雷达装备的状态支持系统设计与实现_王蕾.pdf

22 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月Electronics 电子学对装备进行维护、更换部件等预防性维修3。美国宾夕法尼亚州的应用研究实验室及机器信息管理开放系统联盟等一些组织经过研究，联合提出CBM开放系统结构4。该结构将CBM 系统拆分成七个功能模块，包含了建立一个CBM系统所需的各个功能模块，它规范了状态检测的硬件要求以及设备故障的诊断、预测及维修决策方案的人机交互界面，对如何构建一个CBM系统提供了一个技术解决方案（见图1所示）。进行基于状态的维修首先要对装备的状态进行全面的监测。注意这里强调的是全面而非实时。通常装备的状态可以分为初始状态、使用状态和维修状态三种，初始状态是指装备的出厂状态，是装备的理想状态，各项性能指标都处于最佳；当装备投0 引言装备维修对于部队战斗力的保持、恢复以及提升起到了至关重要的作用，其能力和效率影响着武器装备发挥的性能，甚至对军事、经济效益也产生着深远的影响。各国军方为了能有效预防武器装备故障的发生，同时期望能够对武器装备的性能状态进行实时监测，在不断探索研究最佳的维修理论和技术，最终实现故障预测、精确实施维修1。目前，预防性维修和修复性维修被广泛应用于各国军方部队。从效果上看，预防性维修要求在固定的时间对装备进行固定项目的维护保养，所有装备千人一面，而没有充分考虑到装备的实际使用情况，容易造成过维护，浪费保障维修资源；而修复性维修属于装备识别故障后进行停机维修，维修延误时间将导致装备使用可用度的降低。1 研究背景随着信息化技术和人工智能技术的不断发展，特别是装备在交付使用后会产生的大量的使用数据，结合机器学习和人工智能技术在武器系统中的应用，发明了一种新的维修模式，即基于状态维修（Condition BasedMaintenance,CBM）的诞生2。CBM起源于一种逻辑假设：为了使装备获取最大的使用寿命，维修者恰好在故障发生前的时间点作者简介：王蕾，北京无线电测量研究所，高级工程师，硕士；研究方向：装备综合保障、保障性设计。收稿日期：2022-09-14；修回日期：2023-02-12。摘要：阐述装备基于状态维修（CBM）的概念和国内外现状，从技术的角度分析CBM的可行性。以某型雷达装备为对象，探讨基于状态的维修支持系统的功能和架构，并进行了系统设计和实现。关键词：CBM，预测与健康管理，数据分析，保障决策。中图分类号：TN958文章编号：1000-0755(2023)02-0022-04文献引用格式：王蕾，赵子睿，林涛，王岩峰，逄锟艺，严平.雷达装备的状态支持系统设计与实现J.电子技术,2023,52(02):22-25.雷达装备的状态支持系统设计与实现王蕾1，赵子睿1，林涛1，王岩峰1，逄锟艺1，严平2（1.北京无线电测量研究所，北京 100854；2.军委审计署北京审计中心，北京 100001)Abstract This paper expounds the concept of Condition Based Maintenance(CBM)and the current situation at home and abroad,and analyzes the feasibility of CBM from the perspective of technology.Taking a certain type of radar equipment as the object,it discusses the function and architecture of the condition-based maintenance support system,and carries out the system design and implementation.Index Terms CBM,prediction and health management,data analysis,security decision-making.Design and Implementation of Radar Equipment State Support SystemWANG Lei1,ZHAO Zirui1,LIN Tao1,WANG Yanfeng1,PANG Kunyi1,YAN Ping2(1.Beijing Institute of Radio Survey,Beijing 100854,China.2.Beijing Audit Center of the Audit Office of the Military Commission,Beijing 100001,China.)