典型制导弹药故障预示预警系统的设计

蒲亚博，王艳艳，赵方超，刘 伟，罗天元

(1.西南技术工程研究所， 重庆 400039； 2.弹药贮存环境效应重点实验室， 重庆 400039)

1 引言

制导弹药是现代化的高技术武器之一，是国家武装力量的重要组成部分。随着高新技术的不断发展，系列高可靠、长寿命、智能化弹药不断研制，制导弹药逐渐形成了一个包含大量元器件和电路的复杂、庞大的系统，各部组件之间联系紧密，使其综合性能得到大幅度提升[1-2]。制导弹药在全寿命周期内经历了包装、贮存、运输、值班等各种环境，其健康状态将不可避免地发生退化或失效，导致弹药发射失败或发射后失效，由此引发的经济损失或灾难性后果不可估量。因此对制导弹药故障进行准确的诊断、预警、预测，可及时发现潜在故障、评估故障发展趋势，最大限度地减小故障发生的可能及造成的危害，提高制导弹药综合作战能力，保证最大限度发挥作战效能。

故障预测方法诞生于20世纪70年代，国外在该领域起步较早，得到美英等军事强国的高度重视和推广应用，已成为新一代战机、舰船、车辆等系统的一项重要保障维修技术。故障预测技术作为实现F-35战斗机自主式保障的核心技术，已成功地应用于飞机发动机健康监控(EHM)、直升机的健康与使用监控系统(HUMS)、海军的集成状态评估系统(ICAS)和燃气涡轮的预兆监控系统(ProDAPs)等系统中。国内故障诊断预测技术起步较晚，主要集中在航空领域和武器装备的维修保障应用方面[3-5]。中国民航大学通过数据挖掘技术分析与飞机运行和维护相关的数据资源，研究出一套能及时察觉、分类并预报故障的飞机健康管理系统；张泽奇等通过分析验证PHM(故障预测与健康管理)技术在导弹武器装备中的应用，提出了基于PHM的导弹状态管理系统，并介绍了系统主要实现的功能及测试方法。王文双等结合导弹测试信息的不确定性，划分了5个功能模块，并规划了各模块工作流程和实现算法，为导弹有效的维护保障提供了指导依据[6-8]。

目前故障预测技术在弹药装备领域还没有成熟的应用。随着军队对弹药安全性、可靠性、延寿提出更高要求以及人工智能和物联网技术的不断发展，弹药健康状态管理必将从“经验性主观预测”向“机器客观预示预警”转变。由于受弹药自身结构及外部因素影响，弹药故障预示预警系统的设计应用难度增加，相关研究成果寥寥。针对这一问题，本研究在分析掌握典型制导弹药结构特点、故障预示预警系统特点、故障预测方法的基础上，设计了典型制导弹药故障预示预警系统架构，划分功能模块，研究讨论了实现方法，以期为典型制导弹药故障预示预警系统的设计提供依据和指导。

2 典型制导弹药故障预示预警系统特点分析

2.1 故障预示预警系统理论概述

故障预示预警系统是利用各种先进的传感器对装备健康状态的相关参数进行采集，包括使用状况、当前环境、工作条件、早先试验数据和历史经验数据等，并借助各种推理技术和先进算法如数学物理模型、人工智能等对装备故障发生概率、故障发展趋势、故障发生时间和剩余寿命进行预测，实现对装备健康状态的实时监测，为装备的预先维修及作战效能的稳定发挥提供依据和保障[9-10]。

典型制导弹药故障预示预警系统的建立不是为了消除制导弹药故障，而是利用已有的历时测试信息、故障信息和先进传感器监测信息，结合先进算法和模型对故障的发生和发展趋势进行实时监测，实现弹药寿命的评估从粗略概算到精准预测，并对故障的发生部位预先采取有效维护措施，进而实现对典型弹药系统全寿命期健康状态的管理。

