装备故障预测技术现状及发展研究

沈凡宇，周圣林

（中国人民解放军92728部队，上海200436）

装备故障预测技术现状及发展研究

沈凡宇，周圣林

（中国人民解放军92728部队，上海200436）

故障预测是提高复杂武器装备可靠性及保障效率的重要手段，也是第四代战斗机具有的显著特征之一。重点对国内航空装备故障预测技术现状进行了分析研究，并结合技术发展的可行性和实用性，提出了7项关键技术研究方向。

故障预测；航空装备；关键技术

随着科学技术的不断进步，现代武器装备的性能得到大幅提升。与传统武器装备相比，现代武器装备具有更加复杂的结构组成［1］，更高的自动化和信息化水平，但是一旦发生故障，其故障的检测、隔离、维修等将变得十分复杂，极大地增加了装备后勤保障的难度［2］。航空装备由于工作使用环境的特殊性，其可靠性有着更高的要求。

装备维护与保障理论和技术经历了事后维修、计划维修和视情维修3个阶段的发展［3］。事后维修和计划维修对灾难性的故障很难预防，而且可能会引起不必要的停机，增大了维修损坏的风险［4］。此外，事后维修只能对单次故障有效，无法预知下次故障的发生。计划维修有时候会面临维修过度的问题，导致不必要的资源浪费。与以上两种维修策略不同，视情维修使维修工作变被动为主动，其立足于故障机理的分析，根据不解体测试的结果，当维修对象出现潜在故障时就进行调整、维修或更换，从而避免灾难性故障的发生。故障预测技术是实现视情维修的基础，通过对武器装备当前状态的分析，预测未来时间内武器装备可能出现的故障以及剩余使用寿命，从而达到视情维修的目的。

故障预测技术应用范围广泛，由于其在降低故障损失，提高经济效益方面的重要作用，近年来，吸引了越来越多的关注，不断有专家及学者投身到故障预测技术的研究中来，理论成果层出不穷。本文总结了航空装备故障预测技术的研究现状，并在此基础上，结合技术发展的可行性，提出了7项关键技术研究方向，以促进装备故障预测技术由理论向实际转化。

1　装备故障预测技术研究现状

现有的故障预测技术种类繁多［5］，许多新理论正在不断涌现。由于航空装备的特殊性，其对故障预测技术有着更高的要求。近年来，国内有很多针对装备故障预测技术的理论研究，并取得了一定的成果，主要分为以下几个方面：

（1）基于模型的故障预测

基于模型的故障预测指采用动态模型或过程的预测方法［6］，它一般要求被预测对象系统的数学模型是已知的，通过计算功能损伤来对关键零部件的损耗程度进行评估，建立随机过程模型或物理模型，实现对部件剩余寿命的预估。一般情况下，对象系统的故障特征与所用模型的参数紧密相关，初始建立模型时可选用典型系统的参数，随着逐步深入研究系统故障演化机理，再对模型进行修正和调整，以提高预测精度［7］。

邓小涛［1］等针对电子装备的故障多属于随机的，以设备故障前工作小时作为依据，采用ARMA模型来对故障进行预测，通过对某机载雷达磁控管下一次故障有可能出现的时间进行预测，说明了只要状态与测量选择合适，预测的结果是比较准确的。左召军［8］等采用时间序列分析法来预测某种航空装备的故障率，对于时间序列的长期趋势和周期变动采用移动平均法进行消除，然后应用月平均法对季节指数进行求解，并进行相应的调整，然后通过拟合的趋势方程来进行故障预测，预测结论比较客观，一定程度上降低了预测的主观性和经验性。朱玉斌［9］等以某型双转子、双涵道混合排气式涡轮风扇发动机为研究对象，将性能健康参数作为状态量扩展至状态方程，应用卡尔曼滤波器来估计状态变量，从而估计出健康参数，然后以健康参数为基础对发动机气路故障进行预测。通过将某涡扇发动机数学模型作为仿真对象进行仿真，结果表明该方法能够预测由于性能偏离导致的渐变性故障，同时卡尔曼参数估计器能在短时间内对性能退化参数和退化量进行较准确的预估。针对Weibull分布适用范围广、预测能力强，但是模型参数估计受人为因素影响大等情况，辛龙［10］等提出将平均中位秩和最小二乘法相综合来对Weibull分布进行参数估计和曲线拟合，以达到提高寿命预测准确度的目的。最后以某型歼击机航电系统中15个相同的核心部件为研究对象，结果表明该方法寿命预测准确度较高，状态跟踪性好。对于只能知道部分信息，维修数据为小样本的系统，崔亚君［11］等建立灰色预测模型，同时采用后验差法对所建模型进行检验，并对某型航空装备灾变故障时间进行了预测，结果表明该方法具有较高的精度，能够预测下一次灾变故障发生的时间。

