基于模糊诊断的航空电源车综合故障诊断技术

马智杰，许少波

（中国飞行试验研究院，陕西 西安 710089）

1 研究背景

随着航空试飞事业的急速发展，现有试验机型众多，试飞任务繁重，试飞保障的成功率变得愈加重要。航空电源车作为一种集发电与供电于一体的试飞保障主要装备，承担着飞机相关地面工作和飞行启动的保障工作[1]，其运行状态和供电性能直接影响到飞行保障效率和飞行安全[2]。而航空电源车容易出现故障且难以判断排除，很大程度上影响后续飞行保障工作的正常进行[3]。

基于航空电源车在飞行保障工作中的重要性，要时刻保证其设备状态良好，而航空电源车故障的快速诊断和修复是保证其状态良好的重要方式。航空电源车故障的发生具有模糊性和不确定性，故障位置随机性强，故障征兆表现模糊，两者间的关系也是模糊的，符合模糊诊断方法的应用条件[4]。为保证航空电源车故障的快速定位排除，通过此模糊诊断方法对发生的故障进行诊断，快速定位故障点，进行精准排除，能够提高航空电源车的完好率和飞行保障效率。

2 模糊综合评判法

模糊故障诊断通过统计故障发生征兆与故障发生原因建立单征兆与故障原因的隶属度关系，通过整合多征兆与故障原因的隶属度关系形成诊断矩阵，再根据模糊算法的计算结果确定故障是否存在倾向性，得出故障诊断结论。模糊诊断的过程如图1 所示。

图1 模糊诊断过程

2.1 建立故障评判因素集

当航空电源车出现故障，车辆的故障警示灯会进行提示，电源输出品质往往会受到影响。通过统计发生故障时的航空电源车表现形式，形成航空电源车故障征兆集。设航空电源车出现故障的可能表现征兆有p个，分别用u1,u2,…,up表示。通过统计航空电源车故障可能出现的位置，形成航空电源车故障原因集。设航空电源车可能出现故障的原因有q个，分别用v1,v2,…,vq表示。则得到以下两个集合：

2.2 确定隶属度

由于航空电源车发生故障时，其征兆与原因不是简单的映射关系，故障的某一表现形式可能由多种原因导致，因此通过建立模糊集合来表示当出现故障征兆时各个故障原因的可能性程度，这种可能性程度就是隶属度[2]。

建立单征兆模糊集合Rp={rij,…,rip}，表示第p个故障征兆发生时对各个故障原因的评判结果。Rij表示故障征兆和故障原因之间的联系，确定故障征兆集U内所有征兆与原因的隶属度关系，再以单征兆评判矩阵为行，形成模糊诊断矩阵：

式中：0≤rij≤1，rij∈[0,1]。

该模糊诊断矩阵表示了故障征兆集与故障原因集之间相互制约的关系强度。在实际的航空电源车故障诊断中，上述矩阵表示了故障征兆与故障原因之间的隶属度，即可能导致此征兆发生的故障原因的可能性。

2.3 建立多征兆表征集

在实际故障发生时，故障征兆不是单一的。经过故障表现重复确认后，可能存在征兆的不确定性，因此不能用简单的是或否来确定故障征兆。在此引入多征兆表征集，由专业工程人员根据实际故障的评判来为所有征兆可能性进行评判。

建立多征兆表征集：

2.4 模糊算子的选用

根据实际情况的需求不同，选用的模糊算子也不同。在航空电源车故障诊断中，需要了解各个故障发生原因的可能性，依据可能性大小进行故障排除工作，所以一般选用加权平均型算子M（●，+）。

2.5 模糊综合评判

由于针对电源车故障需要对所有因素依权重值大小均衡兼顾，考虑各个因素，因此采用加权平均型算子M（●，+），对对应元素乘积求和。

根据具体情况确定模糊算子后，求解模糊方程：

式中：○为模糊算子，R为模糊诊断关系矩阵，描述了故障征兆与故障原因之间的隶属程度[5]。

确定了模糊算子后，将式（3）、式（4）代入式（5）得到模糊方程：

式中：dj=,(j=1，2，…,p)。

D即为最终的故障诊断模糊评判集，该集合内各元素即为故障原因位置的可能性大小。

3 模糊综合评判在DYC30 型航空电源车故障诊断中的应用

当前航空电源车厂家众多，车型众多，特装部分结构变化大，出现故障时不易查找故障源，设备状态恢复有很大困难。但综合现有航空电源车厂家多数设备来看，其供电原理基本相同，若利用此模糊诊断方法，可快速查找故障源所处系统，再进行精准维修，可极大地缩短故障排除时间。在此选用DYC30 型号航空电源车为例进行说明。

选取该型电源车一次28.5 V 保障机型启动失败情况为例进行故障诊断。总结故障征兆共6 个，建立故障征兆集如表1 所示。

表1 故障征兆集

总结故障原因，共有9 个常见故障原因，建立故障原因集如表2 所示。

表2 故障原因集

根据常年故障总结数据和专业工程人员的经验，建立模糊关系如表3 所示。

表3 28.5 V 保障机型故障模糊关系

可得到故障模糊矩阵为

由专业工程人员根据建立的模糊量词量化表4，针对故障征兆建立多征兆表征集A={0,0,0.9,0,0.7,0}。

表4 模糊量词量化

由于DYC30 型航空电源车故障因素众多，对所有因素需依权重值大小均衡兼顾，在高可能性故障原因不正确时需考虑其次的可能原因，所以要保留各个因素可能性大小。选用加权平均型算子M（●，+），进行模糊评判：

根据最大隶属度原则，最有可能发生的故障为v4，即ZLWT-4 直流调压器损坏。排除故障时，技术人员发现由于直流调压器损坏，导致无励磁电压输出，证明实际故障与诊断结果相同。

4 模糊综合故障诊断实际应用

随着电源车多功能综合化程度越来越高，故障诊断技术要求也越来越高。电源车技术更新速度极快，这就要求维修人员具备大量的知识储备和维修经验。运用此方法构建故障征兆与位置的数学模型，可以通过形成的故障模糊关系表来指导维修工作，形成系统性的故障查找数据库，对应的可能性由数值表示，一目了然，有助于维修人员对故障进行快速预判。

在实际故障中，故障与征兆很难精确对应，只能凭借人为经验去进行梳理排除。而电源车模糊综合诊断可以直接通过易辨识的故障征兆给出故障产生位置的可能性，快速完成电源车故障的检测与排除，大大提高了诊断工作的效率和准确性[6]。

故障征兆就是故障发生时的表征现象，可以通过软件采集故障信号形成多征兆表征集，通过系统计算得出故障模糊评判集，大大减少故障定位时间。如果该系统应用成功，能在一定程度上提高对航空电源车装备的维护维修能力，对电源车装备的信息化和智能化发展起到极大的推动作用[7]。

5 结语

航空电源车在实际使用时，故障的出现具有复杂性，往往表现为多个征兆。尤其在试飞实际情况中，需要保障的机型众多，航空电源车厂家众多，涵盖多个系列的航空电源车，故障的排除难度更大。与其他保障技术相比，本文提出的模糊诊断方法能够快速、准确地鉴定故障类型，对故障进行定位，减少了故障定位排除的时间。在今后的工作中，通过电子设备收集航空电源车的数据，分析可能出现的故障征兆，然后由计算机进行模糊诊断，能够有效提高故障诊断效率，加强对设备状态的把控，对未来的试飞保障工作具有重要意义。