智能网联技术下机载电子电气设备检测系统设计

孙小伟，张启浩，李 琦，刘 畅，张东海

（1.南方电网有限责任公司超高压输电昆明局，云南昆明 650214；2.云南兆富科技有限公司，云南 昆明 650217）

机载电子电气设备是无人机的关键部件，其对无人机的飞行控制有着举足轻重的地位。由于无人机上的电子设备存在多种类型故障，相互间的联系及表现形式十分复杂，尤其是在现场条件较差的情况下，失效可能性显著增大，且存在一定随机性和不确定性，使得故障探测与诊断变得更加困难。文献[1]提出基于深度置信网络的检测方法，通过采样样本故障数据，结合神经网络进行学习，并检测通信控制设备；文献[2]提出基于长短期记忆神经网络的检测方法，调用序列和长短期记忆神经网络检测容器内进程异常行为，利用LSTM 捕获序列特征。使用上述两种方法容易受到机载电子电气设备间的复杂通信网络影响，存在潜在的安全隐患问题。为此，提出智能网联技术下机载电子电气设备检测系统设计。

1 电气设备数据传输特性

在智能网联技术下，使用一种双极归零制数据传送方法调制高、零、低状态信号。数据传送次序从第1 位到32 位。在传输数据时，最小的位元是第一个被传送的。由于连续传送数据之间存在4 位零电平的持续时间，因此同步信息也被传送到一个单一的调制信号中[3-4]。这一信息是由双极性归零码主状态变成高或低的状态，从而检测机载电子电气设备运行状态。

智能网联技术的双极归零示意图如图1 所示。

图1 智能网联技术的双极归零示意图

由图1 可知，智能网联技术数据传输协议是差分传输协议，能够较好地抑制共模干扰[5]。设置高、零、低电平状态的发送端和接收端电平分别为高→发:+8.0±1.0 V→接:+6.0～+10.0 V；零→发:0±0.2 V→接:+2.0～-2.0 V；低→发:-8.0±1.0 V→接:-6.0～-10.0 V。考虑脉冲畸变干扰，在设备系统接收端应比发送端所传输的电平信号范围更宽，这样才能容许大量检测数据传输[6-7]。

2 系统总体结构设计

在机载电子电气设备的检测系统中，必须具备良好的开放性、扩展性、交互性和协同性。该系统包括客户端模块、决策模块以及检测模块，系统总体结构如图2 所示。

图2 系统总体结构

由图2 可知，该系统采用智能无线路由网络确保系统监控中心和用户终端的数据传输流畅；检测模块根据所获得的信息，对系统进行预判，为系统故障诊断提供充分反应时间[8-9]。

2.1 嵌入检测适配器

嵌入式检测是连接测试系统的输入、输出接口与机载电子电气设备相结合的适配器[10]。另外，该适配器还预处理和隔离了一些信号，例如对输出信号放大、隔离、变换处理，获取机载电子电气设备上的负荷[11]。程控电源和固定电源为机载电子电气设备提供充足工作电流；输入/输出接口分别是测试信号的输入端口和系统资源激发信号的输出端口，由嵌入式计算机继电器组件接通和断开信号传输通道。此外，还可以进行防错插设计，确保检测装置的安全连接[12]。

2.2 光耦隔离装置

光耦隔离装置是利用光耦合器来实现的，其构造是将LED 与感光三极管结合，绝缘电路之间不能直接电连接，特别是在低压与高压线路之间，避免因电连接而产生干扰[13]。在模拟切换指令时，DA 板输出TTL 高电平，但TTL 高电平不能满足切换信号要求，如停止、启动、延时等，需经由MC1413P 芯片传输到整个设备线缆上，从而实现TTL 信号的驱动与变换[14]。

3 系统实现关键技术研究

3.1 基于智能网联技术的异常参数辨识

由于机载电子电气设备检测系统是一个非线性系统，其模型结构较难获得，智能网联技术为它提供了一种有效的异常参数辨识方法。

首先分析机载电子电气设备运行的实际状态，对同期运行参数聚类处理。使用重心法计算类与类之间的距离，公式为：

式中，gk、gL为两类的中心点；n表示特征向量个数；j表示计算次数[15]。设输入n个特征向量为k1,k2,…,kn，将特征向量聚集在一起后确定中心点。以该聚类中心为表征向量，构建密度函数，可表示为：