2.2 典型制导弹药结构分析

我国在俄罗斯引进了的“红土地”激光半主动末制导炮弹基础上自行设计、研制、装备了大批152 mm、155 mm等激光末制导炮弹，这种制导弹药与传统弹药相比具有射程远、精度高和威力大等优点，极大提高了部队的精确打击能力，在我军制导弹药型号中具有典型性。同常规弹药结构相比，这类典型制导弹药的结构和功能有了较大改变。图1和图2是常规弹药结构和典型制导弹药结构框图。典型制导弹药结构复杂，部组件繁多，包含大量高分子材料与器件、惯性器件和电子光学器件，部组件之间存在很强的关联性。制导弹药在全寿命周期内经历贮存、转运、战备值班等复杂环境，其部组件易发生多种故障模式；制导弹药的通电测试周期较长，现有传感器无法实时监测反映其健康状态的性能参数变化；相比于普通炮弹，导航控制系统中电子部件较多，极易发生故障。

图2 典型制导弹药结构框图

2.3 典型制导弹药故障预示预警系统需求及特点分析

典型制导弹药故障预示预警系统是弹药安全性、可靠性以及环境适应性的重要保障：

1) 随着整体国防能力的提高，弹药的生产能力和储备量非常大，全球范围内弹药贮存使用安全事故发生较多，因此该系统是保障弹药安全和可靠的必要手段。

2) 弹药贮存地点分布广，空间跨度大，在全寿命期内经历的环境复杂，弹药极易发生结构损伤，利用该系统可对弹药的状态实时监测，减少弹药安全事故的发生。

3) 目前由于军事战略转变及军队日常训练频次的增加，弹药的使用量及状态变化也越来越复杂。利用该系统可以实现弹药的故障维修由以前事后维修、定期维修向预计性维修转变，为弹药保持战斗力和延寿提供重要支撑。

参考相关文献[8，11-13]，故障预示预警系统的构成一般由数据采集传输、数据处理、状态监测、故障诊断推理、故障预测等结构组成。受典型制导弹药自身结构和外部因素影响，其状态监测和数据采集传输、处理过程存在诸多不确定性。典型制导弹药全寿命期内经历的环境剖面复杂，目前对库房贮存阶段的环境应力已有大量监测数据，但是转运和值班环境的监测数据不全面，尤其是对全寿命周期内弹药内部微环境的状态监测数据缺失。在对典型制导弹药进行定期性能测试过程中，相关测试数据呈现明显的冗余性、不完备性和不协调性，为后续数据处理增加难度，影响系统故障的诊断及故障发展趋势的预测。

3 故障预示预警系统设计

3.1 系统功能分层设计

近年来，对某型典型制导弹药进行自然长贮试验和加速试验后，项目组积累了大量的试验数据，为该型弹药的定寿延寿、后续改型弹药的高可靠性设计提供了必要支撑。但由于对弹药健康状态的评估以对贮存环境的监测为主，缺少对弹药本身系统化监测，而传统的物理检测和化学分析不能及时感知暴露弹药存在问题，因此结合装备故障预测与健康管理系统结构设计理念，根据典型制导弹药特点，设计了图3所示的典型制导弹药故障预示预警系统架构。

图3 典型制导弹药故障预示预警系统架构框图

该预示预警系统采用分层融合式体系结构，将整个系统分成数据采集层、数据预处理层和故障预测层3部分，每部分由相对应的硬件和软件组成，各层级功能不同：

1) 数据采集层。数据采集层是故障预示预警系统的基础，利用功能各异的传感器实现典型制导弹药贮存期内环境应力、结构应力的实时监测和采集，同时对贮存期内弹药进行的转运、故障维修等状态信息、定期通电测试信息以及外部检测信息及时采集记录，为故障的诊断、预测提供基础数据支撑。

2) 数据传输层。数据传输层是连接数据采集层和故障预测层的纽带，最终目的是对采集到的繁杂数据能够进行简单数据预处理，剔除异常、空值和非必须的数据，对接收到的监测信息进行格式转换和融合处理，减少占用的存储空间，降低故障定位和预测的复杂度。

