大數據下的雷達健康管理系統范文

本站小編為你精心準備了大數據下的雷達健康管理系統參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：武器裝備全壽命周期管理的需求推動了雷達故障預測與健康管理技術的研究和發展，雷達裝備也逐步由原先的預防性維修和事后維修模式向視情維修模式轉變。大數據技術和雷達健康管理系統的有機結合，可以有效地整合雷達在役階段的數據資源，與設計、制造、售后等其他壽命周期階段串聯在一起，真正實現雷達裝備的全壽命周期管理。提出一種基于大數據的雷達健康管理系統的網絡平臺框架，并介紹了雷達健康管理系統的關鍵技術。

關鍵詞：大數據；故障預測與健康管理；視情維修；全壽命周期

隨著大型武器系統的性能不斷提升，組成日益復雜，在可靠性、故障診斷、維修保障等方面暴露的問題也日漸突出。傳統的維修模式很難避免“過維修”和“欠維修”，因此基于狀態的視情維修(CBM)模式得到了重視和應用，同時也推動了故障預測與健康管理(PHM)技術的研究和發展。通過提高維修保障能力，可以保證裝備的完好性和可用度水平，使新裝備盡快形成戰斗力。故障預測，即預計性診斷部件或系統完成功能的狀態，包括部件的剩余壽命或正常工作時間。健康管理是根據診斷、預測信息、可用資源和使用需求對維修活動做出適當決策的能力[1–2]。綜合以上兩方面的功能，PHM是指利用各種傳感器在線監測、定期巡檢和離線檢測相結合，廣泛獲取設備的狀態信息，借助多種智能推理算法評估設備的健康狀態；對故障進行預測，提供維修保障決策、實施計劃以實現系統的視情維修[3]。

1PHM架構設計

1.1視情維修開放式體系架構

健康管理系統一般采用視情維修開放式體系結構(OpenSystemArchitectureforCondition-BasedMaintenance，OSA-CBM)，該體系架構可用于指導武器裝備的健康管理系統設計。健康管理體系架構如圖1所示，分為7個功能模塊：數據采集模塊、數據處理模塊、狀態監測模塊、健康評估模塊、故障預測模塊、決策支持模塊、接口模塊[4]。該體系架構的各模塊之間并沒有明顯的界限，存在著數據信息的交叉反饋。

1.2數據采集模塊

使用傳感器獲取產品生命周期各階段的運行信息和性能參數變化情況，包括環境和系統各部件的運行參數，如信號的幅度、峰值及變化速率等。

1.3數據處理模塊

雷達狀態參數雖經選取，但實際采集的數量仍很龐大，而且數據還存在一定程度的重疊。這就需要進行預處理和特征提取，用遠少于原始數量的特征來充分、準確描述裝備的運行狀態，從而降低故障診斷的復雜度。由于雷達裝備故障形式的多樣性，狀態和原因之間往往是一種復雜的非線性映射關系。因此，必須進行多狀態的綜合才能有效推斷裝備故障[5]。

1.4狀態監測模塊

狀態監測采用基于門限的故障檢測算法，實現雷達設備的故障判斷。如果參數值偏離門限閾值，則判為設備或傳感器狀態異常，然后調用基于合成運算的推理方法進行模糊推理，采用最大隸屬度閾值原則對故障原因向量進行處理，判斷故障特征與之對應的故障原因。

1.5健康評估模塊

健康評估需要先構建雷達裝備健康評估指標體系，對雷達探測能力、保障能力等指標進行評估。健康評估是通過可靠的評價方法和完整的數據來判斷裝備所處的狀態，查明故障隱患和初期異常，鑒定和定位故障的根源。

1.6故障預測模塊

故障預測主要通過歷史數據和實時監測數據，利用信號分析、故障診斷、可靠性評估、壽命預測等技術，判斷裝備的狀態，對故障部位及其嚴重程度、發展趨勢做出判斷，預測的類型主要是基于特征和模型。

1.7決策支持模塊

決策支持主要是根據故障診斷、健康評價和狀態預測結果，輔助提出裝備維修保障方案。維修保障方案主要包括維修內容、方式、人員、器材和步驟等，為雷達的現場維修提供決策依據。1.8接口模塊接口模塊主要包括：人機接口、機機接口和模塊間接口。在接口模塊設計中，數據總線的設計和選擇非常重要。

