无人机故障诊断技术概述

聂学华,纪红霞,裴闯,张赜

95894部队

本文主要阐述故障诊断技术发展现状，介绍专家系统定义、分类及如何建立专家系统，为下一步无人机故障诊断系统研究提供理论参考，为无人机安全性提供支撑。

故障诊断技术发展至今，已提出大量方法，一般将其划分为基于解析模型的方法、基于信号处理的方法和基于知识的方法三种。近年来，业界提出了无人机安全监控与健康管理系统的概念，功能主要包括无人机飞行过程中的数据采集、分析、故障检测与隔离、故障预测分析、飞行安全评估与预测等，为无人机安全飞行提供辅助决策，并将机载信息传输给地面测控系统，以进行故障诊断和预测。例如，美国F-22“猛禽”战斗机项目中，采用了实时监测诊断、离线诊断、远程诊断与维修及保障相结合的层次化、一体化的综合诊断体系。目前，国内无人机有关单位对该方向也开展了大量研究工作，但大部分工程实现仅被认为是故障诊断的雏形。

按照故障检测与预测的对象与流程，本文重点介绍无人机地面故障诊断技术。

国内外研究现状

故障诊断技术经历了三个发展阶段。第一阶段，诊断结果在很大程度上取决于该领域专家的感官和专业经验，对诊断信息只作简单的数据处理。第二阶段是以传感器技术和动态测试技术为手段，以信号处理和建模处理为基础的现代诊断技术，在工程中已得到广泛应用。近年来，随着计算机及人工智能的发展，为满足复杂系统的诊断要求，诊断技术进入以知识处理为核心，信号处理、建模处理与知识处理相融合的第三发展阶段，即智能诊断技术阶段。

早期航空领域的地面故障诊断技术在相当长的时期内停留在第一阶段，维修人员通过学习故障手册，根据故障发生的现象与特征进行故障诊断。这种方法不但浪费人力物力，而且对特殊故障的处理缺乏准确性，只有提升维修人员的专业水平才能提高维修效率与准确率。随着飞机可靠性日益被重视，仅仅依靠维修人员的个人维修经验已不能满足现代飞机可靠性的要求，地面故障诊断技术进入了第二阶段。对于各种主要战机，美国采用了自动化水平更高的机内自检测（BIT）技术，提高了故障检测的准确率和精确度，有效保证了飞机性能。但是由于整个飞机系统的复杂性以及系统各组成部分具有相对的关联性，使得BIT不能够处理一些系统部件的相关故障诊断问题，这一缺点导致了故障诊断准确率长期处在一个比较低的水平。

为了改善这种状态，美国空军将智能理论与故障诊断结合起来，提出采用智能化理论解决准确率不高的问题。智能化诊断应用于空军军事领域，不但使故障诊断效率得到巨大的提升，同时也进一步推动了智能诊断和专家系统相关领域的发展，这一应用具有重大理论意义和实际工程价值。美国主要现役机型都采用了智能化故障诊断技术，确保在地面就能排除故障，使故障维修具有更好的及时性。在伊拉克战争中，美军“全球鹰”、“捕食者”、F-15、F-16、F-18、B-2等机型均采用了智能故障诊断技术，使专用检测设备数量减少，维修人员工作负担减轻，维修时间缩短，整机完好率提升。

我国航空电子设备检测与维护的传统方法也是先由维修人员定期将设备从飞机上卸下，运用仪器对信号进行检测，再通过有经验的专家运用经验知识，对故障原因和故障部件进行分析，判断，由维修工程师维修后将设备装上飞机。这种维修方法效率低下，必须靠有经验的技术人员和专业检测设备来决策，造成人力物力和时间的浪费。从上世纪80年代开始，军用装备特别是机载航空电子设备的检测与故障诊断被纳入装备研制过程，带来了故障检测与诊断技术的发展，新一代航空电子设备均采用BIT设计，效果显著。但是，由于我国开展测试性、可靠性及维修性的工作经验比较欠缺，大多数检测系统功能设计简单，检测准确性偏低，故障覆盖率难以满足航空电子设备故障诊断的要求。2000年以后，随着诊断理论、诊断设备性能和诊断技术的提高，机载设备地面故障诊断技术水平在精确性、可靠性与效率上都有大幅提高，通过地面故障诊断系统的检测和故障诊断定位，排除故障，保证飞行安全。