3) 故障预测层。故障预测层是典型制导弹药故障预示预警系统的核心部分，由异常检测推理机、故障诊断推理机和故障预测推理机共同组成，并在故障预测的基础上，结合各种资源，建立模型知识库。它以数据采集分析软件为基础，在模型库知识库的支持下对部组件的故障进行诊断、预警、预测，并及时对模型知识库进行修正，为预防性维修提供决策信息。

3.2 数据采集层功能实现

典型制导弹药贮存期内信息感知、状态监测和数据采集的准确性、有效性、完整性是典型制导弹药故障预示预警系统的基础和源头，其数据采集层功能实现架构如图4所示。数据采集层以弹药状态信息采集、弹内环境、结构信息采集、定期通电测试信息采集、外部检测信息采集四部分构成。其中弹药状态信息采集重点记录弹药贮存期内经历的环境应力、转运、故障、维修等信息；定期通电测试信息采集主要记录典型制导弹药在贮存期内经历的多次电性能测试数据；外部检测信息采集记录典型制导弹药在贮存期内的外观形貌变化、无损探伤结果、陪试品测试等信息。

图4 数据采集层功能实现架构框图

弹内环境、结构应力的信息采集主要针对弹内温度、湿度、振动、气氛、压力等信息开展长期在线监测。由于弹药结构的特殊性，弹内环境、结构应力的长期监测可采用无线无源传感器。受制于传感器基础材料、工艺等限制以及传感器材料和弹药材料、结构的相容性、无线无源传感器电磁场对弹药可能造成的影响因素，适用于弹内环境、结构应力的无线无源传感器没有成熟产品。中国工程物理研究院化学材料研究所开展了服务于弹药监测的全组分气体分析技术研究，自研了小体积负压进样系统，可检测出微量及痕量的有机气体。同时该团队还针对弹药老化释放的气体组分(NOx、COx、CxHy)等开展了气敏传感器的研制，形成了从材料-器件-系统-应用的完整研发体系；开展的高信噪比压电薄膜材料研究与制备技术，将应变计、热电偶集成为多功能薄膜传感器，应用于装备内部弹药的温度、应变和声发射监测；开展的植入式光纤光栅裂纹检测技术在炸药热响应监测方面得到初步应用[14-16]。

3.3 数据传输层功能实现

数据传输层的功能由智能移动终端设备实现。智能移动终端设备主要由无线通信模块、数据存储模块、数据分析模块、显示模块、按键模块、控制模块、电源管理模块、通信接口模块组成，本身具有独立的数据采集和预处理能力，可读取传感器采集的数据并录入采集的状态信息、定期通电测试信息和外部检测信息，同时对数据进行智能化分析处理，是连接数据采集层和故障预测层的关键枢纽，其功能实现架构如图5所示。

图5 数据传输层功能实现架构框图

数据分析预处理模块是智能移动终端设备的核心功能，受典型制导弹药所处环境、状态等影响，采集的数据不可避免地存在噪声数据、空缺数据和不一致数据，常常具有随机性、模糊性、冗余性和高维性等特征，直接进行数据分析会降低准确率，因此对采集的原始数据利用均值插补法、狄克逊准则、回归分析技术等手段进行分析预处理，补齐缺失数据，剔除异常数据，并对原始数据进行无量纲化处理，然后利用离散傅里叶变换(DFT)、离散小波变换(DWT)、主分量分析法、BP神经网络法等数据处理技术从庞大的原始数据中提取出于弹药状态相关性强的特征向量作为弹药故障预测的基础[17-20]。

3.4 故障预测层功能实现

故障预测层功能实现是在模型知识库的支持下，由异常检测推理机、故障诊断推理机和故障预测推理机借助数学物理模型和人工智能算法等技术进行异常数据记录过滤、失效诊断、故障定位和预测。其功能实现架构如图6所示。

图6 故障预测层实现架构框图

1) 异常检测推理机

异常检测是故障预测的基础。典型制导弹药在经历长期贮存、转运和战斗值班后部组件、分系统等出现性能退化或失效现象，结合提取的特征值数据，从数据库中抽取隐含的、未知的、具有潜在应用价值的信息，利用数据挖掘和信息融合技术在一定准则下以最高效的融合方式将各种信息进行自动分析，完成异常数据记录过滤和异常状态分类。目前常用的数据挖掘方法包括粗糙理论、遗传算法和支持向量机等；人工神经网络、D-S证据理论和贝叶斯推理等都是常用的信息融合方法[21-24]。

