基于影响度的光电测量设备故障诊断方法研究

【摘要】针对目前光电测量设备故障诊断试验中，因样本抽取方法不合理导致试验结论可信度低的问题，通过考虑危害度和故障扩散强度这两个与测试性相关的重要因素，定义了影响度的概念。

【关键词】光电测量设备；故障诊断；影响度；故障信息模型；样本抽取

从功能特征出发，构建功能模块——故障信息模型，利用该模型提出了基于影响度的样本抽取方法并给出试验抽取流程。此方法依据影响度比率，随机抽取出被测单元的故障样本，达到提高样本集代表性，确保试验结论可信度的目的。最后以某光电测量设备中的时统终端单元为例，利用基于影响度的方法进行样本抽取，比较分析抽取结果证明该方法有效可行。

1.引言

光电测量设备[1]是靶场测控装备的重要组成部分。随着现代控制技术和计算机技术的大量应用，其复杂程度越来越高，带来了故障诊断的困难。测试性[2]是产品能及时、准确地确定其状态（可工作、不可工作或性能下降）并隔离其内部故障的一种设计特性，为了提高设备故障检测与隔离能力，必须开展测试性工作。目前靶场光电测量设备的测试性工作开展较少，特别是如何抽取故障样本来进行故障诊断试验以提高样本集的代表性确保试验结论的可信性，这一问题国内外相关领域还没有很好地解决。

本文针对此种情况，提出了影响度的概念，并利用功能——故障信息模型研究一种基于影响度的样本抽取方法，来满足光电测量设备故障诊断试验的需要。

2.故障诊断中的样本抽取

光电测量设备的故障诊断试验，就是在研制的产品或样机中注入一定数量的故障，用测试性设计规定的测试方法进行故障检测与隔离，按照试验的结果来估计产品的测试性水平，判断其是否达到规定的要求，决定接收或拒收[3]。故障诊断试验过程可以概括为三个环节：故障样本分配与抽取；故障注入演示试验；接收/拒收判断。第一个环节中的故障样本抽取，是指当样本分配结束并确定出各UUT（被测单元）所需样本量后，从各UUT故障模式总集中随机抽取出具体的故障模式，构成该UUT的样本集。光电测量设备的故障模式总集、UUT故障模式总集、UUT的样本集的关系是包含关系，如图1所示。

图1 各故障模式集层次关系

经抽取出的UUT样本集要能较好地代表UUT故障模式总集，这样才能确保故障诊断试验结论的可信性。但不是所有的故障模式都可以被抽取出来作为试验样本，抽取过程必须遵守一定的准则，通过对国内外研究成果的分析，总结出如下几点准则[4]：

（1）所抽取的故障模式，在进行故障注入时不能破坏任何设备；（2）所抽取的故障模式，应具有较高的可注入性和注入准确性；（3）故障注入时，所需要的硬件研制开发方便，简单，通用性强，开销少；（4）所抽取的故障模式，能以较小的费用最大限度地激活测试；（5）所抽取出的样本集，能最大限度地充分覆盖故障模式总集，具有较好的代表性。

样本集的代表性[5]是指所抽取的故障模式构成的集合对故障模式总集特征的覆盖程度，覆盖程度越高代表性越好，越能充分地反映试验对象的测试性水平。

文献[6]提出了基于故障特征模型的样本抽取方法，本文借鉴其思想建立功能模块——故障信息模型，在不违反以上准则的前提下进行样本抽取，下面对功能模块——故障信息模型进行介绍。

3.功能模块——故障信息模型

功能特征是指UUT设计实现的各种功能，一般情况下UUT都具有多种功能，UUT的各种故障模式对其功能都具有不同的影响。建立光电测量设备的功能模块——故障信息模型，首先要提取出与故障诊断试验相关的功能特征，提取时应考虑以下3点因素：

（1）所抽取的试验样本能否考核设备全部故障检测的能力和要求；（2）所抽取的试验样本能否考核设备全部故障隔离的能力和要求；（3）所抽取的试验样本能否激活设备全部设计的测试项目。

从提取的功能特征的角度出发，UUT可以由若干个实现不同功能的模块所组成，所以可以构建如下的模型。

（1）

式中：Fu为UUT各待检测功能模块的集合；fuj为待检测功能模块。UUT的所有故障模式由集合Fm来表示，Fm可通过故障模式影响影响及危害性分析（FMECA）来获得。

（2）

式中：Fm为UUT故障模式总集；fmi为UUT的1个故障模式。则定义功能模块——故障信息模型为：

（3）

式中：RF为功能模块——故障相关矩阵。

（4）

其中aij为UUT的故障模式fmi与待检测功能模块fuj之间的相关性，由0或1表示，当aij=1表明fmi可以导致功能模块fuj发生故障即相关；当aij=0表明fmi不可以导致功能模块fuj发生故障即不相关。公式（4）还可以用下式来表示。

