某相控阵雷达天线测试性建模与指标优化研究

2023-09-13李芸倩黄大荣

雷达与对抗 2023年2期

张宇,赵宁,唐环,李芸倩,黄大荣

(1. 中国船舶集团有限公司第八研究院,南京 211153;2.北京可维卓立科技有限公司,北京 100191;3.重庆交通大学,重庆 400074)

0 引言

相控阵雷达具有功能结构复杂、系统组成庞大等特点,对故障诊断能力提出了更高的要求。测试性能够帮助及时准确地确定设备状态,得到故障检测率、故障隔离率等数据并隔离其内部故障,通过测试性手段确定故障是一种行之有效的方式,可以帮助降低排故难度。好的测试性不仅可以与可靠性相辅相成,还能提高装备的战备完好性,减少维修时间和维修费用,因此很有必要在研制阶段对装备进行测试性分析、评估与验证。

文献[1]～[4]分析了不同装备对象的测试性,但研究主要针对故障检测率的提高,鲜少涉及故障隔离率。为了完成相控阵雷达天线面阵的测试性分析,并进一步提高测试性设计水平,本文首先以相关性模型为理论基础,通过分析FMECA、组件-故障联系、故障-故障联系、故障-测试联系,建立天线面阵的系统测试性模型并进行仿真分析;然后根据仿真结果,通过分析冗余测试、改进优化测试模型等方式,建立优化后测试性模型;最后通过测试性仿真验证了故障隔离率指标是否得到改善。

1 测试性指标

测试性指标包括故障检测率、故障隔离率、虚警率、平均故障检测时间、平均故障隔离时间、平均诊断时间等,其中故障检测率和故障隔离率是最常用的两个指标。故障检测率用能够检测出的故障与设备总体故障的比值表示;故障隔离率用能够被隔离出的故障与可以被检测出的故障的比值表示。

1.1 故障检测率

故障检测率数学模型可以表示为

(1)

式中,NT表示在时间T内的故障总数;ND为被检测到的故障数。

当故障率λ为常数时,式(1)可以改写为

(2)

式中,λD为所有能被检测出的故障模式的故障率之和;λ为实际存在的所有故障模式故障率之和;λDi为检测出第i个故障模式的故障率;λi为本身第i个故障模式的故障率。

1.2 故障隔离率

故障隔离率数学模型可以表示为

(3)

式中,NL为隔离到小于等于L个可更换单元的故障数;ND为检测到的故障数。

也可以用故障率替换表示为

(4)

式中,λL为隔离到小于等于L个可更换单元故障模式的总故障率;λD为检测出的所有故障模式总故障率;λLi为可隔离到小于等于L个可更换单元的故障中,第i个故障模式故障率;L为隔离组内的可更换单元数,也称为模糊度。

2 测试性建模与仿真流程

测试性建模与仿真流程图如图1所示:

(1)明确产品的功能与原理,得到整体组成与功能表;

(2)根据产品本身设计与实际分析需求,确定产品的隔离与分析层次,画出产品层级关联图;

(3)通过测试性信息表的输入信息与FMECA,明确组件间、组件-故障、故障间的信号流向关系,得到信息流向关系图等信息;

(4)确定各层级的测试点位置与类型,分析故障-测试的相关性,得到相关性图示模型与D矩阵;

(5)进行基于TMAS软件的测试性仿真建模与分析,并在分析结果的基础上优化测试性模型。

图1 测试性建模与仿真流程图

3 实例分析与指标优化

选取某相控阵雷达天线面阵为分析对象,依照图1完成测试性建模分析与评估。

3.1 明确产品功能与原理

天线面阵主要组成为电源组件、频综组件、T/R组件、DBF组件、定时模块等,其中电源组件负责将高电压隔离转换为低电压,并给其他组件供电;频综组件为面阵提供相参时钟和本振信号;T/R组件负责信号的接收和发射、接收波束预处理等;DBF组件分为三级与二级组件,主要完成接收波束合成等功能;定时模块主要完成波形、频率等控制功能。

3.2 确定分析与隔离层级

基于天线功能原理和结构组成分析,确定分析和隔离的层次,确定的层次就是最后要对应故障模式的层次。图2为相控阵雷达天线层级划分。

图2 相控阵雷达天线层级划分图

3.3 明确信息流向关系

分析电源组件、频综组件、DBF组件、定时模块以及T/R组件的故障信息,包括故障信息流向、故障位置、故障模式、故障严酷度和故障发生概率。

首先分析组件间关系,得到组件之间信号流向关系;然后分析各组件内部的故障传播关系,得到各组件内部故障与组件输入输出的信息流向关系;最后分析组件内部故障与故障之间的传播关系。

