的固态发射机进行维修工作时,测得部分数据并计算相对值如表2所示。

表2　固态发射机测量数据

将故障条件下的评估指标的评估等级划分为五级,V={ν1(有故障对健康状态影响轻微),ν2(有故障且发射机状态较好),ν3(故障对发射机健康状态影响一般),ν4(有故障对健康状态影响较严重),ν5(有故障对健康状态影响严重)}。根据专家意见,可以假设评估值为P(V)={P(ν1),P(ν2),P(ν3),P(ν4),P(ν5)}={0.90.70.50.30.1}。采用层次分析法得到各指标权重是W1={0.313,0.327,0.305,0.023,.0.010,0.019},CR=0.035;W2={0.084,0.176,0.129,0.074,0.103,0.442},CR=0.027,并且都能够进行一致性检验,这就证明了评估矩阵和权重计算的正确性。接着进行隶属度函数转化,得到各个健康评估指标的基本可信度分配与权重因子如表3所示。

表3　各健康指标的基本可信度分配与权重因子

假设子层权重是(0.620.38),分别指导指标层各元素的基本可信度分配,并进行证据合成。得到的可信度分配如表4所示。

表4　指标层融合后的可信度分配

在实际维修过程中,发现波导气压的指标存在偏差,并伴随着波导打火,而其他参数都正常,分析原因是发射机内部与天馈阻抗匹配较差而使反射能量过多,导致了过高的驻波比和波导打火,属于轻微故障状态。此时表明,健康状态评估结果与实际维修结果基本符合。

4　结语

以雷达固态发射机为例,从健康状态评估研究出发,充分考虑系统的复杂性和可测性指标,将与健康状态有关的各个指标进行分层处理,通过传感器采集数据获得各指标属于健康状态的基本可信度分配,然后利用D-S证据融合对健康评估指标进行数据融合,综合评估固态发射机的健康状态。文中所提出的方法利用改进的D-S合成法则,将雷达发射机进行PHM健康评估的可信度极大提高了,并在固态发射机上得到了验证,具有广泛的应用前景。

参 考 文 献

[1] 徐佳,徐琳.航电系统的基于融合预测的健康管理[J],系统工程与电子技术,2011,22(3):428-436.

XU Jia, XU Lin. Health management based on fusion prognostics for avionics systems[J]. Systems Engineering and Electronics,2011,22(3):428-436.

[2] 杨洲,景博.自动驾驶仪PHM系统健康评估方法研究[J].仪器仪表学报,2012,33(8):1765-1771.

YANG Zhou, JING Bo. Research of health assessment method for Autopilot PHM system[J]. Journal of Instrument,2012,33(8):1765-1771.

[3] 尹明,叶晓慧,陈少昌,故障预测与健康管理中传感器选择与定位方案[J].传感器和变换器,2013,158(11):230-235.

YIN Ming, YE Xiaohui, CHEN Shaochang. Sensor Selection and Location Scheme for Prognostic and Health Management[J]. Sensors and Transducers,2013,158(11):230-235.

[4] 王红霞,潘红兵,叶晓慧.多故障的测试序列问题研究[J].兵工学报,2011,32(11):1518-1523.

WANG Hongxia, PAN Hongbing, YE Xiaohui. Research on Test Sequence Problem for Multiple Fault Diagnosis[J]. Acta Armamentarii,2011,32(11):1518-1523.

[5] 叶清,吴晓平,宋业新.基于D-S证据理论和AHP的故障诊断方法研究[J].海军工程大学学报,2006,18(4):12-16.

YE Qing, WU Xiaoping, SONG Yexin. Fault diagnosis method based on D-S theory of evidence and AHP[J]. Journal of Naval University of Engineering,2006,18(4):12-16.

[6] 李伟,梁玉英,朱赛.基于神经网络和证据理论的信息融合在故障诊断中的应用[J].计算机测量与控制,2012,20(11):2888-2890.

LI Wei, LIANG Yuying, ZHU Sai. Fault diagnosis based on Neural Network and Evidence Theory Information Fusion[J]. Computer Measurement & Control,2012,20(11):2888-2890.

[7] 张继军,马登武,张金春.基于HMM的电子设备状态监测与健康评估[J].系统工程与电子技术,2013,35(8):1692-1694.

ZHANG Jijun, MA Dengwu, ZHANG Jinchun. State monitoring and health evaluation of electronic equipment using HMM[J]. Systems Engineering and Electronics,2013,35(8):1692-1694.

[8] 黄志彦,张柏书,于开山,等.D-S证据理论数据融合算法在某系统故障诊断中的应用[J].电光与控制,2007,14(2),146-149.

HUANG Zhiyan, ZHANG Baishu, YU Kaishan, et al. Application of D-S evidence theory data fusion algorithm in fault diagnosis of a certain system[J]. Electronics Optics & Control,2007,14(2):146-149.

[9] 蒋黎明,何加浪,张宏.D-S证据理论中一种新的冲突证据融合方法[J].计算机科学,2011,38(4):236-238.

JIANG Liming, HE Jialang, ZHANG Hong. New Fusion Approach for Conflicting Evidence in D-S Theory of Evidence[J]. Computer Science,2011,38(4):236-238.

[10] 刘海燕,赵宗贵,刘熹.D-S证据理论中冲突证据的合成方法[J].电子科技大学学报,2008,37(5):701-704.

LIU Haiyan, ZHAO Zonggui, LIU Xi. Combination of Conflict Evidences in D-S Theory[J]. Journal of University of Electronic Science and Technology of Chian,2008,37(5):701-704.

收稿日期:2015年10月17日,修回日期:2015年12月3日

基金项目:国家部委基金资助项目(编号:9140A27020113JB11393)资助。

作者简介:张永顺,男,硕士,讲师,研究方向:电子装备健康评估。

中图分类号TN959

DOI:10.3969/j.issn.1672-9722.2016.04.013

Health Assessment of Radar Transmitter Based on D-S Evidence Fusion

ZHANG Yongshun1XU Yanyi2YIN Ming1

(1. Electronics Engineering College, Naval University of Engineering, Wuhan430033)(2. Department of Information Security, Naval University of Engineering, Wuhan430033)

AbstractUnder the uncertainty factors condition of health status evaluation for radar transmitter, it builds index evaluation model based on D-S evidence theory. On the basis of comprehensive consideration for measurability, it establishes a new structure for health status evaluation of radar transmitter. In order to avoid the subjectivity and limitation for the basic probability function allocation, by using an improved evidence theory to multi-index fusion method, it gets the basic reliability allocation through the membership function. Then applying the improved D-S evidence theory to assessment fusion, the experimental results demonstrate the effectiveness of the proposed method.

Key Wordsradar transmitter, health assessment, analytic hierarchy process(AHP), D-S evidence theory