图1 CBM开放式系统模块 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 23Electronics 电子学入使用后，受使用环境、工作时长和维护保养等各方面因素的作用，将处于不断退化的过程；而当退化到一定程度必将出现故障，从而进入维修状态。这一状态又将受到维修资源等因素的制约。可见，要想获得完整的装备状态，军地双方必须密切配合，在装备设计之初，就充分考虑使用数据和故障数据的获取问题，预留必要的测试接口和测试程序；而部队在装备的使用过程中，要具备必要的手段，能够采集装备的使用数据和故障数据。这些数据汇集在一起，利用数据挖掘、深度学习等技术，对将要发生的故障进行预测，并给出维修时机的建议。与此紧密联系的是故障预测与健康管理技术（PrognosticsandHealthManagement，PHM）。运用上述技术方法均可以对装备的故障做出预测，但相比于故障预测，PHM技术可以看作是测试性技术的进一步延伸，其更侧重于装备自身，通常以事件为驱动，从状态预测时间，即以状态为变量，依据状态的变化预测装备的剩余寿命，强调实时性，提出维修建议以保障正在进行的任务能够成功；而基于状态维修更侧重于维修活动本身，通常以时间为驱动，从时间预测状态，即以时间为变量，依据时间的变化预测装备发生故障的可能性，针对维修时机和维修对象提出维修资源和维修策略方面的建议以保障将要进行的任务能够成功。2 国内外研究现状 2.1 国外状况美国海军在1998年对于装备维修提出了基于状态的维修相关概念，使用综合状态评估系统（ICAS）作为CBM的实施工具。该系统能够对装备的机械数据趋势进行监测，对舰船及其设备的器材需求、设备状态以及每个系统或设备的主要性能参数监测结果进行有效的评估，同时用绿、黄、红三种颜色分别表示装备及系统的不同状态，即可用、注意和不可用三种状态，最后汇总表格，给出具体有效的维修建议；能运用基于规则的专家系统对数据持续地进行分析产生使用与维修建议。根据2005和2006两个财政年度修理费用统计，应用ICAS的舰艇年度平均修理费用90 000美元，而没有采用ICAS的舰艇则为144 500美元，减少约38%。这证明采用ICAS确实能够节约维修费用。美空军在联合攻击机上采用了故障预测与状态管理系统（PHM）作为CBM技术的代表5。利用该系统强大的诊断能力，可以对装备的实际状态进行评估，以及对其剩余寿命进行预测。飞机在飞行过程中通过PHM可以将装备及系统的状态及故障等数据自动下传，以达到准备相应的维修资源的目的，进而缩短下次出动的准备时间，大大节约了维修成本。据估计，JSF（Joint strikefighter即F-35）采用PHM技术可以使其保障规模缩减50%，维修人力减少20%40%，出动架次率提高25%，使用与保障费用减少了50%以上。2.2 国内状况国内对CBM的研究正处于起步初期阶段，相比于国外仍有较大的差距需要赶超。国内主要基于发达国家的理论、方法和技术的基础上进行探索和研究，发展我国的CBM技术，并取得了一些初步的进展，应用到化工、汽车、机械、及船舶等行业。在CBM理论研究方面，国内主要围绕装备的状态监测和诊断开展深度研究，在维修决策方面缺乏深入系统的研究。尤其是状态模型、维修决策模型的建立、求解以及应用，但仍然取得了一些成绩。在CBM应用方面，1999年，我国在供电系统首先部分应用状态维修技术，并取得了一定的经济和社会效益5。在军事应用领域，我军也重视发展基于状态的维修，一些科研院所投入到这方面的研究和实践，并取得了一些成绩。