3.3.1 组件间信息流向关系

以定时模块为例,编制信号流向关系表如表1所示,包括输入/输出端口、信号名称、信号来源/去向等内容,厘清各LRU输入输出信号以及相互之间的信号流向关系。

表1 定时模块信号流向关系

3.3.2 组件-故障间的信息流向关系

以电源组件为例,根据分析得到的组件自身具有的故障与输入输出信号的关系,编制LRU级的故障信息表如表2所示,包括LRU名称、故障率、故障模式、故障影响的输出信号与相关输入信号等内容。

表2 电源组件故障信息表

3.3.3 故障间的信息流向关系

取款人身份证复印件上的名字明白无误是宋月芝，照片黑乎乎的看不清楚，老福很难确认那是不是他见过的小宋。他把这两张纸装进塑料袋交给高超，叫他去做指纹鉴定，然后三个人离开银行，直奔罗家。

故障的传播与组件相关,某个故障的发生也可能引起其他1个或多个故障的发生,如图3(a)、(c)所示,而多个故障同时发生也许会导致某个故障产生,如图3(b)所示,因此须明确各LRU故障模式间的关系。

图3 故障间传播方式

以定时模块为例,编制定时模块故障模式表如表3所示。

表3 定时模块故障模式

以定时模块5个故障模式代号为横纵坐标,可以得到故障与故障的相关性矩阵如表4所示。

表4 故障模式相关性矩阵

3.4 明确测试点位置与类型

仍然以定时模块为例,明确使用的测试方法与测试手段,编制测试信息表如表5所示。

表5 测试信息表

3.5 建立相关性图示模型以及D矩阵

利用上述定时模块故障模式与测试点信息,绘制故障与测试的相关性模型,如图4所示。根据图4可得到对应的D矩阵,如表6所示。

图4 定时模块故障-测试相关性图示模型

表6 定时模块故障-测试的D矩阵

3.6 基于TMAS的测试性建模仿真与分析

依据上述步骤开展天线面阵的测试性建模仿真工作,电源组件和定时模块故障模式关系模型分别如图5(a)、图5(b)所示。

(a)电源组件

(b)定时模块

对测试性模型进行仿真分析,设定分析层次为LRU级,选择所有测试种类,得到故障检测率为99.1 411%;故障隔离率在模糊度为1、2、3时均为71.8 355%。

查看仿真分析结果报表,主要分析其中的不可检测故障和冗余测试组,如表7、表8所示。

表7 不可检测故障

表8 冗余测试

由表7可知,整个测试性模型仅有TR1-9内部的1个故障模式不可检测;由表8可知,在16个T/R组件中,各有两个测试点对整个测试模型是冗余的;二级DBF与三级DBF也各有3个测试点是冗余的,形成模糊度为38的冗余测试组(模糊组)。这表明测试性模型存在设计不合理,应该采取相应措施进行设计优化。

3.7 测试性模型优化

首先对测试性模型进行DFT追踪,如图 6～8所示,查看不可检测故障与模糊组的形成区域,见其中虚线连接部分。

图6 T/R组件中异常联系

图7 二级DBF组件中异常联系

图8 三级DBF组件中异常联系

通过DFT追踪得到故障模式的传播关系,相关测试点如表9所示。

表9 工作异常关联测试点表

由图6～8可知,大型模糊组主要由各LRU故障模式之间的传播关系造成,最大是模糊度为38的模糊组,如表8所示,这种大的模糊组在实际检修排故中将带来不小的阻碍,因此有必要对现有的测试性模型进行合理性优化改进。针对模糊组和不可检测故障主要集中部分——T/R组件、DBF组件,分析各故障模式实际发生的合理性、故障模式之间连接合理性以及测试点设置与连接合理性,形成测试性模型的改进优化策略:

对于DBF组件,根据供电异常可以直接被检测到,去除“模块供电异常”故障模式与其余所有故障模式的相连;根据数据传输需要利用光纤的特性,添加“光纤传输异常”故障模式,作为“模块接收数据异常”、“模块发送数据异常”的并发模式,分别两两共用1个测试点,测试类型为PBIT;根据实际测试,“模块供电异常”、“DBF处理功能异常”测试类型改为ATE;

对于T/R组件,以故障模式“组件通道上行异常”、“组件通道下行异常”、“组件通道上下行异常”为一组,首先明确各故障模式可通过检测直接区分开,排除测试点共用情况,但在“组件通道上行异常”、“组件通道下行异常”的发生为或、与关系的前提下,删减掉“组件通道上下行异常”故障模式,并通过“组件通道上行异常”、“组件通道下行异常”共用一个测试点来表征删除故障模式的特性。

以三级DBF组件为例,优化前后的三级DBF测试性模型如图9所示。