論彈藥自動裝填子系統動作可靠性與故障診斷分析

唐茂華

（湖南國防工業職業技術學院，湖南 湘潭 411207）

1 火炮彈藥自動裝填系統概述

彈藥自動裝填系統是火炮武器系統當中十分重要的組成部分，其一方面可有效加快火炮的速度，增強火炮的威懾性，另一方面也在一定程度上轉變了以往火炮結構以及作戰的方式，且在火炮發展中，彈藥自動裝填也成為了當前科技現代化的重要體現。彈藥自動裝填系統主要由自動彈倉、彈藥協調器、輸彈機和檢測與控制子系統構成。其中，自動彈藥倉能夠完成彈藥的自動裝卸、貯存，并且還可將其傳遞到彈藥協調器上，這里的彈藥協調器主要的作用是接收彈丸和裝藥模塊，并將其輸送到炮尾的后方，之后再將其與炮膛軸線對齊校正。另外輸彈機能夠從炮尾輸入炮膛，同時還可自動檢查其在任意位置的準確性。

檢測與控制子系統主要的功能效用就是將獲取信息實行全方位的檢測，并第一時間發送動作指令。另外彈藥裝填是較為復雜的工作，首先要完成選彈和推彈，彈倉應轉動一定彈距，由推彈器將彈藥送入協調器，之后還要利用協調器將彈藥向火炮射角協調，接著協調器上的擺彈裝置再旋轉托盤和彈丸，彈丸通過輸彈機送入炮膛。之后，輸彈機再進行收鏈操作，擺彈返回時托彈盤需回到原始的位置。最后是協調返回，即協調器必須返回到接彈口的位置。該過程的任何一個環節出現故障都會直接導致任務的失敗。因此要對彈藥裝填進行建模處理，并且還要對故障進行全方位動態的分析與診斷。

2 彈藥裝填系統典型子系統動作可靠性評估及優化

動作可靠性主要指的是機械系統定位在規定精度內的概率。該系統的可靠性評估與其他機械有著諸多相似之處，但是其也有區別于其他機械可靠性評估的方面。

首先，在該系統的可靠性分析中，主要以不確定性傳播分析和機械動作誤差分析為主要的基礎和前提。其次，失效的條件不能滿足動作性能指標的要求，雖然一些指標在沒有滿足標準要求的情況下，也不會造成故障或損壞，但其也會被列入到危險因素之中。再次，在系統運行的過程中，動作的可靠性是人們最為關注的內容，這主要是由于運動性對特殊性設備的研究具有不可忽視的影響力，但從實際角度分析，系統動作的可靠性與其他設備相比，依然存在較為明顯的不足。

為了保證系統的每個部分均得以正常運轉，對所有操作的運動精度指標都做出了較為明確的規定，且為了讓彈藥裝填的順利完成，每個動作都必須符合指標的要求。這就是本文章所說的動作可靠性。如在協調動作中，就對協調定位的精度指標做出了十分明確的規定。如果協調定位的誤差超出規定范圍，雖然對協調動作并無明顯影響，但對后續的輸彈環節會產生較為顯著的負面影響。比如，輸彈時可能會出現彈丸與身管中心偏離，進而影響輸彈速度；或者彈丸卡膛無法到達指定位置，從而無法完成彈藥的裝填和火炮發射工作。

此外，動作失效與運動誤差的不確定性有著十分密切的聯系，系統內多種不確定因素都是運動誤差的主要來源，而我們將不確定性因素稱之為不確定性參數。為了有效完善可靠性評估的效果，增強彈藥填裝動作的可靠性，在設計中需要科學選擇設計變量，同時還要優化動作的可靠性。為了有效減少優化設計中所消耗的時間和資金，需要相關人員采用科學有效的優化設計方式。

3 BP神經網絡網絡背景下的故障診斷的方法

診斷機主要指的是獲得樣本和特征參數之后，所創建的特征參數到不確定性變量之間的映射，從本質上來看，其屬于監督回歸問題。在故障判斷中，機器學習是一種當前比較先進，而且大眾也相對認可的方法。支持向量機以及RBF神經網絡通常是人們的首選，雖然RBF的優勢較為明顯，但是因為其與其他的技術相比還不是十分創新，所以也有一些負面評價。BP網絡在訓練時容易出現局部極值，再加上其收斂的速度不是很快，且逼近精度上也存在著明顯的不足。

本文所研究的是復雜度較低的機器學習問題，不需要大容量的樣本，所以對學習速度并無非常嚴格的要求，因此可以用BP網絡來解決這一問題。

BP網絡主要是指采用多層感知機結構和反響傳播訓練算法的網絡，單向感知機的結構見圖1。其中，Xi表示感知器輸入，wi表示輸入權值，b表示偏置，a表示輸出，z為加權和表示激活函數，為單個感知機函數。另外多層次的感知機網絡主要指的是具有前后次序的多層次結構，每一層當中都涵蓋多個感知機，上一層的輸出可直接作為下一層感知機的輸入。在多層感知機中，表示第l層上的神經元i到i+1層上神經元j的權值。bi(l)表示第l層上的神經元i的偏置值，表示的是第l+1層上的神經元j的輸出值，而則表示l+1層上神經元j的加權和。

圖1 單個感知機

假設容量為N的樣本集{(X1,Y1），（X2,Y2）…，（XN,YN）}，W、b為網絡權值矩陣和偏置矩陣，可采用樣本輸出均方網速差的方式，來判斷網絡的準孔性及可靠性。

式中：netW，b（Xn）表示輸入向量為Xn的網絡輸出結果。神經網絡的訓練實際上涉及到了優化設計的問題，應科學選擇W、b，從而保證g（W，b）達到最小值，并且為了更好地展示最終的效果，可選擇梯度下降法來更新W和b。

式中：α表示學習速率，并采用鏈式微積分法來計算偏導數得到：

則（3）式可變為：

針對隱藏層l可依據l+1層的結果來計算，則得出：

在計算的過程中可由最后一層推算出前一層，這也是該算法被稱作反向傳播的重要原因。在計算后可得出全部敏感性系數，從而結束所有的神經網絡訓練環節。在這一過程中需要注意的一點是，（1）式并不是凸函數，因此其可能出現局部極值。因此在BP網絡應用中，我們也應根據實際情況，選擇最佳的改進版本。除此之外，在抽樣、仿真、特征提取和計算的過程中，輸入是一種具有不確定性的變量，輸出的是特征參數。神經網絡與其方向恰好相反。特征函數是輸入的主要內容，其輸出的是不確定性變量。因此在診斷時，神經網絡訓練實際上就是求反函數的過程。

4 結語

結合上述所說，彈藥自動填裝系統的可靠性直接決定了系統的運行質量及整體運行水平，故而人們必須加大對系統可靠性的重視程度。又因為系統運行中由于受到多種因素的影響，經常會出現不同類型的故障，而為了保證系統運行的安全可靠性，需要相關人員采取有效措施，做好系統的故障診斷分析工作，這樣才能有效維護系統的平穩運行，最大限度的增大工作的安全系數。