指挥自动化装备预测与健康管理系统研究

史雪辉，杨新星，史 清

(1.海装驻南京地区第三军事代表室，南京 210039；2.海装驻南京地区第二军事代表室，南京 211153；3.南京邮电大学通达学院，江苏 扬州 225127)

0 引 言

近年来，智能故障诊断技术的发展为指挥自动化装备的故障诊断指明了新的发展方向，将智能故障诊断技术应用于指挥自动化装备也成为自主式后勤保障研究的热点和难点问题。现代指挥自动化装备的维修保障不仅需要故障的事后诊断，更需要事前预测与状态的实时监控，而且对维修效率、保障费用的控制也有急切需求，故障预测与健康管理系统(Prognostic and Health Management，PHM)必然成为指挥自动化装备维修保障的关键点。

作为装备建设和支援保障管理的重要组成部分，指挥自动化装备PHM系统对于促成装备“两成两力”建设，提升指挥自动化装备作战使用效能具有重要作用。本文以指挥自动化装备为对象，研究PHM系统的应用实践。

1 建设构想

将传统的可靠性分析与部件状态的可监测/可检测特性结合起来，作为指挥自动化装备健康管理的驱动，健康管理在预先数据库信息的基础上，分析来自各构成部件/装备的状态信息、测试参数信息，对自身系统的总工作状态进行评估，预测部件/装备的工作状态，并提出可能的故障检修预警和最佳维修时机，提高装备可用度和任务可靠性。

对指挥自动化装备各关联子设备进行FMECA分析，明确各设备的关键部件、关键元器件、故障机理、故障影响等。对关键对象的故障特性评估方法应根据各专业领域专家的意见选取影响各设备主要元素的健康状态特征参数，同时应遵循可测性、针对性、敏感性、典型性的选取原则，例如指控系统中通信设备的环境温度、通信效率等参数；侦察设备中侦察目标的清晰度、完整度等参数；侦察目标的范围、精度等参数。

2 系统架构设计

2.1 业务流程

对于PHM系统设计，目前典型的故障诊断与预测流程包含了数据采集、数据处理、数据传输、特征指标提取、状态监测、健康评估、故障预测、保障决策等环节，如图1所示。

图1 PHM系统构架图

在数据采集和传输模块中，各种传感器采集的相关参数信息将作为PHM系统的数据基础。该模块还具有数据转换和数据传输等功能。数据处理部分接收来自传感器和其他数据处理模块的信号和数据，并将数据处理成后继的状态监测、健康评估和故障预测等部分处理要求的格式。该部分的输出结果包括经过滤与压缩简化后的传感器数据、频谱数据及其他特征数据等。特征指标提取是为了故障识别、故障隔离和健康评估。状态检测部分接收来自传感器、数据处理等数据，其主要功能是将这些数据同预定的失效判据等进行比较，以监测系统当前状态。故障诊断和预测是通过监测到的数据及系统当前状态，利用各种故障诊断和预测方法，根据历史检测数据或统计数据以及产品的参数或模型，确定系统部件的故障或剩余使用寿命，从而提供报警能力。保障决策模块的主要功能是产生更换、维修活动等建议，可在被检测系统发生故障之前的适宜时机采取维修措施。

2.2 数据流图

故障传输的实质是一种异常征兆信息传输的过程。指挥自动化装备在运行过程中，系统参数偏离了正常状态就可能出故障，表征它的特征向量也会变化。系统出故障的可能性越大，其状态变化也越大。只要故障源存在，这种故障信息就会通过特征参数表现出来。

在复杂系统中，故障信息通常以两种形式向外传递，即系统层内传输和层间传输：层内传输是指这种故障信息作为同一层次的其他相连系统的输入，而引起该相连系统输出异常以至故障；层间传输是指低层次的某子系统出故障后，其异常的输出征兆输入到较高(或较低)层次的子系统，引起较高层次(或较低)系统输出异常以至出现故障。这种信息流程过程是系统故障监测的主要任务，也是故障诊断的主要信息来源。在复杂系统中，故障信息可以经过多种不同路径进行传输，因而故障的传输也是多条路径同时进行，相互作用。根据故障信息的传递方式，PHM系统数据传输包括3种数据流的传递关系，如图2所示。

图2 PHM系统数据流图

纵向数据流：由安装在部件/单元层的传感器采集的设备底层数据信息或BIT的信息，经过数据预处理后传输到系统级的推理机进行初步的状态异常、故障诊断和故障预测分析，之后将系统级的分析结果上传至装备级进行汇总分析。同时，PHM系统对整个装备的健康状态进行综合评估预测，并及时处理系统中发生的故障，最后生成维修保障方案；

横向数据流：在同一PHM层级上，对于一个系统而言，多个部件层采集的数据信息作为输入，在该系统级就需要对众多的输入数据进行过滤和融合处理，完成初步的异常检测、故障诊断和故障预测等分析。对于多个系统而言，大多数系统之间存在交联关系，其中一个系统故障可能会引发另外一个系统也故障；

