，

(中國(guó)人民解放軍92228部隊(duì)，北京 102442)

0 引言

當(dāng)前周邊形勢(shì)錯(cuò)綜復(fù)雜，國(guó)土防空任務(wù)異常繁重，裝備保障隨時(shí)面臨平戰(zhàn)轉(zhuǎn)換、戰(zhàn)損搶修和應(yīng)急支援等修理任務(wù)，為確保我軍各級(jí)岸防裝備保障力量敏捷響應(yīng)、迅速跟進(jìn)，亟需研制能夠?qū)崟r(shí)反映裝備技術(shù)狀態(tài)、物資供應(yīng)和維修保障需求的信息化保障平臺(tái)，保障裝備迅速恢復(fù)裝備完好性，提高岸防裝備作戰(zhàn)效能。另外，岸防裝備體制系列和裝備性能與估計(jì)先進(jìn)水平日益接近，但是，裝備的可靠性、維修性、測(cè)試性水平等通用質(zhì)量特性與設(shè)計(jì)要求及部隊(duì)的使用要求還有不少差距，成為影響裝備整體質(zhì)量的薄弱環(huán)節(jié)，通過(guò)收集裝備使用階段維修保障數(shù)據(jù)，跟蹤評(píng)估裝備性能質(zhì)量，能夠及時(shí)對(duì)裝備進(jìn)行性能優(yōu)化調(diào)整，確保各任務(wù)剖面內(nèi)充分發(fā)揮裝備的作戰(zhàn)能力，為提高使用維修效能提供可靠依據(jù)。因此，研究典型岸防裝備的健康狀態(tài)評(píng)估技術(shù)，支撐岸防裝備保障特性分析，為指定岸防武器系統(tǒng)修理方案提供依據(jù)。

1 典型岸防裝備健康狀態(tài)評(píng)估概述

典型岸防裝備健康評(píng)估方法，主要包括系統(tǒng)級(jí)、部件級(jí)、指標(biāo)級(jí)等健康評(píng)估方法，由于不同系統(tǒng)、部件的健康參數(shù)、健康定義、健康標(biāo)準(zhǔn)等不同，需要結(jié)合具體評(píng)估對(duì)象、運(yùn)行狀態(tài)、事件等綜合因素，分別選取不同方法完成系統(tǒng)級(jí)、部件級(jí)、產(chǎn)品級(jí)的健康狀態(tài)評(píng)估[1-3]。

對(duì)于系統(tǒng)級(jí)健康評(píng)估，采用模糊健康評(píng)估方法，通過(guò)獨(dú)立地分析每個(gè)含量后再做融合，可以較好的定義各設(shè)備和關(guān)鍵指標(biāo)間的評(píng)估權(quán)重，利用各設(shè)備健康評(píng)估結(jié)果，給出系統(tǒng)級(jí)的健康評(píng)估綜合評(píng)價(jià)結(jié)論。

對(duì)于設(shè)備級(jí)健康評(píng)估，采用模式識(shí)別方法，通過(guò)分析算法的幾何意義與系統(tǒng)健康評(píng)估定義之間的關(guān)系，將系統(tǒng)性能的健康評(píng)估問(wèn)題轉(zhuǎn)化為一個(gè)分類(lèi)問(wèn)題，從整體上評(píng)價(jià)設(shè)備級(jí)的健康狀態(tài)。

對(duì)于指標(biāo)級(jí)健康評(píng)估，根據(jù)各項(xiàng)具體指標(biāo)特性，采用基于統(tǒng)計(jì)學(xué)(包括基于門(mén)限、基于趨勢(shì)以及其他基于統(tǒng)計(jì)學(xué)方法)的評(píng)估方法，實(shí)現(xiàn)對(duì)典型岸防裝備的各性能參數(shù)以及總體性能參數(shù)的健康評(píng)估，得到各指標(biāo)評(píng)估結(jié)果[4]。