基于模型的故障预测方法的优势和弊端都很明显。其优点是如果能够建立被预测对象系统的精确的模型，那么该方法可以深入描述对象系统的本质，同时能够实现实时的故障预测。相反，对于大型设备以及精密部件等而言，其系统内部组成结构复杂，很难建立精确的模型，若模型的精度不够，则预测结果就会有很大的偏差，因此，该方法的应用具有较大的局限性。

（2）基于数据的故障预测

基于数据的故障预测技术是目前研究比较热门，比较深入的一类故障预测方法。基于数据的故障预测技术不需要对系统的模型或经验知识等有足够的了解，它以采集到的系统数据为预测基础，结合运用多种数据分析处理方法提取数据中的特征信息并进行相关的预测［12］。

鉴于马氏距离能够消除量纲带来的影响，同时能够综合考虑到各种特性之间的联系，在状态类型判别方面具有一定的优势。针对航空装备的故障状态类型判别问题，文献［13］提出了一种基于马氏距离的故障预测方法，并对相应的预测流程进行了介绍，最后将该方法应用于某型飞机火控系统的故障预测中，分别实现了在线故障预测和离线故障预测。针对传统支持向量回归机只反映了特征参数随时间变化的趋势，而没有考虑参数间的相互关系，以及电子装备性能特征参数间的耦合关联等问题，文献［14］将D-S证据理论与参数的纵向历史状态数据和横向的相关参数数据相结合，设计出杂合支持向量回归机预测算法，同时利用特征参数的时间和空间相关性来提高预测精度。最后将该方法应用于某型飞机电子对抗系统中管理控制计算机的参数预测，并与横向和纵向支持向量回归机进行比较，结果表明其预测精度优于横向和纵向支持向量回归机。

（3）基于人工神经网络及其改进方法的故障预测

人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。应用神经网络进行故障预测，要根据系统构造适当的网络结构，收集历史数据作为训练样本并对网络进行训练，当精度满足要求后进行预测。神经网络具有很强的非线性拟合能力，能映射任何复杂的非线性关系，其鲁棒性和记忆力较强，具有一定的容错能力，而且学习规则简单，具有强大的自学习能力。此外，神经网络也有没能力来解释推理所得结果，网络的训练周期较长，极易陷入局部极小值等缺点。

范爱锋［15］等根据时间序列数据对输出预测值的贡献随数据的时间不同而不同，提出了基于指数衰减的神经网络预测模型，并将该模型应用于某型雷达磁控管的故障趋势预测。文献［16］将灰色Verhulst模型与小波神经网络相结合来解决小样本故障数据在BP神经网络训练中的缺陷，提出了基于灰色Verhulst-小波神经网络组合预测模型，并在某型航空设备工作电压的故障预测中对该模型进行了验证。文莹［17］等应用粗糙集理论对神经元结构进行改进，将粗糙变量作为神经元的输入，通过交叉连接方式构造粗糙神经网络，以此来对实际设备特征参数进行预测，并将该方法应用到了某型航空电子设备的故障趋势预测。胡雷刚［18］等应用免疫算法对神经网络隐含层激励函数进行改进，得到免疫神经网络，并将该模型应用于某型航空装备特征参数的跟踪预测。针对基本神经网络和灰色系统故障预测模型的不足，文献［19］提出采用实数编码方式和自适应的交叉率、变异率来对遗传算法进行改进，然后将改进后的遗传算法应用于神经网络的权重学习以得到遗传神经网络。采集装备的特征参数数据来对网络进行训练，最后将遗传神经网络应用到某型航空电子装备特征参数退化趋势的预测中。结果表明，在对某型航空装备同一特征参数进行预测时，遗传神经网络预测结果的均方误差百分比相对较小，粗糙神经网络预测结果的平均绝对误差百分比相对较小，而免疫神经网络预测结果的整体性能相对较好，此外，三者都较BP神经网络的性能有一定的改善。