2大數據網絡平臺設計

由于雷達裝備分布位置廣，綜合保障要求高，需要構建雷達全壽命過程的海量數據庫，實現裝備的遠程和深度診斷功能。因此，實施多個現場的綜合診斷與系統健康管理必不可少，大數據網絡平臺為實現這種要求提供了可能。大數據網絡平臺一般采用瀏覽器/服務器(Browser/Server，B/S)模型，如圖2所示。建立三級系統架構：表示層、功能層和數據層[6]。B/S模型結構可實現數據管理與用戶管理更大的靈活性與開放性。在B/S結構下，在客戶端只需要安裝瀏覽器及相關協議軟件，即可訪問服務器。軟件的開發、維護與升級只需在服務器端操作，縮短了系統開發周期，降低了維護費用。在物理部署層面，大數據網絡平臺可以劃分為現場監測層(雷達站點)和遠程診斷層(旅團或戰區級監控中心)兩層。現場監測層主要負責對雷達設備或傳感器輸出的各類數據信息進行獲取、監視、處理，通過健康管理單機系統進行診斷、分析評估及綜合管理，為雷達設備運行提供近程、就地的技術保障。遠程診斷層利用異地網絡平臺、應用服務器、顯示系統等硬件平臺，以及包括外部遠程服務器在內的遠程故障診斷客戶端服務，通過有線或無線方式，獲取雷達輸出的各種狀態數據，構建覆蓋雷達裝備全壽命周期的海量數據庫及綜合知識庫，實現區域內所有雷達的遠程及深度診斷，評估雷達健康狀態，預測雷達網探測與保障能力，為維修保障活動提供支撐[7]，如圖3所示。

3關鍵技術

3.1大數據技術在雷達健康管理系統的應用

下一代主戰雷達要求對裝備實施全壽命周期管理，健康管理系統必須具備海量數據的處理能力和大數據的深度挖掘功能，能夠利用先進算法，建立相應的模型，對雷達系統或組件的運行趨勢進行預判，為維修保障做出決策依據。通過大數據技術與健康管理系統的有機結合，可以使雷達具備戰場環境的智慧感知能力，擁有在線智能決策，離線自主學習的功能；可以有效地整合雷達在役階段的數據資源，將設計、生產、售后等其他壽命周期階段串聯在一起，真正實現雷達裝備的全壽命周期管理。大數據技術在雷達健康管理系統上的應用還需要解決以下幾個問題：首先是要解決目前較窄的監控數據總線帶寬和健康管理海量數據之間的矛盾；另外海量數據中必然存在大量與雷達健康狀態關聯性不高的低質數據，如何降低低質數據對決策產生的影響？這就需要識別雷達中故障率高的設備或部件，對其故障模式進行辨識，采集與之相關的數據，避免采集無效或關聯度不高的數據，從而提高數據的利用率[8]。

3.2雷達狀態指標動態評估技術

雷達狀態指標一般包括雷達的探測性能和保障能力，探測性能包括雷達基本性能和情報質量，雷達基本性能指標又分為：探測威力、探測精確度、跟蹤能力、抗干擾能力等[9–10]。以相控陣雷達天線系統為例，天線系統中的收發(Transmitter-Receiver，TR)組件很難避免損壞，損壞組件的位置分布對天線整體效能的影響也不盡相同[11]。系統通過收發校正的方法生成天線的幅度分布圖，實時計算方向系數，通過與預存的正常狀態下的天線方向系數進行對比，可以得出天線發射增益、接收增益、副瓣、波束指向等性能指標的變化情況。最后經性能評估后，將健康評價和狀態預測結果送至決策支持模塊，為視情維修提供決策依據[12–13]。如圖4所示。

3.3以可靠性為中心的維修保障策略

以可靠性為中心的維修保障(ReliabilityCenteredMaintenance，RCM)決策，通過產品構型、操作卡、履歷和狀態管理，銜接了維修設計、維修計劃、維修過程、分析評價、維修改進等各個環節，實現了產品的動態維修和全壽命周期跟蹤管理[14–15]。維修保障任務的動態生成過程如圖5所示，以維修操作卡的操作為核心，具體包括維修操作卡的生成、變更和維護等。首先通過可靠性分析、故障分析、過程跟蹤、方案擬制等任務流程的細化，獲得各項維修工序的操作步驟和所需資源，這是生成維修操作卡的基本條件。如果上述任務流程的具體內容發生了變化，會觸發相應維修操作卡的變更操作。在生成維修操作卡時，可以將1個或多個任務組合在一起，根據任務涉及的維修項目，預先置入任務策略，也支持任務生成自學習策略，在使用過程中進行補充和豐富。

4結論

通過基于大數據的雷達健康管理系統的構建，實時采集裝備狀態信息，判斷、定位故障，評估雷達健康狀態，預測故障趨勢和裝備壽命，為雷達維修保障決策提供了依據。故障預測是PHM技術中的難點，需要長時間積累雷達的狀態數據，建立預測模型，采用深度數據挖掘技術，實現對雷達系統或部件運行趨勢的預判；同時還要依據裝備實際運行狀況，對算法和模型進行調整，以提高預測的準確度。

作者：夏勇 丁岐鵑 尤路 單位：中國電子科技集團公司