陈凤友，陈忠一

(1. 91550部队92分队， 辽宁 大连 116023； 2. 大连海事大学轮机学院， 辽宁 大连 116023)

故障树分析法在雷达发射机故障诊断中的应用*

陈凤友1，陈忠一2

(1. 91550部队92分队， 辽宁 大连 116023； 2. 大连海事大学轮机学院， 辽宁 大连 116023)

故障树分析方法是一种实用的故障分析方法。根据输入的故障征兆自动寻找匹配的底事件,然后生成顶事件故障树并求出最小割集,按照最小割集重要度大的部件优先检测的顺序生成测试流程 ,提示操作人员按照测试流程进行测试并找出故障源。通过构建故障树来进行某型雷达发射机的故障诊断分析,不仅可以方便推理机构寻找潜在故障进行故障诊断, 而且较好地解决了专家知识获取难的问题，在确保诊断知识完整性的同时充分发挥了专家知识故障诊断快速高效的优点。

故障树分析；故障诊断；最小割集；重要度；知识库

引 言

军用雷达装备故障诊断是一项十分复杂困难的工作。在早期的雷达装备故障诊断中，其基本方法是依靠一些测试仪表，按照跟踪信号逐点寻迹的思路，借助人的逻辑判断来决定设备的故障所在。这种沿用至今的传统诊断技术在很大程度上与维修人员的实践经验和专业水平相关，基本上没有一套可靠的、科学的、成熟的办法。随着电子工业的发展，人们逐步认识到，对故障诊断问题有必要重新研究，必须把以往的经验提升到理论高度，同时在坚实的理论基础上，系统地发展和完善一套严谨的现代化电子设备故障诊断方法，并结合先进的计算机数据处理技术，实现电子电路故障诊断的自动检测、定位及故障预测。

故障树分析法(Fault Tree Analysis, FTA)简单可靠，但故障树的建立需要精确的解析模型和故障机理分析，且该方法不能显示出求解所使用的知识;传统的专家系统诊断不需要精确的解析模型，但知识获取与知识库的建立比较困难，需要大量的专家知识。本文结合雷达装备保障的实际情况并综合2种故障诊断模式的优点开发了基于FTA 的某型通用雷达发射机子系统故障诊断专家系统。应用证明，该系统的建立为通用装备技术保障提供了一种简便实用、可靠高效的故障诊断新途径。

1 问题的提出

在故障树模型中，如果将顶事件看作专家系统要分析解决的故障征兆，将底事件看作专家系统的诊断结果，那么故障树的层次和逻辑关系就对应于专家系统的推理过程，割集则是联系故障树与专家系统知识库的纽带。故障树的一个割集就是装备的一种失效模式，它对应于知识库中的一条规则。割集中的基本事件相当于知识库中规则的结论，割集对应的底事件到顶事件的路径相当于知识库中规则的前提。故障树分析法通过最小割集重要度(即底事件对顶事件影响的大小)与专家系统进行交互操作，可以大大减少搜索空间。同时，利用故障树模型还可以方便地从装备资料等故障诊断知识源中实现故障归类，提取故障诊断知识，能够比较有效地解决专家系统知识获取难的问题[1-2]。

2 雷达发射机故障树模型

2.1 故障树模型建立

在全面了解某型雷达发射机子系统工作原理的基础上对系统进行结构分解。把系统的总体结构分解为多层次结构，从顶层一直分解到最低层次的部件。以某雷达装备发射机系统故障作为顶事件，如图1所示。其中，T表示发射机不能上高压；主要故障分别是U1末级组件电路故障，U2前级组件电路故障，U3激励产生故障，U4PIN开关故障，U5组件电源故障，U6馈线故障。对应的故障征兆参数有10个:X1发射机功率欠输出，X2末级组件输出故障，X3前级组件输出故障，X4前级组件RF功率输出不正常，X5发射机超温，X6工作比和脉宽不正常，X7发射激励故障，X8发射允许故障，X9PIN驱动故障，X10电源过流或欠压。