反馈数据流：通过装备级PHM的故障诊断以及自主式保障信息系统的故障预测，得到装备完整的健康状态和保障方案。这些信息将有针对性地反馈给舰员用户和地面技术人员，后者根据PHM系统的决策做出相应的操作和维修保障活动。

2.3 逻辑架构

指挥自动化装备PHM系统的逻辑架构如图3所示，包括物理资源层、接口层、技术支撑层、服务层和用户层共5层结构。

图3 PHM系统逻辑架构图

(1)物理资源层：主要提供面向故障预测与健康管理的指挥自动化装备IETM知识库、软件资源和硬件资源，其中知识资源包括安全手册、说明手册、操作手册、维修手册、保养手册、零部件手册、接线手册等各种结构化、非结构化和半结构化资源；软件资源包括故障诊断领域的各种软件工具、智能算法、优化模型、诊断模型、预测模型等；硬件资源包括各种测试设备、诊断设备、检测设备、IT设备等。

(2)接口层：该层为PHM平台提供数据和知识资源接口、软硬件资源接口及网络通讯接口，该层包含系统平台的物理支撑技术，为被诊断设备从运行现场到服务平台提供一个信息通道。

(3)技术支撑层：该层为平台运行提供技术支持和保障，主要包括各种建模技术(系统建模、方法建模、流程建模等)、平台管理技术(如用户管理、权限管理、资源管理、流程管理等)、知识服务技术(知识建模、知识管理、知识应用、本体建模)、服务管理技术(服务封装、服务组合、服务搜索等)。

(4)服务层：该层包含PHM平台的主要服务内容，各服务之间有的可以独立调用，有的则具有一定的逻辑顺序，需要组合使用。

(5)用户层：该层提供人机交互界面，面向设备维护活动中的各类用户，包括部队用户、装备制造厂家、保障机构及其他机构。各类用户可以通过服务平台调用服务层的各项服务功能，使用各类平台资源，以满足用户需求。

3 指控自动化装备健康管理系统

指挥自动化系统健康管理系统原理如图4所示。综合指挥控制系统接收各设备已有的可靠性信息，在设备运行、故障的历史数据记录和技术状态实时感知的基础上，通过故障树模型、控制图模型对致命性故障进行预警管理；通过故障决策树、多信号流图等模型对故障进行智能辅助诊断；通过RCM或RBM分析进行主动维修分析及预防性维修的定期优化；通过任务及故障仿真生成维修保障资源清单，并对指控系统任务能力进行评估。

图4 指控系统健康管理系统功能原理

指挥自动化系统健康管理系统包含以下功能模块：

(1)数据采集 从数据获取层的数据源及其他信号处理模块获取数据，或者采集用户提供的离线数据。

(2)数据处理 将采集到的数据处理成后继的状态监测、健康评估和故障预测等部分处理要求的格式。该部分的输出结果包括经过滤、压缩简化后的传感器数据。

(3)数据传输 处理后的数据需要传输给上层应用系统使用，为保证数据的一致性调用，PHM系统必须定义数据传输接口标准以及传输协议规范。这些接口包含数据接口、人机接口等。

(4)特征指标提取 将采集到的信号进行分类处理、加工，获得能表征其特征的过程，其主要用途在于后续的故障识别和健康评估。

(5)状态监控 该服务接收实时数据、处理后数据或者离线数据，将特征值与期望值进行比较，并输出监测结果，可以根据一定的规则和方法进行报警。

(6)健康评估 利用性能检测和对履历信息数据挖掘产生的健康指标，构建关键部件和子系统的健康指数，并用直观、统一的展示界面反映装备、部件的健康状态及其趋势。

(7)健康状态预警 集中展示装备运行状态信息、报警信息、预警信息和健康状态，同时能够有针对性地推送装备状态信息给应急处理或者故障处理人员，确保装备异常状态能够得到及时处置。

(8)故障预测 基于大数据挖掘分析和数学物理模型分析，快速准确地提取装备关键部件的性能指标，通过分析指标的趋势和突变对装备潜在的故障进行早期预警，并采取预防性措施来避免故障的发生，从而大大提升装备的安全性和可用性。

(9)维修优化 基于健康指数和故障分布的关键部件和装备维修主间隔的优化模型，给出大修修程修制优化的辅助决策建议。

(10)维修排程 以维修大纲和作业指导书为基础，将故障维修任务、日周月检修任务以及维修资源等限制条件进行统筹计算，形成均衡化的每日检修作业计划和排程。

(11)智能修理 基于装备交互式电子技术手册数据、实时数据、产品履历和智能分析模型，自动生成最优化的故障诊断和定位作业步骤指引。

(12)保障决策 运行数据查询与分析，对装备全寿命周期产生的运行数据进行集中管理，提供可视化查询、排序、打印等功能，同时根据业务规则和算法对运行数据进行分析和处理，以报表、曲线图等形式展现分析结果，为装备使用部门领导提供辅助决策支持。

4 结束语

本文针对指挥自动化装备集成化、网络化及信息化特点及智能故障诊断技术的发展，开展了指挥自动化装备健康管理技术研究，可有效解决装备可用度低、维修保障困难的问题。