如：海军工程大学开发了对机械系统的状态维修软件工具；国防科技大学开发了基于滑油光谱数据的发动机CBM决策系统等。3 基于状态的维修支持系统设计 3.1 总体框架本文以某在役雷达装备为例开展基于状态维修的探索与尝试。摆脱传统基于经验的装备使用保障方法，利用装备产生的数据，对接作战任务的特殊性和装备真实的使用要求，构建模型，进行分析挖掘，给出装备精确、量化、有针对性的保障决策，提供定制化的保障方案和保障预测建议，有针对性的考虑保障规划，精确部署后续工作。为此，本文建立起一套智能保障决策支持系统，主要包含：（1）数据采集；（2）状态评估与预测；（3）资源优化；（4）保障策略生成；（5）可视化统计等功能模块。系统通过对各设备保障数据进行采集，并对基础数据、维护维修数据、状态数据等进行挖掘分析，评估装备的状态，并对装备未来可能会发生的故障和状态趋势做出预测，并据此给出装备保障资源和保障策略方面（例如日常维护的周期、巡检巡修的内容和时机等）的建议，协助部队的保障人员利用装备的状态信息制定合适的保障策略并及时不断地调整，实现对维修保障信息和履历的全寿期管理，使部队的自主保障能力大大提高。系统的组成架构如图2所示。3.2 关键技术（1）故障频次预测技术。根据收集到的数据，本文在智能保障决策支持系统中研究提出故障预测算法，以装备的LRU为最小预测单元，给出在不同任务剖面下其发生故障的频次。该预测的基础主要是数据梳理统计与可靠性约束模型相结合，利用大量同型装备积累的数据信息为根源，以数据融24 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月Electronics 电子学合、数据统计和数据趋势分析等方法，进行阶段性装备的故障预测，包含：故障发生频次、下个阶段系统可用度以及下个阶段系统任务成功概率等重要指标，预测结果可以用来指导保障资源的匹配。装备故障频次预测过程如图3所示。（2）保障决策。基于装备的故障诊断结果、健康评估结果和趋势预测结果制定相应的装备维修保障方案是保障决策技术解决的问题难关。在对不同的装备(设备或部件)进行维修分析与决策过程中，应根据其故障影响，考虑到不同的装备维修决策目标。装备维修决策目标主要包括系统可用度或任务可靠性、故障风险概率等目标。同时根据决策结果，自动制定相应的维修保障策略，为雷达后续实现视情保障提供决策依据。针对具体雷达装备在进行维修保障决策时还需要考虑的装备的状态，实现基于状态的维修保障决策。具体思路如图4所示。（3）资源优化。为保障雷达维修任务的顺利进行，一般需要构建相应的维修保障体系。维修保障体系面向雷达装备执行任务时的实际维修保障需求，针对性地提供相应种类、数量的设备、备件、资料和相应能力的人员。雷达在执行任务时主要考虑的指标为任务成功率等综合性指标，因此，选取雷达的任务成功率作为其保障资源配置与优化的约束条件。任务成功率是指任务在开始给定的可用性下，雷达在规定的任务剖面内任意时刻能够工作和完成规定功能的程度，其表达式为式（1）。（1）式中，RM任务可靠度；Mt任务维修度，在不超过允许时间内，故障修复的概率。考虑到雷达属于复杂系统，其执行任务期间的故障事件、维修事件、资源调配事件等事件属于典型的离散事件，为此拟采用基于任务的离散事件仿真的方法进行雷达的任务成功率的验证计算，总体仿真流程如图5所示。4 系统开发和应用分析 4.1 系统开发实现（1）现场数据采集。由于型号装备时间较早，装备自身并没有部署PHM系统，因此，本文专门设计了手持式数据采集终端和数据处理分析系统，采集数据范围涵盖车辆的日常保障全部信息，由电子化录入替代传统纸质记录方式，具备多媒体（照片、录音、视频等）采集方式，辅助抓取现场一手信息，规范记录格式，便于后续数据的利用、统计及分析。在装备使用维护过程中，技师根据手持数据采集终端的工作内容，执行相应的维护工作、故障排除工作、特殊事项处理工作等，并将检查结果记录到该终端中，工作结束后，将手持数据采集终端定期上传到数据处理分析系统，收集装备的状态数据、使用数据和故障数据等，实现装备数据规范化管理、电子化采集。如图6所示。