2 基于統(tǒng)計(jì)分析的指標(biāo)級(jí)健康狀態(tài)評(píng)估

被評(píng)估對(duì)象部分健康參數(shù)，隨著環(huán)境、使用等因素影響，呈現(xiàn)一定規(guī)律，利用統(tǒng)計(jì)分析方法，可有效建立參數(shù)的統(tǒng)計(jì)分布；利用健康參數(shù)監(jiān)測(cè)數(shù)據(jù)進(jìn)行分布計(jì)算，分析典型岸防裝備在線運(yùn)行數(shù)據(jù)同正常數(shù)據(jù)在分布上的差別，分析數(shù)據(jù)整體偏移程度、數(shù)據(jù)發(fā)展趨勢(shì)，評(píng)估波動(dòng)平穩(wěn)類(lèi)指標(biāo)、長(zhǎng)期退化類(lèi)指標(biāo)、波動(dòng)頻繁指標(biāo)，據(jù)此得出健康指數(shù)CV[5]。

2.1 基于門(mén)限值的波動(dòng)平穩(wěn)指標(biāo)類(lèi)健康評(píng)估

通過(guò)歷史數(shù)據(jù)分析，對(duì)于在一定狀態(tài)下波動(dòng)較為平穩(wěn)的參數(shù)，采用短期指標(biāo)的數(shù)據(jù)進(jìn)行計(jì)算，得出指標(biāo)的平均值與平均相對(duì)誤差，根據(jù)健康評(píng)估算法衡量出該指標(biāo)的健康水平。

其中：SH指標(biāo)健康指數(shù)；xi指標(biāo)檢測(cè)值序列；Xs指標(biāo)標(biāo)準(zhǔn)值；n指標(biāo)序列數(shù)量；xmax指標(biāo)上限；xmin指標(biāo)下限；

以某雷達(dá)裝備某溫度指標(biāo)為例，其溫度指標(biāo)正常為10.20～31.3℃，從11月1號(hào)到11月30日，溫度上生為44.5～61.70℃。因此，利用故障前平均溫度值作為11的溫度標(biāo)準(zhǔn)值，利用實(shí)際值與標(biāo)準(zhǔn)值平均相對(duì)誤差計(jì)算得到11份的健康指數(shù)為19.978。

提取該指標(biāo)12月數(shù)據(jù)，發(fā)現(xiàn)第一周該指標(biāo)仍然較高，直至12月7日后，溫度恢復(fù)正常且波動(dòng)穩(wěn)定，經(jīng)計(jì)算得出其健康指數(shù)為41.5，其健康指標(biāo)仍然較低，未達(dá)到合格狀態(tài)。進(jìn)一步對(duì)7日到31日進(jìn)行指標(biāo)評(píng)估，得出健康指數(shù)為98.9，發(fā)現(xiàn)溫度指標(biāo)結(jié)果已經(jīng)恢復(fù)正常，與實(shí)際情況較為吻合。

2.2 基于長(zhǎng)期性能退化指標(biāo)評(píng)估

針對(duì)長(zhǎng)期退性能退化數(shù)據(jù)的健康評(píng)估，利用工程門(mén)限要求，根據(jù)評(píng)估周期內(nèi)該指標(biāo)平均值，初步確定該指標(biāo)健康指數(shù)范圍；根據(jù)性能指標(biāo)的當(dāng)前退化水平及未來(lái)退化水平，和上一年的性能水平比較該指標(biāo)退化加速率、加速比率，利用兩者的加權(quán)得出該指標(biāo)的健康評(píng)估結(jié)果。最后，利用歸一化方法，計(jì)算給出指標(biāo)評(píng)估期內(nèi)健康指數(shù)。

以某雷達(dá)裝備10年某功率指標(biāo)為例進(jìn)行分析，通過(guò)歷史數(shù)據(jù)確定該設(shè)備的評(píng)估周期為年周期。收集2001～2010年該設(shè)備的電壓、電流并計(jì)算得出功率指標(biāo)；進(jìn)一步計(jì)算得出年平均功率，選取2005年及2007年進(jìn)行該指標(biāo)的健康評(píng)估。其退化比率及加速比率公式如下：

