一种基于雷达阵面BIT的故障诊断算法分析_陶向军.pdf

电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 1Electronics 电子学参数。文献10构建了设备功能模型和故障树模型，提出了基于诊断贝叶斯网络的故障诊断与维修决策算法，形成了完备的故障诊断与维修决策系统。本文采用贝叶斯网络作为雷达阵面故障模型，通过分析与计算雷达阵面故障的相关度与疑似度，解决雷达阵面故障和BIT信息数量庞大的问题，提高雷达阵面故障诊断的效率与准确率。1 雷达阵面故障模型雷达阵面的BIT信息与故障是基于概率相关的因果关系，因此采用贝叶斯网络建立故障模型，描述雷达阵面中所有观察到的阵面BIT信息与可能的器件故障之间关系10。雷达阵面的故障传播模型由BIT信息集合M、故障集合F和条件概率P(F|M)等元素组成。本文中的BIT信息集合M特指雷达阵面工作异常时观测到的BIT信息集合。故障集合F是指雷达阵面工作异常时雷达阵面故障器件的集合。条件概率P(F|M)是异常BIT信息M发生时故障F发生的概率，表示故障与BIT信息之间的因果关系。一个异常BIT信息可能由一个或多个故障所引发，同时一个故障也会导致一个或多个异常BIT信息0 引言雷达阵面BIT规模庞大、结构复杂、线路密集，一直是雷达整机中发生故障频率较高的分系统之一1,2。目前常见的雷达阵面故障诊断方法3,4是对雷达阵面的关键器件设计BIT信息搜集装置并对BIT信息进行监控，当BIT信息异常时发出故障提示。该方法的优点是操作简单，缺点是缺乏故障推理机制，需要耗费大量时间与人员对雷达阵面的故障进行定位，尤其在虚假BIT信息和多故障并发等情况下。文献5针对雷达阵面故障诊断面临的问题，通过故障树事件与贝叶斯网络结点、故障树逻辑门与贝叶斯网络概之间的映射关系进行故障诊断。文献6利用多信号流图模型建立了雷达接收机的故障诊断模型，在故障源先验故障概率信息的基础上，推导了一种计算故障源贝叶斯最大后验概率的算法。文献7,8提出了基于自适应模糊Petri网络的雷达故障诊断算法，按照模糊产生方式规则建立模糊Petri网络，通过故障推理，根据故障征兆出现的概率最终找到原因。文献9提出了一种基于增强学习神经网络的雷达故障诊断模型，采用马拉特塔式小波变化算法提取特征，并用评论家算法寻求最优作者简介：陶向军，南京电子技术研究所，工程师，硕士；研究方向：雷达阵面控制与阵面BIT。胥志毅，南京电子技术研究所，高级工程师，硕士；研究方向：雷达阵面控制与阵面BIT。陈原，南京电子技术研究所，高级工程师，博士；研究方向：雷达阵面控制与阵面BIT。收稿日期：2023-01-07；修回日期：2023-02-02。摘要：针对雷达阵面故障诊断难度日益增大的情况，提出了一种基于相关度与疑似度的雷达阵面故障诊断算法。该算法首先建立了基于映射关系的雷达阵面故障传播模型，然后利用故障相关度和疑似度分别解决故障集合和BIT信息集合庞大的问题。实验表明，该算法与其他算法相比具有较高的故障检测率和较低的故障误检率。关键词：雷达阵面BIT，故障诊断，相关度，疑似度。中图分类号：TN958 文章编号：1000-0755(2023)02-0001-03文献引用格式：陶向军，胥志毅，陈原.一种基于雷达阵面BIT的故障诊断算法分析J.电子技术,2023,52(02):1-3.一种基于雷达阵面BIT的故障诊断算法分析陶向军，胥志毅，陈原（南京电子技术研究所，江苏 210039）Abstract It is increasingly difficult for radar antenna array fault diagnosis.A fault diagnosis algorithm based on radar antenna array BITs is proposed in this paper.According to the relationship of observed BITs and possible faults,the radar antenna array fault model is constructed.Correlation and suspected degree are adopted to solve the problem of the extensive set of faults and BITs.The simulation results show that the fault diagnosis algorithm based on BITs which acquires the higher diagnosis rate and the lower false positive rate can