2　故障预测技术的发展方向

尽管这些年来故障预测技术取得了迅猛的发展，许多学者投入到了故障预测技术的研究中，理论成果层出不穷，但是故障预测技术仍然面临着巨大的挑战。通过故障预测技术发展的可行性和实用性综合分析，认为故障预测技术迈上新的台阶，需要从以下几个方面取得突破：

（1）先进传感器技术

从现有的故障预测技术理论成果来看，基于数据驱动的故障预测技术所占比例较大。高质量数据的获取是基于数据驱动的故障预测技术的关键，只有提取到的数据品质好，可靠性高，才能为后续的故障预测过程打下坚实的基础。因此，发展先进传感器技术，提高传感器检测精度和可靠性，多种传感器集成组合使用，在数据采集源头这一环节把好关，有助于提高故障预测的准确性。

（2）高效的特征提取方法

数据处理是基于数据驱动的故障预测技术的又一关键一环。数据包含着大量的信息，但是由传感器采集得到的数据或多或少的夹杂着一些干扰数据，如何从大量的数据信息中剔除不相关的干扰，提取出与故障预测相关的信息，并解读这些信息是数据处理的关键。因此，发展高效的特征提取方法，在数据处理时快速准确的从干扰中分离出有用的信息，提取主要特征，是提升故障预测水平的保证。

（3）关联故障预测

传统的故障预测技术大多是针对特定对象的单一参数指标，运用单项或组合的预测方法进行趋势预测分析。但是，表征对象特性的参数多数时候并不只有一种，而且同一系统不同对象的故障之间存在着一定的关联性。现有故障预测方法种类繁多，但是没能形成统一的故障预测框架，无法在预测某一部件故障的同时对与其相关联的故障进行预测。系统某一部分的故障会传播扩散到与其相关联的其他部分，进而影响整个系统的工作，研究关联故障的预测方法和框架，有利于从系统层面对故障进行把握，实现系统级的故障预测。

（4）提高故障预测精度

预测是根据以往和当前的状态，对未来某一时间段内的状态进行估计。预测具有很大的不确定性，影响预测结果的因素主要有掌握的信息量的多少、外界因素、预测方法的选择等。一直以来，高精度、无误差的对系统故障进行预测是故障预测技术研究的目标［20］，但是从国内外已经应用到实际的故障预测技术来看，其预测的精度还有待于进一步的提高。只有实现对系统故障的高精度预测，才能更好的进行提前预防和维护，最大限度的降低故障损失。因此，提高故障预测的精度是故障预测技术未来发展的主流方向。

（5）建立故障预测技术评价体系

故障预测技术发展至今，已经提出了多种多样的理论方法，例如，基于模型的故障预测方法，基于知识的故障预测方法、基于数据驱动的故障预测方法等等［21］，但是对故障预测技术的评价却没有统一的可遵循的标准。对于多数的故障预测理论方法，由于没有真正应用到实际中去，并不能仅仅根据简单的性能指标来判断其好坏，因此，研究建立故障预测技术评价体系，将有助于更好地辨别不同方法的优劣，同时，建立统一的评价体系，更有利于故障预测技术的正规化发展。

（6）面向实际应用条件

或是由于技术条件限制，或是由于方便计算，建模的过程中或多或少的都进行了相关的假设，故障预测模型的建立过程也同样如此。但是，只要有假设就会与实际应用不相符，就会与真实环境产生一定程度的偏差，影响结果的真实性和说服力。所以，在故障预测模型的开发建立过程中，应该紧密结合系统实际应用条件，尽可能少的使用或者不使用条件假设，多从技术角度去突破而不是从条件假设角度。

（7）结合虚拟现实技术

绝大多数设备的系统组成结构庞大而复杂，对一个错综复杂的系统进行故障预测并不是一件容易的事。但是，应用虚拟现实技术，在虚拟环境中，可以建立虚拟的系统模型，借助于跟踪球、头戴式可视设备等，可以很容易了解系统内部的组成结构和相互关系，这对真实系统的故障预测是一个很好的辅助。将虚拟现实技术应用到故障预测的各个环节，对提高算法开发效率，加强数据采集、分析、处理能力，降低虚警率，提高故障预测精度起到了重要作用。因此，将故障预测与虚拟现实技术相结合，不失为一个好的发展方向。

3　结束语

本文主要介绍了故障预测的概念及其对武器装备维修保障的作用，重点分析了装备故障预测技术的理论研究情况，从实用性和可行性出发，针对性提出了军用飞机故障预测技术未来重点发展方向。

［1］邓小涛，吕波，江帆，等.航空电子装备的故障预测法［J］.舰船电子工程，2004，24（5）：125-127.