2005該年功率的退化率為4.002 72%，其平均功率為975.297 328 9 W，經(jīng)分析計(jì)算其健康指數(shù)為97.297 492，退化速率為3.29%，由此可見(jiàn)，05年內(nèi)出現(xiàn)的退化較少，其加速比率評(píng)估項(xiàng)提升了指標(biāo)的總體評(píng)估結(jié)果，評(píng)估結(jié)果較高，與實(shí)際情況較一致。

2007年評(píng)估，其平均功率為859.391 469 6 W，退化率為15.411 19%，經(jīng)分析計(jì)算其健康指數(shù)為91.754 834，退化加速率為135.65%，由此可見(jiàn)，07年內(nèi)出現(xiàn)的退化加速比率較大，其速率評(píng)估項(xiàng)降低了指標(biāo)的總體評(píng)估結(jié)果，評(píng)估結(jié)果比2005年出現(xiàn)了明顯降低，與實(shí)際情況較一致。

2.3 基于統(tǒng)計(jì)學(xué)的波動(dòng)頻繁的指標(biāo)評(píng)估

在典型岸防裝備中，對(duì)于受事件狀態(tài)影響其參數(shù)可能存在統(tǒng)計(jì)特性的性能指標(biāo)，利用歷史參數(shù)值，建立其正常狀態(tài)下分布曲線，當(dāng)前評(píng)估期內(nèi)的參數(shù)分布進(jìn)行比較計(jì)算，可獲取參數(shù)偏差，從而給出該參數(shù)的評(píng)估結(jié)果。

以下以某雷達(dá)裝備電流參數(shù)為例，闡述基于統(tǒng)計(jì)學(xué)的波動(dòng)頻繁的指標(biāo)評(píng)估方法。

選取某雷達(dá)裝備2002年～2009年某電流參數(shù)數(shù)據(jù)，建立參數(shù)直方圖如下。

圖1 某雷達(dá)裝備電流參數(shù)直方圖

通過(guò)直方圖得出該指標(biāo)數(shù)據(jù)在評(píng)估周期內(nèi)具有一定的變化規(guī)律，觀察直方圖，其形狀和正態(tài)分布的密度函數(shù)很相似，以橫軸10為對(duì)稱(chēng)軸，在橫軸10的頻數(shù)處取得極大值，向?qū)ΨQ(chēng)軸的兩端延伸時(shí)對(duì)應(yīng)的頻數(shù)趨近0。采用極大似然估計(jì)去擬合這個(gè)直方圖所對(duì)應(yīng)的正態(tài)分布，求得正態(tài)分布的參數(shù)。然后在建立系統(tǒng)中對(duì)各參數(shù)分布的優(yōu)度進(jìn)行檢驗(yàn)，以驗(yàn)證建立分布是否合理、準(zhǔn)確。然后采用KL散度度量方式，利用歷史分布與當(dāng)前分布之間的差異來(lái)衡量指標(biāo)的健康水平，得出其健康狀態(tài)評(píng)估值。

3 基于模式識(shí)別的設(shè)備級(jí)健康狀態(tài)評(píng)估

模式識(shí)別方法能夠較容易的表現(xiàn)出各指標(biāo)結(jié)果對(duì)設(shè)備整體健康度的影響，特別是，當(dāng)難以人為的直接給定或建立各指標(biāo)對(duì)設(shè)備級(jí)健康程度的權(quán)重影響關(guān)系時(shí)，模式識(shí)別方法能夠取得較好的效果。以雷達(dá)裝備中的功放為例，構(gòu)建設(shè)備級(jí)健康評(píng)估方法體系，評(píng)估方法包括支持向量機(jī)、貝葉斯網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)等。