图1 某雷达发射机的故障树

2.2 故障树模型分析

故障树分析的主要目的是找到故障树模型的全部最小割集。系统采用下行法(Fussell法)求解最小割集，其基本原理可见参考文献[3]和文献[4]。由于某型雷达装备发射机子系统故障树中绝大部分是 “或”的关系，本发射机系统故障树的最小割集即为{X1} ，{X2} …{X10} 。假设同一时刻有且仅有1个最小割集导致故障征兆发生，最小割集中各基本事件的发生是相互独立且不相容的，那么可以把最小割集中各基本事件失效概率的乘积与顶事件失效概率的比值即最小割集重要度作为最小割集的排序标准。设故障树有k个最小割集，由分析可知本系统引起装备故障的各底事件之间主要是“或”的关系，故采用几个相容事件的概率公式计算顶事件发生概率:

(1)

式中：T代表顶事件，K代表故障树最小割集中的基本事件。当最小割集的不可靠度很小的时候，顶事件发生的概率计算结果收敛得很快，可以公式的首项作为近似解，故顶事件的发生概率可近似为[5]

(2)

将所有最小割集Ki(i= 1 ，2 ，3 …k)标以重要度Ii，有:

(3)

根据底事件的发生概率可以计算出顶事件发生概率为

P(K4)+P(K5)+P(K6)+P(K7)+

P(K8)+P(K9)+P(K10)=1.263×10-3

概率重要度分析是故障树分析中的重要部分,它反映了底事件概率变化对顶事件概率变化的难易程度,但并不能反映出不同底事件改进的难易程度。设时间t=1 000 h,λ为各底事件的发生概率,各底事件的可靠度为

R1(t)= e-λ1t=0.923；R2(t)=e-λ2t=0.368；

R3(t)=e-λ3t=0.895；R4(t)=e-λ4t=0.926；

R5(t)=e-λ5t=0.945；R6(t)=e-λ6t=0.932；

R7(t)=e-λ7t=0.913；R8(t)=e-λ8t=0.894；

R9(t)=e-λ9t=0.941；R10(t)=e-λ10t=0.926

各底事件的概率重要度为Δg1(t)= 0.221; Δg2(t) = 0.850; Δg3(t) = 0.231; Δg4(t) = 0.239; Δg5(t) = 0.219; Δg6(t)= 0.263; Δg7(t) = 0.256; Δg8(t) = 0.219; Δg9(t) = 0.245; Δg10(t)= 0.219 。

通过分析可知每个底事件在系统中所处位置的重要性,设计人员在设计过程中应该采取必要的检测手段和保护措施来提高其可靠性和安全性[6-7]。

3 故障树知识库设计与推理

采用故障树表的方式进行知识表示。首先分解每一棵故障树，抽象出其中每一个节点的相关信息，连同该节点的父节点和子节点，组成一系列故障记录，然后将分解结果保存在数据库中，每一个节点信息对应的就是数据表中的一条记录，而每一个故障树流程图对应的是数据库中的一张表，如此即可完成基于故障树的知识表示。

知识库采用 MS Access数据库来实现，由故障单体表、故障现象表、故障树表和测试表组成。不同表之间以关键字关联，关联关系符合单体故障维修方法。单体表存储各单体基本情况，其关键字为故障单体名 (Unit ID)，一个故障单体对应多个故障现象( Fault ID)；故障树表存储故障树中每一个节点的相关信息，其关键字即为故障现象，同时对故障原因编号，也就是故障树节点编号(Node ID)，而一个故障现象也对应着多个测点(Node ID)。测试表存储测点名称、测试项目、测试仪器、标准值以及测试描述等。

这里介绍数据库中几个重要数据表即Tab Dictionary表、Tab Fault Rule表和Tab Node Property表的设计，见表1、表2和表3。

表1 Tab Dictionary表的字段设计

表2 Tab Fault Rule表的字段设计

表3 Tab Node Property表的字段设计

Tab Dictionary表实现了故障现象、故障结果、工作阶段等基本事实的编号。在其他数据表中只用这些编号,而在与用户交互时则显示编号所对应的具体内容。这样做是为了管理信息的方便以及实现信息的一致性。

Tab Fault Rule表用于存储故障诊断规则知识。Fld Stage字段表示当前的诊断规则知识适用于哪个工作阶段。Fld Result和Fld Cause分别表示故障结果和原因,其中故障原因的描述采用了2个基本符号:Or和And,以表示故障原因中基本事件的逻辑关系；Fld Rule Titile字段用于存储当前规则知识所对应故障树的文件名。

Tab Node Property表用于存储故障诊断规则知识所对应故障树中节点的信息,每个节点的信息包括节点的编号、节点编号所代表的含义、节点类型、节点所在故障树。其中,节点有顶结点、中间节点、底结点、逻辑节点4种类型。

