基于贝叶斯网络的武器装备故障诊断方法
梁勇 王庆江 赵贺伟
（海军航空大学岸防兵学院，山东 烟台，264001）
摘要： 对武器装备故障进行快速、有效的诊断和处理，是提高其战备完好率及作战效能的重要方法之一。文中针对武器装备故障的不确定性特点，结合贝叶斯网络处理不确性问题的推理模型，提出了一种使用贝叶斯推理来进行武器装备故障诊断的方法，并通过实例验证了上述方法的可行性与有效性，这对以后处理类似的武器装备故障诊断问题具有借鉴意义。
关键词： 武器装备， 故障诊断，贝叶斯网络
0 引言
随着战争形态从机械化战争向信息化战争的演变，武器装备作为部队战斗力的物质基础，正不断的向智能化、自动化、精密化、复杂化方向发展。因此，保证武器装备的战备完好率并对其故障进行快速诊断和处理，具有重大的现实意义。
日前，山东省农药管理评审专家委员会在省农业农村厅召开2018年度评审例会，经集体审议，莱阳市丰禾植保农资有限责任公司等65家经营者符合限制使用农药经营许可条件。对审议通过的经营者，经公示无异议后，予以核发农药经营许可证。
武器装备故障诊断过程中，不确定性问题占多数，这主要是因为诊断设备、武器装备及其分系统之间存在很多不确定因素及不确定信息。
选用50%抗蚜威可湿性粉剂1500倍液～1600倍液，或10%吡虫啉可湿性粉剂2500倍液，或2.5%三氟氯氰菊酯乳油1500倍液～2000倍液喷雾防治，药剂交替使用，隔7d～10d防治1次，防治1次或2次，收获前5d～7d停止用药。
基于概率计算的贝叶斯网络（Bayesian Networks,BN）具有强大的推理能力和处理不确定性问题的能力，是不确定知识表达和推理领域较好的模型之一，比较适合处理武器装备的故障诊断问题[1-4]。在文中，根据武器装备故障的实际情况，以BN为理论依据，对装备故障进行诊断。
1 武器装备故障特点
1.1 武器装备基本情况
具有高可靠性的武器装备在从出厂交付部队之后到其报废销毁之前这段时间内，基本处于后方仓库贮存或一线战备值班两种状态，其服役年限[5]一般有十几年或几十年。
排除标准：①排除有其他内分泌疾病合并的患者；②排除糖尿病以及冠心病的患者；③排除有其他血液系统疾病的患者；④排除有肝炎、结核病以及艾滋病等传染性疾病的患者；⑤排除肝肾功能严重障碍、损伤的患者；⑥排除有自身免疫性疾病的患者；⑦排除妊娠合并高血压患者；⑧排除对药物过敏的患者。
2）测试电缆故障。主要有：由于频繁使用导致电缆与插头或插座之间焊点断开；由于经常插、拔7号、8号、9号电缆，使插头、座内插针弯曲、变形，使其的针、孔处于虚连接状态；发射/接收微带天线安装错误。例如：本该是发射/接收微带天线对应测高装置的发射/接收天线，而实际上安装成了发射/接收微带天线对应测高装置的接收/发射天线，或者将本应同向向前的微带天线安装成了一个向前、一个向后（两个微带天线的安装螺孔一致，即使是安装方向反，也能安装上）。此外，微带天线安装不紧固或没对准发射/接收天线也是可能导致测试出现故障。
1.2 武器装备故障特点
武器装备的故障具有以下特点：
①故障具有复杂性特点。武器装备是一个机-电-磁一体化的综合体，因此故障可能是机械方面引起，也可能是电、磁方面引起，而且通常都是一个故障现象由多种原因共同引起。例如，雷达某项指标超差，可能是雷达电子元件引起，可能是雷达伺服机构运动不到位引起，可能是测量仪器故障引起，可能是测量用高频电缆的衰减值发生变化引起，也可能是以上一种或多种原因共同作用引起。
图1 武器装备测试联接图
②机械故障较少，易发现并排除。武器装备不论是在仓库中贮存或在战备值班，通常很少移动，因此机械方面引起的故障较少。而且，机械故障多是意外磕碰等原因产生的外表损伤（易发现和处理），或是机械部件质量原因或外力过大引起的损坏（设备拆解后更换新部件即可），这些故障都易发现和处理。
总的来说，引起武器装备故障的原因可以分为装备自身故障和测试设备故障（包括测试电缆）两大类。人为操作失误也会引发故障，但这种故障可归纳为设备故障，例如“操作不当使插头与插座没有完全联接而导致出现测试故障”可归为设备接口故障。
④服役年限后期装备故障较多。与民用品相似，武器装备的故障多出现在服役年限后期。
3）测高装置故障。测高装置安装于武器装备内部，其故障主要有：电子元器件失效，导致电路板不能正常工作，这在武器装备服役年限后期尤为明显；测高装置机柜内电路板与发射/接收天线间连线断线，这在频繁进行战备值班的武器装备中出现的较多。