3.1 基于SVM(支持向量機(jī))的評(píng)估方法

典型岸防裝備健康評(píng)估中，存在系統(tǒng)確定的性能評(píng)估值向評(píng)語(yǔ)域的不確定性映射，即在給定一個(gè)評(píng)分，將其劃分為某一等級(jí)，等級(jí)的概念具有模糊性，等級(jí)的值具有隨機(jī)性，隨機(jī)性和模糊性是最基本的不確定性。模糊集理論只能處理模糊性的問(wèn)題，而不能處理模糊性和隨機(jī)性關(guān)聯(lián)的問(wèn)題，因此，需要一種不確定算法實(shí)現(xiàn)將評(píng)估值向評(píng)語(yǔ)域的不確定性映射。20世紀(jì)90年代初期，李德毅院士研究了模糊性和隨機(jī)性及兩者之間的關(guān)聯(lián)性，在傳統(tǒng)模糊數(shù)學(xué)和概率統(tǒng)計(jì)的基礎(chǔ)上提出了定性定量互換的云模型，實(shí)現(xiàn)了定量與定性概念之間的不確定性轉(zhuǎn)換，解決了模糊性和隨機(jī)性關(guān)聯(lián)的問(wèn)題[6-7]。因此，基于SVM等模式識(shí)別方法之后，采用云模型來(lái)解決定量值到模糊值的語(yǔ)義映射的問(wèn)題。

例如，將雷達(dá)裝備某設(shè)備系統(tǒng)健康狀況分為四個(gè)等級(jí)，在分類(lèi)過(guò)程中根據(jù)SVM分類(lèi)的結(jié)果認(rèn)為，當(dāng)樣本點(diǎn)在正常樣本邊界和最優(yōu)分類(lèi)面之間時(shí)，樣本錄屬于亞健康狀態(tài)；當(dāng)樣本點(diǎn)位于最優(yōu)分類(lèi)面和故障樣本之間時(shí)，樣本錄屬于性能?chē)?yán)重退化狀態(tài)。這樣就將系統(tǒng)的健康狀態(tài)劃分為健康、亞健康、嚴(yán)重和故障4個(gè)狀態(tài)。設(shè)樣本點(diǎn)Xi到最優(yōu)分類(lèi)面的距離d，則d>1時(shí)，樣本點(diǎn)處于健康狀態(tài)；當(dāng)d<=1且d>0時(shí)，樣本處于亞健康狀態(tài)；若d>=-1且d<=0，說(shuō)明樣本處于嚴(yán)重退化狀態(tài)；若d<-1，說(shuō)明樣本點(diǎn)處于故障狀態(tài)。利用云模型的特征值，把模糊性和隨機(jī)性集成到一起，將距離d轉(zhuǎn)化為錄屬度向量，通過(guò)錄屬度向量得出健康狀態(tài)。

3.2 基于貝葉斯網(wǎng)絡(luò)的評(píng)估方法

用貝葉斯網(wǎng)絡(luò)做數(shù)據(jù)分類(lèi)分為3個(gè)步驟：構(gòu)造貝葉斯網(wǎng)絡(luò)、訓(xùn)練貝葉斯網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)推理。

1)構(gòu)造貝葉斯網(wǎng)絡(luò)。

以雷達(dá)裝備功放設(shè)備為例，根據(jù)功放設(shè)備性能參數(shù)指標(biāo)特性，構(gòu)建貝葉斯網(wǎng)絡(luò)[8]。功放設(shè)備性能參數(shù)包括駐波比、增益、增益穩(wěn)定度、ALC電壓、輸出功率、帶內(nèi)平坦度、諧雜波抑制、相位噪聲、工作溫度、風(fēng)扇轉(zhuǎn)速以及風(fēng)通量等。其中，ALC電壓對(duì)增益以及增益穩(wěn)定度會(huì)產(chǎn)生影響，而增益穩(wěn)定度又會(huì)影響功放增益指標(biāo)，增益指標(biāo)對(duì)功放輸出功率將產(chǎn)生一定影響；諧雜波抑制性能指標(biāo)對(duì)帶內(nèi)平坦度、相位噪聲等將產(chǎn)生影響；風(fēng)扇轉(zhuǎn)速將影響風(fēng)通量以及工作溫度，風(fēng)通量的變化也會(huì)對(duì)工作溫度產(chǎn)生一定影響。因此，根據(jù)其各性能指標(biāo)的關(guān)系，可以通過(guò)獲取的樣本數(shù)據(jù)來(lái)建立基于測(cè)試參數(shù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)圖。

