﻿ 基于贝叶斯网络的航空弹药装备故障定位 Air Ammunition Equipment Damage Orientation Based on Bayesian Network

Operations Research and Fuzziology
Vol. 09  No. 03 ( 2019 ), Article ID: 31871 , 6 pages
10.12677/ORF.2019.93028

Air Ammunition Equipment Damage Orientation Based on Bayesian Network

Tao Li1*, Mei Li2, Li Chen3, ZhiJun Ma1

1Security Department of Air Ammunition, Air Force Service College, Xuzhou Jiangsu

2PLA 95855, Beijing

3PLA 93685, Zhangjiakou Hebei

Received: Aug. 6th, 2019; accepted: Aug. 19th, 2019; published: Aug. 26th, 2019

ABSTRACT

Fault location for the ammunition equipment is an important step in equipment condition assessment and equipment maintenance. The advantage of Bayesian network in ammunition equipment fault location is expounded and the method and flow path is discussed based on the Bayesian network. Taking the example of the nitrogen supply equipment for the missile, the process of the fault location is analyzed, and the conclusion is indicated corrective and effective.

Keywords:Bayesian Network, Damage Orientation, Air Ammunition Equipment, Equipment Maintenance, Nitrogen Supply Unit

1空军勤务学院航空弹药保障系，江苏 徐州

2中国人民解放军95855部队，北京

3中国人民解放军93685部队，河北 张家口

1. 引言

2. 贝叶斯网络原理

2.1. 贝叶斯网络的数学描述 [2] [10]

$P\left(u\right)=\underset{i}{\Pi }P\left({A}_{i}|Pa\left({A}_{i}\right)\right)$ (1-1)

2.2. 贝叶斯网络的更新 [11] [12] [13]

$P\left(A|e\right)=\frac{P\left(A,e\right)}{P\left(e\right)}=\frac{P\left(A,e\right)}{{\sum }_{A}P\left(A,e\right)}$ (1-2)

$P\left(U|e\right)=\frac{P\left(U,e\right)}{P\left(e\right)}=\frac{P\left(U,e\right)}{{\sum }_{A}P\left(U,e\right)}$ (1-3)

$P\left(U,e\right)=P\left(U\right)\cdot {f}_{1}\cdots {f}_{m}$ (1-4)

3. 基于贝叶斯网络的航空弹药装备故障定位

3.1. 航空弹药装备故障定位原理

3.2. 故障定位流程 [16] [17] [18]

(1) 根据故障模式与影响分析及故障模型与影响分析分析结果，建立贝叶斯网络模型；

(2) 收集故障信息，包括各种故障原因信息及故障现象信息；

(3) 将故障信息加入到贝叶斯网络中，借助贝叶斯网络的推理功能将该信息在网络中传播，更新网络中各结点处于各种故障状态的概率；

(4) 判断航空弹药装备故障是否是由具有最大概率的故障原因引起的，如果是则进行维修，否则排除该原因，返回(2)，重新进行故障定位；

(5) 对特定故障部件进行维修；

(6) 对故障部件维修后，观察装备的运行状态，如果航空弹药装备仍不能正常工作，继续收集故障信息，返回(2)，重新进行故障定位。如果航空弹药装备工作正常，则故障定位结束 [16] 。

4. 案例分析

1) 根据上述分析方法，建立导弹供氮装置的贝叶斯网络如图1所示。系统各单元状态定义如下：氮气A、B、总配气箱及控制系统都定为正常和故障两种状态；通信电缆的状态定为正常与短路；分离器与过滤器分为SI (正常)、SII (元器件无故障，但无信号输入)、SIII (有信号输入，但元器件故障)、SIV (元器件故障，同时也无信号输入)四种状态 [19] [20] 。网络参数如表1所示。

2) 收集故障信息，进行损伤定位

Table 1. Bayesian network probability tables

Table 2. Nitrogen B normal system unit under all kinds of situations probability

Table 3. Filter A normal system under all kinds of situations probability

5. 结论

Air Ammunition Equipment Damage Orientation Based on Bayesian Network[J]. 运筹与模糊学, 2019, 09(03): 243-248. https://doi.org/10.12677/ORF.2019.93028