⑤测试电缆和测试插头座也有可能引发武器装备出现测试“故障”。为了保持武器装备处于正常工作状态，需要定期对其进行测试，如图1所示。通常都采用“一（一套测试设备+一套测试电缆）对多（多套武器装备）”的配置方式，这导致了测试设备/电缆被频繁使用。在测试设备/电缆和武器装备的服役年限前期问题较少，但在后期，由于测试电缆和靠近武器装备侧的测试插头座被频繁移动及插拨，极有可能使电缆内部导线断开或电缆与插头座的焊点断开或电缆插头与武器装备插座间连接的插针弯曲/变形，使武器装备与测试设备间的测试信号不能正常传递，导致测试结果异常，武器装备出现“故障”（对于此“故障”，将测试设备断电后重新接电缆及插头座即可排除）。这种由测试电缆/插头座引起的“装备故障”，也是武器装备日常维护保养时常见的故障之一。
数学思想方法都是以一定的数学知识为基础,反过来又促进数学知识的深化以及向能力的转化．《普通高中数学课程标准》明确提出数学教学必须鼓励学生积极参与数学活动,不仅是行为上的参与,更要有思维上的参与．笔者认为,在高中数学的核心概念教学中,要引导学生体会和领悟数学思想方法中蕴含的数学的本质内涵和的重要规律．要通过各种方式激活思维,深化思维,不断地提高数学思维能力．这样才能逐步提高学生发现问题、分析问题和解决问题的能力,不断提高学生的思维品质和数学素养．
2 BN模型
2.1 BN基础
BN是一个有向无环图[6][7]（Directed acyclic graph, DAG），如图2所示。它使用节点变量表达各个信息要素，如图中节点变量 、 等；各节点之间如有关联（因果关系），则用一条有向边从“原因”节点（父节点）指向“结果”节点（子节点），如图中节点 （“原因”，父节点）指向 （“结果”，子节点）的有向边；节点间的有向边表示节点之间的关联关系，可以用条件概率表(Conditional Probabilities Table,CPT)来定性的反映节点间的关联强度，如节点 与节点 之间的CPT（ ， ）；在网络中，有些节点处于某种状态的概率在没有其它信息存的情况下可以通过以前的经验或记录而获得，这些被称之为先验概率，如、。
图2 BN结构图
2.2 贝叶斯推理
贝叶斯推理主要指的是概率公式、乘法公式、全概率公式和贝叶斯公式，这些在相关书籍中可以查到，现简述如下。
2）乘法公式：
1）条件概率公式：
3）全概率公式：
4）贝叶斯公式：
3.5 现制现售食品。在门店的加工区域内，对食品进行切割、榨汁、腌制、烹饪（或蒸、烤、炸、烙等）加工后，可以直接食用的食品，或消费者购买后不需要清洗直接加工的食品。包括各种熟食、面包、点心、冷菜、凉菜、切割果蔬、现榨果蔬汁、调理半成品等。
贝叶斯公式是由结果推测原因的公式：假设
是导致结果 出现的原因，
就是先验概率，它反映了各种“原因”发生的可能性大小；当我们知道“结果
处于某种状态”时，则
就是后验概率，它反映了对于结果
，在所有原因
中，由 原因所引起的可能性大小。
3 基于BN的武器装备故障诊断方法
3.1 武器装备故障分析
③电、磁方面故障是武器装备的主要故障，难发现并处理。电子元件的性能受环境影响较大，武器装备的服役年限较长，因此在其服役后期经常出现由于电子器件失效引起的故障。而且，此类失效的电子器件在外观上基本上与正常电子器件相似，不易被发现。
测试设备一般由激励源（电源、信号源）、信号转接/处理模块、信号监控/显示设备、测试计算机和显示器、机柜、测试软件等组成。测试设备最易出现故障的是信号源，主要表现为其发出的信号不稳或超差导致武器装备测试报错。测试设备不但需要发送/接收大量的各种模拟/数字信号，还需将其进行滤波/采样/转换，因此通讯接口不通导致信号无法正常、及时的传送也是其常见故障。此外，测试计算机出现故障时，其将不能正常开机或工作，测试不可能进行，因此不考虑“测试计算机故障”。
1995至1997年3台700 MW机组相继改造增容后每台机容量为805 MW，合计增容315 MW。以上各项，包括第1～2厂房装机2 280 MW，扩机常规机组3 900 MW、抽水蓄能机组314 MW，和700 MW机组增容改造增加315 MW，合计总装机容量为6 809 MW。