（5）

功能模块相关特征矩阵：将满足公式（5）的RiF定义为故障模式fmi的功能相关特征矩阵。

fuj的等价集合：将满足公式（6）的Efuj定义为关于fuj的等价集合，即Fm对应RFj中元素为1的故障模式，构成关于fuj的等价集合。

（6）

（7）

4.基于影响度的样本抽取方法

4.1 影响度

从以上分析可以得出，当进行试验样本抽取时，从等价集合Efuj中按照等概率的方式进行样本抽取，可以满足第2节中的3点因素，但是这种抽取方式，是在认为等价集合中全部故障模式的影响地位相同的前提下进行的，但实际上每个故障模式所带来的影响都不相同。文献[6]提出按重要程度比率进行样本抽取，解决了等概率抽取的弊端，但是其只单纯考虑重要程度即严酷度这一因素，这样可能会使试验结论的可信度下降，抽取时还应考虑故障扩散强度这一因素。传播型故障[7]是指一种故障率低，但一旦发生则会传播扩散到其它元件，造成很坏影响的故障模式。若对传播型故障的测试性设计不完备，一旦发生而没有正确检测和隔离，给使用方造成的风险将与常见故障风险总和相提并论。在光电测量设备测试性设计之初，会重点对这种传播型故障进行故障检测和故障隔离的设计，确保装备有较高的测试性。故障扩散强度是指故障传播的能力。扩散强度越大，则表示故障通过某线路越容易进行扩散，同时波及的范围也就越大。所以相应地进行样本抽取时，应保证扩散强度高的故障模式较可能地被抽中。综合考虑危害度和故障扩散强度这两个因素，本文提出一种基于影响度的样本抽取方法，来提高试验结论的可信度，下面对影响度进行定义。

影响度：设φi表示某故障模式fmi的影响度，φi等于该故障模式的危害度与故障扩散强度之和，其计算公式如下所示：

（8）

式中：危害度Cmi的计算结果可通过FMECA[8]来获得；Ii的计算结果可通过改进后的单步故障扩散算法[9]来获得。

影响度比率：设某等价集Efuj中的故障模式数为m，fmi为等价集中的某故障模式，，fmi对应的影响度值为φi，则定义fmi的影响度比率为rφi，如公式（9）所示。

（9）

4.2 按影响度比率进行样本抽取的方法

本节给出按影响度比率进行样本抽取的方法[10]。

设分配给等价集合Efuj的试验样本量为z，则在抽取过程fmi被抽中的概率为rφi，既有。抽取时令，其中，并设F（0）=0，从随机数序列{η}中，随机抽取出一个随机数ηj，，并计算出t使其满足如下条件：

（10）

如果满足该条件，就把下标为t的故障模式fmt抽中放入样本集中，便可得到一个样本。之后照此方法继续下一次抽取，反复进行直至从等价集合Efuj中得到z个试验样本，构成样本集Sj。

照此方法求出UUT中每个功能模块等价集合的样本集，并对这些样本集取并集，最终便得到该UUT的样本集：

5.案例分析

下面以某型光电测量设备为例，利用上述方法演示样本抽取过程，并将抽取结果与按重要度即危害度所抽取的结果进行比较分析。该设备由8个单元组成，分别是时统终端单元、主控计算机单元、伺服单元、光纤通信单元、视频存储单元、编码器单元、红外处理单元、调光调焦单元。

因考虑篇幅等问题，这里只具体给出时统终端单元的样本抽取过程。该单元有3个功能模块，如表1所示。

对能导致功能模块发生故障的所有故障模式进行FMECA分析和故障传播过程分析并运用公式（8）、（9）计算每个故障模式的影响度和影响度比率，同时利用文献[6]的思想得出每个故障模式的重要度和重要度比率，其结果如表2所示。

分析以上故障模式的故障树，并收集与功能特征相关的各种信息，按照本文的思想建立功能模块——故障信息模型。其中功能模块——故障相关矩阵RF为：

分析RF中的RFj得到关于Fu的等价集合为：

Efu1={fm1，fm2，fm3}

Efu2={fm4，fm5，fm6}

Efu3={fm7，fm8，fm9}

已知分配给时统单元的样本数为5，该单元的3个功能模块所分配到的样本数分别是2，1，2。按照本文所提出的影响度比率来对3个等价集合进行样本抽取，得到所属的样本集分别为S1={fm1，fm2}、S2={fm6，}、S3={fm7，fm8}，对它们取并集便得到该时统单元的样本集S={fm1，fm2，fm6，fm7，fm8}。之后按照文献[6]中的重要度比率来进行样本抽取得到样本为fm2，fm3，fm5，fm6，fm9。可以看出这两个样本集是不同的，原因是用重要度比率进行抽取只考虑了危害度一个因素，而本文所提出的按影响度比率进行样本抽取，不仅考虑危害度还考虑了故障扩散强度这一因素。通过以上分析可得知在理论上按影响度比率抽到的样本集代表性更好，试验结论可信度更高。

6.结束语

本文介绍了光电测量设备故障诊断中样本抽取的基本概念和抽取原则，构建了功能模块——故障信息模型。考虑危害度和故障扩散强度这两个影响故障诊断的关键因素，提出了影响度的概念。利用功能模块——故障信息模型，研究了一种基于影响度的试验样本抽取方法，并给出了具体的抽取流程。最后以某型光电测量设备的时统终端单元为例，对比按重要度比率的抽取方法，演示了按影响度比率进行样本抽取的操作过程，通过比较两种抽取方法所得到的不同结果，并分析原因可得证基于影响度的试验样本抽取方法能更好地提高样本集的代表性，确保试验结论的可信性。除了功能特征与故障诊断试验相关，结构特征、测试特征也是故障诊断试验的重要特征，但本文只针对功能这一特征构建了模型，在今后的研究中可以针对不同的验证对象，考虑其他两个特征来构建模型。

参考文献

[1]何照才，胡保安.光电测量[M].北京：国防工业出版社，2002.

[2]田仲，石君友.系统测试性设计与验证[M].北京：北京航空航天大学出版社，2003.

[3]GJB2547-1995，装备测试性大纲[S].北京：中国标准出版社，1995.

[4]石君友.测试性试验验证中的样本选取方法研究[D].北京：北京航空航天大学.

[5]Temple G，Jize N，Wysocki P.Testability modeling and analysis of a rocket engine test stand[A].Aerospace IEEE Conference[C].2005.

作者简介：宋彦达（1988—），男，辽宁锦州人，助理工程师，主要从事光学测量方面的研究。