图2 保障决策支持系统总体设计框架图3 装备故障频次预测过程图4 基于状态的维修保障决策思路图5 维修保障流机制仿真流程图图6 装备现场数据采集系统示意图 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 25Electronics 电子学（2）评估与预测模块。智能保障决策支持系统中评估与预测模块可通过对加电时间、故障数据、备件使用情况分析，给出雷达装备的实际使用过程中，任务可靠性、使用可用度、任务成功率、备件满足率等评估指标，为雷达装备当前使用状态进行评估；通过对下一个阶段加电时间、任务时间、维修时间的预估，预测雷达装备下一段工作时间故障发生的个数、任务成功率、使用可用度等指标。如图7所示。（3）资源优化模块。依据预测的结果，并结合装备的实际，提前检查或者更换故障隐患产品，将未来可能发生的故障降到最低。利用装备LRU的历史故障数据和设计数据，结合装备使用的环境数据，计算出以装备实际数据为驱动的备件种类和备件数量的优化清单。如图8所示。（4）保障策略生成模块。把以往的事后维修，通过调整维护项目和周期逐步转变为视情维修。由于每套装备使用情况不同，对每一套装备的预测结果也各不相同。本文根据装备实际数据，通过保障决策模型算法，将日、周、月、年定期维护项目的周期和内容根据装备自身状态进行调整，最终给出未来某一时间段内每套装备执行某项任务所需维护项目的调整建议。并将这些定制化的维护项目按照具体车辆进行自动分解，并下载到手持数据采集终端上，为装备现场技师提供维护策略指导。另外在巡检巡修和培训等方面也根据各车实际使用情况“量体裁衣”，最大限度地满足装备个性需求，给出下一年度的保障策略建议。如图9所示。（5）可视化统计模块。可视化统计功能从保障装备、保障任务和保障资源等维度，按照横向到边、纵向到底的原则搭建可视化指标体系，实现装备保障全要素、精细化、全寿期数据的层级汇聚、全资可视、随机穿透、执行透明，从而为用户全面、准确地掌握装备、任务和资源的全面信息提供综合可视化信息。通过可视化统计功能可以查询装备相关的数据记录，追溯历史记录信息，对装备故障统计，了解故障历史分布情况。对关键参数等信息进行统计和分析，可以得出关键参数变化区间等统计结果。如图10所示。4.2 应用情况分析该系统目前正在某部队进行试用，开展基于装备性能和状态的健康评估，为部队提供精确化维修保障决策，装备的战备完好性得到有效提高。后续本文将根据试用的结果对故障预测算法进行改进优化。相比于传统的被动维修保障模式，采用CBM保障模式后可以对装备故障次数进行预测，对未来一段时间的装备使用可用度、任务成功率做出预测，从而面对具体重大任务可提前做出保障规划。从试用效果看，通过采用基于CBM的智能保障决策支持系统，装备的备件满足率超过95%，备件利用率提高30%，维护停机时间减少10%。将事后保障变为视情保障，全面提高装备保障效率、减少停机时间。5 结语随着数据采集技术、状态评估与故障预测技术和装备维修决策技术的发展，装备日趋现代化、信息化和数字化。而基于状态的装备维修作为一种先进的预防性维修手段，它使维修更加实效、迅捷、科学、精确，能够有效解决由于对装备进行定期维修所导致过修和失修的问题，基于武器装备的大量使用数据，结合人工智能技术制定装备状态相对应的维修保障策略给部队，减少维修保障资源的浪费，提高部队的自主保障能力。因此，基于状态的维修凭借其独特的技术优势，受到部队的重视和大力发展，必将成为维修保障领域的新一轮技术革命，促进维修技术进一步创新和发展。参考文献1康建设,尹健.武器装备基于状态的维修系统设计J.计算机仿真,2007(06):5-8.2 美国国防部.基于状态的维修评估报告R.2000.3殷苏东,陈旭华.基于状态的维修研究现状与发展趋势J.科学技术与工程,2008(06):1530-1535.4 董立宁,阮拥军,李震,刘辉.基于状态的维修信息化环境下精确维修的利刃J.装备环境工程,2012,9(05):71-74+91.5 国内外CBM维修理论及现状分析M.译普塞斯信息技术咨询有限公司,2018.图7 装备评估与预测示意图图10 可视化统计示意图图8 保障资源调整需求 图9定期维护、巡检巡修