武器装备故障预测相关分析

曹萌 苏小炜 黄笑宇

摘 要：随着高层次技术创新武器装备的相继投入列装，对新一代装备能否进行有效的装备状态优化监控和装备故障风险预测就已经成为武器技术安全保障的一个重点。为了能够使企业装备安全保障管理人员更好的深入了解装备故障分析预测相关技术及其实际作用，简要详细介绍了装备故障分析预测相关技术及其应用类别。重点分析总结了相关故障处理预测分析技术在我国武器装备行业中的实际应用发展现状，主要内容包括专家系统、灰色区域模型、神经网络、支持机和向量机以及其他一些相关故障分析预测技术方法在武器装备中的故障分析预测技术中的实际应用。通过分析总结当前的学术研究成果，指出了汽车故障影响预测分析技术今后研究发展的若干研究方向。

关键词：武器装备;故障预测;方法

引言：

随着现代科技的不断进步，现代化和高新技术的新型武器装备也陆续地被列装到各部队。而定期保养维修工作时间如果制定得不合理，也容易直接造成人力资源的严重消耗浪费，因此目前传统的质量保障管理方式已经不能完全满足要求。现在各国对于装备安全保障主要都可以采取视实际情况的维修，它们也可以有效避免我国传统装备保障管理方式的不足。而系统故障信息预测处理技术就是目前支撑视觉色情系统维修的一项关键技术。

1 故障预测技术

故障技术预测汽车技术诊断是比汽车故障预测诊断更高级的汽车维修安全保障技术形式，是一门领域涉及工程机械、电子、计算机、通信、控制以及建筑材料等多个门学科互相综合的新兴技术边缘学科。

基于这个模型的产品故障损害预测计算方法主要是通过对关键功能部件损伤的随机计算来准确评估一个关键产品零部件的功能损伤严重程度，通过为此建立一个物理计算模型或随机计算过程进行建模，用来准确评估关键部件间的剩余使用寿命。但在建筑工程设计实际中，系统往往比较复杂，精确的系统模型难以快速建立，这就大大限制了基于系统模型化的预测系统方法的广泛应用。物理知识模型、滤波器以及基于科学知识的分析方法都同样可以被规划为基于知识模型的应用故障分析预测解决技术。

基于强大数据分析驱动的有用故障信息预测分析技术以用户采集的相关数据为基础，通过分析挖掘出这些采集数据中可能隐含的有用故障信息，得到用户需要的预测结果。但是，对于复杂技术装备，历史数据的质量获取较为困难，同时历史数据的质量准确性和广泛应用性能不能完全满足要求，这些都仍然是我们需要进一步深入研究的关键问题。典型的基于庞大数据系统驱动的分析方法主要有：专家系统、神经网络、灰色区域模型以及其他数据相关分析方法。

2 几种故障预测技术在武器装备中的应用

2.1专家系统方法

专家系统由于其中采用了众多专家专业知识，从而不仅具有了行业专家的丰富实战经验与正确判断能力从而并能对每个用户的真实提问和问题答案的逻辑推理以及过程结果做出正确解释。专家系统对于那些非常难于快速建立精确化的数学系统模型和非线性数学系统的人具有明显的技术优势。李茂林、张晶等在充分综合分析某新型自行火炮的电气系统的及时失效故障模式与复杂故障发生机理的基础上，综合分析故障处理现象，采用正向自动推理诊断为主、反向自动推理诊断为辅的两种混合模式推理诊断机制对推理机理的进行综合实现，开发电气系统复杂故障现象综合处理诊断专家系统，结果表明，该专家系统不仅能够有效提高对电气系统的及时保障处理水平，提高电气保障技术人员及时解决复杂电气系统故障问题的工作能力。

2.2灰色模型方法

灰色区域模型（greymoded）由一位我国著名教授邓聚龙在1952年级中提出。由于本次gm（1，1）改进模型系统缺乏对多功能特征参数的综合考虑且还存在复杂背景式数值系统构建及自动化适应上的存在缺陷。李万领等针对问题改建模型gm（1，1）预测模型的方法预测故障维数主要是依靠实践经验难以确定这一复杂问题，采用poposo等算法对该模型参数组合进行模型优化，并将经过优化的预测模型并实际运用纳入到某雷达制导系统雷达发射波束自动控制技术系统的预测故障结果预测中，预测故障结果显示，预测故障结果的最大预测误差只有1.32%。

2.3神经网络方法

神经网络主要有多种神经网络结构类型（cbp小波神经网络、rbf大波神经网络、小波神经网络等等祭，由于其本身具有较强的非线性信息映射适应能力、自动化学习适应能力和车辆动态自动化适应能力，因此常广泛应用于汽车故障分析诊断与事故预测。张小玉等将某些大型飞机整个发动机系统运行中的振动音频信号的振幅频率大小情况作为分析判断整个发动机系统故障与否的重要依据，将飞机采集的音频数据处理后一并输入一个bp的网络中，得到了较高的故障预测分析精度。

2.4支持向量机方法

支持向量的随机函数（csvm）算法是近年人们根据现代统计与科学计算理论最新提出的一种基于机器人工学习的算法，它主要是具有小规模样本人工学习和自动学习计算能力强两个基本优势。田干等将向量支持最小向量参数回归机（csvp）和最小向量支持最大向量参数回归机（clvsvr）都结合运用来达到解决液体喷气火箭运载发动机发射参数向量预测中的问题，通过分析对比两种预测方法的参数预测实验结果，发现其在svr中的预测结果精度虽然要远远好于clvsvr，但后者的发射训练持续时间远远要小于前者。王久崇等将最大鱼群测量算法（cafe）和最小蜂群测量算法有机结合，来分别优化最小二维相乘向上测量机（clssviv）的最小规则化网络参数和最小宽带网络参数，用最新改进的飞机模型对某型民用航空航天电子运输设备的飞机电源模块故障进行预测故障精度预测，结果表明，预测故障精度已经得到了显著性的提高。

2.5其他方法

其他的网络预测分析方法中，运用较多的主要技术有网络虚拟化和现实预测技术和模糊对象理论。虚拟结合现实装备技术通过利用计算机技术模拟检验装备的实际运行状态，改变与模拟装备实际性能息息相关的各种参数，对其性能进行装备故障风险预测。模糊故障理论则主要是根据不同装备系统故障预测特征信息来源不同，其特征具有模糊性和高度不确定性的理论特点，来研究建立模糊故障预测理论模型，进行装备故障特征预测。

结论：

本文主要重点介绍了武器故障发生预测控制技术的基本概念及其应用分类，重点突出阐述了其在我国现有武器装备中以及应用中的情况，并对其未来发展趋势做了重点展望。从越来越多的实际应用技术实例中，我们不难看出发现电子故障原因预测分析技術在现代武器装备安全保障方而的广泛应用对于加快提高现代我军武器装备的安全保障服务水平发展具有明显的战略推动力和作用。

参考文献：

[1]段飞飞，李红才.武器装备故障预测与健康管理视情维修系统设计[J].质量与可靠性，2020（06）：33-36.

[2]罗晓亮，涂龙，王浩旭，王晓晶，胡振峰，喻凡坤，梁秀兵.无人机故障预测与健康管理研究现状及发展[J].计算机测量与控制.

[3]邵璐璐，牛侃，于志超.基于CPS的装备故障预测与健康管理体系架构[J].数字通信世界，2020（04）：138-139.

[4]闻化，胡志伟.装备故障预测与健康管理能力验证评估技术[J].计算机测量与控制，2019，27（11）：260-264.

（中国运载火箭技术研究院，北京 100076）