meet the needs of radar antenna array fault diagnosis.Index Terms antenna array BIT,fault diagnosis,correlation,suspected degree.Analysis of Rader Fault Diagnosis Algorithm Based on BITsTAO Xiangjun,XU Zhiyi,CHEN Yuan(Nanjing Research Institute of Electronics Technology,Jiangsu 210039,China.)2 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月Electronics 电子学发生。不同的器件故障可能会引发同一个异常BIT信息，但是不同器件故障导致同一个异常BIT信息的概率各不相同。例如，阵面某个数字组件不受控制的异常现象，可能由于时钟信号异常导致，也可能由于控制信号异常导致。在图1的雷达阵面故障模型中，父节点表示故障集合F，子节点表示雷达阵面BIT信息集合M，父节点和子节点之间的值表示父节点发生的情况下子节点发生的条件概率，即异常雷达阵面BIT信息出现时，可能导致该异常雷达阵面BIT信息发生的故障的条件概率。2 雷达阵面故障定位算法基于概率加权的贝叶斯网络大大降低了雷达阵面故障模型的复杂度，但是并没有能够解决雷达阵面中的BIT信息集合与故障集合的规模庞大的问题。因此，本文提出了基于雷达阵面BIT的故障诊断算法。本算法引入故障相关度这一指标来删除雷达阵面虚假故障，从而解决雷达阵面故障集合庞大的问题。当雷达阵面某项功能出现异常BIT信息时，该BIT信息所涉及的所有器件都有可能是导致其出现异常的原因。这些可能出现故障的器件共同构成了导致雷达阵面该项功能出现异常BIT信息的待选故障集合F。Mo是雷达阵面被观察到的异常BIT信息集合，故障相关度Correlation(Fi,Mo)是由故障Fi导致的已经被观测到的BIT信息数量与应该被观测带的BIT信息数量的比值，N(Fi,M)是由故障Fi导致的应该被观测到的BIT信息数量，N(Fi,Mo)是由故障Fi导致的实际被观测到的BIT信息数量，如式（1）。（1）本算法首先找出导致被观察到异常雷达阵面BIT信息发生的可能性最大的故障，对观察到的异常雷达阵面BIT信息Mo的实现最小范围的覆盖。计算待选故障集合F中每个故障Fi的故障相关度Correlation(Fi,Mo)，并按故障相关度递减排序，生成疑似故障集合Fs。当疑似故障集合Fs中故障相关度排在前n个的故障完全包含了被观察到的雷达阵面BIT信息集合Mo时，该前n个故障就构成了最小疑似故障集合Fs。删除虚假故障之后的雷达阵面BIT信息数量仍较大，如果直接求解包含所有雷达阵面BIT信息并且故障数量最少的故障集合，计算复杂度将达到O(|F|M|2)。本算法通过故障疑似度过滤虚假雷达阵面BIT信息，从而解决雷达阵面BIT信息集合庞大的问题。本算法中的疑似度基于贝叶斯公式的绝对概率，定义与文献4类似的函数来量化疑似度，故障Fi的疑似度fsd(Fi)定义如式（2）和式（3），其中，F(Mi)表示能够引起Mi的所有故障集合，MOi表示由Fi产生并且已经被观测到的BIT信息，Mi表示由Fi产生的所有的BIT信息。（2）（3）首先，对疑似故障集合Fs中所有故障进行疑似度的计算，并按疑似度递减放入队列Queue2中。从队列Queue2中取出疑似度最大的故障，将能被其解释的异常雷达阵面BIT信息MOi从雷达阵面BIT信息集合Mo中去除。再从队列Queue2中依次取出下一个故障，直至所有异常雷达阵面BIT信息都被解释完，即集合MO为空，最终输出故障集合FOut。如果有多个疑似度相同的故障，则将其都取出并依次对异常雷达阵面BIT信息进行解释，如果某个故障解释的雷达阵面BIT信息子集与之前的故障解释的雷达阵面BIT信息子集有交集，则将此故障删除。基于雷达阵面BIT的故障诊断算法的输入输出和步骤如下。输入：阵面故障模型、观测到阵面BIT信息集合Mo、阵面故障集合F；输出：阵面故障集合Fout。Step1，依次计算阵面故障集合F中的Fi导致的应该被观测到的阵面BIT信息数量N(Fi,M)。Step2，依次计算阵面故障集合F中的F_i导致的实际被观测到的阵面BIT信息数量N(Fi,Mo)。Step3，依次计算阵面故障集合F中的Fi的故障相关度Correlation(Fi,Mo)，并按照降序放入队列Queue1中。Step4，取出队列Queue1第一个故障F1。Step5，取F1对应的M1与Mo的交集Mtemper=MtemperM1，将F1加入Fs中。