1. 1. Yenkin, O. (2016) An Efficient Approximate Markov Chain Method in Dynamic Fault Tree Analysis. Quality & Reli-ability Engineering International, 32, 1509-1520. https://doi.org/10.1002/qre.1861

2. 2. 樊冬明, 刘林林, 等. 基于动态贝叶斯网络的可修GO法模型算法[J]. 北京航空航天大学学报, 2015, 41(11): 2166-2176.

3. 3. 高晓光, 陈海洋, 符小卫, 等. 离散动态贝叶斯网络推理及其应用[M]. 北京: 国防工业出版社, 2016: 44-46.

4. 4. Jensen, F.V. (2012) An Introduction to Bayesian Networks. Aalborg University, Denmark.

5. 5. Stephenson, T.A. (2010) An Introduction to Bayesian Network Theory and Usage. IDLAP-RR 00-03.

6. 6. Jensen, F.V. (2013) Bayesian Network and Decision Graphs.

7. 7. 李建平, 石全, 甘茂治. 装备战场抢修理论与应用[M]. 北京: 兵器工业出版社, 2000.

8. 8. 陈鹏, 袁雅婧, 桑红石, 等. 一种可扩展的并行处理器模型设计及性能评估[J]. 航空兵器, 2011(5): 56-61.

9. 9. 程海彬, 江云, 鲁浩, 等. 基于DGPS的弹载捷联惯导系统性能评估技术研究[J]. 航空兵器, 2015(3): 23-26.

10. 10. Gaver, D.P. (2009) Patricia A. Jacobs Probability Models for Battle Damage Assessment (Simple Shoot-Look-Shoot and Beyond).

11. 11. Franzen, D.W. (1999) Captain, USF A Bayesian Decision Model for Battle Damage Assessment AFIT/GOA/ENS/99M-05.

12. 12. 朱正福, 李长福, 何恩山, 等. 基于马尔科夫链的动态故障树分析方法[J]. 兵工学报, 2008, 29(9): 1104-1107.

13. 13. 聪林虎, 徐廷学, 董琪, 等. 基于改进证据理论的导弹状态评估方法[J]. 系统工程与电子技术, 2016, 38(1): 70-76.

14. 14. 王亮, 吕卫民, 腾克难. 基于测试数据的长期贮存装备实施健康状态评估[J]. 系统工程与嗲妮子技术, 2013, 35(6): 1212-1217.

15. 15. 马波. 基于图像分析的机场打击效果评估研究[D]: [硕士学位论文]. 武汉: 华中科技大学, 2004.

16. 16. 范瑞彬. 遥感图像中机场识别与毁伤分析研究[D]: [硕士学位论文]. 南京: 南京理工大学, 2004.

17. 17. 肖龙. 信息系统风险分析与量化评估[D]: [博士学位论文]. 成都: 四川大学, 2006.

18. 18. 谭达明, 秦萍, 余欲为. 柴油机工作过程故障振动诊断的基础研究[J]. 内燃机学报, 1992, 10(4): 342-344.

19. 19. Mendel, J.M. (1995) Fuzzy Logic Systems for Engineering: A Tutorial. Proceedings of the IEEE, 83, 345-377. https://doi.org/10.1109/5.364485

20. 20. 范志锋, 崔平, 文健, 吕静. 基于退化敏感参数的弹药控制系统储存寿命评估[J]. 弹箭与制导学报, 2017, 33(5): 109-111.

21. 21. 田中大, 高宪文, 李琨. 基于KPCA与LSSVM的网络控制系统时延预测方法[J]. 系统工程与电子技术, 2013, 35(6): 1281-1285.

22. 22. 李玲玲, 马东娟, 李志刚. 基于状态监测数据的电器电接触性能评估[J]. 机械工程学报, 2015, 51(9): 198-203.

23. NOTES

*通讯作者。