圖2 功放設(shè)備貝葉斯網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示例

2)訓(xùn)練貝葉斯網(wǎng)絡(luò)。

訓(xùn)練貝葉斯網(wǎng)絡(luò)采用梯度下降法，學(xué)習(xí)條件概率表(Condition Probability Table,CPT)項(xiàng)的值,從傳感器獲得的各個(gè)參數(shù)無(wú)論是電壓或是電流信號(hào)都是連續(xù)信號(hào)，貝葉斯網(wǎng)絡(luò)要求處理的是離散變量。因此需對(duì)傳感器測(cè)量的信號(hào)進(jìn)行離散化。

以功放設(shè)備性能指標(biāo)參數(shù)為例，每一個(gè)參數(shù)都有正常的波動(dòng)范圍，當(dāng)參數(shù)取值低于最低門(mén)限的時(shí)候，將其設(shè)為1級(jí)，當(dāng)參數(shù)取值高于最高門(mén)限時(shí)，將其等級(jí)設(shè)為4級(jí)。對(duì)于在正常波動(dòng)范圍內(nèi)的取值，將其均勻劃分為2、3級(jí)。

3)貝葉斯網(wǎng)絡(luò)推理。

貝葉斯網(wǎng)絡(luò)推理采用基于連結(jié)樹(shù)的算法，其求解速度較快，結(jié)果精確。

①構(gòu)造Moral圖(端正圖)：將原貝葉斯網(wǎng)絡(luò)中同一節(jié)點(diǎn)的父節(jié)點(diǎn)兩兩相連，同時(shí)去掉每一條連接邊的箭頭。

②三角化圖(Triangulating)或弦圖：對(duì)包含4 個(gè)及以上節(jié)點(diǎn)數(shù)的環(huán)，增加一條無(wú)向邊將環(huán)中兩個(gè)非相鄰節(jié)點(diǎn)連接起來(lái)，完成對(duì)Moral 圖的三角化。當(dāng)Moral 圖中不存在符合上述條件的無(wú)向環(huán)時(shí)，不必再進(jìn)行三角化。

③區(qū)分團(tuán)節(jié)點(diǎn)(Identifying Cliques)：在三角化圖中，確定團(tuán)節(jié)點(diǎn)，每個(gè)團(tuán)節(jié)點(diǎn)都是無(wú)向圖的子圖。

④建立聯(lián)合樹(shù)(團(tuán)樹(shù))：建立的聯(lián)合樹(shù)必須包含所有團(tuán)節(jié)點(diǎn)，交集作為連接兩個(gè)團(tuán)節(jié)點(diǎn)的分隔節(jié)點(diǎn),構(gòu)建完團(tuán)樹(shù)之后，進(jìn)行團(tuán)樹(shù)傳播推理，最終實(shí)現(xiàn)基于貝葉斯網(wǎng)絡(luò)的狀態(tài)評(píng)估。

3.3 基于神經(jīng)網(wǎng)絡(luò)的評(píng)估方法

人工神經(jīng)網(wǎng)絡(luò)是通過(guò)模擬生物神經(jīng)元處理外部刺激方式的一種智能計(jì)算方法，能夠解決傳統(tǒng)線性方法無(wú)法處理的很多復(fù)雜的非線性問(wèn)題。在發(fā)動(dòng)機(jī)等典型機(jī)械、機(jī)電設(shè)備的故障診斷中，神經(jīng)網(wǎng)絡(luò)出色的非線性問(wèn)題處理能力，有利于幫助解決健康評(píng)估與等級(jí)劃分等該領(lǐng)域的難點(diǎn)問(wèn)題，因此得到了大量的應(yīng)用。