式中，r表示机载电子电气设备运行参数邻域半径，通过该公式可确定聚类同期运行的峰值参数[16]。

使用归一化处理训练聚类参数，可提高参数收敛速度。归一化处理公式表示如下：

式中，ht表示t时刻的实际辨识参数；hmin、hmax分别表示最小和最大辨识参数值。将三个连续参数作为参考值，对其进行标识处理，如下所示：

初始化不同时刻潮流，作为量测标准，根据下列公式计算实际辨识参数与理论辨识参数之间的差值，公式为：

3.2 检测过程设计

由于机载电子电气设备运行产生的数据随机性远远高于总线，在严格规范检测步骤时，系统应当是井然有序的。通过检测一段时间内电气设备的信息熵值，可以检测大多数异常情况，因此，将信息熵值作为电子电气设备检测的标志。以熵值计算结果为依据判断设备运行状态，详细检测过程如下所示：

步骤1：使用智能网联技术收集一定时间窗口下的总线报文。

步骤2：收集实际电气设备运行参数，可获取收集总线中的全部报文信息。

步骤3：统计标记的报文ID 数据出现次数，计算时间窗口为1 的信息熵值。

步骤4：以统计到的报文为依据，获取一定时间窗口下正常总线的信息熵，计算的结果即为阈值标准。

步骤5：固定时间窗口，按照由大到小的顺序依次排列，收集总线报文信息。

步骤6：设置时间窗口的间隔时间为10 min，计算全部信息熵值。

步骤7：将计算结果与阈值标准比较，判断当前电子电气设备的运行状态。如果正常，继续发送报文；如果异常，及时发出告警信息，由此实现固定时间窗口下的快速检测[17]。

4 实验测试

4.1 实验平台

在仿真实验环境为Windows7 下进行实验分析，使用CANalyst-II分析仪进行维护和管理，如图3 所示。

图3 CANalyst-II分析结构

使用CANalyst-II 分析仪模拟接入攻击场景，对系统进行攻击，由此分析机载电子电气设备检测系统运行性能。

4.2 实验结果与分析

1）场景一：将所有正常报文的ID 列入白名单中，若其中没有ID 报文，那么需要报警提醒系统。

向系统中发送ID 为0×011 和ID 为0×002 的报文各25 条，系统首先将正常总线中所有ID 报文列入白名单中，一旦发现有其他ID 报文出现，则说明ID 报文异常，需提示警告。分别使用基于深度置信网络的检测方法、基于长短期记忆神经网络的检测方法和基于智能网联技术的检测系统，对比分析不同时间下信息熵值，如图4 所示。

图4 场景一不同方法信息熵值对比分析

由图4 可知，实际情况下，在300～450 s 时，信息熵值明显降低，最低熵值为2.7，系统应发出告警。两种对比检测方法的信息熵值没有明显降低趋势，且与实际数值不一致；而使用基于智能网联技术的检测系统最低熵值与实际数值一致，均为2.7。

2）场景二：通过对总线的洪泛攻击，即向总线中一次性发送500 条0×00 报文，会破坏系统可用性。

向正在运行的机载电子电气设备发送大量优先级高的报文，根据设备总线响应特点，优先响应这些报文，致使总线正常报文无法被响应。此时，向总线连续发送ID 为0×00 的报文，让总线优先响应这些报文，进行洪泛攻击。再次使用这三种方法，对比分析不同时间下信息熵值，如图5 所示。

图5 场景二不同方法信息熵值对比分析

由图5 可知，实际情况下，在300 s 时出现一个告警点，此时信息熵值为2.6。在450～600 s 期间出现一个告警点，此时信息熵值为3.8。在600～750 s 期间出现四个告警点，此时信息熵值分别为3.8、4.2、4.5、4.0。在750～900 s 期间出现一个告警点，此时信息熵值为4.0。在900～1 050 s 期间出现一个告警点，此时信息熵值为3.8。两种对比检测方法与实际数值相差较大，而使用基于智能网联技术的检测系统在300～600 s 期间，与实际数值存在最大误差，数值为1.2。

3）场景三：对系统进行重放攻击，相比于场景二攻击方式，重放攻击下的正常报文会干扰系统，导致系统执行错误操作。

向正在运行的机载电子电气设备总线中发送正常报文，达到控制系统检测的目的。使用这三种方法，对比分析不同时间下信息熵值，如图6 所示。

图6 场景三不同方法信息熵值对比分析

由图6 可知，实际情况下，在不同时间共出现四个告警点，对应的熵值分别为2.5、3.2、3.5、2.1。两种对比检测方法与实际数值不一致，而使用基于智能网联技术的检测系统在150～300 s 期间，与实际数值的误差最大为0.3。

5 结束语

在智能网联技术下设计的机载电子电气设备检测系统，通过处理采集到的正常总线报文，并计算下一固定时间窗口信息熵值，得到阈值标准。通过与阈值标准进行对比，能够判断总线发生的异常情况。设计实验测试场景进行对比检测，实验结果表明，智能网联技术能够有效防止外界干扰，达到高效检测的目的。