智能網聯技術下機載電子電氣設備檢測系統設計

孫小偉，張啟浩，李 琦，劉 暢，張東海

（1.南方電網有限責任公司超高壓輸電昆明局，云南昆明 650214；2.云南兆富科技有限公司，云南 昆明 650217）

機載電子電氣設備是無人機的關鍵部件，其對無人機的飛行控制有著舉足輕重的地位。由于無人機上的電子設備存在多種類型故障，相互間的聯系及表現形式十分復雜，尤其是在現場條件較差的情況下，失效可能性顯著增大，且存在一定隨機性和不確定性，使得故障探測與診斷變得更加困難。文獻[1]提出基于深度置信網絡的檢測方法，通過采樣樣本故障數據，結合神經網絡進行學習，并檢測通信控制設備；文獻[2]提出基于長短期記憶神經網絡的檢測方法，調用序列和長短期記憶神經網絡檢測容器內進程異常行為，利用LSTM 捕獲序列特征。使用上述兩種方法容易受到機載電子電氣設備間的復雜通信網絡影響，存在潛在的安全隱患問題。為此，提出智能網聯技術下機載電子電氣設備檢測系統設計。

1 電氣設備數據傳輸特性

在智能網聯技術下，使用一種雙極歸零制數據傳送方法調制高、零、低狀態信號。數據傳送次序從第1 位到32 位。在傳輸數據時，最小的位元是第一個被傳送的。由于連續傳送數據之間存在4 位零電平的持續時間，因此同步信息也被傳送到一個單一的調制信號中[3-4]。這一信息是由雙極性歸零碼主狀態變成高或低的狀態，從而檢測機載電子電氣設備運行狀態。

智能網聯技術的雙極歸零示意圖如圖1 所示。

圖1 智能網聯技術的雙極歸零示意圖

由圖1 可知，智能網聯技術數據傳輸協議是差分傳輸協議，能夠較好地抑制共模干擾[5]。設置高、零、低電平狀態的發送端和接收端電平分別為高→發:+8.0±1.0 V→接:+6.0～+10.0 V；零→發:0±0.2 V→接:+2.0～-2.0 V；低→發:-8.0±1.0 V→接:-6.0～-10.0 V?？紤]脈沖畸變干擾，在設備系統接收端應比發送端所傳輸的電平信號范圍更寬，這樣才能容許大量檢測數據傳輸[6-7]。

2 系統總體結構設計

在機載電子電氣設備的檢測系統中，必須具備良好的開放性、擴展性、交互性和協同性。該系統包括客戶端模塊、決策模塊以及檢測模塊，系統總體結構如圖2 所示。

圖2 系統總體結構

由圖2 可知，該系統采用智能無線路由網絡確保系統監控中心和用戶終端的數據傳輸流暢；檢測模塊根據所獲得的信息，對系統進行預判，為系統故障診斷提供充分反應時間[8-9]。

2.1 嵌入檢測適配器

嵌入式檢測是連接測試系統的輸入、輸出接口與機載電子電氣設備相結合的適配器[10]。另外，該適配器還預處理和隔離了一些信號，例如對輸出信號放大、隔離、變換處理，獲取機載電子電氣設備上的負荷[11]。程控電源和固定電源為機載電子電氣設備提供充足工作電流；輸入/輸出接口分別是測試信號的輸入端口和系統資源激發信號的輸出端口，由嵌入式計算機繼電器組件接通和斷開信號傳輸通道。此外，還可以進行防錯插設計，確保檢測裝置的安全連接[12]。

2.2 光耦隔離裝置

光耦隔離裝置是利用光耦合器來實現的，其構造是將LED 與感光三極管結合，絕緣電路之間不能直接電連接，特別是在低壓與高壓線路之間，避免因電連接而產生干擾[13]。在模擬切換指令時，DA 板輸出TTL 高電平，但TTL 高電平不能滿足切換信號要求，如停止、啟動、延時等，需經由MC1413P 芯片傳輸到整個設備線纜上，從而實現TTL 信號的驅動與變換[14]。

3 系統實現關鍵技術研究

3.1 基于智能網聯技術的異常參數辨識

由于機載電子電氣設備檢測系統是一個非線性系統，其模型結構較難獲得，智能網聯技術為它提供了一種有效的異常參數辨識方法。

首先分析機載電子電氣設備運行的實際狀態，對同期運行參數聚類處理。使用重心法計算類與類之間的距離，公式為：

式中，gk、gL為兩類的中心點；n表示特征向量個數；j表示計算次數[15]。設輸入n個特征向量為k1,k2,…,kn，將特征向量聚集在一起后確定中心點。以該聚類中心為表征向量，構建密度函數，可表示為：