图1 美军“全球鹰”无人机采用了智能故障诊断技术。

当前我国大型无人机系统地面故障诊断主要依靠地面综合保障系统，一般来讲主要包括一台地面综合检测车和相关辅助设备，保障无人机日常维护、检修、训练和起飞前各项技术指标、状态的检测，是无人机无故障飞行的关键保障设备。当前，该系统的完善受到用户的高度关注，也是未来发展的一个重要方向。

故障诊断关键技术研究

故障诊断是指系统在一定工作环境下，查明导致系统某种功能失效的原因或性质，判断有隐患的部位或部件，以及预测状态劣化的发展趋势等，由当前预测未来，由局部推测整体的过程。在工程技术领域，需要根据各种可测量的物理现象和技术参数的检测来推断设备是否正常运转，判断发生故障的原因和部件，预测潜在故障的发生等。对机器设备进行故障诊断的过程称为故障诊断。

故障诊断步骤

当系统发生故障时，系统中可测的或不可测的各种变量，或其中部分变量会表现出与正常状态不同的特性，这种特性差异就包含丰富的故障信息，如何找出这种故障的特征描述，并利用其进行故障的检测与隔离，这就是故障诊断的任务。故障诊断包含故障特征提取、故障分离与估计、故障评价与决策等几方面内容。

图2 无人机故障诊断流程图。

（1）故障特征提取

通过测量和采用一定的信息处理技术，获取反映系统故障特征的过程；

（2）故障分离与估计

根据检测的故障特征，确定系统是否出现故障以及故障严重程度的过程；

（3）故障评价与决策

判断故障的严重程度，以及故障对系统的影响和发展趋势，针对不同情况采取不同措施。

专家系统

（1）专家系统基本含义

专家系统是一种基于知识的计算机程序系统，它能模拟特定领域的专家，获得求解问题的能力，对面临的复杂问题做出专家水平的结论。由于它解决问题的能力主要取决于它拥有的知识，所以又称为知识库系统。这种基于知识的计算机程序，事先总结出有关专家的知识、经验，形成一系列规则后以适当形式存入计算机，即建立知识库。然后，采用合适的控制策略，按输入的原始数据选择一定的规则进行推理、演绎，做出判断和决策，并能根据用户要求给出满意的解释。

根据专家系统的结构，将专家系统定义如下：一个专家系统由一个四元组组成。

其中，P是要解决的问题，S为系统的推理控制策略，L是学习机制，K为知识库。

专家系统是解决具有适当规模的问题，采取一定的推理控制策略，具备相当丰富和权威的知识，并具有学习机制，能对知识库进行改进，以增强解题能力的计算机系统。

专家系统的知识库一般由规则库、语义网络、事实库组成。规则库存放的启发式知识，是知识的主要形式。事实库存储应用领域所需的数据、信息和事实。语义网络用于表述领域的概念、事实、实体以及它们之间的关系。随着解决问题的复杂性增加，语义网络涉及的对象和实体也增多。如果知识库比较大，就需要寻找比较有效的搜索知识的方法。因此，知识库K可表示为如下三元组。

图3 德国空军人员正在检测“梭鱼”无人机故障。

其中，RB是规则库，FB是事实库，SN是语义网络。

一个知识库可以由规则不相交的若干知识库组成，包括有限个数的规则组、事实组以及语义网络组，用Kj表示知识块，j表示知识块号：

知识库是有多个输入端且只有一个输出端的基本构造单位，而且每条规则是知识库的原子，用这种方式表示知识库，意味着知识库可以按一定方式分块。

推理机制是专家系统的重要且必不可少的组成部分。将用户要求、数据和事实输入到系统后，推理机制在一定控制策略下，搜索知识库中的规则、事实和语义网络，并按某种推理控制方式进行推理、判断，最后得到推理结果。为了用户方便，附带此结果的可信度值，或提供更多种结果并有不同的可信度，作为用户判断的依据。