考古学文化是随着考古学研究发展到一定时期和水平出现的概念。德国考古学家古斯塔夫·科西纳是第一个运用考古学文化来整理考古材料的人，他认为，从旧石器时代晚期以来，中欧的考古记录就可以用文化和文化群来安排。他提出“文化群即民族群，文化区即民族区”，因此文化的差异就反映了民族的差异。科西纳声称，在地图上标出的一类器物的分布代表了某一民族的分布，而文化的延续反应了民族的延续，于是，考古学能够根据器物确定的文化单位来追溯民族群体的分布和延续。但科西纳是一个典型的种族主义者，他试图通过考古学文化的整理寻找德意志民族的起源。
虽然测试设备对武器装备的测试过程复杂、项目较多、耗时较多，但是整个测试流程均严格按照一定步骤串行/并行进行：首先是武器装备的电气系统、控制系统、雷达系统等各分系统按一定顺序进行单元级的、局部的串行测试；然后电气系统、控制系统等各分系统相互配合、协同工作，模拟武器装备的实际工作过程，从而进行全局的并行测试。因此，武器装备出现故障需要考虑其全系统，但对于一个具体的故障现象，只需考虑个别的、局部的分系统即可，例如，武器装备出现雷达灵敏度超标的故障，我们只需要考虑雷达系统等，最多关联电气系统，但绝对不会认为与其动力系统有关。
总之，对武器装备故障进行诊断时，需要考虑其自身的各分系统，以及测试设备电缆和测试设备。
3.2 基于BN模型的武器故障诊断
3.2.1 故障诊断
由3.1节分析可知，武器装备的测试是一个复杂的过程。如果将武器装备及测试设备作为一个整体使用BN进行故障诊断，会需要较多的参数，一方面可能影响到诊断的准确性；另一方面还将导致BN的层级较多、结构复杂。此外，当有以前没有出现的新故障出现时，只能对原BN结构进行重新设计，使BN故障诊断的实时性和通用性较差。因此，在本文中以其各分系统（例如：电气系统、控制系统、雷达系统等），作为研究对象，根据各系统特点分别建立互不干扰的、用于其故障诊断的BN。下面，以武器装备的“测高装置测试出现故障”为例，进行BN设计。
(3)零部件清洗、吹干、测量(含各种仪器的检测如称重、平衡试验、扭矩、扭曲、弯曲、间隙、平面度、平行度、漏光度、弹性、密封实验、探伤等)。
武器装备的测高装置实质上是一型特殊雷达，它的发射/接收天线安装于装备外表面。测试时：在测高装置发射/接收天线的外表面使用螺钉固定安装一套（测试设备的）发射/接收微带天线用以发送/回收测高装置的高频探测/回波信号；微带天线通过各自的高频电缆（发射：8号电缆，接收：9号电缆）使探测/回波信号到达测试设备的测高装置控制箱中；测高装置控制箱通过7号电缆接收/回送控制信号、状态信号、电源到武器装备测试设备机柜中。
“数字矿山”与“智慧矿山”建设都包括对于矿山开采状况及次生地质环境变化的监测。传统的监测依赖于一线调查，受限于天气、地形等因素，特别是针对突发性的地质灾害，人工往往难以第一时间到达现场，不能满足实际需要。近年来三维激光扫描、合成孔径雷达干涉(InSAR)、全球导航卫星系统(GNSS)、遥感卫星、无人机及物联网、云计算、大数据、AI技术蓬勃发展，为监测预测矿山地质环境提供了有效手段[5]。本文主要探索遥感卫星、无人机、大数据、云计算和AI技术等数字化手段的应用。
根据3.1节分析及实际情况可知，测试装置出现故障的部位主要在下三个方面:
1）测试设备自身故障。主要有：测试设备的测高装置控制箱内部故障（如高度延迟线故障）；测试设备机柜内部通讯接口故障，导致接收/发送信号失败；
现代武器装备通常是一个机（如外壳等部件）-电（如芯片、伺服电机等）-磁（如雷达）一体化的、复杂的综合体。为了保证战备完好率，无论武器装备处于贮存还是战备值班状态，在其服役年限内都需要进行定期的维护保养和检查-测试。因此，武器装备的故障通常是在检查-测试时被发现的。
但是标准k-ε模型假定湍流为各向同性的均匀湍流，所以在旋流(swirl flow)等非均匀湍流问题的计算中存在较大误差。RNG k-ε模型在形式上类似于标准k-ε模型，但考虑了旋转效应，提高了对强旋转流动的计算精度；在ε方程中增加了一个附加项，使得在计算速度梯度较大的流场时精度更高[8- 9]。
图3 用于测高装置测试故障的BN模型
3.2.2 故障诊断的BN模型
通过上述分析，可得用于武器装备中测高装置测试故障的BN模型，见图3所示。其中，BN各节点变量表达的含义见表1所示。