推理机制就是依据一定的搜索策略从知识库(故障树)中选择有关知识,对已知或用户提供的证据不断地进行推理,直到得出结论为止。本文的故障诊断在故障树知识表示的基础上,将专家经验分析和原理分析的思想集成到专家系统的诊断过程中。由于故障树的表示是二叉树的形式,对故障的推理很大部分工作就对应于各个二叉故障树的遍历问题。遍历二叉树是指以一定的次序访问二叉树中的每个节点,每个节点仅被访问一次。所谓访问节点,就是指对节点进行各种操作。本文采用前序遍历二叉树的方法对故障树进行搜索并诊断推理。二叉树的前序遍历就是首先访问根节点,然后遍历左子树,最后遍历右子树。其递归算法描述如下:

Procedure find fault (TNode node) / /推理诊断算法

begin

if (node不为空) / /不为空,进入故障树的根节点

begin

if (node没有孩子) / /若为真,则为底部事件

if (node故障逻辑判别式为真)

output (查明node为故障原因); / /找到故障源

else

begin

find fault (node左孩子);

/ /递归调用,按前序次序搜索并判断左子树

find fault (node右孩子);

/ /递归调用,按前序次序搜索并判断右子树

end;

end

end;

节点故障逻辑判别式为知识库中产生式规则表中的布尔表达式,根据设备状态信息监控机构可以判断该节点为是否故障原因。

4 结束语

应用证明,故障树分析诊断具有如下优点：

1)树状结构建立故障知识库,不易遗漏故障原因,且引起故障的原因一目了然,可避免排除故障时的盲目性；

2)知识存贮于关系型数据库中,不仅可以快速地修改及浏览知识库,方便用户检查和更新知识库中的知识,而且能够较容易地实现知识库、推理机及应用程序的分离,有助于维护整个专家系统；

3)基于故障树的推理过程规则灵活通用,推理简洁直观,加上SQL语言的强大功能,可实现复杂的推理功能,且大大减少了程序代码的编制。故障树技术可以较好地解决知识获取难的问题,在确保诊断知识完整性的同时又可以充分发挥专家系统诊断快速高效的优点。

[1] 罗志勇. 雷达系统智能故障诊断技术研究[D]. 西安：西北工业大学，2006.

[2] 黎清海, 朱新华. 基于层次分析的火控系统故障诊断专家系统[J]. 电光与控制, 2006, 13 (4): 64-68.

[3] 杨晓川，谢庆华，何俊，等. 基于故障树的模糊故障诊断方法[J]. 同济大学学报，2001，29(9):1058-1060.

[4] 韩邦华,吴慧媛. 基于故障树的主风机失效分析[J] . 机械设计与制造, 2005(4): 19-21.

[5] 周长林,常青美,左秀彦. 电子设备可靠性预测与设计[J]. 继电器, 2005 ,33 (14) : 92-95.

[6] 金星，洪延姬，武江涛，等.基于故障树的智能型故障诊断系统[J].宇航学报，2001，22(3):111-113，118.

[7] 丁彩红, 黄文虎, 姜兴渭. 基于最小割集排序的航天器故障定位方法[J]. 空间科学学报, 2000, 20 (1): 89-93.

陈凤友(1975-)，男，工程师，主要从事于脉冲雷达总体技术研究。

Application of Fault Tree Analysis to Radar Transmitter Fault Diagnosis

CHEN Feng-you1，CHEN Zhong-yi2

(1.PLA91550Unit92，Dalian116023,China;2.DalianMaritimeUniversityMarineInstitute,Dalian116023,China)

Fault tree analysis is a practical failure analysis method. It is the concept of the diagnostic reasoning that matched bottom event is searched automatically by inputting the fault phenomenon. Then top event fault tree is generated and minimum cut sets are computed. The test flow is created according to the order of importance of minimum cut sets in which the users can be guided to find the fault part. Fault diagnosis of a radar transmitter is carried out by fault tree construction. This fault tree analysis can not only facilitate the reasoning in search for potential failure or fault diagnosis, but also further resolve the problem of knowledge acquisition and keep high efficiency of the expert knowledge with the integrity of the knowledge.

fault tree analysis; fault diagnosis; minimum cut sets; important degree; knowledge database

2013-03-29

TP182

A

1008-5300(2013)03-0061-04