某型雷达装备健康管理系统研究.doc

某型雷达装备健康管理系统研究 2 中国人民解放军95662部队 摘要：随着现代雷达技术飞速发展，对雷达自动化、智能化程度要求越来越高。本文以国内某型雷达为对象，针对雷达健康管理系统进行了研究，介绍了系统组成和设计原理。 关键词：健康管理；健康状态评估 一、引言 近年来，雷达装备系统集成化程度越来越高，对雷达监控系统的设计和使用要求也越来越高，雷达健康管理系统相对于传统的监控设计，能够对雷达系统的状态、参数等数据进行智能化处理。以某型雷达装备为例，健康管理系统可以融入收发通道的幅相测试数据、环境参数、点航迹参数等数据，建立数据库；还能够根据雷达BITE信息和参数，通过数据处理和健康状态评估，获取雷达健康状态；还可借助算法和模型来找出故障征兆和故障原因的映射关系，推导出故障的原因及部位，对征兆趋势进行跟踪。 二、系统框架 健康管理系统作为基于状态维修的核心系统，从三个方面进行设计。前端采集的监测信号种类和数据更加丰富，温度、转速、CPU运行速度等；后端数据分析能力更加强大，建立了雷达状态数据库，包括基础数据库、故障字典，通过与采集到的数据进行处理分析，得到雷达工作的健康状态。 三、设计原理 各个子系统故障管理控制器接收相应各个模块、部件的监测传感器信息，子系统故障管理控制器对接收到的监测信息进行格式转换和融合处理，在模式库和数据库的支持下进行部件和子系统的健康评估和故障预测，然后将子系统的健康状态信息送健康处理进行综合处理，最终形成显示结果。 图1.健康管理分层融合式结构 1 2 3 3.1 信息采集 某型雷达装备由多个系统组成，具体分析时不管是重要功能产品（FSI）还是非重要功能产品（NFSI）都采用依据某型装备系统的产品约定层次，将其逐层分解为分系统、组件、部件直至零部件，并采用自上而下的方式按产品的故障对装备使用后果进行分析。 3.2 数据处理 通过传感器获取的数据，需要进行数据清理、数据分析、特征提取和数据挖掘才能更好的用于雷达健康状态的评估和预测，生成雷达维护决策。 3.2.1 数据清理 装备状态监测在时间上需要连续监测，在强噪声干扰和数据传输会引起数据失真，观测数据序列产生异常数据，分析诊断前必须进行预处理，剔除“虚假点”，可采用数字滤波法剔除虚假点，建立一个长度为N的滑动窗口，对在线监测数据序列滑动处理后可得到一个长度为N的序列，将窗内的数据求算术平均值，与阀值e的比较，如果超过阀值e的数据可以剔除。 对于阀值e的选择和是否剔除通过专家评估，对于被剔除数据保存入异常数据类保存，同样作为分析其它设备状态依据。 3.2.2 数据分析 （1）动态分析 由于装备状态劣化过程是一个随时间的变化而不断发展变化的，在不同的时间上状态发展变化所达到的水平值，按照时间顺序其值是不一样的，T时段内间隔相等的时点数据，用简单算术平均数计算其序时平均数，获得水平分析指标。动态数列的速度分析指标包括发展速度、平均发展速度。 （2）相关分析 设备故障现象与故障原因存在着某种依存关系，用变量表示故障现象和故障原因时，用统计分析方法测量变量之间的关系的密切程度，为相关分析。 相关系数基本计算式： 其中 = == 当r0时，表示x和y正相关，当r0时，表示x和y负相关，当r=0时，表示x和y不相关，当r=1时，表示x和y完全相关，当r=-1时，表示x和y完全负相关。 （3）数据平滑 在健康管理系统中，监测传感器获得装备的状态特征数据后，进行装备的健康状态评估，并对装备的未来状态和故障发生时间进行预测，通过应用数据平滑技术，根据状态特征参数的变化趋势来外推预测其未来值 = 为第t+1期的预测值；为第t期的移动平均数；分别为t，t-1,t-N+1期的观测值；N为移动平均项数。 为第t期的移动平均数，作为第t+1期的预测值。 3.2.3 特征提取 装备状态监测的目的是依据状态监测数据进行故障模式识别和健康状态评估，从传感器得到的测量数据与装备状态特征相关性不强，需要将其从测量空间转换到特征空间，提取出与装备状态相关性强的特征相量，作为装备故障模式识别分类器的输入。特征提取的实质就是从已有的向量中挑选出具有代表性的、有效的成分构成新的特征向量。采用快速傅里叶变换技术可以使得识别工作量大为减少。 3.3 健康状态评估 3.3.1 健康状态等级 健康状态等级描述可以描述复杂装备所处的工作状态，依据健康状态分级原则，将装备技术状态分为四级：正常、轻微、严重和停机。 3.3.2 DS-证据合成实现装备健康状态评估 通过对雷达设备及其信息进行分类，形成雷达多个关键参数，将雷达当前关键参数测试值、上次未故障测试测试值、历史未故障测试值及标准测试值统计，采用DS-证据合成实现装备健康状态评估。 选择半梯形归一化量化函数将装备健康状态影响因素进行归一化计算，得到本次测试数据