接下来需要给出各节点的先验概率及节点间的CPT。测高装置测试故障BN中各节点的先验概率及节点间的CPT主要是日常工作总结及对其工作原理的分析所得。
首先确定BN中各父节点的先验概率。根据1.2节的分析可知，故障的原因与其服役年限有直接的关系（文中的测高装置处于其服役年限末期），并且各节点都是二值变量（1:正常，无故障；0：异常，故障），根据以往经验及故障统计可得其先验概率，见表2所示。
表2 BN中各父节点先验概率
下一步需要确定各节点间的CPT。实际上，各节点间的CPT也是根据以往经验及故障统计得出；此外，各节点间故障互不影响，符合贝叶斯的条件独立性假设。表3为节点A与节点B1之间的CPT，其它节点之间的CPT与其类似。
表1 BN各节点变量含义
表3 节点B1的CPT
根据2.2节的贝叶斯推理及3.2.2节的BN节点先验概率和CPT，可得到测高装置测试出现故障的BN初始状态，见图4所示。
4 基于BN模型的武器装备故障诊断实例
下面用一个实例对武器装备测高装置测试故障的诊断进行验证。
图4 BN的初始状态
武器装备在测试时出现“测高装置灵敏度超差”的故障提示。对于此故障，首先需要诊断出故障的部位，然后进行处理。根据2.1节、3.2节知识，将“测高装置灵敏度超差”的信息(即：P(A=0)=1)输入到图4的BN初始状态中，BN会将此信息向各节传播从而完成各节点的更新，见图5所示。
由图4-1所示的BN各节点变化后状态可知， “测高装置灵敏度超差”最有可能的原因是B2出现故障（“测试电缆工作出现故障”，P(B2=0|A=0) =0.7032），而其更深层的原因是C4出现故障（“电缆-插头/插头座出现故障”，P(C4=0|A=0)=0.3858）。因此，对“测高装置测试出现故障”诊断的结果是：最有可能出现故障的原因是“电缆-插头/插头座出现故障”；接着可能的原因是“微带天线安装故障”(P(C5=0|A=0)=0.0372）；第三个可能是“测试电缆出现故障”(P(C3=0|A=0)=0.0341）。此外，故障的原因也可是以上一个或多个原因同时出现导致。
此外通过对内部运营大数据的分析，燃气企业可以在资源配置、管理效率、内部控制、技术开发、运营流程和系统整合等方面获得及时准确的分析数据。通过信息化实现数据的传递和共享，企业管理者可及时找出运营管理缺陷，防范企业运营风险，发挥各类资源的最大效用，提高企业的整体运营效率，保证燃气供应安全稳定，在获得良好社会效益的同时，实现企业价值最大化。
图5 出现故障信息后的BN
诊断出故障原因，需要对故障进行处理。以最有可能原因为例，处理方法是：需要重新插接电缆头。具体做法是：①检查与控制箱和微带天线高频插头连接的8号、9号电缆是否断线或与设备的连接不好；②检查与控制箱和测试设备连接的7号电缆是否断线或与设备的连接不好。
5 结束语
本文在分析武器装备故障特点和贝叶斯网络在处理不确定性问题优点的基础上，提出了基于贝叶斯网络的武器装备故障诊断的方法，并通过实例进行了验证。验证结果表明了贝叶斯网络对武器装备故障进行诊断的可行性和有效性。
参考文献（References）
［1］聂磊,冯金富,李永利, 等. 基于贝叶斯网络的武器装备可靠性分析[J]. 火力与指挥控制,2014,39(12):104-111
［2］刘淑芬,杨双双,王辉. 基于故障树和Bayes网络组合的装备故障分析[J]. 吉林大学学报(理学版),2014,52(9):982-985
［3］蔡志强,司书宾,孙树栋,等. 基于贝叶斯网络的不确定环境装备故障推理模型[J]. 西北工业大学学报,2011,29(4):509-514
［4］刘江平,王冬青,马莉莉,等. 航空装备故障检测决策建模仿真研究[J]. 计算机仿真,2015,32(4):79-83
［5］刘国利,陶英歌,郭乃林. 地空导弹武器装备经济寿命研究[J].战术导弹技术,2002(6):41-44
［6］郭日红,董忠文,谢国锋. 基于贝叶斯网络的机械设备故障诊断方法研究[J]. 机械设计与制造工程, 2016,45(10):87-92
［7］周巧莲,金碧筠,冒玲丽, 等.基于贝叶斯网络地铁车门系统可靠性分析和故障诊断[J]. 沈阳工业大学学报,2014,36(4):441-445
作者简介： 梁勇，副教授，博士，1976.11
标签：武器装备论文; 故障诊断论文; 贝叶斯网络论文; 海军航空大学岸防兵学院论文;