Step6，如果M_temperM_o，则转Step4。Step7，输出疑似阵面故障集合Fs。S t e p 8，计 算 Fs中 每 个 Fi的 故 障 疑 似 度fsd(Fi)，并按照降序放入队列Queue2中。Step9，取出队列Queue2第一个故障F1。Step10，取Fi对应的Mi与Mo的交集，将Fi加入FOut中，同时将这个交集从Mo中删除。Step11，判断Mo是否为空，如果Mo不为空，则转Step2。Step12，阵面故障集合返回FOut。图1 雷达阵面故障模型 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 3Electronics 电子学3 算法结果分析与对比在仿真实验中，雷达阵面器件的先验故障概率和条件概率随机生成，分别在0.001,0.01与0,1内均匀分布，再通过故障传播模型分析出阵面故障集合和异常阵面BIT信息集合之间的关系。为了模拟外界干扰的情况，设阵面BIT信息的个数为|M|，被观察到的阵面BIT信息数为|MO|，阵面BIT信息丢失率为LR，阵面BIT信息虚假率为FR，则虚假阵面BIT信息数为FR|M|，丢失阵面BIT信息数为LR|M|，被实际观察到的阵面BIT信息数为|MO|=(1-LR)|M|+FR|M|。从诊断率（DiagnosisRate，DR)，误判率（False Positive Rate，FPR），运行时间三个指标对故障诊断算法进行分析。其中，F表示为实际发生的雷达阵面故障个数，F-表示通过故障诊断算法分析得到的错误阵面故障个数，FOut表示通过本文故障诊断算法分析得到的疑似雷达阵面故障个数。如式（4）和式（5）。DR=|FFout|/|F|（4）FPR=|F-Fout|/|F|（5）在丢失率LR=10%与虚假率FR=1%的实验场景下，从诊断率、误判率、运行时间三个指标分析并比较本文算法(BITs算法)与文献5算法。每个实验场景进行1 000个实例，仿真结果取实例结果的平均值。由图2可知，本文算法诊断率高于文献5的FBN算法，误判率低于文献5的FBN算法，运行时间高于文献5的FBN算法。与文献5的FBN算法相比，本文算法对加入疑似阵面故障集合Fs的标准进行了改进，由Fi导致异常雷达阵面BIT信息的绝对数量改进成由Fi导致的已经被观测到的雷达阵面BIT信息数量与应该被观测带的BIT信息数量的比值，避免了由于故障Fi对应的雷达阵面BIT信息绝对数量过少使得故障Fi对应的观察到雷达阵面BIT信息绝对数量也过少，从而没有被加入疑似故障集合Fs的情况。此外，在将故障Fi加入疑似故障集合Fs之后，没有将故障fi所对应的雷达阵面BIT信息从被观测到的雷达阵面BIT信息集合Mo中去除。这避免了由于去除交叉雷达阵面BIT信息而影响后面备选故障的选择，从而导致故障被加入疑似故障集合Fs之前就被删除的情景。4 结语本文针对雷达阵面故障与BIT信息之间的非确定因果关系，采用基于概率加权的贝叶斯网络模型建立了雷达阵面故障传播模型，提出了基于雷达阵面BIT的故障诊断算法。实验结果表明，本文提出的算法具有更高的故障诊断率和更低的故障误判率，解决了雷达阵面BIT信息量大和故障集合规模大等问题，提升了雷达阵面故障诊断的效率与准确性。参考文献1MerrillI.Skolnik,斯科尼克,左群声.雷达系统导论(第3版)M.北京：电子工业出版社,2014.2 张光义.相控阵雷达原理M.北京：国防工业出版社,2009.3 陈倩.地面雷达系统级测试性设计方法J.现代雷达,2017,39(07):85-87.4HeQY,QiuJ,LiuGJ,etal.System-Level BITs Fault Diagnosis andIsolationBasedonDiagnosticTreeandBayesian NetworkJ.Key EngineeringMaterials,2014,584:102-106.5 杨昌昊,胡小建,竺长安.从故障树到故障贝叶斯网映射的故障诊断方法J.仪器仪表学报,2009,30(07):1481-1486.6 陈世杰,连可,王厚军.采用多信号流图模型的雷达接收机故障诊断方法J.电子科技大学学报,2009,38(01):87-91.7马敏,黄建国,夏侯士戟.基于自适应模糊Petri网的雷达故障诊断方法研究J.仪器仪表学报,2008(02):261-265.8 马敏,陈光,谢永乐.雷达故障诊断测试系统分层化建模J.电子测量与仪器学报,2007,21(02):21-25.9 庄夏.一种基于增强学习神经网络的雷达故障诊断方法J.现代雷达,2017,39(12):15-19.10李俭川.贝叶斯网络故障诊断与维修决策方法及应用研究D.湖南：中国人民解放军国防科学技术大学,2002.图2 实验结果与相关算法比较