式中，r表示機載電子電氣設備運行參數鄰域半徑，通過該公式可確定聚類同期運行的峰值參數[16]。

使用歸一化處理訓練聚類參數，可提高參數收斂速度。歸一化處理公式表示如下：

式中，ht表示t時刻的實際辨識參數；hmin、hmax分別表示最小和最大辨識參數值。將三個連續參數作為參考值，對其進行標識處理，如下所示：

初始化不同時刻潮流，作為量測標準，根據下列公式計算實際辨識參數與理論辨識參數之間的差值，公式為：

3.2 檢測過程設計

由于機載電子電氣設備運行產生的數據隨機性遠遠高于總線，在嚴格規范檢測步驟時，系統應當是井然有序的。通過檢測一段時間內電氣設備的信息熵值，可以檢測大多數異常情況，因此，將信息熵值作為電子電氣設備檢測的標志。以熵值計算結果為依據判斷設備運行狀態，詳細檢測過程如下所示：

步驟1：使用智能網聯技術收集一定時間窗口下的總線報文。

步驟2：收集實際電氣設備運行參數，可獲取收集總線中的全部報文信息。

步驟3：統計標記的報文ID 數據出現次數，計算時間窗口為1 的信息熵值。

步驟4：以統計到的報文為依據，獲取一定時間窗口下正?？偩€的信息熵，計算的結果即為閾值標準。

步驟5：固定時間窗口，按照由大到小的順序依次排列，收集總線報文信息。

步驟6：設置時間窗口的間隔時間為10 min，計算全部信息熵值。

步驟7：將計算結果與閾值標準比較，判斷當前電子電氣設備的運行狀態。如果正常，繼續發送報文；如果異常，及時發出告警信息，由此實現固定時間窗口下的快速檢測[17]。

4 實驗測試

4.1 實驗平臺

在仿真實驗環境為Windows7 下進行實驗分析，使用CANalyst-II分析儀進行維護和管理，如圖3 所示。

圖3 CANalyst-II分析結構

使用CANalyst-II 分析儀模擬接入攻擊場景，對系統進行攻擊，由此分析機載電子電氣設備檢測系統運行性能。

4.2 實驗結果與分析

1）場景一：將所有正常報文的ID 列入白名單中，若其中沒有ID 報文，那么需要報警提醒系統。

向系統中發送ID 為0×011 和ID 為0×002 的報文各25 條，系統首先將正?？偩€中所有ID 報文列入白名單中，一旦發現有其他ID 報文出現，則說明ID 報文異常，需提示警告。分別使用基于深度置信網絡的檢測方法、基于長短期記憶神經網絡的檢測方法和基于智能網聯技術的檢測系統，對比分析不同時間下信息熵值，如圖4 所示。

圖4 場景一不同方法信息熵值對比分析

由圖4 可知，實際情況下，在300～450 s 時，信息熵值明顯降低，最低熵值為2.7，系統應發出告警。兩種對比檢測方法的信息熵值沒有明顯降低趨勢，且與實際數值不一致；而使用基于智能網聯技術的檢測系統最低熵值與實際數值一致，均為2.7。

2）場景二：通過對總線的洪泛攻擊，即向總線中一次性發送500 條0×00 報文，會破壞系統可用性。

向正在運行的機載電子電氣設備發送大量優先級高的報文，根據設備總線響應特點，優先響應這些報文，致使總線正常報文無法被響應。此時，向總線連續發送ID 為0×00 的報文，讓總線優先響應這些報文，進行洪泛攻擊。再次使用這三種方法，對比分析不同時間下信息熵值，如圖5 所示。

圖5 場景二不同方法信息熵值對比分析

由圖5 可知，實際情況下，在300 s 時出現一個告警點，此時信息熵值為2.6。在450～600 s 期間出現一個告警點，此時信息熵值為3.8。在600～750 s 期間出現四個告警點，此時信息熵值分別為3.8、4.2、4.5、4.0。在750～900 s 期間出現一個告警點，此時信息熵值為4.0。在900～1 050 s 期間出現一個告警點，此時信息熵值為3.8。兩種對比檢測方法與實際數值相差較大，而使用基于智能網聯技術的檢測系統在300～600 s 期間，與實際數值存在最大誤差，數值為1.2。

3）場景三：對系統進行重放攻擊，相比于場景二攻擊方式，重放攻擊下的正常報文會干擾系統，導致系統執行錯誤操作。

向正在運行的機載電子電氣設備總線中發送正常報文，達到控制系統檢測的目的。使用這三種方法，對比分析不同時間下信息熵值，如圖6 所示。

圖6 場景三不同方法信息熵值對比分析

由圖6 可知，實際情況下，在不同時間共出現四個告警點，對應的熵值分別為2.5、3.2、3.5、2.1。兩種對比檢測方法與實際數值不一致，而使用基于智能網聯技術的檢測系統在150～300 s 期間，與實際數值的誤差最大為0.3。

5 結束語

在智能網聯技術下設計的機載電子電氣設備檢測系統，通過處理采集到的正?？偩€報文，并計算下一固定時間窗口信息熵值，得到閾值標準。通過與閾值標準進行對比，能夠判斷總線發生的異常情況。設計實驗測試場景進行對比檢測，實驗結果表明，智能網聯技術能夠有效防止外界干擾，達到高效檢測的目的。