以徑向基(Radial-Basis Function，RBF)神經(jīng)網(wǎng)絡(luò)為例，其是單隱含層的前向網(wǎng)絡(luò)，它由三層構(gòu)成：第一層是輸入層，第二層是隱含層，第三層是輸出層。根據(jù)隱單元的個(gè)數(shù)，RBF網(wǎng)絡(luò)有兩種模型：正規(guī)化網(wǎng)絡(luò)(Regularization Network)和廣義網(wǎng)絡(luò)(Generalized Network)。

基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)能力，經(jīng)過(guò)對(duì)健康狀態(tài)(對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)的目標(biāo)向量)細(xì)分，結(jié)合相關(guān)的健康狀態(tài)先驗(yàn)知識(shí)，可以實(shí)現(xiàn)對(duì)目標(biāo)系統(tǒng)健康的退化狀態(tài)識(shí)別與評(píng)估。

在利用神經(jīng)網(wǎng)絡(luò)進(jìn)行評(píng)估時(shí)，需要根據(jù)具體對(duì)象及其數(shù)據(jù)特點(diǎn)，注意解決以下問(wèn)題：(1)有效評(píng)估特征的選擇；(2)大量訓(xùn)練樣本的獲?。?3)評(píng)估分類(lèi)的類(lèi)型數(shù)量；(4)狀態(tài)評(píng)估的精度。

4 基于模糊平板法的系統(tǒng)級(jí)健康狀態(tài)評(píng)估

采用模糊評(píng)判方法，實(shí)現(xiàn)系統(tǒng)級(jí)健康評(píng)估，模糊評(píng)判方法其優(yōu)點(diǎn)簡(jiǎn)單快速、適合在線評(píng)估[9]。利用在典型岸防裝備的健康參數(shù)，在指標(biāo)級(jí)、設(shè)備級(jí)健康評(píng)估結(jié)果的基礎(chǔ)上，采用德?tīng)柗频鹊贸龈鲄?shù)的影響權(quán)重，利用健康參數(shù)數(shù)據(jù)進(jìn)行加權(quán)計(jì)算，得出被評(píng)估對(duì)象的評(píng)估結(jié)果。模糊評(píng)判方法具體評(píng)估流程包括：

模糊集與權(quán)重集構(gòu)造：收集日常的運(yùn)行數(shù)據(jù)，根據(jù)綜合評(píng)估結(jié)果及專(zhuān)家經(jīng)驗(yàn)，確定典型岸防裝備系統(tǒng)的模糊因素集U=(μ1,μ2,μ3,…,μ4)，并建立模糊集對(duì)應(yīng)的權(quán)重集合A=(α1,α2,α3,…,αn)。

評(píng)價(jià)集構(gòu)造：根據(jù)健康等級(jí)定義，構(gòu)造評(píng)價(jià)集，同時(shí)需要考慮不同狀態(tài)下的評(píng)價(jià)集V=(v1,v2,v3,…,vn)。

模糊關(guān)系矩陣創(chuàng)建：在直積集上定義從U到V的模糊關(guān)系矩陣R=(rkl)n×m，即定義第K個(gè)因素時(shí)，判決得到第I個(gè)結(jié)果的可能程度。

圖3 基于模糊評(píng)判的健康狀態(tài)評(píng)估方法

建立綜合評(píng)價(jià)矩陣：建立綜合評(píng)價(jià)矩陣B=A·R；

最大錄屬度計(jì)算：根據(jù)解算得出的結(jié)果，按最大錄屬度原則判決給出級(jí)別結(jié)果。

5 結(jié)束語(yǔ)

本文以雷達(dá)等典型岸防裝備為例，開(kāi)展了裝備健康狀態(tài)評(píng)估、效能評(píng)估、效能評(píng)估以及保障特性分析應(yīng)用研究，

從裝備健康指標(biāo)體系構(gòu)建，指標(biāo)級(jí)、設(shè)備級(jí)、系統(tǒng)級(jí)裝備健康狀態(tài)評(píng)估等方面，分析了基于統(tǒng)計(jì)和模式識(shí)別的岸防裝備評(píng)估技術(shù)，可作為后續(xù)岸防裝備保障特性評(píng)估技術(shù)研究的支撐。