知识库管理系统用来完成知识库存取、组织、管理、修改、维护和学习等，以及完成知识库的一致性检验并提供安全性和完整性检查，知识库管理系统作为专家系统的重要组成部分，为专家系统构建和维护提供了有力工具，知识库管理系统与知识库的关系正如数据库管理系统与数据库的关系。

推理子系统、知识库管理子系统和人机接口子系统是任何一个专家系统所必须具备的三个子系统。学习机制对知识库中的规则进行评价、修正或补充。

（2）专家系统分类

图4 知识库管理过程图。

根据实现专家系统方法和技术以及反映人类智能活动的本质，可将专家系统分成演绎型、经验型、工程型、操作型、探索型、工具型和咨询型等。根据专家系统所解决问题类型，可将专家系统分成解释型、预测型、诊断型、设计型、规划型、监督型、调试型、修理型、教学型和控制型等。还可根据专家系统结构特征对专家系统进行分类，例如按索引表示方法、推理策略、控制策略等方式划分专家系统类型。

（3）专家系统构建方法

专家系统能模拟特定领域的专家来求解问题，对复杂问题做出具有专家水平的决策。高性能专家系统应包含丰富的无人机理论知识，和该领域专家与维修人员的实践经验。构建知识库后，对其正确运用的过程就是推理，确切的说，推理过程就是按照某种推理策略，由已知事实推出其中蕴含的事实。下面对诊断专家系统几个重要的功能模块提出开发策略。

1）用户界面开发

用户界面是用户使用专家系统的操作界面，如果设计的用户界面不友好，再

好的系统也会让用户使用起来不方便，所以构建一个友好的用户界面极为重要。目前，自然、方便、灵活是专家系统的目标和发展方向。越来越多的技术已应用于专家系统的人机界面开发，通常采用菜单、按钮等控件方式，另外虚拟技术和多媒体技术也逐渐在专家系统中应用。

2）知识库管理模块开发

专家系统的知识需要管理和维护，以便提高系统效率。管理模块是实现知识库中知识的管理与维护。由于知识获取是一个长期积累的过程，不可能在某一固定时期获得整个系统的全部知识，所以知识库的建立是一个长期的过程，需要系统具有不断完善和修正系统知识的功能。不同层次的用户对知识的理解也不尽相同，应为不同层次的用户设计一种较通用的诊断知识描述，并提供知识的检查功能，确保知识的正确性，避免知识库的冗余等。对有些庞大而复杂的系统故障诊断需分成子系统进行诊断，这就需要对知识进行层次划分，从而将求解知识划分为若干个模块，不同模块的知识分别存储且相对独立。

3）推理模块开发

诊断知识的表示方法对推理及策略选择有直接影响。为对复杂问题进行求解并达到求解的严密性，智能故障诊断专家系统的诊断推理应设计为可支持多种推理方式的综合推理机，专家可对推理过程进行指导和修正。虽然综合推理机制的算法实现具有一定的复杂性，但系统的求解方式更灵活，解决问题的能力更强，推理更严密，形成针对特定问题的诊断推理方法，能有效解决各种推理难题，有效提高系统解决问题的能力。

图5 美空军人员卸下 “全球鹰”雷达天线罩准备维修，可见雷达天线。

无人机故障诊断专家系统设计与构建

无人机系统复杂，系统中的某种故障特征可能是单一诊断结论的前提，也可能是多个故障诊断结论的前提之一。所以，设计有效的推理策略即推理机，提高诊断的准确性也是系统设计的关键。

无人机故障诊断系统主要包括机载设备单元故障检测、故障定位，并根据故障诊断结果生成诊断结果报告等功能，为无人机系统维修提供依据，提高无人机的安全性。

无人机故障诊断专家系统构建是一个系统工程，需要不断进行分析、开发、测试和验证才能得以完善。因此，应围绕无人机设计和使用，不断积累、分析、丰富和学习专家知识库，使故障诊断专家系统越来越完善，为无人机安全性提供支撑。