［2］王昌荣，赵玉龙，蒋有才.故障预测技术在武器装备中的应用及发展［J］.价值工程，2015，（5）：41-43.

［3］孙强，岳继光.基于不确定性的故障预测方法综述［J］.控制与决策，2014，（5）：769-778.

［4］梁旭，李行善，张磊，等.支持视情维修的故障预测技术研究［J］.测控技术，2007，26（6）：5-8.

［5］Hassan A E，Holt R C.The top ten list：dynamic fault prediction［C］.2013 IEEE International Conference on Software Maintenance.IEEE Computer Society，2005：263-272.

［6］Vichare N，Pecht M.Prognostics and health management of electronics［J］.IEEE Transactions on Components and Packaging Technologies，2006，29（1）：222-229.

［7］彭宇，刘大同，彭喜元.故障预测与健康管理技术综述［J］.电子测量与仪器学报，2010，24（1）：1-9.

［8］左召军，薛政宇.基于时间序列的航空装备故障预测研究［C］.无锡：中国控制会议，2004.

［9］朱玉斌，方中祥，侯朝焕，等.基于部件参数估计的航空发动机故障预测技术研究［J］.测控技术，2012，31（1）：128-131.

［10］辛龙，周越文，翟颖烨，等.基于Weibull分布的航空装备部件寿命预测研究［J］.电光与控制，2014，（12）：102-105.

［11］崔亚君，祝华远，于建立.基于灰色系统理论的某型航空装备灾变故障时间预测［J］.装备制造技术，2008，（9）：55-56.

［12］王亮，吕卫民，滕克难，等.基于数据驱动的装备故障预测技术研究［J］.计算机测量与控制，2013，（8）：2087-2089.

［13］辛龙，周越文，孔庆春，等.基于马氏距离的航空装备故障预测研究［J］.计算机测量与控制，2014，22（7）：2052-2054.

［14］薛辉辉，肖明清，段军峰.基于杂合支持向量回归机的电子装备故障预测［J］.计算机工程，2012，38（8）：283-286.

［15］范爱锋，孟亚峰，张宏伟.神经网络在雷达装备故障趋势预测中的应用［J］.火力与指挥控制，2011，36（10）：180-181.

［16］李静雯，杨善红.基于灰色Verhulst-小波神经网络的装备故障预测研究［J］.电子技术应用，2014，40（8）：91-93.

［17］文莹，肖明清，胡雷刚，等.基于粗糙神经网络的航空电子设备故障预测研究［J］.计算机测量与控制，2010，18（4）：807-809.

［18］胡雷刚，肖明清，谢斓.基于免疫和神经网络的航空设备故障预测研究［J］.计算机工程与应用，2011，47（20）：231-233.

［19］程进军，夏智勋，胡雷刚.基于遗传神经网络的航空装备故障预测［J］.空军工程大学学报：自然科学版，2011，12（1）：15-19.

［20］周俊杰，王德功，常硕.浅析基于模型的航空电子装备故障预测［J］.装备制造技术，2010，（5）：34-35.

［21］陶来发，樊焕贞，吕琛，等.机电系统故障预测技术的现状与分析［J］.控制工程，2011，18（4）：636-63.

Researches on the Present Situation and Development of the Equipment Fault Prediction Technology

SHEN Fan-yu，ZHOU Sheng-lin
（The Chinese people's Liberation Army 92728 Troops，Shanghai 200436，China）

Fault prediction is the important way to improve the reliability and the guarantee efficiency of complex weapon equipment，and it's also one of the striking features of the fourth generation fighter.This paper processed analysis and researches focusing on the present situation of the fault prediction technology of domestic aviation equipment，and proposed 7 key technologies for futher research referring to the feasibility and practicability of the technological development.

fault prediction；aviation equipment；gordian technique

E92

A

1672-545X（2016）08-0123-04

2016-05-13

沈凡宇（1991-），男，黑龙江人，硕士研究生，主要研究方向为计算机应用技术；周圣林（1967-），男，江苏人，硕士，高级工程师，主要研究方向为航空综合保障。