2) 故障诊断推理机

故障诊断是指利用异常检测数据及模型知识库的不断优化学习训练，对系统运行状态和异常情况做出判断，并为系统故障恢复提供依据，包括故障诊断和故障定位两个过程。在贮存期内典型制导弹药系统故障种类多种多样，为了提高诊断准确性，需要将贮存期内所有故障模式进行研究，并提取每一种故障模式所对应的观测数据，利用获得的监测数据，对系统所有故障模式进行不断优化学习训练，构成系统的故障诊断数据库。作为参考，对于系统正常状态的监测数据需要提取。故障诊断的基本实现思路是当监测到异常数据或发生失效现象时，用监测数据直接在故障诊断库中搜寻对应故障模式，并判断故障危害性及发生位置[25-26]。

3) 故障预测推理机

故障预测是利用已有知识，采用适当方法，预测典型制导弹药系统未来任务段内何时出现故障、出现什么故障，以便采取及时有效的预防措施实现预防维修，保障武器系统作战效能的充分发挥。目前故障预测方法总体分为三类[27-28]：基于模型的故障预测技术、基于数据驱动的故障预测技术和基于统计可靠性的故障预测技术。典型制导弹药绝大部分故障在发生前某一性能表现出持续退化或超差等征兆，且在贮存期内所经历的环境/工作应力信息比较容易监测，因此故障征兆、故障原因和故障部位等存在某种线性或非线性的关系，基于环境应力和性能变化数据等已建立了部分失效模型，随着对系统故障深入研究，可以逐渐修正调整模型提高预测精度[29-30]。

但由于制导弹药系统结构复杂，故障表现形式多为随机性和突变性，无法建立完整的动态模型，因此可以利用系统仿真、运行、维护等各个阶段的测试、传感器历时数据、故障历史数据等采用基于数据驱动或概率统计的方法进行故障预测，其核心是故障预测算法。目前已有的预测算法有时间序列预测法、灰色预测法、神经网络算法、专家系统预测法、遗传算法和多Agent预测算法[31-36]。

4 故障预测技术展望

随着新技术的广泛应用，典型制导弹药全寿命期内经历的环境不断变化，对故障预示预警系统软、硬件提出了新的要求，即能够实现实时高效的故障预测。系统在长期运行过程中，由于数据量的几何增长、性能退化、工作环境变化、维护升级和运行负载等原因影响系统故障预测的精度。因此，高效的故障预测需要基于最新的历史数据和状态信息对故障预测模型进行再学习、再训练。

随着5G通信、人工智能、大数据分析以及云计算等技术的突破，新型技术架构如数字孪生和深度学习等在系统故障预测领域有了更多应用[37-38]。数字孪生通过创建实时数字仿真模型，不断从多个来源学习和更新自己，以表示其近实时的状态、工作条件或位置，具有虚实共生、高虚拟仿真、高实时交互和深度洞见的技术特性，是天然的系统状态监测和故障预测技术。深度学习是一种分层的和自动的特征学习算法，通过构建合适的深度模型，采用有效的训练方法，将少量标签样本和大量无标签样本结合起来训练，以获取有效的特征表示，从而提升最终判决和预测的准确性。装备的属性、性能、部署环境、动态信息、气候、地形、电磁等因素皆可作为深度学习的输入，反复修正训练模型，高精度地预测故障发生概率和发生位置。

5 结论

本文提出的典型制导弹药故障预示预警系统设计，全面考虑了制导弹药的工作特点，包括数据采集层、数据传输层、故障预测层3部分，各部分按照功能要求又分为弹药内部和外部环境监测、数据分析预处理、异常诊断推理机、故障诊断推理机、故障预测推理机等模块，基本满足典型制导弹药故障预示预警的要求，为实现典型制导弹药故障预测与健康管理提供了实现途径。